（报告出品方/作者：华泰证券，朱珺、吴晓宇、王星云）
技术助力 AIGC 发展，长期看大模型 多模态成趋势AI 由分析转向创造，22 年 AIGC 产品集中发布
AI 技术逐渐实现从分析到创造的迭代。AI（Artificial Intelligence）即人工智能，传统的 AI 技术被称为分析式 AI（Analytical AI），偏向于分析数据并总结规律，同时将规律运用到其 他用途，比如运用 AI 技术进行垃圾邮件检测、向用户推荐感兴趣的短视频等。但随着技术 的迭代，AI 已经不仅仅局限于分析已有事物，而是开始创造有意义、具备美感的东西，即 完成感知世界到创造世界的变迁，这种新型的技术被称为生成式 AI（Generative AI）。 从定义上看，AIGC 既是一种内容形态，也是一种内容生成的技术合集，即生成式 AI。从 狭义上看，AIGC（AI Generated Content）是继 PGC（Professional Generated Content） 与 UGC（User Generated Content）之后的一种内容形式，即利用人工智能技术生成的内 容。从广义上看，AIGC 指的是自动化内容生成的技术合集，基于生成算法、训练数据、 芯片算力，生成包括文本、音乐、图片、代码、视频等多样化内容。
AIGC 起源于 20 世纪 50 年代，经过多年发展，在 2022 年 AIGC 产品集中发布，多款产 品出圈，引发社会广泛关注。据中国信通院，AIGC 起源于 20 世纪 50 年代，莱杰伦·希 勒和伦纳德·艾萨克森完成历史上第一只由计算机创作的音乐作品《依利亚克组曲》，但 受制于技术水平，截至 1990 年，AIGC 均仅限于小范围实验。1990-2010 年是 AIGC 的沉 淀积累阶段，AIGC 逐渐从实验向实用转变，但受限于算法瓶颈，效果仍有待提升。2010 年以来，伴随着生成算法、预训练模型、多模态技术的迭代，AIGC 快速发展，2022 年多 款产品出圈。
2022 年 8 月，Stabilty AI 发布 Stable Diffusion 模型，为后续 AI 绘图模型的发展奠定基础， 由 Midjourney 绘制的《太空歌剧院》在美国科罗拉多州艺术博览会上获得“数字艺术”类 别的冠军，引发社会广泛关注。2022 年 11 月 OpenAI 推出基于 GPT-3.5 与 RLHF （ Reinforcement Learning from Human Feedback ， 人 类 反 馈 强 化 学 习 ） 机 制 的 ChatGPT，推出仅 2 月日活超 1,300 万，据 Forbes，2023 年 1 月 OpenAI 的估值从 2021 年的 140 亿美元提升到 2023 年 1 月的 290 亿美元。此外，科技巨头亦加码布局 AIGC， 如微软表示将自己的消费者和企业产品中部署 OpenAI 的模型，宣布将 OpenAI 语言模型 整合到 Bing 引擎和 Edge 浏览器中；谷歌在 ChatGPT 发布后亦加快 AI 自研，2023 年 2 月 7 日正式发布下一代 AI 对话系统 Bard，此外谷歌还投资 ChatGPT 的竞品 Anthropic； 国内方面，据百度官网，2023 年 2 月 7 日，百度公布了大模型新项目文心一言（ERNIE Bot），据彭博社，百度计划在 2023 年 3 月将最初的版本将内嵌到搜索服务中。
生成算法、预训练模型、多模态技术成为 AIGC 发展的关键
从技术上看，生成算法、预训练模型、多模态技术是 AIGC 发展的关键。从流程上看，算 法接收数据，进行运算并生成预训练模型，多模态技术则是将不同模型融合的关键。长期 看大模型 多模态将成为趋势：
#1 生成算法持续优化
算法即解决问题的策略和机制，2014 年伊恩·古德费洛提出的 GAN（Genrative Adversarial Network，生成对抗网络）成为最早的 AI 生成算法。随后 Diffusion、 Transformer、基于流的生成模型（Flow-based models）、CLIP（Contrastive LanguageImage Pre-Training）等深度学习算法相继被推出，其中 Diffusion 逐渐代替 GAN 成为图 像生成的主流模型，Transformer 的推出为预训练模型奠定了基础，CLIP 则广泛应用在多 模态技术中。
#2 预训练模型持续完善
2015 年以前，小模型一度被认为是行业发展的方向，但这些小模型更偏向处理分析性任 务 ， 生成 能 力较 弱。 2017 年 谷 歌 研究 院 在《 Attention is All You Need 》中提出 Transformer 算法的概念，而 Transformer 能够有效提取长序列特征，具备较高的计算效 率和可扩展性，大大降低训练时间。2018 年谷歌发布基于 Transformer 的 NLP（Natural Language Processing，自然语言处理）预处理模型 BERT，标志着人工智能进入预训练 模型时代。
从流程上看，预训练模型采用两阶段学习法，即首先在大量的通用数据上训练并具备基础 能力，再结合多样的垂直行业和场景对预训练模型进行微调，从而有效提升开发效率。随 着参数规模的扩大，预训练模型在语言理解，图像识别等领域迅速取得突破，所需的计算 量也急剧增长。据红杉资本，2015-2020 年，用于模型训练的计算量增加了 6 个数量级。 据腾讯研究院，按照类型分类，预训练模型包括：1）NLP（自然语言处理）模型，使得 人与计算机能够用自然语言有效通信，包括 OpenAI 的 GPT 系列，Facebook 的 M2M100；2）CV 模型（Computer Vision，计算机视觉），运用计算机及相关设备对生物视觉 进行模拟，比如微软的 Florence；3）多模态预训练模型，包含图像、文字、视频等多种 形式，如谷歌的 Image、Stability AI 的 Stable Duffusion 等。
#3 多模态技术快速发展
多模态技术（Multimodal Technology）即将图像、语音、视频、文字等多模态融合的机器 学习技术，而 CLIP（Contrastive Language–Image Pre-training）的推出成为跨模态应用 生成的重要节点。CLIP 在 2021 年由 OpenAI 开源推出，能够将文字和图像进行关联且关 联特征丰富，后续“CLIP 其他模型”成为跨模态生成领域的较通用的做法，如 Disco Diffusion 便是将 CLIP 与 Diffusion 模型进行关联，用户输入文字指令便能够生成相关的图 片。在多模态技术的加持下，预训练模型已经从早期单一的 NLP、CV 向多模态、跨模态 的方向发展。
AIGC 产业链基础层/中间层/应用层，中外差距约 3 年
从产业链结构来看，AIGC 主要包括基础层、中间层和应用层，中外差距在 3 年左右。由 于技术与投资环境差异，AIGC 在我国大多作为公司的部分业务进行开发，独立的初创公 司数量较少，导致 AIGC 实际的场景开发较国外仍有差距。据量子位，中外公司的整体差 距在 3 年左右，底层技术是核心原因。
#1 基础层
基础层即预训练模型，构成了 AIGC 的基础。随着预训练模型参数的增加，预训练所需要 的数据量同样快速提升，带来较高的成本投入。据中国信通院与京东探索研究院发布的 《人工智能生成内容白皮书 2022》，模型参数量已从最初的千万级发展到了千亿级别，训 练代价也从数十天增长到几十万天（按在单张 V100 GPU 计算）。据北京智源人工智能研 究院，2020 年 OpenAI 发布的 NLP 模型 GPT-3 的参数量约 1,750 亿，训练数据量达 45TB，模型训练成本近 1,200 万美元。因此该领域的参与者主要是科技巨头与头部的研究 机构，如 OpenAI、谷歌、微软、Meta、百度等。
#2 中间层
中间层即垂直化、场景化、个性化的模型。在预训练模型的基础上，能够快速生成垂直化 的小模型，实现流水线式的开发，降低开发成本，提升效率。如 Stable Diffusion 开源后 多个绘画模型基于 Stable Diffusion 开发，二次元绘画领域包括知名的 NovelAI，而昆仑万 维的天工巧绘 SkyPaint 模型则采用全球第一款多语言 Stable Diffusion 分支模型，兼容 Stable Diffusion。据腾讯研究院，随着大模型 多模态加速成长为通用性技术平台，模型 即服务（Model-as-a-Service，MaaS）逐渐实现，通过 API 授权有望助力 AIGC 变现。
#3 应用层
应用层即面向 C 端的 AIGC 应用。从模态上看，应用层包括图像、音频、文本、视频等， 其中图像领域代表产品包括 MidJourney、Dream Studio 等；音频包括 DeepMusic 等；文 本包括 ChatGPT、Sudowrite 等；视频包括 Runway 等。从形式上看，应用层包括 App、 网页、小程序、聊天机器人等，将 C 端用户与模型联通，已经逐渐渗透到生活中的各个领 域，如 MidJourney 搭载在聊天软件 Discord 中推出，ChatGPT 则支持网页直接登录，国 内的如昆仑万维的天工巧绘 SkyPaint 能够通过微信小程序登录，满足用户的多样化需求。
AIGC 从效率、质量、多样性为内容生产带来革命
AIGC 技术的突破性进展引发内容生产方式变革，内容生产由 PGC（专业制作）和 UGC （用户创作）时代逐渐步入 AIGC 时代。AIGC 顺应了内容行业发展的内在需求，一方面 内容消费量增加，急需降低生产门槛，提升生产效率；另一方面用户端表达意愿明显上升， 消费者对内容形态要求更高，内容生成个性化和开放化趋势明显。
