AIGC行业调研：行业市场、核心玩家和技术路径

By：李易 调研目的 近年来，学术界在大规模深度神经网络、多模态人工智能方面的探索表明大模型具备易扩展性，能够实现跨模态的知识沉淀。去年亮相的Stable Diffusion以及ChatGPT成功商业化也证明了以大模型为基础模型，通过对基础大模型进行业务封装可以较好满足多个行业需求。 本次调研旨在使大家对AIGC行业建立一定了解。政策方面，国外/国内政府对该行业既有扶持也有监管。目前AIGC主要应用在桌面办公，电商，游戏娱乐与影视行业，计算任务主要围绕图片和文本生成展开。虽计算任务相较传统判别模型有一定挑战性，但巨大的市场潜力也吸引了全球AI芯片厂商的目光。 本报告将从市场和技术路径两方面对隐私计算行业展开分析。 目录 1.行业介绍2.市场信息3.细分赛道4.核心玩家5.竞对信息6.技术路径7.总结 行业介绍 行业介绍 行业定义 AIGC（AI-Generated Content）：即AI生成内容，该概念是相对于PGC（专业内容生成）, UGC（用户内容生成）, UPGC（专业用户内容生成）等概念提出的。AIGC基于大规模预训练模型，流模型，扩散模型以及生成对抗模型等人工智能技术，通过对训练数据的学习，拟合出训练数据生成函数从而进行内容创造。目前AIGC已经成为了整个AI行业的全新疆域与未来发展大趋势。 狭义：图像，音视频，文本等内容生成，等同于Synthetic Media, Generative AI的概念 广义：游戏AI策略，代码生成，蛋白质氨基酸结构生成等 音乐生成by Meganta from Google 行业介绍 行业定义 随着ChatGPT, Stable Diffusion等模型的相继问世，全球范围内的多家AIGC公司终于开始实现盈利。据a16z统计，图像生成，文案写作和代码编写类AIGC产品年营收在2022年已实现1亿美元。Stability.ai等多家独角兽AIGC公司的估值一路狂飙，投资机构纷纷将AIGC作为年度主题词。 行业介绍 行业定义 从技术层面来说，AIGC可分为三个层次：1.数字内容孪生2.数字内容编辑3.数字内容生成。目前，AIGC正在发力第三阶段，其中第三阶段包括以下： 行业介绍 AIGC技术架构体系 AIGC行业将成为类似云计算的生态结构：只有足够“包罗万象”，才能支撑前端的“奇形怪状”。 行业介绍 产业链全景图 目前国内整体层级尚不完善，模型层成为关键卡口，在一定程度上限制了上下各层级发展。放眼全球,能够做到全栈端到端布局的玩家数量相当有限。模型层公司普遍是对较强AI算法开发能力的大型企业，而应用层企业较多，技术门槛相对较低。 行业介绍 行业生态 目前AIGC产业生态雏形已出现，呈现为三层架构。 头部科技企业，研究机构，高校。例如：斯坦福大学，Stability.ai，OpenAI。 中小型AI企业为客户定制垂类模型及服务。 内容生成，各种AIGC应用 波特五力分析 随着AIGC的日益火爆，产业链每一个环节上的竞争者都有明显增加。应用层公司与大模型创业公司从2022H2开始投入，目前处于热情高涨期。数据中心，芯片公司也纷纷入局。此外，大型互联网科技公司也纷纷抢先开通AIGC业务线。小模型的创业潮从开花到结果大约3年（2012-2013年开始，2016年有产出）。若大模型的起步过程需要1-2年（比小模型快），2024-2025年才是局部产出的高峰期。在此之前，大量创业公司可以低调研发，国家AI安全政策、国家大模型准入都不明朗。AI大模型竞争生态比美国更加复杂，主要体现在垂类大模型，多模态模型串联解决方案等，入局厂商较多通用大模型不如垂类大模型容易在国内落地，这也考研了AIGC厂商的工程落地能力替代技术方面，暂时对AIGC行业影响不大AIGC对下游(无论2b还是2c)，整体话语权增加AIGC对于芯片/上游的话语权有变弱趋势 总结：AIGC模型类，应用类公司的竞争对算力/芯片等上游企业 来说整体是利好的。 行业介绍 竞争格局 目前，我国AIGC产业参与者五花八门，除了垂置行业创业公司，还有互联网大厂，老牌AI算法厂商，生态链产业公司，研究机构等。由于产业发展有限，因此各类玩家之间区别也十分有限。 行业介绍 应用场景 AIGC技术目前可以完成：图片生成，代码编写，音频生成等任务，因此在未来，其应用/落地场景是多种多样的。 线上游戏 办公软件以Notion AI为例，用户在其现有工作 AIGC在游戏制作前期，游戏运营，游戏体验提升及优化上都有广泛应用。其核心为AI Bot, NPC相关生成和相关资料生成。目前国内游戏大厂已经普遍在游戏中运用AIGC技术，如：腾讯和平精英中的虚拟敌人。 流中进行素材，日程等管理及创作时，能够借助AIGC提高效率。目前该公司累计用户已经超3000万。微软在发布ChatGPT之后，也表示将在未来将这项技术应用在Office产品中。此外，ChatGPT也改变了人们信息获取的方式，搜索引擎以及全新人机交互方式称为关注重点。 影视传媒由于和内容行业直接挂钩，AIGC对影 视传媒行业的整体影响更为明显。其具体受到影响的细分领域包括电影及长视频中的换脸，背景渲染，广告自动植入，网络直播，虚拟人等。另外，短视频生成，在线编曲，图片版权以及网络文学等细分领域也和AIGC息息相关。 AI数据 通过AIGC技术，能够自主生成一些高质量数据，从而解决AI算法领域内数据少，标注成本高的问题。目前已受到医疗领域与自动驾驶领域的广泛关注。 内容资讯 社交软件由设定了特定性格的AIGC虚拟人作为 主要在新闻写作，目前落地应用较为成熟 NPC满足线上社交与游戏行业需求。 直播电商 在线教育 包括数字人直播带货及个性化营销 AIGC出题，审题，阅题以及内容教学。 行业介绍 情景逻辑举例–虚拟人直播带货 行业介绍 产业发展 我国AIGC产业发展大致可分为三个阶段，2023-2025为培育摸索期，2025-2027年为应用蓬勃期和2028年以后的整体加速期 AIGC逐渐个性化，实时化，自主迭代等方向上的延展价值得到充分发挥，和其他业务系统紧密链接产业生态开始完善，产生相对较为成熟的完整解决方案相关初创公司能够形成一个持续自我运营的内容体系，预计会催生全新业态。AIGC成为内容创作领域全新基础设施，自身产业链完善 底层大模型发展加速，大资金与大人才体量的大厂开始入局。中间层玩家较少。基于Stable Diffusion等开源模型的上层应用迅速出现，由于受到底层大模型接口的限制，其他领域应用层发展相对有限。整体处于业务场景验证和变现探索期去。产业生态相对封闭，研究机构作用明显，创业公司数量相对少大部分技术尚未达到稳定进入实际生产环节的水平 人机共创逐渐在行业内普及开来，在内容资讯与娱乐传媒领域产生确定性价值，基本价值创作路径和技术思路得到确认入局玩家增多，底层大模型和中间层模型主要玩家确定，大模型开放API增多，有大量应用层玩家进场，成先百花齐放的局面 整体加速期 应用蓬勃期 培育摸索期 行业介绍 发展要素 AIGC的本质是场景+内容，所以AIGC发展依靠基础设施建设，算法生态/技术能力和数据三大要素耦合共振。 AIGC的三大发展阶段是：-模型赋智阶段（现实—>数字）：构建模拟现实世界的数据分布的AI模型 -认知交互阶段（数字—>数字）：AI学习并创作丰富内容-空间赋能阶段（数字—>现实）：利用生成式AI技术，在生成虚拟现实数据的同时，形成数据闭环，AI自我迭代 行业介绍 商业模式 从客户端来看，AIGC是一个“BCG通吃”的行业。从长远来看,我国AIGC的主流商业模式可分为四种：MaaS，按产出内容付费，软件订阅付费，模型定制开发。最具长期增长潜力的，且占据主要市场的商业模式为：MaaS。因此也注定了AIGC行业较高的技术门槛，而Maas也会刺激各厂商开发自己的业务模型，从而推动算力需求。2023年，我国AIGC行业MaaS商业模式规模占比5%，预计在2027年左右达到47%占比，共产生约300亿元价值。 软件订阅付费如ChatGPTPlus：目前收费20美元/月 MaaS(Model as a Service) 厂商将预训练模型开源，形成可调度，可管理，标准化的API。厂商基于模型调用量来进行收费。适用于底层大模型和中间层进行变现，按照请求次数和实际使用量计算，较为典型的是GPT-3基于对外API的收费模型。 例如个性化营销文本写作工具AX Semantics以1900人民币/月对外出售，并以4800欧元/月的价格提供电子上午版本。大部分C端AIGC工具则以较为低廉的月租价格出售 对芯片厂商来说：一切围绕模型 按照产出内容收费图片张数：如DALL E，Deep Dream Generator) 模型定制开发类似于传统AI算法解决方案厂商的项目开发 请求计算量，模型训练次数产品复购率与用户粘性存在巨大挑战版权问题（短期使用权，长期使用权，排他性使用权等），法律风险（是否支持商业用途，个人用户，企业用途，品牌使用，涉政宣传等）内容质量，如分辨率等影响 制 其他形式 广告流量电商类似于传统C端互联网产品商业模式，挑战在于用户粘性 行业介绍 芯片厂业务模式 行业介绍 变革矩阵 我国目前AIGC行业内公司在各个细分领域都有所布局，其中影视传媒和内容咨询领域变革程度最高。 行业介绍 政策背景 虽AIGC行业尚未成熟，相关法律法规未健全，应用端仍具有一定政策风险，但从国家政策颁布情况来看，政策呈利好趋势。 市场信息 市场信息 产业融资情况 随着OpenAI释放ChatGPT，2022年Q4以后，资本开始重视AIGC行业。我国预计2024年将迎来指数级增长的融资热潮，应用层将称为短期内的孵化和小额投资热点，大型投资仍重点关注底层大模型和中间层模型。 截止至今年3月，AIGC赛道目前在国外已出现7家独角兽。在我国，超参数与小冰已明确称为独角兽公司。其中，光年之外已宣布下一轮融资已被认购2.3亿美元。目前最受头部资本关注的机构均与底层大模型相关或与AI领军人物相关。目前，多家国内投资机构已明确将AIGC作为主投赛道，个别头部机构已推出相应的主题孵化项目。随着底层大模型逐步开放及商业价值的落地验证，融资规模将出现巨大增长。应用层企业投融资规模的巨幅增长，也能带动对基础设施层算力底座需求的增长。 市场信息 市场规模-I下游应用层 预计至2030年，我国AIGC市场规模将达万亿级别；2025年与2027年预计将称为两次规模爆发点，年复合增长率有质变性提升。 我国AIGC产业市场规模预测图2023-2025年为AIGC市场规模增长第一阶段，增长率维持在25%左右。2025年后，产业生态逐步完善（特别是底层大模型的开源程度），行业进入应用蓬勃期，年复合增长率增至70%。2027年以后，AIGC产业将延展出完整产业链，并在商业化场景上拓宽，深入各个行业, AIGC行业进入整体加速期。 市场信息 市场规模–II上游基础设施层 AI大模型对算力的需求高于摩尔定律迭代速度，算力芯片类产品需求量将大幅提升。计算方法： 根据左下角柱状图，新增算力需求=未来一年算力需求—当前算力。因为AIGC对算力要求较高，因此大模型（尤其NLP类）与业务大多部署在智算中心内。那么我们IDC假设国产化替代率为20%，保守估计在国内智算中心算力卡中的市场份额为1%。将新增算力需求与两个比率相乘，再根据HP201与HP300在FP16精度上的算力性能表现，再按照AWS推理算力与训练算力大致比例2：3来计算，可得到右下表。随着未来IDC国产化替代率的提升，出货量将更大。 市场信息 算力成本 主流大语言模型训练成本： 𝑘=3𝑖𝑓𝑒𝑛𝑐−𝑑𝑒𝑐6𝑖𝑓𝑒𝑛