2024年中国AIGC行业应用价值研究报告：千行百业AII in AI，重构数字经济的生产模式

出品机构：甲子光年智库智库院长：宋涛撰写人：甲子光年分析师刘瑶时间版本：2024.06 前言：当我们在谈论AIGC，到底希望讨论什么？ •目前广受热议的“AIGC”实际是对此次AI技术变革的一种描述概念，如果说2023年是“大模型”元年，那么2024年则是“AIGC”应用元年。 ✓狭义的概念重点关注的是数字内容的生产形式（Synthetic Media），和人类生成内容方式对比，例如文字、图片、视频等常规内容形式如何一步通过AI生产；✓广义的概念则突出生成式AI（Generative AI）的概念，即如何通过生成式AI的技术解决以往决策式AI（也会称为决策式AI）难以完成的问题，尤其在泛数字内容上实现“质的突破”。随着生成式对抗网络（Generative Adversarial Network，GAN）等的演进及迭代，生成式AI可以结合自动化、数字化、决策式AI等等多种的形式，解决数字化时代信息的解构、生成、交互、传播、反馈等诸多链路（例如数据治理、知识管理、流程自动化、人机协作和交互等等），即意味着凡是可以涉及数字内容形式的产业，AIGC通通可以“重新做一遍”。 希望AIGC去解决旧时代的“老问题”，创造属于当下的“新需求” AIGC能否“击穿”当下数字化不得解决的问题？ 创新 应用 Part01背景：AIGC将迎来“寒武纪”式的爆发 目录 Part 02价值：重新探索数字生产力的实现模式 Part03探索：垂直领域数智化的再次出发 Part 04落地：当下商业实践值得关注的里程碑 Part05守望：AI新世代下的审慎与期待 AI浪潮发展的必然要求：商业应用落地是时代发展的“飞轮”加速器 大模型的发展开启了AIGC时代（第四次AI浪潮），从人工智能产业的发展中可以看出，技术是AI每次革命性发展的起点，但商业应用是发展的加速器，AI的持久发展看商业落地。AIGC的持久发展需要商业应用落地 “应用”&“技术”&“资源”相互促进，实现飞轮式发展，“没有大模型是万万不能的，只有大模型是万万不行的” 商业应用可以为AIGC技术提供实际的测试环境，通过不断的实践和反馈，促进技术的迭代和优化。 而资源则借助商业应用向技术研发倾斜，技术可以拥有极大的试错空间。 先进的技术可以帮助企业更有效地利用资源，包括数据、人才和资本等，形成正向循环。 第三次浪潮：深度学习助力语音识别、图像和视频处理等AI应用逐渐渗透到各行各业 第二次浪潮：“专家系统”可实现人工智能与专业知识结合，实现特殊领域的实践落地 第一次浪潮：达特茅斯会议之后，大量AI程序和创新研究涌现，尝试实现AI应用 技术储备的不断深化和完善：技术爆发后迎来商业加速，应用热度上升 随着人工智能技术的飞速发展，大模型（包括开源模型及闭源模型）的数量和能力都在显著增长，为AIGC（人工智能生成内容）应用的爆发提供了坚实的技术基础。同时海外以知名风险投资公司Y Combinator为主要跟踪指标看，全球AIGC融资热度在2024年加速上升，从侧面显示其商业价值逐步受到关注。 AI应用亟待爆发的核心逻辑：AI生产力推动生产作业模式的改变 大模型应革命性地改变人机交互方式和机器的决策能力，大模型的下半场已经开始，内容生产释放生产力，人机交互改变生产关系。人机交互的改变将直接影响工作流程，进而对产业上下游链条和生态合作方式产生重要作用，进而改变整体的数字管理体系。 AIGC从“内容生成”入手，结合商业应用的不断迭代，最终指向数字工作作业模式及治理模式的改变 工作范式或核心需求发生改变 AIGC解决了工作过程中流程的核心矛盾：人与人交互，人机交互环节中面对信息（文字风格、图片、视频等等无法用进行准确描述）的环节，都可以采用新的内容进行直接沟通，颠覆了沟通方式 “让AI成为核心生产力”已经成为企业领导的迫切需求 根据IBM的全球调研，如今对生成式AI的认知水平远高于2016年传统AI出现第一波发展浪潮时的认知水平。 AIGC解决了内容创作效率的核心矛盾：环节中始终存在大量个性化的重复性工作，内容创作的门槛及成本皆源于此。AIGC可以在部分环节实现“工程化”的工作模式 市场对于AIGC应用的期待：宁可试错，不能错过 核心来自于市场对于“智能”的渴望，希望AIGC可以破局过往企业数智化过程中的困境，给予技术充分的探索的空间 不唯“大模型”论：带着行业理解，在具体场景中寻找答案 AIGC应用的落地思索场景 （数据+算力+算法） 大模型的能力依然是基础：决定AIGC技术能力可以超越现有解决方案的能力 AIGC的应用核心：专注于场景的细分需求，结合业务问题，寻找AIGC可实现的最佳落地点，更快地为企业提供商业价值 How Do Know Why •在不同阶段和层面对项目的工作内容从主项、分项、子项甚至单体的各个部分进行拆分（例如采用WBS），实现项目关键节点的管理，•完成项目人员的协同、管理、分工及时间资源调配•对风险的预知、判断及合理控制•…… •基于用户的细分行业属性，熟悉细分行业的需求价值•基于用户的业务流程细节，对用户的需求矛盾分析•基于用户的资源能力，明确产品和商业的平衡点•…… Part01背景：AIGC将迎来“寒武纪”式的爆发 目录 Part 02价值：重新探索数字生产力的实现模式 Part03探索：垂直领域数智化的再次出发 Part 04落地：当下商业实践值得关注的里程碑 Part05守望：AI新世代下的审慎与期待 AIGC应用构建的逻辑：通过AIGC实现“击穿”式的业务效果 从1994年中国接入国际互联网开始，2024年已经是中国经济社会探索数字化发展的30年；AI早已不是可以解决企业问题，产生效能的唯一答案，应用AIGC需要直击业务的痛点，以数量级（十倍、百倍甚至千倍）的实践效果去证明其商业价值。 AIGC的PMF：M可以是“market（市场）”，也可以是“model”（模型） 只利用AIGC内容生成能力，“Market”的反馈可以作为应用衡量的标尺 PMF一般是"Product-Market Fit"的缩写，意为"产品市场契合度"。这是一个关键的商业概念，指的是产品能够满足目标市场的需求并且具有吸引力，从而实现销售和市场接受度的理想状态。当一个产品与市场契合时，它就能够吸引并保留用户，实现增长和盈利 ✓增长指标：产品应该有积极的增长指标，如用户增长率、留存率和推荐率。✓竞争优势：产品需要有明显的竞争优势，能够在市场中脱颖而出。✓可扩展性：产品应该能够随着用户基础的增长而扩展，满足更大的市场需求。✓盈利潜力：产品应该有明确的盈利模式和潜力。 ✓理解用户需求：深入了解目标用户群体的需求和痛点。✓独特价值主张：产品需要有一个清晰和独特的价值主张，解决用户的问题或满足他们的需求。✓市场接受度：产品不仅要技术上可行，还要在市场上受到欢迎。✓用户反馈：通过用户反馈来验证和改进产品。 在“AI+”的复杂场景下，AIGC的能力需要和其他自动化能力及流程匹配，“Model”的适配更为重要 因此不唯“大模型”论，与场景更为适配垂直及专业的模型是在专业领域更为适用的选择（参数量可以少，但更为精准） ✓持续学习：AIGC模型应具备自我学习和适应新数据的能力，以应对不断变化的市场和用户需求。✓合规性和安全性：在处理敏感数据和特定行业内容时，AIGC需要符合相关的法律法规和安全标准。✓可解释性：在复杂场景中，AIGC的决策过程需要是可解释的，以便用户和监管机构理解和信任。✓多模态能力：AIGC不仅要处理文本数据，还可能需要处理图像、声音、视频等多种数据类型，这要求模型具备多模态处理能力。✓反馈循环：建立有效的反馈机制，以便从用户和业务流程中收集反馈，不断优化AIGC模型。 ✓集成性：AIGC需要能够无缝集成到现有的工作流程中。✓定制化：不同行业和场景对AIGC的需求各异，因此模型需要能够根据特定需求进行定制和适配。✓数据驱动：AIGC模型需要能够处理和学习大量行业特定的数据，以提高生成内容的相关性和准确性。✓用户交互：在复杂场景中，AIGC应能够理解并适应用户的交互方式和偏好，提供个性化的内容。✓流程优化：AIGC应帮助优化业务流程，提高效率，减少人工干预，实现自动化的端到端流程。 AIGC实现行业know-how的具象化：个性化+专家级的知识库构建 AIGC通过挖掘企业流程、文档及相关信息化知识完成知识库的具象化 •专家知识的数字化是AIGC成功落地的关键。通过不断标注和反馈，专家的个人知识可以丰富和完善知识库，形成知识闭环，使系统能够持续学习并提升性能。 ➢技术窍门：指的是企业在生产过程中掌握的特定技术，这些技术可能未被广泛知晓，是企业保持竞争力的关键。➢操作技巧：涉及日常操作中的技巧和方法，这些技巧可能来自于员工的个人经验或企业多年的实践。➢工艺流程：企业在生产过程中形成的特定工艺流程，这些流程可能经过多次优化，以达到提高效率和质量的目的。➢商业策略：企业在市场竞争中形成的特定商业策略，包括市场定位、产品定价、营销推广等。➢管理方法：企业在管理过程中形成的有效管理方法，如人力资源管理、财务管理、供应链管理等。➢市场洞察：企业对市场的深入理解和预测，包括消费者行为、市场趋势、竞争对手分析等。➢知识产权：知识产权通常被视为正式的知识，但它们也是know-how的一部分，因为它们保护了企业的创新成果，如专利、商标、版权等。➢企业文化：企业的价值观、行为准则和工作氛围，这些文化因素可以影响员工的行为和企业的决策。➢客户关系：企业与客户建立的长期关系，包括客户信任、忠诚度和口碑等。 AIGC可利用垂类数据实现模型的优化及迭代，实现知识资产和模型的结合 AIGC试图可以让流程的自动化更合理，以实现复杂流程的重新设计 过往的工作流程及系统设计围绕“机器”进行 AIGC的最终目标：从单点应用到构建完整的数字化作业体系的通路 Part01背景：AIGC将迎来“寒武纪”式的爆发 目录 Part 02价值：重新探索数字生产力的实现模式 Part03探索：垂直领域数智化的再次出发 Part 04落地：当下商业实践值得关注的里程碑 Part05守望：AI新世代下的审慎与期待 千行百业的应用探索：让AIGC生成的能力与数智化进程融合 数字内容产业-重塑机器媒体内容生成能力，单点加速数字内容的生产 AIGC技术使得机器可以在内容生产过程中尽量实现“自动化”，减少人的工作量；AIGC技术进步使得机器越来越走向“自动化”，实现了“从无到有”。 数字内容产业-内容制作环节难度下降，同时要求高竞争力内容产生 以长视频为例，制作环节难度下降，将会助推产业链上游的创意环节和下游宣发播映环节重要程度上升，好故事、好脚本、好平台将成为视频产业的核心竞争力 细节说明 •创意生成：̶主要包括原IP、策划/剧本和映后开发 环节。̶主要以讲好故事、做好创意策划为目的。̶需要整合文本生成和图像生成模型。 •视频生成：̶主要包括制作环节。 ̶主要负责将故事由文本变为视频内容。̶需要具备长视频生成和音频生成模型。 •宣发播映：̶主要包括宣发与播映环节。 ̶主要负责将生成视频内容进行宣传和播放。̶需要具备短视频生成、音频生成和图片生成模型。 数字内容产业-AIGC实现游戏行业作业模式的加速变化 游戏的开发过程涉及了AIGC内容生成的诸多方向，以游戏为例，可以体现AIGC相关内容的生成效率及效果直接加速了整个开发流程。 专业性行业-以金融为例，专业的工作+个性化服务，改善作业流程 自动化完成繁琐的工作来改变金融专业工作流程。AIGC可直接嵌入到工作流程中，可通过搜索网络、分析公开文件、与财务数据源集成以及利用语言大模型为上市和私营公司生成文件，通过专有数据集成以客户自定义格式自动生成报告。 AIGC同时可以支持金融科技公司的用户服务体验，以高专业度的形象为用户提