部门：TMT研究一部©2023 iResearch Inc. AIGC场景应用展望研究报告2023年2©2023.12 iResearch Inc. www.iresearch.com.cnAIGC研究范畴界定AIGC是内容生产方式的进阶，实现内容和资产的再创造AIGC（AI-Generated Content）本质上是一种内容生产方式，即人工智能自动生产内容，是基于深度学习技术，输入数据后由人工智能通过寻找规律并适当泛化从而生成内容的一种方式。过往的内容创作生态主要经历了PGC、UGC到AIUGC的几个阶段，但始终难以平衡创作效率、创作成本及内容质量三者之间的关系，而AIGC可以实现专业创作者和个体自由地发挥创意，降低内容生产的门槛，带来大量内容供给。此外，对于仍处于摸索阶段的元宇宙世界，AIGC技术的发展也带来了解决元宇宙内容创造问题的解决可能，可实现为元宇宙世界构建基石的关键作用。来源：艾瑞咨询研究院自主研究及绘制。内容创造的最高阶段，可实现低成本高产能且高质量的内容生产AIUGC（AI辅助生成内容）低成本高产能且内容质量较高UGC（用户生成内容）低成本 质量参差满足个性化需求PGC（专家生成内容）成本高产能有限但内容质量高内容创作生态产业的发展阶段AIGC跟元宇宙是什么关系？理想中的元宇宙世界•虚实融合无边界的沉浸体验•实时全景，不受空间限制•可塑造每个人的虚拟世界化身存在的关键问题•难以处理大规模、非结构化数据•难以构建个人的元宇宙化载体•以上问题导致元宇宙生态是一个“空荡荡的世界”AIGC可以做的事•支持媒体融合，可处理多模态信息•可开发制作交互式内容，将所有行为编码到其中，帮助用户创造具有内置行为的集成 3D 对象3©2023.12 iResearch Inc. www.iresearch.com.cnAI&AIGC的演进历程从决策判别到创造生成，人工智能进入双“G”时代来源：朱松纯，公开资料搜集，艾瑞咨询研究院自主研究及绘制。1956年2011年历史上第一次人工智能研讨会召开，标志着人工智能的诞生1986年早期萌芽阶段（1950s~1980s）技术积淀阶段(1980s~2010年)快速发展阶段（2011年~2016年）2017年爆发阶段（2017年~）决策+认知+感知+学习+执行+社会协作决策式AI生成式AIGeoffrey Hinton等人提出了一种名为Backpropagation的神经网络训练算法，被认为是神经网络技术的一次重大突破IBM的Watson计算机在美国电视节目Jeopardy中战胜了两位前冠军1965年Herbert Simon和Allen Newell开发了一个名为Logic Theorist的程序，它可以用逻辑推理的方式解决数学证明问题，这被认为是人工智能领域的一次重大突破1997年国际象棋世界冠军Kasparov在与IBM开发的Deep Blue计算机的比赛中失利，标志着人工智能开始在一些传统的思维活动上超越人类2006年深度学习技术发明，带来了革命性突破2015年Google的AlphaGo程序在围棋比赛中战胜了世界冠军李世石，标志着人工智能开始在更复杂的思维活动上超越人类2013年Transformer架构提出，为大模型发展打下基础DeepMind提出基于深度学习的强化学习模型2018年GPT与BERT模型推出，开启“大模型时代”2022年ChatGPT推出2022年Transformer架构提出，为大模型发展打下基础2014年GAN可生成图像但分辨率有限小规模专家知识浅层机器学习算法深度机器学习算法大规模预训练模型AI的发展经历了从决策式AI到生成式AI的过程。在2010年之前，AI以决策式AI为主导，决策式AI学习数据中的条件概率分布，底层逻辑是AI提取样本特征信息，与数据库中的特征数据进行匹配，最后对样本进行归类，主要针对对样本的识别和分析。2011年之后随着深度机器学习算法以及大规模预训练模型的出现，AI开始迈入生成式AI时代，生成式AI的特征是可以根据已有的数据进行总结归纳，自动生成新的内容，在决策式AI决策、感知能力的基础上开始具备学习、执行、社会协作等方面的能力。当下人工智能在生成（Generation)和通用(General)两条主线上不断发展。4目 录CONTENTS01技术视角：AIGC产业技术新突破02产业视角：AIGC的产业新变革03典型企业案例Technical perspectiveIndustrial perspectiveCase study04AI场景应用领航者评选Piloting Enterprises5技术视角Technical perspective016©2023.12 iResearch Inc. www.iresearc...
