2023中國AIGC商業(yè)潛力研究報告-億歐智庫

omresearcheservedtoEOIntelligenceJuly2030年中國AIGC2030年中國AIGC市場規(guī)模將接近萬億可行性邊界濟價值邊界ü億歐智庫：AIGC商業(yè)潛力邊界模型在人工智能發(fā)展的漫長歷程中，如何讓機器學(xué)會創(chuàng)作一直被視為難以逾越的天塹，“創(chuàng)造力”也因此被視為人類與機器最本質(zhì)的區(qū)別之一。然而，人類的創(chuàng)造力也終將賦予機器創(chuàng)造力，把世界送入智能創(chuàng)作的新時代。從機器學(xué)習(xí)到智能創(chuàng)造，從PGC本報告將向所有關(guān)注未來科技的相關(guān)機構(gòu)、從業(yè)者、創(chuàng)業(yè)者、投資人傳遞億歐對AIGC的市場潛力場景的洞察和優(yōu)秀企業(yè)案例。原因1原因2üAI跨入生成式階段原因1原因2üAI跨入生成式階段原因3中外差距ü預(yù)學(xué)習(xí)引發(fā)AI技術(shù)質(zhì)變，擺脫過去AI的高門檻、訓(xùn)練成本高、生成內(nèi)容單一的痛點。ü基于大模型的泛化能力，知識蒸餾與微調(diào)后進入專用領(lǐng)域的應(yīng)用，覆蓋短頭、長尾的場景。ü多模態(tài)打破多種信息之間的邊界，提升AIGCü備AIGC的數(shù)據(jù)積累優(yōu)勢，有望追上先進步伐。潤潛力億歐智庫：AIGC原子能力商業(yè)潛力評估模型礎(chǔ)潤潛力億歐智庫：AIGC原子能力商業(yè)潛力評估模型礎(chǔ)子能力00.180.16力億歐智庫：基礎(chǔ)原子能力潛力指數(shù)億歐智庫：多模態(tài)原子能力潛力指數(shù)1億歐智庫：基礎(chǔ)原子能力潛力指數(shù)億歐智庫：多模態(tài)原子能力潛力指數(shù)1.170.760.690.511.87聊天機器人虛擬人合成數(shù)據(jù)AIGS知識圖譜與通景圖像音頻視頻代碼數(shù)據(jù)為大模型能力的上限ü為防止中國大模型出現(xiàn)“數(shù)據(jù)馬太效應(yīng)”，大模型亟需高質(zhì)量的標(biāo)注數(shù)據(jù)進行訓(xùn)練，提高生成能力。數(shù)據(jù)為大模型能力的上限ü為防止中國大模型出現(xiàn)“數(shù)據(jù)馬太效應(yīng)”，大模型亟需高質(zhì)量的標(biāo)注數(shù)據(jù)進行訓(xùn)練，提高生成能力。高質(zhì)量的算法使大模型能力貼近上限ü目前大模型以服務(wù)B端為主，其中平臺服務(wù)模式的占比相對較高數(shù)據(jù)成本為大模型成本23%算法成本為大模型成本12%算力成本為大模型成本65%ü態(tài)圈解析算力為大模型能力的下限ü短期內(nèi)，擴大算力是AIGC的剛需。üFPGA及ASICAIGC生態(tài)底座價值鏈分析目錄SCAIGC潛力邊界模型界突破趨勢AIGC生態(tài)底座價值鏈分析目錄S001AIGC概述CAIGC潛力邊界模型界突破趨勢?億歐智庫李先生先生972)先生972)先生972)決策式?億歐智庫李先生先生972)先生972)先生972)決策式AI通用型AI具備泛人類智能的AI，可以像人類一樣執(zhí)行各種任務(wù)。AI力目前位置獎勵行動狀態(tài)生成式AIuAIGC(AIGeneratedContent)是基于u早期決策式AI依賴邏輯判斷的純粹性，萬物都能完美觀察、任何測量不存在誤差的前提不符合真實世界的“不確定性”；概率范式基于經(jīng)驗主義與理性主義一定程度上解決了“不確定性”；深度加強學(xué)習(xí)可以利用合理的數(shù)據(jù)豐度與獎懲模型達到類人類智能的水平，實現(xiàn)高質(zhì)量內(nèi)容與內(nèi)容創(chuàng)作自動化；通用型AI具備泛人類智能，可以像人類一樣執(zhí)行各種任務(wù)。以數(shù)據(jù)為中心，深層次的網(wǎng)絡(luò)堆疊為架構(gòu)以數(shù)據(jù)為中心，深層次的網(wǎng)絡(luò)堆疊為架構(gòu)，樣本數(shù)據(jù)及數(shù)據(jù)種類的豐富，訓(xùn)練的模型泛化能力就越強，效果越好。同時深度學(xué)習(xí)訓(xùn)練的AI已經(jīng)可以很好的執(zhí)行任務(wù)。不過，強化學(xué)習(xí)的效果卻不一定受到數(shù)據(jù)豐度的影響。強化學(xué)習(xí)遵循Markov原則，只要獎懲設(shè)計合理就能實現(xiàn)不錯的效果。Markov獎懲模型：AI在早期工作在于關(guān)注邏輯、自動定理證明和操縱各種符號，該類AI理解基礎(chǔ)的物理知識，具備一定的邏輯能力，通過分析數(shù)據(jù)和信息，幫助使用者更好的做出判斷與決策。但基于邏輯的AI缺乏感知能力，對真實世界普遍存在的“不確定性”較難處理。確定性”，但是概率范式需要經(jīng)驗主義先于理性主義進行填充。以Bayes模型為例，需要經(jīng)驗主義者先設(shè)定先驗數(shù)據(jù)。生生環(huán)境--智能體力力3.0深度學(xué)習(xí)范式2.0概率范式1.03.0深度學(xué)習(xí)范式2.0概率范式1.0邏輯范式AI范式5資料來源：卡內(nèi)基梅隆大學(xué)、朱松純《淺談人工智能：現(xiàn)狀、任務(wù)、架構(gòu)與統(tǒng)一》、公開資料、億歐智庫整理52010年代第2.5次寒潮人工智能技術(shù)更多仍停在分類、聚類AI便捷程度與先進程度1990年代第2次寒潮絡(luò)。神經(jīng)系統(tǒng)在解決復(fù)雜問題上能力不足，領(lǐng)全1970年代第1次寒潮、邏輯運算和達等方面，出現(xiàn)許多邏輯證明相關(guān)的輯程序語言，如著名的Prolog。研發(fā)出來的人工智能系統(tǒng)缺乏實用人們期望，政府逐步減少投資，高潮衰落，u在1956年的達特茅斯會議上，“人工智能”的概念被首次提出，六十多年以來，歷經(jīng)邏輯推理、專家系統(tǒng)、深度學(xué)習(xí)等技術(shù)的發(fā)展，人工智能也經(jīng)歷習(xí)彌補了傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)的缺陷，利于可視化和分類，識別精度上升，訓(xùn)練難度下降無需人工提取規(guī)則特征習(xí)彌補了傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)的缺陷，利于可視化和分類，識別精度上升，訓(xùn)練難度下降無需人工提取規(guī)則特征，機器通過海量數(shù)據(jù)，即可自動實現(xiàn)規(guī)則的特征提取，有機器本身完成最復(fù)雜的算法歸納ChatGPT出現(xiàn)lllllChatGPT出現(xiàn)lllll提供了模擬人類記憶的模型在機器學(xué)習(xí)、聯(lián)想記憶、模式識別、優(yōu)化計算等方面有著廣泛應(yīng)用芯片&服務(wù)器&數(shù)據(jù)計算機硬件設(shè)施飛速發(fā)展，GPU、TPU等新一代芯片及FPGA異構(gòu)計算服務(wù)器，提供強大算力互聯(lián)網(wǎng)、物聯(lián)網(wǎng)發(fā)展迅猛，為人工智能提供了規(guī)?？涨暗挠?xùn)練數(shù)據(jù)，數(shù)據(jù)可獲得性大幅提升多層前向BP網(wǎng)絡(luò)非線性映射能力：適合于求解內(nèi)部機制復(fù)雜的問題自學(xué)習(xí)和自適應(yīng)能力：訓(xùn)練時能自適應(yīng)的將學(xué)習(xí)內(nèi)容記憶于網(wǎng)絡(luò)的權(quán)值中容錯能力：局部神經(jīng)元受到破壞后對全局的訓(xùn)練結(jié)果不會造成很大的影響lllllllllllllll可以解決簡單的線性分類問題為后期更復(fù)雜的算法奠定基礎(chǔ)6：預(yù)學(xué)習(xí)之不可能三角與對應(yīng)解決方案定型的出現(xiàn)解決了過去各類生成式模型使：預(yù)學(xué)習(xí)之不可能三角與對應(yīng)解決方案定型的出現(xiàn)解決了過去各類生成式模型使高質(zhì)量等需求。微調(diào)特性學(xué)習(xí)?將大量低成本收集的訓(xùn)練數(shù)據(jù)集中，學(xué)習(xí)其中的?數(shù)據(jù)增強偽標(biāo)簽和偽數(shù)據(jù)實夠進行有效的監(jiān)督先進的小樣本先進微調(diào)能力?提示學(xué)習(xí)?利用離散提示(離散文本模板)或連續(xù)提示(連續(xù)參數(shù)嵌入)進行微調(diào)，在微調(diào)期新離散提示或連續(xù)提合理的模型尺寸(小于10億參數(shù)量)u預(yù)學(xué)習(xí)的出現(xiàn)解決了過去生大模型，使用知識蒸餾；對于少樣本學(xué)習(xí)能力，進行數(shù)據(jù)增強；對于監(jiān)督訓(xùn)練表現(xiàn)欠佳的模型，進行提示學(xué)習(xí)。u以GPT為例，在目前階段，廠商通常的做法是擴大模型尺寸。億歐智庫：預(yù)億歐智庫：預(yù)學(xué)習(xí)大模型引發(fā)AIGC技術(shù)質(zhì)變型性arXiv7：公開資料、億歐智庫整理：公開資料、億歐智庫整理務(wù)相關(guān)據(jù)進行習(xí)通過工具平臺模型+工具平臺+生態(tài)工具平臺生態(tài)習(xí)習(xí)大模型務(wù)中的應(yīng)用與發(fā)展PI力開發(fā)者效率提升?大模型支撐生態(tài)發(fā)展，而生態(tài)反哺大模型進行技術(shù)進步通過海量無標(biāo)注文本和自監(jiān)督學(xué)習(xí)，進行共性學(xué)習(xí)，練大模型u在AIGC概念實際落地的過程中，只有基礎(chǔ)大模型與通用技術(shù)是遠遠不夠的，還需要能與場景融合匹配，更需要支持應(yīng)用落地的工具平臺和開放包u在全應(yīng)用流程中，主要通過大量的無標(biāo)注文本進行共性學(xué)習(xí)，獲得預(yù)訓(xùn)練大模型，此后再根據(jù)應(yīng)用場景特征進行微調(diào)，更好與項目任務(wù)適配。模：從單模態(tài)轉(zhuǎn)向多模態(tài)文本聲音多模態(tài)視頻……信號圖像：從單模態(tài)轉(zhuǎn)向多模態(tài)文本聲音多模態(tài)視頻……信號圖像例如文字、圖片、音頻利用ViT解除輸入限制，進行特征提取[M]BlockwiseMaskingPatch&Position自然語言處理NLP遷移到了計算機視覺CV。BEiT：使用ViT結(jié)構(gòu)處理圖像信息Transformer權(quán)重共享適用于多模態(tài)，但存在單模態(tài)局限?因為輸入數(shù)據(jù)的長度有限制，所以基于Transformer的大模型只能基于單一文本模態(tài)，不能將其泛化能力遷移到其他如圖片、音頻的模態(tài)上，但其擁有的權(quán)重共享理念適用于多模態(tài)模型，權(quán)重共享指部分模塊共享權(quán)重參數(shù)BEiT模型將生成式預(yù)訓(xùn)練從NLP遷移到CV[M][M]TransformerEncoderformer幫助生成文本圖像u現(xiàn)今多模態(tài)模型以圖文多模塊為主。Transformer雖受制于單模態(tài)但其權(quán)重共享適用于多模態(tài)；ViT模型處理輸入圖片，使得Transformer可用，從而打破NLP和CV間屏障；BEiT億歐智庫：多模態(tài)億歐智庫：多模態(tài)提升AIGC內(nèi)容多樣性CSDN、億歐智庫整理9用戶信息令?多模態(tài)自然語言理解?用戶信息令?多模態(tài)自然語言理解?多模態(tài)情感環(huán)境信息?音視頻輸出?IoT控制態(tài)嵌入頻、文本頻、文本頻、文本、視頻、文本頻、文本u多模態(tài)在視頻分類、：多模態(tài)融合架構(gòu)文字情感應(yīng)用場景應(yīng)用場景態(tài)搜索生成內(nèi)容頻億歐智庫：中國生成式AI參數(shù)量與國外有一定差距Fastfollower→Firstinclass技術(shù)應(yīng)用中國開發(fā)者其它開發(fā)者Copyto億歐智庫：中國生成式AI參數(shù)量與國外有一定差距Fastfollower→Firstinclass技術(shù)應(yīng)用中國開發(fā)者其它開發(fā)者CopytoChina→CopyfromChina中國是發(fā)表AI相關(guān)論文最多的國家，近十年發(fā)表9萬余篇，占近10年全球AI論文發(fā)表總量的22.7%。在2021年AI受關(guān)注論文居前十的企業(yè)中，中國企業(yè)占到4家。2023年，中國的“燈塔工廠”增至50座，占比超過總數(shù)的1/3以上，持續(xù)排名全球第一。此項目由達沃斯世界經(jīng)濟論壇與管理咨詢公司麥肯錫合作開展遴選，“燈塔工廠”也被譽為“世界上最先進的工廠”，具有榜樣意義的“數(shù)字化制造”和“全球化4.0”示范者，代表當(dāng)今全球制造業(yè)領(lǐng)域智能制造和數(shù)字化最高水平。2021年受關(guān)注論文篇數(shù)居前10的企業(yè)Alphabet微軟IBMMeta騰訊控股阿里巴巴集團華為技術(shù)亞馬遜英偉達國家電網(wǎng)020406080100120140技術(shù)應(yīng)用參數(shù)量Minerva中國的生成式AI處于發(fā)展的初期，底層技術(shù)和國外還有較大的差距。國外芯片龍頭公司的斷供及次品供應(yīng)使得中國生成式AI的基礎(chǔ)硬件提供不了足夠算力。雖然國內(nèi)眾多廠商開始布局AIGC，但是目前的商業(yè)模式還不成熟。技術(shù)層面的不足也限制了應(yīng)用端的發(fā)展。1300億83億ERNIEKEPLERMegatron-TuringGPT-31750億 NLG5300億5400億GLMChinchillaMegatron-LMGenerativeBST94億ERNIE100億700億GPT-215億Meena26億DeBERTa15億GPTBERTELMo1.17億1.1億940萬RoBERTA3.55億1.02億1.1億中國開發(fā)者其它開發(fā)者2018年1月2018年6月2019年1月2019年6月2020年1月2020年6月2021年1月2021年6月2022年1月2022年6月u在決策式AI方面，中國已經(jīng)處在第一梯隊u而在生成式AI億歐智億歐智庫：中國的決策式AI已經(jīng)達到世界領(lǐng)先水平LeonisCapital11uAIGC的原子能力隨著時間的變化，內(nèi)容呈現(xiàn)復(fù)雜化、多維化的特征，基礎(chǔ)模態(tài)原子能力向多模態(tài)轉(zhuǎn)變，表明目前AIGC商業(yè)應(yīng)用的嘗試正下沉至長尾場景，大模型的泛化能力、實時性、強推理與共情能力正在不斷滲透為虛擬人、能力能力 (內(nèi)容復(fù)雜度)復(fù)雜度根據(jù)單位內(nèi)容的token大小時間：公開資料、億歐智庫整理C：公開資料、億歐智庫整理AIGC原子能力商業(yè)潛力分析目錄SC0202AIGC生態(tài)底座價值鏈分析AIGC潛力邊界模型界突破趨勢本占據(jù)生態(tài)圈核心，算法與配套的數(shù)據(jù)價值在遠期凸顯uAIGCu從短期看，一頭獨大的格局不會發(fā)生太大變化，大模型新入局玩家的算法訓(xùn)練和老玩家大模型的微調(diào)、迭代將會持續(xù)刺激算力成本上揚。u從長期看，有望出現(xiàn)三頭并進格局，模型算法的迭代會成為AIGC通往AGI的解決方案，隨著應(yīng)用不斷下沉長尾的專用場景，專用算法及場景沉淀的數(shù)據(jù)將會成為AIGC體驗的核心，另外，合成數(shù)據(jù)及減少算力依賴的框架算法成熟將會加大緩和算力緊張的缺口。))C算力65%AI芯片65%數(shù)據(jù)23%))C算力65%AI芯片65%數(shù)據(jù)23%收集35%標(biāo)注45%算法12%17%盤4%數(shù)據(jù)清洗/存儲20%14%數(shù)據(jù)23%AI、算法12%ü隨著AI資產(chǎn)的復(fù)用和自動化程203972算力65%ü算力層為AIGC模型訓(xùn)重要的基礎(chǔ)支中ü數(shù)據(jù)集快速膨脹和參數(shù)導(dǎo)致算力需本大幅上升142022-2026ECAGR：47.5%億歐智庫：中國2019-2026年智能算力供應(yīng)單位：EFLOPSGPT-312022-2026ECAGR：47.5%億歐智庫：中國2019-2026年智能算力供應(yīng)單位：EFLOPSGPT-31e-6TD-Gammomv2.10根據(jù)浪潮預(yù)測，未來五年內(nèi)，智能算力的CAGR為47.5%，算力存在明顯的短缺狀態(tài)。Megatron-BERTAlphaZero根據(jù)OpenAI預(yù)測，人工智能算力需求短期類年均將增長64倍*華為輪值董事長胡厚崑也在2022年WAIC上表示，未來10年人工智能算力需求將增長500倍GPT-2RetsNetsBERTAlexNet2022年之后AIGC時代每年AI算力需求在短期內(nèi)會有6400%的年需求MLP-basedneuralnetworkbreaksNETtalkBILSTMforspeechRNNforspeechpLP億歐智庫：1985-2025年智能算力需求daysAlphaGoZero20192020202120222023E2024E2025E2026E模及預(yù)測u隨著數(shù)字經(jīng)濟蓬勃發(fā)展，數(shù)字化新事物、新業(yè)態(tài)、新模式推動應(yīng)用場景向多元化發(fā)展，擴大算力是AIGC短期內(nèi)最需要解決的問題，在后摩爾時代，CPU：中國算力需求剪刀差OpenAINature15高算力的AI訓(xùn)練芯片和推理芯片進行訓(xùn)練和推理任務(wù)，邊緣端基本只部署推理芯片進行應(yīng)用C高算力的AI訓(xùn)練芯片和推理芯片進行訓(xùn)練和推理任務(wù)，邊緣端基本只部署推理芯片進行應(yīng)用C本優(yōu)勢u短期看，GPU占據(jù)AIGC訓(xùn)練及推理的絕對地位，英偉達基于CUDA強大的并行計算能力及自身產(chǎn)品力構(gòu)建了護城河；遠期看，F(xiàn)PGA及ASIC芯片時表現(xiàn)良好(GPU目前在訓(xùn)練和推理中占據(jù)絕對主力，不過推理的市占地位整體不及訓(xùn)練任務(wù))GAGPU大的通用能力依舊在AI芯片占據(jù)一席之地漸被布署于IoT設(shè)備當(dāng)中，以滿足低功耗+靈活推理+快速響應(yīng)的需求行，達到高并行+低延遲的效果C資料來源：專家訪談、公開資料、億歐智庫整理16：中文數(shù)據(jù)質(zhì)與量皆有差距123GPT訓(xùn)練數(shù)據(jù)來源üCommonCrawl(網(wǎng)站抓取的大型數(shù)據(jù)集)üWebText2(Reddit網(wǎng)頁爬取)üBooks(故事型書籍?dāng)?shù)據(jù)集)üWikipedia(維基百科)üJournals(學(xué)術(shù)寫作數(shù)據(jù)集)網(wǎng)和中文互聯(lián)網(wǎng)普及的時間差達到了半個世紀數(shù)量極大的訓(xùn)練用數(shù)據(jù)集CommonCrawlü包含約31億個網(wǎng)頁內(nèi)容和ü數(shù)據(jù)包含原始網(wǎng)頁、元數(shù)據(jù)提取為主孤島”的現(xiàn)象。5445184684222018.62019.62020.62021.6數(shù)量(萬個)國內(nèi)的網(wǎng)站數(shù)量規(guī)模下降，網(wǎng)的流量有著上升趨勢。uAIGC由PGC和UGCu此外，國內(nèi)擁有大量高價值數(shù)據(jù)的互聯(lián)網(wǎng)企業(yè)更傾向于將數(shù)據(jù)封閉在APP和平臺中，不同APP間數(shù)據(jù)不能連通，無法進行搜索，形成“數(shù)據(jù)孤島”現(xiàn)象。：中國網(wǎng)站數(shù)量OneFlowwtechs17中文AI大模型中文AI大模型 模型量標(biāo)注數(shù)據(jù)型中文數(shù)據(jù)量標(biāo)注數(shù)據(jù)數(shù)據(jù)馬太效應(yīng)或?qū)е轮袊竽Ｐ桶l(fā)展缺乏商業(yè)支撐海外下游應(yīng)用開發(fā)者尋求大模型數(shù)據(jù)模型AI原則，使用中文大模型的下游應(yīng)用也會出現(xiàn)差距，英語(甚至是日耳曼語系)下游開發(fā)企業(yè)將會獲得相對競爭優(yōu)勢。u由于英文數(shù)據(jù)和中文數(shù)據(jù)之間的指數(shù)級別的差距，建立在數(shù)據(jù)之上的模型也會出現(xiàn)越來越大的差距，形成數(shù)據(jù)馬太效應(yīng)。：數(shù)據(jù)馬太效應(yīng)資料來源：公開資料、億歐智庫整理18數(shù)據(jù)工程時長占比80%注集影響±10%的準確率模型工程時長占比10%訓(xùn)練影響±1%的準確率署標(biāo)注數(shù)據(jù)在大模型早起開發(fā)和專用領(lǐng)域開發(fā)中有著不可替代的作用，監(jiān)督學(xué)習(xí)需要數(shù)據(jù)的標(biāo)注來保證精度，而半監(jiān)督學(xué)習(xí)和無監(jiān)督數(shù)據(jù)類型非結(jié)構(gòu)化數(shù)據(jù)數(shù)據(jù)標(biāo)注結(jié)構(gòu)化數(shù)據(jù)占20%以文件形式存在的非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)占80%非結(jié)構(gòu)化機器數(shù)據(jù)和文件占非結(jié)構(gòu)化數(shù)據(jù)的90%ü但國內(nèi)只有22%的企業(yè)有自建的數(shù)據(jù)團隊，且目前數(shù)精度與國外頂尖水平還存在差距練數(shù)據(jù)的質(zhì)量與數(shù)量要求快速提升作用凸顯億歐智庫：中國生產(chǎn)數(shù)據(jù)量(2018-2026E)u數(shù)據(jù)工程是AI工程的基礎(chǔ)環(huán)節(jié)，其核心在于高質(zhì)高效的數(shù)據(jù)標(biāo)注，數(shù)據(jù)工程所得出的數(shù)據(jù)的質(zhì)量，直接影響到整個模型的質(zhì)量與精度。億歐億歐智庫：數(shù)據(jù)工程占80%工程時長6201820202025E2026E中國生產(chǎn)數(shù)據(jù)量(單位：ZB)資料來源：整數(shù)智能、公開資料、億歐智庫整理充要條件：充分必要條件19原子能力于下游任務(wù)微調(diào)API服務(wù)模式平臺服務(wù)模式定制化服務(wù)模式行業(yè)大模型型定制原子能力于下游任務(wù)微調(diào)API服務(wù)模式平臺服務(wù)模式定制化服務(wù)模式行業(yè)大模型型定制型廣告和推廣模式模型使用授權(quán)數(shù)據(jù)授權(quán)模式u盈利方式通過大模型使用授權(quán)、行業(yè)大模型定制、工作流訂閱及基于下游任務(wù)微調(diào)三種途徑進行訂閱模式、平臺服務(wù)模式、定制化服務(wù)模式、API服務(wù)模式、?大模型細分收費方式??大模型細分收費方式?大模型各階段盈利模式訂訂閱模式生成內(nèi)容技術(shù)臺使用益。案例：·GoogleCloud生成內(nèi)容技術(shù)臺使用益。案例：·GoogleCloudAI：提供各種AI平臺服務(wù)客戶的特定人工智能生案例：·HuggingFace：提供NLP領(lǐng)域的開源軟件，同時也提供定制化的NLP服務(wù)API服務(wù)模式：公司提供人工智能生成內(nèi)容的API，供開發(fā)者集成到自己的應(yīng)用程序中。案例：·GoogleCloudVisionAPI：提供基于圖像和視頻的視覺智能API服務(wù)廣模式務(wù)模式人工案例：·OpenAI：提供了GPT-3訂閱服務(wù)·Grammarly：提供英文語法和寫作幫助的訂閱服務(wù)內(nèi)容可以告或推廣推廣內(nèi)容收益。案例：·阿里巴巴“文娛大腦”：為企業(yè)生成各種類型的廣告文案授權(quán)模式內(nèi)容可以據(jù)的授權(quán)司或個人案例：·OpenAI：將GPT-3的API授權(quán)給了Microsoft和GitHub等公司u作為服務(wù)提供商，AIGC向u在用戶定位方面，AIGC主要面向B端用戶，如媒體、廣告主、文化機構(gòu)等，以及開發(fā)者、科研機構(gòu)等需要使用生成內(nèi)容技術(shù)的用戶。BB端占比CC端力能力力能力業(yè)礎(chǔ)原子能力進行GC模型的生成能力及泛化能結(jié)合自身過去NLPCV關(guān)AI和創(chuàng)新原子能力，通過大模型的能力開發(fā)可以行業(yè)場景的長節(jié)。AI (以過去做NLP和CV模型為主的AI企業(yè))AI服務(wù)商以合作形數(shù)據(jù)收集、數(shù)據(jù)標(biāo)理業(yè)務(wù)外包給數(shù)據(jù)。與行業(yè)龍頭合作問題處理邏輯嵌入直AI商 (行業(yè)AI服務(wù)商，例如自動駕駛、AI醫(yī)療等)對于行業(yè)/垂直理解，結(jié)合自身的AI能力開發(fā)行業(yè)大模型，具備算法與數(shù)據(jù)的能力，常需要外包算力的行業(yè)大模型通用大模型市場利潤以及龐大的高質(zhì)量數(shù)據(jù)與優(yōu)秀人才AI常擁有專門學(xué)習(xí)工程師和學(xué)家，能夠創(chuàng)u整體來看，數(shù)據(jù)和算力是大模型性能的關(guān)鍵限制因素，而算法的不斷改進是讓大模型接近其上限能力的關(guān)鍵，同時也是商業(yè)變現(xiàn)的“接口”。AIGC生態(tài)底座服務(wù)商會形成以互聯(lián)網(wǎng)企業(yè)的通用大模型+行業(yè)大模型+原子基礎(chǔ)能力的泛化派玩家，以大模型AI服務(wù)商、行業(yè)/垂直領(lǐng)域多樣性和數(shù)量對于大模型的表現(xiàn)至關(guān)重要，型需要大規(guī)模的解和生成語言的要強大的計算資龐大的參數(shù)量和復(fù)雜算任務(wù)。較低的算力制大模型的訓(xùn)練速度、地板獨立于存在充模型高大習(xí)速度、和語資料來源：公開資料、億歐智庫整理22算力數(shù)據(jù)存儲存儲設(shè)備云存儲芯算力數(shù)據(jù)存儲存儲設(shè)備云存儲芯片GPUASICFPGA機器學(xué)習(xí)機器學(xué)習(xí)增強學(xué)習(xí)深度學(xué)習(xí)AI服務(wù)器 AIDC云計算多模態(tài) CVAIGC產(chǎn)業(yè)基礎(chǔ)層AIGC產(chǎn)業(yè)基礎(chǔ)層以提供算法、算力、數(shù)據(jù)處理的企業(yè)為主，產(chǎn)出大模型，再經(jīng)過中間層服務(wù)商微調(diào)及針對訓(xùn)練。服務(wù)服務(wù)數(shù)據(jù)查詢與處理數(shù)據(jù)轉(zhuǎn)換與編排數(shù)據(jù)標(biāo)注與管理數(shù)據(jù)治理與合規(guī)算算法AIGC生態(tài)底座價值鏈分析AIGC商業(yè)潛力規(guī)模預(yù)判目錄SC0303AIGC原子能力商業(yè)潛力分析界突破趨勢S擬人圖譜航天器及設(shè)備制造辦公設(shè)備制造品制造家庭務(wù)售和互聯(lián)網(wǎng)銷售行飲訓(xùn)房服務(wù)u大模型推出對文本、圖像、音頻、視頻進行了直接性的影響，AIGC為各個行業(yè)賦能的趨勢已經(jīng)顯現(xiàn)AIGC基礎(chǔ)原子能力AIGC多模態(tài)原子能力器人發(fā)行視電影計和娛樂資料來源：國家統(tǒng)計局、公開資料、億歐智庫整理25市場營銷市場營銷1交互性文本生成強調(diào)實時性服機器人和智能推薦系統(tǒng)2非交互性文本生成強調(diào)內(nèi)容推理性重、根據(jù)要求提供對應(yīng)文本素材等群營銷、社交媒體發(fā)布等市場情報分析：分析市場趨勢和消費者需求，幫助決策者制定戰(zhàn)略輿情監(jiān)測：分析新聞等渠道中的文字信息，評估對企業(yè)聲譽的影響用戶需求分析：分析用戶反饋、市場調(diào)研等文本數(shù)據(jù)競爭對手分析：幫助識別和分析競爭對手的產(chǎn)品特點會議記錄與匯總：分析會議紀要，生成會議摘要或行動項清單文檔自動生成：根據(jù)輸入信息生成文檔的摘要、概述或推薦內(nèi)容經(jīng)營決策管理協(xié)作產(chǎn)品研發(fā)uAIGC早期發(fā)展的重點之一是基于自然語言處理技術(shù)的文字單模態(tài)原子能力，其包含文本回復(fù)、文章生成、內(nèi)容續(xù)寫等細分功能。u智能創(chuàng)意營銷：通過分析用戶評論、等文本信息，幫助優(yōu)化廣告創(chuàng)智能銷售流程：自動分析和處理銷售相關(guān)的文本信息資料來源：公開資料、億歐智庫整理26市場營銷圖片編市場營銷圖片編輯圖像生成12基于草圖生成完整圖像示意圖經(jīng)營決策管理協(xié)作產(chǎn)品研發(fā)uAI圖像生成技術(shù)主要包括GAN、DiffusionModel、NeRF等，AI圖像的生成難度遠大于文字生成，現(xiàn)今生成穩(wěn)定高質(zhì)的：圖片單模態(tài)原子能力的應(yīng)用基于原圖像進行修改率、設(shè)置濾鏡、去水印圖像數(shù)據(jù)分析：對大量圖像數(shù)據(jù)進行分析，圖像數(shù)據(jù)分析：對大量圖像數(shù)據(jù)進行分析，獲取有關(guān)產(chǎn)品需求視覺競爭對手分析：幫助企業(yè)分析競爭對手的廣告等圖像信息，提供視覺上的競爭優(yōu)勢圖像標(biāo)注和共享：實現(xiàn)圖像標(biāo)注和注釋，提高協(xié)作效率視覺項目管理：該能力可以幫助管理團隊跟蹤視覺項目，以確保項目按時交付計：實現(xiàn)產(chǎn)品的三維可視化、虛擬樣機等基于圖像的用戶反饋分析：分析用戶對產(chǎn)品外觀、包裝等圖像方面的反饋，為產(chǎn)品改進和創(chuàng)新提供數(shù)據(jù)支持圖像社交媒體分析：分析社交媒體平臺上的圖像內(nèi)容，為市場營銷人員提供洞察和反饋資料來源：公開資料、億歐智庫整理27：公開資料、億歐智庫整理：公開資料、億歐智庫整理語音數(shù)據(jù)分析：對大量語音數(shù)據(jù)進行分析，如電話客服錄音，以獲取有關(guān)市場趨勢的洞察聲音品牌塑造：幫助企業(yè)塑造聲音品牌，以提升品牌的識別度語音記錄和共享：實現(xiàn)語音記錄和共享，例如會議錄音的自動轉(zhuǎn)錄和存檔，便于團隊成員回顧和參考音頻編輯與處理：支持團隊對音頻進行編輯和處理語音交互設(shè)計：可以設(shè)計和開發(fā)語音交互的產(chǎn)品和服務(wù)基于音頻數(shù)據(jù)的用戶洞察：分析用戶在產(chǎn)品使用過程中的語音反饋和需求，為產(chǎn)品改進和創(chuàng)新提供數(shù)據(jù)支持語音廣告和推廣：生成語音廣告和推廣內(nèi)容，例如電話營銷、語音廣播等，以增加品牌曝光和用戶參與度聲音情感分析：分析音頻中的情感色彩，識別用戶情緒和情感反饋經(jīng)營決策管理協(xié)作產(chǎn)品研發(fā)市場營銷u基于u音頻單模態(tài)原子能力有語音數(shù)據(jù)分析、聲音品牌塑造等細分功能。1文本轉(zhuǎn)語音場景 2樂曲生成場景律的基礎(chǔ)上，進行續(xù)寫或改編樂曲虛擬人物本高昂化、實時化人的制作，但成本企億歐智庫：AIGC技術(shù)賦能虛擬人AIGC降低虛擬人成本虛擬人的成本集中于制作及運營環(huán)節(jié)虛擬人物本高昂化、實時化人的制作，但成本企億歐智庫：AIGC技術(shù)賦能虛擬人AIGC降低虛擬人成本虛擬人的成本集中于制作及運營環(huán)節(jié)，AIGC利用強大的生成能力輔助建模、渲染等重要環(huán)節(jié)，減少虛擬人投入成本AIGC賦能成本占比60%用戶識別感知智能分析與決策擬人制作AIGC技術(shù)可以為占據(jù)虛擬人90%成本的制作、規(guī)劃運營環(huán)節(jié)賦能，降本增效AIGCAIGC利用大模型的生成、推理、賦能共情能力賦予虛擬人實時互動能力建模渲染驅(qū)動真人音視頻監(jiān)控系統(tǒng) XX30%10%規(guī)劃運營維護人物語音錄制音視頻合成顯示動捕遷移生成動畫文本終端AIGC智能驅(qū)動虛擬人實時交互利用AIGC技術(shù)的實時驅(qū)動型虛擬人運作流程為“用戶-終端-智能分析-合成-終端-用戶”的閉環(huán)，減少利用“真人”數(shù)據(jù)的依賴直播帶貨活動uAIGC可以降低虛擬人的制作壁壘，利用虛擬人技術(shù)的快速鋪開。同時，AIGC可以驅(qū)動虛擬人運作，進行實時交互，拓寬虛擬人的應(yīng)用場景。 億歐智庫：全球虛擬人市場規(guī)模預(yù)測億歐智庫：中國虛擬人進程階段 (590845471前AIGC全球虛擬人市場規(guī)模預(yù)測曲線(億美元)AIGC賦能全球虛擬人市場規(guī)模(億美元)數(shù)據(jù)機構(gòu)預(yù)測，經(jīng)過全球AIGC賦能的虛擬人市場規(guī)模在2031年將達5910文化傳媒類行業(yè)2服務(wù)類行業(yè)文化傳媒類行業(yè)2服務(wù)類行業(yè)制造類行業(yè)3以前端對接為主試穿效果能力與共情能力，和觀眾流互動AIGC低廉成本生成虛擬人，覆蓋接待、陪護等場景以維護、運營為主成工業(yè)元宇宙模擬真實0100虛擬人的應(yīng)用場景更貼近用戶端，以前端服務(wù)類與文化傳媒類行業(yè)，應(yīng)用更聚焦于以代人攝制為主的內(nèi)容和效果攝中斷的演員(包括劣跡藝人)元宇宙的入口展示類場景、中端的攝制制造類場景、后段的運營維護場景為主。整體來看，虛擬人更偏向于核心環(huán)節(jié)。利用AIGC加持，降低建模、渲染等成本，同時加強“虛擬人-用戶”的互動性。u虛擬人主要在服務(wù)類行業(yè)、文化傳媒類行業(yè)進行應(yīng)用，在AIGC的時代，利用自動生成的能力，虛擬人可以實現(xiàn)實時交互、降低建模成本、資料來源：億歐智庫整理30結(jié)果比較MetricsComparator結(jié)果比較MetricsComparatorsC合成數(shù)據(jù)度量SyntheticDataMetrics成DataGeneratorSyntheticData數(shù)據(jù)u利用AIGC的生成能力與多模態(tài)能力大量合成反映真實數(shù)據(jù)屬性和特征的海量數(shù)據(jù)，并應(yīng)用于新興信息技術(shù)，以uAIGC賦能合成數(shù)據(jù)，能夠解決真實數(shù)據(jù)獲取難、獲取成本高、多樣性不足、缺乏隱私保護等痛點問題。AIGC億歐智庫：數(shù)據(jù)合成過程人工智能今天的人工智能合成數(shù)據(jù)ü數(shù)據(jù)難以獲取、質(zhì)量差、標(biāo)準不統(tǒng)一ü數(shù)據(jù)難以獲取、質(zhì)量差、標(biāo)準不統(tǒng)一ü數(shù)據(jù)存在隱私保護問題AIGC數(shù)據(jù)，解決數(shù)據(jù)獲取難、數(shù)據(jù)采集成據(jù)樣本多樣性不足和數(shù)據(jù)隱私保護需求等痛AI以避免直接應(yīng)用隱私數(shù)據(jù)的法律風(fēng)險60%lCognilyticaGrandViewResearchGartnerJPMorgan31數(shù)據(jù)化數(shù)據(jù)服務(wù)類行業(yè)支撐部門的業(yè)務(wù)優(yōu)化儲本好數(shù)據(jù)是指具有明確格式和規(guī)則的數(shù)據(jù)，如數(shù)據(jù)庫中的Vu結(jié)構(gòu)化數(shù)據(jù)是指具有明確格式和規(guī)則的數(shù)據(jù)，u非結(jié)構(gòu)化數(shù)據(jù)是指沒有明確格式和規(guī)則的數(shù)據(jù)，如文本、圖像等，主要用于工業(yè)制造類行業(yè)。在自動駕駛業(yè)中可以用來幫助解決系統(tǒng)開發(fā)的數(shù)據(jù)量：合成數(shù)據(jù)在服務(wù)類和工業(yè)制造類行業(yè)中的應(yīng)用和：合成數(shù)據(jù)在服務(wù)類和工業(yè)制造類行業(yè)中的應(yīng)用本、圖工工業(yè)制造類行業(yè)工業(yè)配套軟件優(yōu)化問題。制造業(yè)流程優(yōu)化度和耐用性，進行各種模擬測試。資料來源：騰訊研究院、億歐智庫整理32挑戰(zhàn)或反駁不正確意見承認回答中的錯誤過濾或拒絕挑戰(zhàn)或反駁不正確意見承認回答中的錯誤過濾或拒絕不恰當(dāng)請求對話管理口頭輸入準確可靠的信息和良好的交流環(huán)境滿意度自主學(xué)習(xí)能力90%報告使用機以更快地訴67%用聊天快與品80%戶交互可以通人來57%稱聊天機器的投資巨大回報TSu全球企業(yè)都在越來越重視聊天機器人的應(yīng)用，聊天機器人可以提高生產(chǎn)力和便利性，改善客戶服務(wù)體驗、提升員工利用率，加快與品牌溝通速度，更快解決客戶問題和投訴可以根據(jù)歷史提問記錄回答問題聊天機器人是一種可以模擬和處理人類會話聊天機器人是一種可以模擬和處理人類會話(書面/語音)的計算機程序，讓人能滿意度和體驗回答水平和邏輯反駁或糾正一個良好的交流環(huán)境PrecedenceResearchSalesforceAccentureDigital33u聊天機器人的應(yīng)用場景越來越多樣化，能夠提高人們事務(wù)處理的效率文化傳媒類行業(yè)2服務(wù)類行業(yè)制造類行業(yè)3以前端對話服務(wù)為主文化傳媒類行業(yè)2服務(wù)類行業(yè)制造類行業(yè)3以前端對話服務(wù)為主進行藥物提醒和情緒跟蹤為客戶提供快速、高效的服如客戶咨詢、投訴處理等智能化的語音客服服務(wù)戶提供更加便捷、舒適以運營保障為主庫存管理建議和調(diào)整策略力和質(zhì)量聯(lián)網(wǎng)技術(shù)和傳感器監(jiān)測設(shè)備的行狀態(tài)和健康狀況供實時的供應(yīng)鏈信息和0100以智能化服務(wù)為主行情感陪護等和品牌營銷服務(wù)聊天機器人在服務(wù)類行業(yè)、文化傳媒類行業(yè)、制造類行業(yè)都有著廣泛的應(yīng)用，可以提供預(yù)約調(diào)度、資料來源：公開資料、億歐智庫整理34：知識圖譜進行多模態(tài)轉(zhuǎn)化圖譜現(xiàn)存痛點ü推理能力弱ü人工成本高ü架構(gòu)調(diào)整難AIGC賦能實現(xiàn)知：知識圖譜進行多模態(tài)轉(zhuǎn)化圖譜現(xiàn)存痛點ü推理能力弱ü人工成本高ü架構(gòu)調(diào)整難AIGC賦能實現(xiàn)知識圖譜長尾識別、跨模態(tài)鏈接能力穿在戴AIGC幫助知識圖譜進行多模態(tài)轉(zhuǎn)變AIGC賦能解決KG痛點ü通過強大的跨模態(tài)能力增強kg關(guān)聯(lián)推理能力，能力üAIGC大模型合成數(shù)據(jù)不需要人工額外標(biāo)注uAIGC技術(shù)可以通過文本分析和圖像處理等多模態(tài)技術(shù)，從海量的文本和圖像數(shù)據(jù)中自動抽取和識別實體和關(guān)系，并將它們映射到知識圖譜中，自動產(chǎn)生新的實體和關(guān)系知識圖譜需要利用AIGC進行多模態(tài)轉(zhuǎn)化知識圖譜需要利用AIGC進行多模態(tài)轉(zhuǎn)化果ü補全知識圖譜圖譜資料來源：公開資料、億歐智庫整理35u文化傳媒類行業(yè)2服務(wù)類行業(yè)制造類行業(yè)3通過個性化屬性的挖掘，提供更針對性的服務(wù)文化傳媒類行業(yè)2服務(wù)類行業(yè)制造類行業(yè)3通過個性化屬性的挖掘，提供更針對性的服務(wù)為知識圖譜，實現(xiàn)數(shù)據(jù)關(guān)資建議、智能客戶管理等功能，融機構(gòu)的競爭力和服務(wù)水需求、歷史行為等信息構(gòu)建轉(zhuǎn)化率。聘系統(tǒng)，實現(xiàn)基于技能和經(jīng)通過知識數(shù)據(jù)庫對設(shè)備狀態(tài)、產(chǎn)品狀態(tài)進行對比性分析，并進行優(yōu)化過收集設(shè)備、工藝、物料等數(shù)據(jù)集成、分析和優(yōu)化，實圖譜，在生產(chǎn)之后通過比對客戶滿意度。0100通過圖譜明晰信息的內(nèi)在聯(lián)系，主要用于可視化交互、營銷與相關(guān)的文化信息進行。等元素的關(guān)聯(lián)關(guān)系，實現(xiàn)藝整體來看，知識圖譜主要通過構(gòu)建提供個性化服務(wù)的體系、構(gòu)建產(chǎn)品知識庫、可視化交互等方式，為企業(yè)提供語義搜索、知識問答、推薦與決資料來源：億歐智庫整理36AIGSAIGS1.0?利用AIGC技術(shù)對辦公軟件、工業(yè)軟件賦能，同信息的調(diào)度IAIGS2.0輔助AIGS3.0務(wù)與指令A(yù)IGS與思維鏈(chainofthought)：?思維鏈在解決多步驟問題時，模仿人類將復(fù)雜任務(wù)拆分的思維過程，進行能0102?整合以不同的媒體格式(文本、圖像、結(jié)構(gòu)化/非結(jié)構(gòu)化數(shù)據(jù))數(shù)據(jù)?將不同性質(zhì)的數(shù)據(jù)轉(zhuǎn)換為統(tǒng)一的向量格式?對數(shù)據(jù)開展質(zhì)量驗證?改變傳統(tǒng)軟件的菜單式開發(fā)頁面，無需重復(fù)進行設(shè)計與開發(fā)?省去搜索、聚類、生成等過程的時間03uAIGS(AIGeneratedSoftware)即為生成式AI軟件，通過AIGS進行數(shù)據(jù)一體化、化GSGS頁GS輔助資料來源：第四范式、公開資料、億歐智庫整理37質(zhì)量質(zhì)量系統(tǒng)成本需求迭代質(zhì)量利用率體驗效率頁面UI交互服務(wù)類行業(yè)&文化傳媒類行業(yè)數(shù)據(jù)多樣性制造類行業(yè)、產(chǎn)品質(zhì)量等指標(biāo)進行監(jiān)控和分析，優(yōu)化供應(yīng)鏈的管運營效率AIGC賦能企業(yè)軟件一體化軟件開發(fā)：通過制造業(yè)的不同領(lǐng)域的歷史生產(chǎn)數(shù)據(jù)，進行企業(yè)定制化工業(yè)軟件開發(fā)數(shù)字化管理：實現(xiàn)生產(chǎn)過程的數(shù)字化管理，包括訂單管理、生產(chǎn)計劃、庫存管理、質(zhì)量管理等，優(yōu)化生產(chǎn)流程，降低成本樣化需求：通過AIGC編寫代碼的快速迭代某些產(chǎn)品的長尾需求時間縮短u未來，AIGS在各行業(yè)都將產(chǎn)生應(yīng)用，利用數(shù)據(jù)一體化、頁面應(yīng)用特點整體來看，AIGS主要應(yīng)資料來源：公開資料、億歐智庫整理38利潤潛力0.760.690.51利潤潛力0.760.690.51能力力泛化與通用場景專業(yè)場景力üAIGC基本的生成能力體現(xiàn)具有較大的規(guī)模潛力的競爭導(dǎo)致利潤率攤薄1.871.17uAIGCu應(yīng)用范圍場景：基礎(chǔ)原子能力具有較強的泛化通用能力，應(yīng)用于短頭場景，發(fā)、市場營銷)。多模態(tài)原子能力需要多種技術(shù)融合滿足各個行業(yè)的長尾“AIGC+”需求。u規(guī)模潛力與利潤潛力：衡量原子能力市場規(guī)模潛力與利潤率情況。：專家訪談、公開資料、億歐智庫整理力億歐智庫：力üAIGC基礎(chǔ)原子能力的復(fù)合形態(tài)，ü多模態(tài)原子能力多用于長尾的專業(yè)：多模態(tài)原子能力潛力指數(shù)人AIGS譜00.180.16文字生成視頻生成音頻生成代碼編寫圖像生成 教育 文化傳媒 工業(yè)制造影視制作醫(yī)療健康 電子商務(wù)u AIGS(AI生成軟件)聊天機器人合成數(shù)據(jù)知識圖譜虛擬人來源：億歐智庫整理新媒體音視頻解決方案男、女音新媒體音視頻解決方案男、女音領(lǐng)先的技術(shù)方案基于GAN和Transformer機制的高音質(zhì)語音合成，綜合利用聲學(xué)和語言學(xué)參數(shù)，達到更自然的韻律合成效果。的音頻合成數(shù)據(jù)訓(xùn)練，生成更真實飽滿音質(zhì)、湖南電信AI智能語音交互中臺識音合成私有化部化適配以及大規(guī)AI中臺建設(shè)。高準確的識別率基于先進的深度學(xué)習(xí)算法及coformer架構(gòu)，安靜環(huán)境下近場語音識別，中文普通話字準確率超過97%。識別速度驗。中國銀行BOBO留聲機利用聲音復(fù)刻技術(shù)助力中國銀行推出“BOBO留聲機”兒童早教產(chǎn)品，家長錄制5分鐘上傳聲音，即可復(fù)刻自己聲音給孩子講故事，提供智能化的兒童成長服務(wù)體驗。生電子智能語音機器人針對證券行業(yè)業(yè)務(wù)特點，生電子提供語音識別音合成私有化部署服回訪、問卷調(diào)查等業(yè)景。uu標(biāo)貝科技基于核心的深度神經(jīng)網(wǎng)絡(luò)技術(shù)模型，打造了不同應(yīng)用場景的通用語音方案和特色語音定制服務(wù)，創(chuàng)新推出包括普通復(fù)刻、精品復(fù)刻、標(biāo)準：標(biāo)貝科技語音識別和語音合成技術(shù)資料來源：標(biāo)貝科技，億歐智庫整理42轉(zhuǎn)寫轉(zhuǎn)寫13GPT標(biāo)注進行分類。 4實體詞抽取的命名實、事件抽取等類間的關(guān)標(biāo)記。 6意圖槽位語音AI預(yù)標(biāo)注轉(zhuǎn)寫。圖波形圖標(biāo)注支持顯示音頻的波形圖和頻譜圖，調(diào)節(jié)和疏密調(diào)節(jié)。2D圖像標(biāo)注AI語義分割搭配人工補物體語義分注。注等成關(guān)鍵部加額外屬OCR轉(zhuǎn)寫AI型搭人工手動調(diào)形/多邊形框選5D果進行打 2問答標(biāo)注答及一問多答選OCR智能AI模型，CRu在ChatGPT引發(fā)的新一輪AI浪潮下，標(biāo)貝科技作為一家技術(shù)創(chuàng)新驅(qū)動的企業(yè)，在核心算法、基礎(chǔ)數(shù)據(jù)、u聚焦AI數(shù)據(jù)服務(wù)領(lǐng)域多年，標(biāo)貝科技基于堅實的AI數(shù)據(jù)基地團隊，打造了先進的場景化數(shù)據(jù)采集能力以及高精度的數(shù)據(jù)標(biāo)注能力。：標(biāo)貝科技數(shù)據(jù)服務(wù)與標(biāo)注技術(shù)筆框選資料來源：標(biāo)貝科技，億歐智庫整理43AI自動執(zhí)行多任務(wù)的復(fù)雜工作解決復(fù)雜業(yè)務(wù)問題以多模態(tài)形式讓AI自動執(zhí)行多任務(wù)的復(fù)雜工作解決復(fù)雜業(yè)務(wù)問題以多模態(tài)形式讓AI執(zhí)行“任務(wù)“t核心能力：思維鏈CoT+Copilot雜工作依據(jù)企業(yè)內(nèi)部知識庫形成的“攻略”自動執(zhí)行復(fù)雜工作(由多個任務(wù)組成)核心能力：知識庫+Copilot，自動按照“攻略”執(zhí)行復(fù)雜工作片修好看的工作u第四范式成立于2014年9月，是中國智能決策市場的最大參與者，從2018年起蟬聯(lián)中國機器學(xué)習(xí)平臺市場份額第一(根據(jù)IDC報告)。公司致力于實現(xiàn)企業(yè)級人工智能快速規(guī)?；涞?，為企業(yè)提供以“決策型AI”、“生成式AI”為核心的技術(shù)、產(chǎn)品及解決方案，推動傳統(tǒng)企業(yè)的數(shù)字化轉(zhuǎn)型進程。第四范式服務(wù)的行業(yè)包括但不億歐智庫：第四范式億歐智庫：第四范式AIGS的不同階段資料來源：第四范式，億歐智庫整理44挑戰(zhàn)3挑戰(zhàn)2AIGS內(nèi)容優(yōu)勢：思維鏈讓內(nèi)容生成更專業(yè)AIGS效率優(yōu)勢：天級別的功能實現(xiàn)及迭代件缺乏內(nèi)容生成能力修改設(shè)計評審確認形狀搜索：通過數(shù)模形狀搜索集合相似數(shù)模參數(shù)搜索：通過關(guān)鍵參數(shù)搜索數(shù)模草圖挑戰(zhàn)3挑戰(zhàn)2AIGS內(nèi)容優(yōu)勢：思維鏈讓內(nèi)容生成更專業(yè)AIGS效率優(yōu)勢：天級別的功能實現(xiàn)及迭代件缺乏內(nèi)容生成能力修改設(shè)計評審確認形狀搜索：通過數(shù)模形狀搜索集合相似數(shù)模參數(shù)搜索：通過關(guān)鍵參數(shù)搜索數(shù)模草圖搜索：根據(jù)手繪草圖搜索數(shù)模數(shù)模聚類：根據(jù)形狀、參數(shù)對數(shù)模庫進行聚類幾何搜索評審修改確認驗收測試評審培訓(xùn)數(shù)模聚類探索基于生成式AI的新功能?對支架零件搜索、自動歸類和標(biāo)準化，智能管理標(biāo)準和非標(biāo)準零件庫。零件庫入功能與接口定義(命名)自動安裝執(zhí)行圖自動設(shè)計挑戰(zhàn)1用戶體驗差：找個功能就像大海撈針「式說」@航空制造業(yè)AIGS體驗優(yōu)勢：使用Copilot重構(gòu)工業(yè)軟件參考并實現(xiàn)國外軟件搜索功能?通過輸入表征安裝環(huán)境特點的參數(shù)。?自動搜索并匹配結(jié)構(gòu)、強度和材料都適用的現(xiàn)有支架。u4ParadigmSageGPT(式說)是基于大模型的新型開發(fā)平臺，以生成式AI重構(gòu)企業(yè)軟件，提升企業(yè)軟件的體驗和開發(fā)效率。式說產(chǎn)品具備內(nèi)容可信、數(shù)據(jù)安全和成本可控的優(yōu)勢，能較好的應(yīng)對ChatGPT等大型生成式AI技術(shù)在企業(yè)落地時面臨的可信、安全和成本等挑戰(zhàn)。首先，式說重視次，式說無需調(diào)用外部模型，包括企業(yè)私有知識與查詢在內(nèi)的所有數(shù)據(jù)不出本地億歐智庫：第四范式億歐智庫：第四范式AIGS的領(lǐng)先實踐為力強邏輯能力，解構(gòu)復(fù)雜指令：AIGS對于單步驟難以完成的復(fù)雜指令，思考并拆整成一系列的簡單任務(wù)，為力面向于行業(yè)垂直領(lǐng)域的CoT及內(nèi)容生成：由于思維鏈的訓(xùn)練數(shù)據(jù)來源于員工的軟件行為與思考，以及企業(yè)內(nèi)部的數(shù)據(jù)庫，因此內(nèi)容的生成會更專業(yè)場景優(yōu)勢算力資源大模型安全優(yōu)勢數(shù)字名人數(shù)字員工場景優(yōu)勢算力資源大模型安全優(yōu)勢數(shù)字名人數(shù)字員工技術(shù):全棧程序員、前端程序員運營:社交媒體運營、電商運營...市場:廣告slogan專家、直播腳本專家...設(shè)計:游戲設(shè)計師、證件照設(shè)計師其他:法務(wù)專家、金融分析師、中英翻譯官歷史人物:愛因斯坦、諸葛亮大師先賢:孫悟空、蠟筆小新360AI數(shù)字人消費者結(jié)合搜索引擎和瀏覽器的功能，提供用戶個人AI助手，根據(jù)用戶的需求和企業(yè)針對中小微企業(yè)的垂直應(yīng)用和生產(chǎn)工具進行SaaS化，使用戶通過互聯(lián)網(wǎng)閱讀理解邏輯與推理生成與創(chuàng)作代碼能力文本分類企業(yè)/政府/城市將大模型進行私有化部署，以滿足城行業(yè)攜手行業(yè)伙伴打造行業(yè)垂直大模型，知識問答文本改寫多語種互譯360智腦重新定義數(shù)字人多模態(tài)多輪對話u360u360全面擁抱人工智能，推出“兩翼齊飛+四路并發(fā)”大模型戰(zhàn)略。通過占據(jù)場景，同步發(fā)展核心技術(shù)，結(jié)合ToC,ToSME,ToG&ToB,To行業(yè)四大路線來驅(qū)動數(shù)智中國的發(fā)展。u360在大模型上的核心創(chuàng)新在AI數(shù)字人，數(shù)字人是未來人工智能大模型最重要的應(yīng)用入口。360“兩翼齊飛+四路并發(fā)”大模型戰(zhàn)略八大天然優(yōu)勢覆蓋360智腦大模型訓(xùn)練全八大天然優(yōu)勢覆蓋360智腦大模型訓(xùn)練全程技術(shù)技術(shù)優(yōu)勢數(shù)據(jù)優(yōu)勢數(shù)據(jù)優(yōu)勢搜索增強優(yōu)勢搜索增強優(yōu)勢工程化調(diào)工程化調(diào)度能力搜索出身，天然擁有發(fā)展大模型的技術(shù)基因勢 、多樣性、高質(zhì)量的訓(xùn)練語料 型實時性、準確性不足的能力短板量練就勢微軟“全家桶”比肩的全端應(yīng)用三層級搭建大規(guī)模高性能年互聯(lián)網(wǎng)內(nèi)容安全積累數(shù)據(jù)安全+AI安全領(lǐng)軍能力沉淀傳統(tǒng)數(shù)字人按既定腳本輸出，沒有性格和記憶360傳統(tǒng)數(shù)字人按既定腳本輸出，沒有性格和記憶有記憶、有人設(shè)和性格，能夠復(fù)刻思維方式和人生經(jīng)歷46心智模型多模態(tài)大模型化產(chǎn)品擬數(shù)智人、數(shù)字分身內(nèi)容制作效率低的痛點切入拓展到規(guī)?；膱D文、視頻創(chuàng)作通用大模型底座+場景領(lǐng)域調(diào)優(yōu)+因果可控自研跨模態(tài)大模型及提示學(xué)習(xí)作企業(yè)產(chǎn)品宣傳片、培訓(xùn)視心智模型多模態(tài)大模型化產(chǎn)品擬數(shù)智人、數(shù)字分身內(nèi)容制作效率低的痛點切入拓展到規(guī)?；膱D文、視頻創(chuàng)作通用大模型底座+場景領(lǐng)域調(diào)優(yōu)+因果可控自研跨模態(tài)大模型及提示學(xué)習(xí)作企業(yè)產(chǎn)品宣傳片、培訓(xùn)視頻…醫(yī)療康養(yǎng)、金融理財、教育、情感…主觀偏好對齊客觀正確合理通用大模型能力政宣傳品牌代言、展廳互動、迎賓…播、本地生活秀…多模態(tài)認知大模型引擎營銷文案生成和文案改寫垂直場景模型定制可控、可用生成垂直場景Copilot+私有安全部署線上線下銷售過程輔助決策文字/語音/數(shù)字人形態(tài)的私域運營圖文、視頻元素生成更全局的圖像生成到視頻生成拓元技術(shù)底座助力垂直場景大模型應(yīng)用正確合理、主觀偏好對齊兩方面對大模型進行補AGI發(fā)框架和私有部署解決方案，實現(xiàn)企321標(biāo)準化方案+高效配置多模態(tài)交互自研大語言模型/持續(xù)演進AI劃、行動、交互元專家：賦能私域運營場景企業(yè)級AGI平臺u公司簡介：拓元智慧(X-EraAI)由頂尖人工智能技術(shù)團隊創(chuàng)立，致力于運用自研多模態(tài)大模型、u應(yīng)用領(lǐng)域：目前已在真人數(shù)字分身、AI協(xié)同創(chuàng)作、企業(yè)數(shù)智服務(wù)等領(lǐng)域形成標(biāo)化產(chǎn)品，服務(wù)企業(yè)客戶數(shù)千家。通用型技術(shù)底座助力大模型高效部署和標(biāo)準化應(yīng)用47AIGC生態(tài)底座價值鏈分析目錄SC0404AIGC商業(yè)潛力規(guī)模預(yù)判AIGC潛力邊界模型界突破趨勢AIGC商業(yè)潛力規(guī)模預(yù)測未來AIGC市場市場規(guī)模①生成能力：指的是模型能夠根據(jù)輸入的提示或上下文，生成連貫、有意義且符合語法規(guī)則的文本或其他形式的內(nèi)容，AIGC的核心任務(wù)之一。②可解釋能力：生成的內(nèi)容往往是由黑盒模型生成，可解釋性能增加用戶對生成內(nèi)容的信任和接受度。當(dāng)用戶了解生成內(nèi)容的生成過程和決策依據(jù)時，他們更有可能接受并信任這些內(nèi)容。這對于廣告、推薦系統(tǒng)、新聞報道等領(lǐng)域尤為重要。①降本增效：應(yīng)用AIGC技術(shù)能夠帶來實質(zhì)性的經(jīng)濟性收益對AIGC市場規(guī)模具有強相關(guān)的意義。②戰(zhàn)略布局意義：應(yīng)用AIGC在短期內(nèi)可能對經(jīng)濟性收益的影響較小，但是AIGC的技術(shù)對自身產(chǎn)品的賦能有望對競品形成代差，對于占領(lǐng)市場具有較強的意義。①算力基礎(chǔ)：算力是AIGC的基礎(chǔ)之一，根據(jù)測算及市場信息判斷，2025年GPU的缺口有望達到平衡，但考慮到邊緣/霧側(cè)對于推理任務(wù)的需求趨勢，整體來看算力短缺問題短期內(nèi)依然無法得到滿足。②電力設(shè)施：AI快速發(fā)展將對能源消耗和環(huán)境產(chǎn)生巨大影響。①認知謬誤：AIGC生成內(nèi)容具備一定隨機性，可能會錯誤得對法律、道德標(biāo)準、社會價值觀產(chǎn)生負面影響，壓縮了AIGC的商業(yè)空間。uAIGC的商業(yè)潛力及未來的落地價值與四個邊界相關(guān)，技術(shù)可行性邊界衡量技術(shù)因素導(dǎo)致AIGC真實市場規(guī)模與市場需求規(guī)模的差距；經(jīng)濟價值邊界衡量應(yīng)用AIGC的價技術(shù)可行性邊界技術(shù)可行性邊界經(jīng)濟價值邊界礎(chǔ)設(shè)施邊界基礎(chǔ)設(shè)施邊界目前AIGC市場規(guī)模資料來源：億歐數(shù)據(jù)、億歐智庫整理49目前AIGC生成能力實際上為數(shù)據(jù)的窮舉和檢索，在生成(檢索)目前AIGC生成能力實際上為數(shù)據(jù)的窮舉和檢索，在生成(檢索)過程會對數(shù)據(jù)內(nèi)容進行空間縮減，并利用提示詞進行生成(檢索)內(nèi)容的再選擇。隨著神經(jīng)網(wǎng)絡(luò)的發(fā)展，模型結(jié)構(gòu)變得復(fù)雜，參數(shù)量巨大，很難解釋模型如何得出輸出或決策，限制了AI在醫(yī)療診斷、自動駕駛、金融預(yù)測等的應(yīng)用。點Xu生成能力是AIGC的核心技術(shù)之一，現(xiàn)有的uAI的可解釋能力是提高魯棒性的關(guān)鍵，或成未來場景的準入標(biāo)準；未來可能出現(xiàn)高低配的分化，高版本應(yīng)用泛化通用場景，低版本應(yīng)用于需要強解性的場景。AAIGC生成技術(shù)AIGC可信技術(shù)AI黑盒AI黑盒mBlackout 輸出mBlackout 輸出黑盒子X：AI