亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

來源：弗若斯特沙利文 　　近日，弗若斯特沙利文（Frost & Sullivan，簡稱“沙利文”）發布《AI 大模型市場研究報告（2023）——邁向通用人工智能，大模型拉開新時代序幕》。 　　報告認為，伴隨基于大模型發展的各類應用的爆發，尤其是生成式 AI，促使大模型帶來的價值進一步升級到人類生產力工具的顛覆式革新，逐漸拉開了通用人工智能（AGI）的發展序幕。 　　在通往AGI時代的旅程上，大模型和人類反饋的強化學習（RLHF）的結合，不僅重構了AI開發范式，未來軟件80% 的價值將由 AI 大模型提供，剩余 20% 會由提示工程和傳統業務開發組成，開發者的生產力將得到極大釋放；與此同時，AI的發展也將由之前單向發展的數據飛輪升級到不斷迭代進化的智慧飛輪，更高效的解決海量的開放式任務。 　　報告指出，中國大模型廠商的成功因素主要包括：全棧大模型訓練與研發能力、業務場景落地經驗、AI安全治理舉措、以及生態開放性4個方面，其中全棧大模型訓練與研發能力還包括數據管理經驗，AI基礎設施建設與運營，以及大模型系統和算法設計3個部分。這些成功因素分別體現著大模型廠商的產品技術能力、戰略愿景能力、生態開放能力三個維度。 　　基于這三個維度，沙利文制定了超過70個評估指標，對大模型廠商進行了全面的能力評估。 　 關鍵發現點

　　AI大模型的高速發展離不開底層技術支持和應用場景迭代。大模型作為AGI時代的曙光，相關廠商也將迎來廣闊的發展空間。本報告將呈現從發展現狀、驅動因素洞察AI大模型廠商競爭與發展關鍵點，并推演競爭格局的邏輯分析過程： 　 　　前瞻洞察：

　　通向AGI的技術路徑具有多元性，目前大模型是最佳實現方式。大模型具有強大的泛化性、通用性和實用性，能夠降低AI開發門檻、提高模型精度和泛化能力、提高內容生成質量和效率等多種價值，實現了對傳統AI技術的突破，并成為AGI的重要起點。 　　進而將AI發展由數據飛輪升級到智慧飛輪，最終邁向人機共智。大模型和人類反饋的強化學習（RLHF）的結合，進一步重構了AI開發范式，進入大模型主導的軟件2.0時代。另一方面，AI開發則形成新的“二八定律”，開發者的生產力將得到極大釋放。 　 　　驅動因素：

　　大模型“基礎設施-底層技術-基礎通用-垂直應用”發展路線逐漸清晰，國內各廠商加速戰略布局，加大資金和技術投入，迎頭趕上全球大模型產業化浪潮，本土化大模型迎來發展新機遇。整體上，行業驅動因素主要包含三個層面： 　　（1）政策端：政策環境持續優化，賦能AI大模型市場高速發展。 　　（2）供給端：下一代AI基礎設施等快速發展，助力大模型應用落地。 　　（3）需求端：AI市場高景氣，大模型下游行業需求旺盛。 　 　　行業觀點：

　　大模型未來發展將趨于通用化與專用化并行、平臺化與簡易化并進。同時，MaaS模式將成為AI應用的全新形式且快速發展，重構AI產業的商業化結構生態，激發新的產業鏈分工和商業模式。未來，大模型將深入應用于用戶生活和企業生產模式，釋放創造力和生產力，活躍創造思維、重塑工作模式，助力企業的組織變革和經營效率，賦能產業變革。 　 　　關鍵成功因素：

　　大模型面臨算力需求大、訓練和推理成本高、數據質量不佳等挑戰。一個可對外商業化輸出的大模型的成功，要求其廠商擁有全棧大模型訓練與研發能力、業務場景落地經驗、AI安全治理舉措、以及生態開放性4大核心優勢，才能保證其在競爭中突出重圍。其中，全棧大模型訓練與研發能力還包括數據管理經驗，AI基礎設施建設與運營，以及大模型系統和算法設計3個關鍵要素。 　 　 　　競爭格局：

　　在競爭格局漸趨明晰的過程中，相關廠商需跨越技術、人才、資金等壁壘，在產品技術能力、戰略愿景能力、生態開放能力三大維度上展開角逐。通過遴選，報告選擇了5家大模型廠商，分別為商湯、百度、阿里巴巴、華為、騰訊，評價模型包含15個一級指標、56個二級指標，對廠商大模型的各個能力進行評估。 　 　　用戶建議：

　　通過此報告能夠了解大模型廠商的競爭態勢，關注領先廠商，內部創建大模型戰略文件，明確其優勢、帶來的風險和機遇，以及部署路線圖，針對具體的用例，權衡模型的優勢和風險，并選擇合適場景試點、評估大模型的應用價值。 　 具體內容如下

近年來，人工智能技術接連取得突破，尤其是在強化學習、大規模語言模型和人工智能生成內容技術等方 面，正逐步成為各個行業的創新驅動力。OpenAI于 2022年 11月 30日發布的 ChatGPT由于具有驚人的自然語言理 解和生成能力，引起全社會大范圍的關注，成為全球熱議的話題，并被廣泛應用于各個行業。僅兩個月后，ChatGPT 的月活躍用戶數便達1億，成為史上用戶數增長最快的消費者應用。鑒于ChatGPT目前造成的影響，對其進行全面 的分析較為必要。本文從歷史沿革、應用現狀和前景展望這3個角度對ChatGPT進行剖析，探究其對社會的影響、技 術的原理和挑戰以及未來發展的可能性，并從模型能力的角度簡要介紹 GPT-4相對于 ChatGPT的改進。作為一個 現象級技術產品，從技術角度而言ChatGPT對相關領域具有里程碑式的重要意義，從應用角度而言其可能會給人類 社會帶來巨大的影響。ChatGPT有潛力成為計算機領域最偉大的成就之一。但就目前而言，ChatGPT仍然存在一些 局限，尚未達到強人工智能的水平。在當前階段，研究人員需要對人工智能技術持有自信和謙虛學習的態度，繼續 發展相關的技術研究和應用。在人工智能時代，人工智能技術已經普及到許 多行業，為底層技術賦能升級，并在各種應用場景中 發揮著重要作用。其中，最常見的應用場景包括自 然語言處理、計算機視覺、推薦系統以及預測分析 等。

人工智能技術在持續提高和改進，并不斷沖擊 著人類的認知。 2012年，ImageNet圖像識別比賽中，一種神經網 絡模型（AlexNet）（Krizhevsky 等，2017）首次展現了 明顯超越傳統方法的能力。2016年，AlphaGo（Silver 等，2016）戰勝了圍棋世界冠軍。在那之前，人們普 遍認為這個古老的中國棋類游戲由于具有過高的復 雜性而難以被人工智能系統模擬。2017 年，Google 的 Vaswani等人（2017）提出 Transformer 深度學習模 型架構，奠定了當前大模型領域主流的算法架構基 礎。2018 年，谷歌提出了大規模預訓練語言模型 BERT （bidirectional encoder representations from transformers）（Devlin等，2019），該模型是基于 Transformer 的雙向深層預訓練模型，其模型參數首次超 過了 3億規模（BERT-Large約有 3. 4個參數）；同年， OpenAI 提出了生成式預訓練 Transformer 模型—— GPT（generative pre-training）（Radford等，2018），大大 地推動了自然語言處理領域的發展。2018年，人工 智能系統 OpenAI Five（Berner 等，2019）戰勝了世界 頂級的 Dota 2 人類隊伍，人工智能在復雜任務領域 樹立了一個新的里程碑；此后，Google DeepMind 團 隊提出的AlphaFold（Jumper等，2021）以前所未有的 準確度超越了人類研究者在蛋白質結構預測上的表 現，突破了人們對人工智能在生物學領域的應用的 想象。2019 年，一種人工智能系統 AlphaStar（Viny? als 等，2019）戰勝了世界頂級的 StarCraft II 人類選 手，為人工智能在復雜任務領域的未來發展提供了 更加強有力的支持。2020年，隨著OpenAI GPT-3模 型（Brown 等，2020）（模型參數約 1 750 億）的問世， 在 眾 多 自 然 語 言 處 理（natural language processing， NLP）任務中，人工智能均表現出超過人類水平的能 力。2021 年 1 月，Google Brain 提出了 Switch Trans? former模型（Fedus等，2021），以高達1. 6萬億的參數 量成為史上首個萬億級語言模型；同年 12 月，谷歌 還提出了 1. 2億參數的通用稀疏模型 GLaM（Du等， 2022），在多個小樣本學習任務的性能超過 GPT-3。 2022年 2月，人工智能生成內容（artifical intelligence generated content，AIGC）技 術 被《MIT Technology Review》評選為 2022年全球突破性技術之一。同年 8月，Stability AI開源了文字轉圖像的Stable Diffusion 模型（Rombach等，2022）。同樣在8月，藝術家杰森· 艾倫（Jason Allen）利用AI工具制作的繪畫作品《太空 歌劇院》（Théatre D’opéra Spatial），榮獲美國科羅拉 多州藝術博覽會藝術競賽冠軍，相關技術于年底入 選 全 球 知 名 期 刊《Science》年 度 科 技 突 破（Break? through of the Year 2022）Runners-up 第 2 位（// www. science. org/content/article/breakthrough-2022）。

近幾年，自然語言處理技術逐漸成為了各個行 業關鍵的創新驅動力。其中 2022 年 12 月公布的 ChatGPT 則是生成式人工智能技術的佼佼者，幾乎 可以賦能各個行業。隨著人工智能技術的不斷提 高，ChatGPT 作為一種先進的語言模型受益于更大 的模型尺寸、更先進的預訓練方法、更快的計算資源 和更多的語言處理任務。因此，它已廣泛應用于各 行各業，并成為全球熱議的話題。本文將嘗試剖析 ChatGPT，評估其輿論影響力 和應用現狀，歸納其特性；簡要分析其背后的技術原 理，探討其可擴展性；評估其存在的技術挑戰及局 限，討論其未來的發展和應用前景，并從模型能力的 角度簡要介紹GPT-4相比于ChatGPT的改進

來源：艾瑞咨詢 　　ChatGPT被稱為AI的“iPhone時刻”，以ChatGPT為代表的生成式AI讓每個人命令計算機解決問題成為了可能。可對生產工具、對話引擎、個人助理等各類應用，起到協助人、服務人甚至超越人的角色。 　　通用基礎大語言模型的價值與自研卡點

　　大廠的絕對戰略優先級，但也是一場重投入的持久戰。 　　2023年3月中，OpenAI宣布ChatGPT整合GPT4，實現多模態交互、大幅提升復雜長文本理解與生成能力、可控性增強，引起全球科技界震動。 　　在國內科技及投資各領域的高度關注下，百度舉辦了“文心一言”產品發布會，雖說從產品功能、成熟度、支持用戶并發等維度距ChatGPT還有不足，但也是中國在這新一輪“科技軍備競賽”中的勇于嘗試與發聲，目前百度也已啟動API接口開放測試，瞄準B端市場。 　　緊隨其后，360、阿里、華為、商湯、京東、科大訊飛、字節跳動等巨頭企業也動作頻頻。 　　從自研通用預訓練大語言模型的必要性角度分析：在全球政治經濟局勢下，自主可控是保障網絡安全、信息安全的前提，自研基石模型具有高度戰略意義；從自研的可行性角度分析：基于前文討論的通用基礎LLMs研發所需的算力、數據、算法、人才、資金儲備等，中國僅有少數頭部互聯網企業具備研發“入場券”。 　　宣布入局的頭部企業基于自身業務生態選擇的戰略路線也不盡相同。但可以大膽假設，未來若形成大模型能力領先，誰擁有通用基礎大模型與生態和流量入口，誰就更有可能擁有從應用層到算力層的營收話語權。 　　價值：自主可控的戰略意義、大模型的商業價值 　　卡點：高端AI算力、數據、算法、人才、資金儲備 　　調用國外大模型將涉及數據跨境的合規風險、中國中大型企業與政府部門均存在私有化部署需求、以及受美國科技保護主義影響。種種原因，國內必將且必需產生自主可控的通用基礎大模型產品與服務。 　　“滾雪球效應”使通用基礎大模型的門檻越來越高，但其可以提供“超級大腦”一樣的價值。OpenAI與微軟的成功路線表明，依托ChatGPT有望打造新的個人與企業應用開發生態以及拉升云廠商業務營收。 　　美國芯片禁令下高端AI算力資源不足，算力資金投入上還需支撐智算集群的訓練與運營成本。 　　互聯網中文高質量數據資源小于英文，差距20-30倍，需要高質量數據清洗。 　　通用基礎大模型開發是一個系統工程，需具備分布式訓練、模型蒸餾等各類技術能力與工程化能力。 　　如何把know-how數據轉化成Q&A的能力，需要大量提示（人與機器進行交互的指令語言）工程師。 　**　中國大語言模型產業參與廠商類型與定位邏輯**

　　垂直基礎大模型廠商與應用開發廠商需在窗口期加快建立“數據飛輪”壁壘。 　　此輪基于ChatGPT的大模型浪潮興起伊始，結合我國AI產業鏈與競爭格局現狀，一種判斷是：基于大模型的通用和泛化性提高，未來手握通用基礎大模型的巨頭企業會逐漸侵蝕垂直領域廠商業務。這種壓力長期來看的確存在，但大模型與產品結合，尤其在非檢索或開放域交互等場景中，需要依賴垂直領域數據和行業know-how、應用場景和用戶數據反哺、一站式端到端工程化能力等。

　　在此窗口期，垂直領域與應用層廠商應積極將大模型能力整合入自己的技術棧，服務于產品功能優化，建立“數據飛輪”壁壘。在下游豐富的基于大語言模型、AIGC應用開發需求的影響下，還將分化出一類工具型或平臺型廠商，主要提供基于各類大模型的開發平臺服務，幫助客戶實現便捷的AIGC應用開發與落地。 　　大語言模型落地應用對數字產業影響

　　1）變革人機交互方式：既有軟件將接入對話能力，交互界面發生變革，自然語言成為用戶發布操作指令的新模態。這一影響將從搜索引擎等知識信息平臺拓展到一切人機交互型應用。友好度和功能性的顯著提升將激活軟件服務的增量用戶市場；

　　2）豐富產品種類：將誕生新一批AI-first的應用，如創意設計、AI營銷、AI運營等領域； 　　3）塑造新興商業模式：AI主導的“模型即服務”商業邏輯將重構應用開發流程，傳統企業可享受低成本構建應用模型的便利； 　　4）構建新興生態平臺：超級應用的出現，本質上搭建了用戶需求與各類信息服務之間的基于自然語言交互的平臺生態，塑造了移動互聯網后新的流量入口。 　　具體內容如下:

ChatGPT快速滲透， AI產業迎發展新機 　　ChatGPT是由OpenAI公司開發的人工智能聊天機器人程序， 于2022年11月發布， 推出不久便在全球范圍內爆火。根據World of Engineering數據顯示， ChatGPT達到1億用戶量用時僅2個月， 成為史上用戶增長速度最快的消費級應用程序。與之相比， TikTok達到1億用戶用了9個月， Instagram則花了2年半的時間。從用戶體驗來看， ChatGPT不僅能實現流暢的文字聊天， 還可以勝任翻譯、 作詩、 寫新聞、 做報表、 編代碼等相對復雜的語言工作。 　　ChatGPT爆火的背后是人工智能算法的迭代升級。ChatGPT是基于GPT-3.5微調得到的新版本模型， 能夠借助人類反饋的強化學習（RLHF） 技術來指導模型訓練， 實現模型輸出與人類預期的需求， 使對話內容更加人性化和富有邏輯性。從2008年第一代生成式預訓練模型GPT-1誕生以來， GPT系列模型幾乎按照每年一代的速度進行迭代升級， 未來隨著大語言模型（LLM） 技術的不斷突破， AI相關應用有望加速落地， AI產業或將迎來新一輪發展機遇。 　　ChatGPT激起AI浪潮，大算力芯片迎來產業機遇 　　ChatGPT是生成式人工智能技術（AIGC） 的一種， 與傳統的決策/分析式AI相比， 生成式AI并非通過簡單分析已有數據來進行分析與決策， 而是在學習歸納已有數據后進行演技創造， 基于歷史進行模仿式、 縫合式創作， 生成全新的內容。AIGC的應用非常廣泛， 包括自然語言生成、 圖像生成、 視頻生成、 音樂生成、 藝術創作等領域。 　　AIGC產業鏈主要分為上游算力硬件層、 中游數據/算法軟件層和下游行業應用層。硬件層依靠高性能AI芯片、 服務器和數據中心為AIGC模型的訓練提供算力支持， 是承載行業發展的基礎設施；數據/算法層軟件層主要負責AI數據的采集、 清洗、 標注及模型的開發與訓練， 多方廠商入局自然語言處理、 計算機視覺、 多模態模型等領域；行業應用層目前主要涉及搜索、 對話、推薦等場景， 未來有望在多個行業呈現井噴式革新。 　　多模態賦能下游行業智慧化升級 　　多模態大模型有望成為AI主流， 賦能下游行業智能升級。生成式AI主要依賴于人工智能大模型， 如Transformer、 BERT、GPT系列等。這些模型通常包含數十億至數萬億個參數， 需要龐大的數據集進行訓練， 致使AI算力的需求也呈現出指數級的增長。多模態是一種全新的交互、 生成模式， 集合了圖像、 語音、 文本等方式， 因其可以結合多種數據類型和模態的學習，將有望徹底改變我們與機器互動的方式， 快速占據人工智能主導地位。我們認為多模態大模型長期來看不僅可以從成本端降本增效， 需求端也將通過快速滲透推廣為下游行業帶來持續增長需求， 從而快速推動下游行業智慧化應用升級。 　　模型更新升級帶動下游行業不斷發展 　　從GPT-1到ChatGPT， 模型參數與訓練數據量不斷增加， 所需算力資源不斷提升： 　　GPT-1：最早的GPT模型之一， 包含了1.17億個參數， 預訓練數據量約為5GB。 　　GPT-2：參數數量達到了1.5億個， 預訓練數據量達40GB。 　　GPT-3：是目前為止最大的語言模型之一， 包含了1750億個參數， 預訓練數據量為45TB。 　　ChatGPT：基于GPT-3模型的變種之一， 參數量預計與GPT-3相近。 　　GPT-4性能提升顯著， AIGC應用市場空間廣闊 　　多模態模型是實現人工智能應用的關鍵。3月14日OpenAI發布GPT-4多模態大模型， 擁有1） 強大的識圖能力；2） 文字輸入限制提升至2.5萬字；3） 回答準確性顯著提高；4） 能夠生成歌詞、 創意文本、 實現風格變化。在各種專業和學術基準上，GPT-4已具備與人類水平相當表現。如在模擬律師考試中， 其分數在應試者前10%， 相比下GPT-3.5在倒數10%左右。多模態大模型在整體復雜度及交互性上已有較大提升， 模型升級有望加速細分垂直應用成熟， 賦能下游智慧化升級， 帶動需求快速增長。 　　AIGC下游市場滲透率低， 增長空間廣闊。根據 Gartner數據， 目前由人工智能生成的數據占所有數據的 1%以下， 預計2023年將有 20%的內容被生成式AI 所創建， 2025 年人工智能生成數據占比將達到 10%。根據前瞻產業研究院數據， 2025年中國生成式商業AI應用規模將達2070億元， CAGR（2020-2025） 為84.06%。

　1、ChatGPT火爆的背后：算法革新+算力支持+數據共振 　　ChatGPT引起全球熱烈反響，上線僅五天用戶突破百萬，ChatGPT在文本交互和語言理解方面能力的顯著進步或為通用人工智能的實現帶來曙光。究其先進性根本，ChatGPT在以往基礎上推進算法革新優化，輔以強大算力支持，并以大規模數據共振，協同助推這一劃時代產品誕生。OpenAI以B端提供API接口流量+C端訂閱收費模式，探索ChatGPT商業化路徑。展望未來AI將橫縱向并行，結合技術深化與能力邊界拓展，進一步鋪開應用面。 　　2、數字內容生產新方式——AIGC 　　AIGC的興起推動人類叩響強人工智能之門，可應用于文本、音頻、圖片、視頻、跨模態、策略生成等，有望開啟新一輪內容生產力革命。隨著Transformer、DiffusionModel等算力模型的迭代，推動AIGC在設計、內容創作、游戲智能、機器交互等領域實現降本增效。 　　3、新時代生產力工具，AIGC賦能內容生產 　　基于AI生成內容技術，AIGC已在游戲、廣告營銷、影視、媒體、互聯網、娛樂等領域初顯成效，并展現出較大的潛力。 　　AIGC將推動游戲生產范式升級，并豐富游戲資產生成，高效輔助游戲測試，使制作成本顯著降低，全流程賦能游戲買量； 　　AIGC貫穿廣告營銷全流程，將優化案頭工作環節，提供更專業的個性化營銷方案，并充實廣告素材，實現廣告自動化生成； 　　AIGC提升影視行業全管線效率。影視劇本創作已初見成效，多AI技術將助力電影中期拍攝，后期制作將更快完成； 　　AIGC帶給媒體行業人機協作方案。新聞寫作編排效率提升，傳媒向智媒轉向開啟新篇章； 　　AIGC提供互聯網行業豐富內容，和更便捷的服務。ChatGPT賦能智慧搜索，互為供給加速發展內容平臺發展，虛擬結合激發電商沉浸式體驗； 　　AIGC為娛樂行業提供了更多樣的體驗。人際交互娛樂邁入新臺階，AIGC或成元宇宙之匙。

自ChatGPT推出以來，國內學術界和科技企業相繼宣布或將推出類似機器人對話模型，有望推動大模型發展。2月7日，百度官宣“文心一言”。2月20日，復旦大學發布了類ChatGPT模型“MOSS”，并面向大眾公開邀請內測，國產大模型有望迎來爆發式增長。 　　需求和政策兩方面，合力推動AI產業增長。國內應用層面的需求推動AI產業的加速發展。根據IDC數據預測，2021年中國人工智能軟件及應用市場規模為51億美元，預計2026年將會達到211億美元。數據、算法、算力是AI發展的驅動力，其中數據是AI發展的基石，中國數據規模增速有望排名全球第一。政策方面，“十四五”規劃中提到“瞄準人工智能”，“聚焦人工智能關鍵算法”，加快推進“基礎算法”的“突破與迭代應用”；北京、上海、廣州等城市發布相關規劃。 　　頭部企業采取“模型+工具平臺+生態”三層共建模式，有助于業務的良性循環，也更容易借助長期積累形成競爭壁壘。大模型廠商主要包括百度（文心大模型）、騰訊（HunYuan大模型）、阿里（通義大模型）、商湯、華為（盤古大模型）等企業，也有智源研究院、中科院自動化所等研究機構，同時英偉達等芯片廠商也紛紛入局。大模型增強了AI技術的通用性，助力普惠AI的實現。未來，大模型有望于場景深度融合，配合專業工具和平臺支持應用落地，開放的生態來激發創新，形成良性循環。 　　技術發展有望促進生產效率提升，并進一步創造新的消費和需求，有利于文娛內容和互聯網行業。在AIGC和ChatGPT方面，我們建議持續關注技術發展和應用情況，把握技術催化和商業化落地帶來的投資機會：1）具備AIGC和ChatGPT的技術探索和應用的公司：百度集團-SW、商湯-W、萬興科技、拓爾思等；2）具有海量內容素材且具有AIGC探索布局的，圖片/文字/音樂/視頻內容及平臺公司騰訊控股，閱文集團、美圖公司、昆侖萬維、湯姆貓、神州泰岳、視覺中國、中文在線、漢儀股份、天娛數科、風語筑等。

數據、算法、算力共振推動AIGC發展，模型開源及商業化帶來的產品化浪潮及通用人工智能領域的初探推動AIGC破圈。AIGC傳媒相關應用有望超千億。 　　復盤AIGC算法迭代：競爭中發展，模型開源及商業化推動應用破圈。2017年推出的Transformer架構的并行訓練優勢奠定了大模型訓練的基礎，以GPT為代表的預訓練模型，通過使用無標注數據預訓練及微調，緩解了標注數據不足的問題，并不斷提升參數量級及模型通用性，ChatGPT在此基礎上加入了利用人類反饋強化學習的訓練方法。擴散模型取代GAN成為圖像生成領域的主流模型，CLIP模型推動跨模態生成技術的發展。GPT3的商業化及CLIP及Stable Diffusion模型的開源推動文本生成、文生圖產品化的浪潮。谷歌、Meta持續探索文字生成視頻領域模型。 　　國內傳媒領域應用有望超千億。Gartner預測至2023年將有20%的內容被生成式AI所創建；至2025年生成式AI產生的數據將占所有數據的10%（目前不到1%）。紅杉預測生成式ai將產生數萬億美元經濟價值。2025年，國內生成式ai應用規模有望突破2000億，我們預測國內傳媒領域應用空間超1000億。 　　AIGC應用于文本、音頻、跨模態、策略生成，在設計、內容創作、廣告營銷、游戲、企業服務等領域開啟商業化，有望開啟新一輪內容生產力革命。 　　文本生成：應用于輔助寫作、營銷、社交、瀏覽器、企業級服務、心理咨詢等領域。代表公司Jasper.ai，通過SaaS訂閱收費模式，獲得B端客戶認可，率先實現規模化收入；OpenAI旗下ChatGPT由于其通用性被集成至瀏覽器、辦公自動化軟件、企業級服務產品中，作為增值服務項目。 　　音頻生成：應用于智能客服、有聲讀物制作、配音、導航、虛擬歌手、作曲等領域。代表公司喜馬拉雅、倒映有聲、標貝科技、StarXMusicXLab等。 　　跨模態生成：包括文生圖、文生視頻，圖片視頻生成文字等應用。AI繪畫代表產品Midjourney、DALL-E2、Dreamstudio、文心一格，主要按生成次數收費。 　　策略生成：應用于游戲、自動駕駛、機器人控制、智能交互數字人等領域。游戲領域代表性公司騰訊AILab、網易伏羲、啟元世界、rct.ai、超參數等。

結論：大模型的出現促進底層技術迭代，衍生出AIGC應用受到關注；大小模型路線分化加劇，傳統深度學習關注下游場景落地情況

　　回顧：AI傳統領軍全面下跌，行業多方面挑戰，宏觀經濟下行初期需求增量釋放緩慢。

　　落地場景需探索，人臉等已經紅海，工業、醫療等尚在早期，AI獨角獸IPO后股價表現較弱，與收入-薪酬匹配度仍然較低有關。

　　行業熱點在大模型：大規模預訓練+無監督，大幅提升AI效率

以GPT-3為代表的大模型，可以從大量未標記的數據中捕獲知識，極大擴展模型的泛化能力。

　　但仍存在缺陷：對邏輯理解欠缺，訓練成本過高，普通機構難以復現。

　　大模型應用：AIGC圖像生成、GPTChat、自動駕駛等成為熱點

隨著模型改進和像素提升，DALL-E2、Stable Diffusion等圖像生產AIGC應用爆發；

InstructGPT在GPTChat工具中應用效果提升，做到與人類進行談話般的交互。

　　重點行業AI落地場景逐一分析：智能制造、智慧倉儲物流、智慧金融、智慧醫療、智能家居等。成熟的AI應用場景正在涌現，領軍AI公司已有大量標桿案例

自研AI芯片、云原生架構、彈性分布式訓練服務以及MLOps能力成為平臺核心能力

　　AI芯片將持續架構創新、形態演進以及軟硬一體化趨勢；云原生應用可以為AI開發平臺的用戶（開發者）提供更敏捷高質量的應用交付以及更簡單和高效的應用管理；分茍式訓練可提供底層資源的彈性配置，提升系統的資源利用率；MLOps為AI開發平臺帶來靈活性與速度。

　　開發者流量與平臺規模是AI開發平臺營收決定性要素

　　AI開發平臺商業模式相對簡單。AI開發平臺經營模式是通過為企業或并發者提供Ai技術接口或AI并發工具而獲利I計費方式主要包括免費、按調用量計費、包年或包月三種。

　　模型調用業務營收將提升

　　2016-2020年，中國AI開發平臺營收規模快速擴張，2020年中國AI開發平臺營收突破200億元^現階段算力、數據、模型調用、部署/維護四項業務占AI并發平臺的營收占比約為4:3:21。未來，隨著推斷應用占比的提升，數據業務的營收占比預計將下降；而隨著AI在各垂直場景中應用的深入，模型調用業務的營收占比預計將提升。