【智慧城市網(wǎng) 企業(yè)關注】2023年，被稱作ChatGPT元年，ChatGPT現(xiàn)世至今，AIGC這把火徹底點燃了全世界。
ChatGPT自身在推出2個月后，月活用戶突破1億，成為史上用戶增長速度最快的消費級應用程序，必應也在接入GPT能力后日活突破1億；行業(yè)大牛們則親自下場，紛紛離職創(chuàng)業(yè)，激戰(zhàn)AIGC。
發(fā)展到如今，AIGC的規(guī)模到底有多大？水有多深？里面能容納多少玩家？誰能笑到最后？
近日，量子位在中國AIGC產(chǎn)業(yè)峰會上發(fā)布了《中國AIGC產(chǎn)業(yè)全景報告》。
市場有多大？
量子位智庫預測，到2030年，AIGC市場規(guī)模將達到1.15萬億元規(guī)模。
報告指出，AIGC有狹義和廣義概念之分。
狹義的AIGC與普通用戶更為貼近，更關注圖像、文本、音頻、視頻等內(nèi)容生成，和Generative AI(生成式AI) 、Synthetic media(合成式媒體)等概念類似。
論廣義概念，還包含策略生成(如Game AI中游戲策略生成)、代碼生成(GitHub Copilot)、蛋白質(zhì)結(jié)構(gòu)生成等。
基于此，結(jié)合行業(yè)關鍵場景和玩家分布情況，目前，我國還處于AIGC發(fā)展的初期階段，競爭趨勢不明顯，需要調(diào)整開發(fā)、資金等投入，尋求整體生態(tài)的快速搭建。
至2030年，AIGC產(chǎn)業(yè)發(fā)展共分三個階段：
1、培育摸索期(2023-2025)：整體均處于業(yè)務場景驗證和變現(xiàn)探索期。
底層大模型發(fā)展加速，中間層尚未出現(xiàn)相關玩家，基于Stable Diffusion等開源模型的上層應用迅速出現(xiàn)，但受底層大模型接口限制，大部分技術(shù)尚未達到穩(wěn)定進入實際生產(chǎn)環(huán)節(jié)的水平。
2、應用蓬勃期(2025-2027)：基本價值創(chuàng)作路徑和技術(shù)思路得到確認。
行業(yè)普遍嘗試應用人機共創(chuàng)，且內(nèi)容資訊、娛樂傳媒等領域利用AIGC產(chǎn)生確定性價值。這一時期，底層大模型和中間層模型主要玩家基本確定，開放API增加，整體入局玩家增多，尤其是大量應用層玩家。
3、整體加速期(2028-2030)：產(chǎn)業(yè)生態(tài)完善。
報告指出，2028年往后，AIGC在個性化、實時化、自主迭代等方向上的延展價值得到充分發(fā)揮，和其他業(yè)務系統(tǒng)進行緊密連接，會有相關初創(chuàng)公司產(chǎn)生完整解決方案。這一階段AIGC成為內(nèi)容領域基礎設施，預計會催生出完全不同的新業(yè)態(tài)。
截至報告發(fā)布，國外AIGC賽道已有8家獨角獸公司。
其中，推出了ChatGPT的OpenAI估值高達200億美元，其次是Hugging Face 20億美元。最新一家獨角獸是成立16個月的Character.AI，估值10億美元。此外，名單中還有Lightricks(18億美元)，Jasper(15億美元)，Glean和Stability AI(均為10億美元)，以及Anthropic(3億美元)。
2022年以來，我國AIGC賽道出現(xiàn)了10余筆投資，其中融資體量最大的水上項目包括小冰公司(10億元)、超參數(shù)科技、智譜AI、瀾舟科技等。其余公司，包括數(shù)字力場、Tiamat、聆心智能、西湖心辰、深氧科技等，大多為數(shù)千萬人民幣級別融資。
然而，國內(nèi)尚未看到與國外AIGC獨角獸公司相匹配的收入產(chǎn)生。但經(jīng)過對投資機構(gòu)的廣泛調(diào)研，多家機構(gòu)已高度明確要將AIGC作為主投賽道，并推出了相應的孵化項目，預計本年度融資規(guī)模將有數(shù)倍增長。
伴隨底層大模型生態(tài)的逐步開放，商業(yè)價值的落地驗證，預計到2024年左右，融資規(guī)模將出現(xiàn)首次階段性的指數(shù)級增加。
從融資現(xiàn)狀來看，全球AIGC賽道持續(xù)走熱，如何跑通商業(yè)模式產(chǎn)生實際營收，成為市場另一個關注焦點。
報告細分出5種不同的營收模式：
NO.1 MaaS（Model as Service）
適用于底層大模型和中間層進行變現(xiàn)，按照數(shù)據(jù)請求量和實際計算量計算。
到2027年，MaaS模式占市場規(guī)模比例將從5%增長至47%。
NO.2 按產(chǎn)出內(nèi)容量收費
適用于應用層變現(xiàn)，如按圖片張數(shù)、請求計算量、模型訓練次數(shù)等收費。到2027年，該模式市場規(guī)模占比將從60%下降至32%。
該模式的關鍵在于如何從單次好奇驅(qū)動的行為切入，保證產(chǎn)品長期的復購率。
整個過程會受到具體屬性影響，如版權(quán)授予(支持短期使用權(quán)、長期使用權(quán)、排他性使用權(quán)和所有權(quán)多種合作模式，擁有設計圖案的版權(quán))、是否支持商業(yè)用途(個人用途、企業(yè)使用、品牌使用等)、透明框架和分辨率等。
NO.3 軟件訂閱付費
第三種模式即ChatGPT Plus現(xiàn)有的盈利方式之一：每月向用戶收取20美元費用。該模式在現(xiàn)有市場占有10%左右的比例。按照這種模式，Jasper等初創(chuàng)企業(yè)已經(jīng)產(chǎn)生了營收。展開來說，Jasper以類SaaS服務的形式進行收費，分為初級、高級和訂制三個模式，成立當年營收額就達到4500萬美元，并收獲了7萬名用戶。
這意味著AI正以越來越顯性的方式產(chǎn)生商業(yè)模式。國內(nèi)部分領先的AIGC公司，在用戶規(guī)模、內(nèi)容生成量上在2022年亦快速起步，2023年開始產(chǎn)生營收及盈利并非難事，但能否形成SaaS訂閱模式尚待觀察。
NO.4 模型訓練費用
即最為傳統(tǒng)的項目開發(fā)制度，如今占據(jù)市場營收份額的25%，到2027年，預計將有12%左右的下滑。
NO.5 其他模式
包括廣告/流量模式，依靠產(chǎn)品獲取用戶點擊，從中獲得廣告流量，這種營收模式的關鍵在于產(chǎn)品如何獲得復購。
由于屬于小型項目，在市場規(guī)模測算中暫不單獨考慮。
玩家有幾類？
報告按照基礎設施層、模型層和應用層將它們分為三大類。
NO.1 基礎設施層
這層玩家分別為行業(yè)提供數(shù)據(jù)、算力、計算平臺、模型開發(fā)訓練平臺以及其他配套設施。
首先，數(shù)據(jù)方面，數(shù)據(jù)的數(shù)量、在行業(yè)/領域和顆粒度上的豐富性、以及和業(yè)務之間的反饋關系都有著極高的要求。
對于預訓練大模型而言，多模態(tài)的數(shù)據(jù)集至關重要，以此才能讓模型學習到更加完備的表示。
該層面的玩家包括數(shù)據(jù)提供方和服務方，前者可提供通用數(shù)據(jù)、垂類數(shù)據(jù)、特定任務下的標注數(shù)據(jù)、審核數(shù)據(jù)以及創(chuàng)作者生態(tài)；后者則主要負責數(shù)據(jù)分拆及標注等。
其次，算力方面。據(jù)微軟統(tǒng)計，光是GPT-3.5在Azure AI超算基礎設施上消耗的總算力就需7-8個耗資30億美元投資規(guī)模的數(shù)據(jù)中心來支持運行。
因此算力玩家也是其中無比之重的一環(huán)，可分類為：以智算中心為代表的算力集群商、國產(chǎn)芯片商以及云服務商等。(計算平臺和模型開發(fā)訓練平臺略。)
最后，其他配套設施方面的玩家扮演的主要是檢測審核、交易撮合方、第三方確權(quán)及計價方以及創(chuàng)作配合工具(如渲染引擎)等方面的角色。
NO.2 模型層
這層主要分為底層通用大模型和中間層模型玩家。前者相對最容易形成壁壘，影響因素包括人才、時間、數(shù)據(jù)和資金等多個方面。
按開放模式可以分為：
(1)完全自有、不對外開放；
(2)開源，如2022年下半年起帶來文生圖領域蓬勃發(fā)展的CLIP及Stable Diffusion；
(3)API對外開放，這類模型的輸出結(jié)果相對固定，但不同接口之間能夠相互結(jié)合得到更優(yōu)產(chǎn)出或是跨領域的產(chǎn)出；
(4)模型站，如Hugging Face、魔搭ModelScope。
中間層模型玩家則主打垂直化、行業(yè)化和細分化，分為：
(1)中間集成商，主要組合多個接口，形成新的大模型；
(2)行業(yè)大模型商，由底層模型持有者進行端到端提供；
(3)以及二次開發(fā)商，主要增加行業(yè)特色數(shù)據(jù)和行業(yè)認知。
根據(jù)行業(yè)/場景的理解和資源累計程度、資金成本支撐、上層數(shù)據(jù)支撐、上層應用生態(tài)、戰(zhàn)略生態(tài)合作/投資、工程效果與技術(shù)成本以及AIGC技術(shù)能力的成熟這7個指標，報告給出了目前模型層的代表玩家名單：
NO.3 應用層
如果按照基于底層邏輯的應用，這層玩家涉及的業(yè)務分別包括：
1、生產(chǎn)可直接消費內(nèi)容
其核心是AI在創(chuàng)意度和規(guī)模化中提供平衡點。對UGC而言，能夠降低內(nèi)容創(chuàng)作門檻；對PGC來說，能夠代替人工完成聲音錄制、圖像渲染等基礎性創(chuàng)作工作。
需要注意的是，該場景的價值主要是降本增效。
報告指出，鑒于我國的內(nèi)容供給市場相對飽和，相關公司需要關注對具體場景的供需情況進行謹慎分析，確定AI對內(nèi)容供給速度的提升是否具有實際意義。
2、結(jié)合底層系統(tǒng)，生產(chǎn)含有附加價值的內(nèi)容
例如超個性化、實時化、行業(yè)特色化。
注意由于需要和底層系統(tǒng)進行配合，相關提供方需要關注上下游業(yè)務接口的打通，以及相關領域知識的深化設計。
以內(nèi)容營銷領域為例，AIGC并不應當作為單獨的服務對外提供，還是隸屬于“創(chuàng)意供給—內(nèi)容生產(chǎn)—內(nèi)容管理(素材庫與數(shù)據(jù)庫)—內(nèi)容分發(fā)—數(shù)據(jù)方案”中的內(nèi)容生產(chǎn)部分。
由于品牌主最終是以整體的廣告營銷效果為標準，要使AIGC最終能夠得到理想效果，基礎素材、營銷策略設定、技術(shù)生成、評估優(yōu)化、數(shù)據(jù)回流等缺一不可。
3、提供內(nèi)容生產(chǎn)輔助工具
模式包括：
由AI提供相關創(chuàng)作線索或基礎草圖，專業(yè)人員進行細致化調(diào)整或是補充特定素材；
由AI完成特定操作性工作，比如局部特效生成、低分辨率轉(zhuǎn)高分辨率等。
該類玩家需要注意四點：
(1)國內(nèi)對工具類產(chǎn)品的付費意愿有限，尤其是C端；
(2)需要關注場景本身的工具屬性，據(jù)業(yè)內(nèi)人士反饋，由于AIGC目前的生成可控性相對有限，創(chuàng)作工具在使用中的可介入程度會嚴重受到專業(yè)因素的影響；
(3)需關注相關業(yè)務平臺的潛在跨界競爭，這主要是因為該賽道通常與內(nèi)容分發(fā)及創(chuàng)作平臺形成強綁定，大廠在壟斷性方面也更強；
(4)人才結(jié)構(gòu)的轉(zhuǎn)移。
4、用于提供打包內(nèi)容或解決方案
接下來，如果按照基于模態(tài)的應用分類，我們可以看到分別主營以下業(yè)務的玩家：
1、文本生成，包括：
(1)直接生成應用型文本，已發(fā)展較成熟，以客服類的聊天問答、新聞撰寫等為核心場景。有相關行業(yè)人士預測，到2030年，90%以上的新聞將由機器人完成；
(2)直接生成創(chuàng)作型文本，適用于劇情續(xù)寫、營銷文本等細分場景，目前在語義層次的長文本通順上還有較大的提升空間；
(3)生成交互型文本，典型場景為智能客服/聊天機器人/虛擬伴侶/游戲中的NPC個性化交互等；
(4)文本輔助生成，是目前國內(nèi)工具落地最為廣泛的場景，主要包括定向采集信息素材、文本素材預處理、自動聚類去重，并根據(jù)創(chuàng)作者的需求提供相關素材等功能，代表公司如寫作貓。
2、音頻生成，包含已經(jīng)相當成熟的TTS場景和音樂創(chuàng)作。
該業(yè)務可提高歌曲樂曲、有聲書、配音等內(nèi)容的創(chuàng)作效率，實現(xiàn)有聲內(nèi)容的規(guī)模化生產(chǎn)。可實現(xiàn)聲音IP化附屬價值的語音克隆也算其中的一個應用。
3、圖像生成，這一領域潛力巨大。據(jù)繪畫生成網(wǎng)站6pen，未來5年全球10%-30%的圖像有望由AI生成或輔助生成。
具體場景則可分為圖像屬性編輯、局部生成及更改以及端到端的圖像生成。
4、視頻生成，包括視頻自動剪輯、屬性編輯、視頻到視頻的自動生成等。
5、跨模態(tài)生成，包括文字生成圖像(也分功能性和創(chuàng)意性)、文字生成視頻(有更高的長序列建模要求，比文生圖發(fā)展得要滯后兩年左右)、圖像/視頻到文本(跨模態(tài)搜索、視覺問答系統(tǒng)、配字幕、標題生成)等。
6、策略生成，主要指AI基于特定問題和場景自主提出解決方案的過程，在游戲、自動駕駛、機器人控制等領域有極高的應用價值。
報告認為，總的來看，目前整體層級尚不夠完整。由于資金量的需求，預計全棧全場景端到端的玩家數(shù)量相對有限。
其中模型層成為當前關鍵卡口，在一定程度上限制了上下層級的發(fā)展，應用層則是創(chuàng)業(yè)友好度最高的部分。
不過，若能在不同層級間形成良好的生態(tài)合作關系，整個行業(yè)的快速成長和成本分攤都能獲得明顯好處。
智慧城市網(wǎng)APP
智慧城市網(wǎng)小程序
微信公眾號
移動版
