研究报告概述
本报告由上海交通大学上海高级金融学院（高金）EED项目组、沪港国际科创金融实验室以及高金LLC实践体验学习中心共同发布，深入比较了中美两国在AIGC（人工智能生成内容）行业生态上的差异，并立足于AIGC应用场景的实际落地，详细剖析了AIGC技术在中美两国多个关键产业领域的最新应用进展与商业价值。
研究方法
课题组选取了2021年1月至2024年3月期间的AIGC商业化案例数据作为研究样本，侧重于分析AIGC产业的应用落地场景，对其发展环境和生态进行研究，包括产业链的上下游分布、细分赛道的规模和结构、AIGC行业的政策环境、人才状况等。其次，从应用价值（市场空间大小）、应用难度（落地的难度、业务逻辑复杂度、算力成本、语料成本、语料获取的难度、语料规模大小）、环境现状（客户侧落地进展、AIGC厂商进展、投融资规模数据简况）进行细致分析、横向纵向比较。并通过对比实际案例，进一步分析影响AIGC企业估值及投资回报的关键因素，如技术创新能力、市场占有率、盈利模式、用户增长、品牌影响力等。
研究发现
中美AIGC行业生态差异与共性：
- 中美在AIGC领域均有显著进展，美国以创新驱动，中国以市场需求为导向。
- 中美AIGC技术在代码研发、知识管理&内容创作、客服&销售智能体、医疗&医药的科学研究等应用场景的落地进展迅速。
- 中美AIGC技术在金融、信息技术、医疗等行业落地进展迅速。
AIGC技术的商业价值与挑战：
- 市场空间：AIGC技术已经在数个行业与应用场景的交叉领域展现出巨大的市场潜力。
- 应用难度：技术门槛、算力成本、语料获取难度是主要挑战。
投融资活跃：
中美AIGC领域的投融资活跃，尤其是在药物研发等领域。
AIGC技术的发展和商业化前景：
AIGC技术的发展和商业化前景仍充满挑战与不确定性，需要行业内外的持续关注和深入研究，以实现其在各领域的广泛应用和商业价值的最大化。对于投资者而言，这要求他们在评估相关企业的投资价值时，不仅考虑技术潜力，还需关注其商业化进程和市场反应。
指导教授总结
AIGC大模型技术如上世纪的互联网技术一样，对于全球产业都带来了巨大的技术革新推动力，但其商业化前景目前依然不清晰。所以对于AIGC技术在应用场景与行业领域交叉维度的落地进展与挑战进行深入的分析显得尤为有意义。
应用场景分析
1.1 代码研发
- 金融业：市场空间巨大，应用难度高，算力成本高，语料成本高。中国工商银行、花旗银行、国金证券、海通证券等已实现实质性商业化进展。
- 信息技术与软件开发业：市场空间巨大，应用难度中等，算力成本中等，语料成本高。字节跳动、埃森哲等已实现实质性商业化进展。
1.2 知识管理&内容创作
- 金融业：市场空间巨大，应用难度高，算力成本中等，语料成本高。智能投顾、自动化报告生成、金融预测与风险管理、反欺诈和合规管理、个性化服务、贷款审批和信用评分等应用已落地。
- 零售、电商业：市场空间巨大，应用难度高，算力成本高，语料成本高。擎舵、七火山科技、OpenAI的Sora等已实现实质性商业化进展。
- 游戏娱乐业：市场空间巨大，应用难度中等，算力成本高，语料成本高。Midjourney、Suno、so-vits-svc、GPT-SoVITS、Stable Diffusion、Palette、MidJourney等已实现实质性商业化进展。
1.3 客服&销售智能体
- 金融业：市场空间中等，应用难度高，算力成本中等，语料成本高。同花顺、美国银行、招商银行等已实现实质性商业化进展。
- 零售电商业：市场空间巨大，应用难度中等，算力成本高，语料成本高。京东、Amazon、抖音等已实现实质性商业化进展。
1.4 医疗&医药科学研究
- 药物研发：市场空间巨大，应用难度高，算力成本高，语料成本高。Moderna、赛诺菲、东阳光药业、泓博医药等已实现实质性商业化进展。
- 辅助医疗：市场空间中等，应用难度高，算力成本中等，语料成本高。上海市第一人民医院、瑞金医院、首都医科大学附属北京天坛医院等已实现实质性商业化进展。
