2024年中美AIGC產(chǎn)業(yè)商業(yè)化落地生態(tài)與發(fā)展趨勢分析報(bào)告-上海高級金融學(xué)院

中美AIGC產(chǎn)業(yè)商業(yè)化落地生態(tài)與發(fā)展趨勢分析報(bào)告研究報(bào)告概述《中美AIGC產(chǎn)業(yè)商業(yè)化落地生態(tài)與發(fā)展趨勢分析報(bào)告》由上海交通大學(xué)上海高級金融學(xué)院（高金）EED項(xiàng)目組、滬港國際科創(chuàng)金融實(shí)驗(yàn)室以及高金LLC實(shí)踐體驗(yàn)學(xué)習(xí)中心共同發(fā)布。該報(bào)告深入比較了中美兩國在AIGC（人工智能生成內(nèi)容）行業(yè)生態(tài)上的差異，并立足于AIGC應(yīng)用場景的實(shí)際落地，詳細(xì)剖析了AIGC技術(shù)在中美兩國多個關(guān)鍵產(chǎn)業(yè)領(lǐng)域的最新應(yīng)用進(jìn)展與商業(yè)價(jià)值，旨在為企業(yè)及相關(guān)機(jī)構(gòu)在產(chǎn)業(yè)布局、投資決策、政策支持等方面提供策略性建議和參考依據(jù)。報(bào)告顯示，當(dāng)前中國和美國的企業(yè)和投資者正積極探索AIGC技術(shù)的商業(yè)化落地和變現(xiàn)途徑，但在不同應(yīng)用領(lǐng)域的發(fā)展呈現(xiàn)出顯著差異：部分場景和領(lǐng)域已實(shí)現(xiàn)了實(shí)質(zhì)性的商業(yè)化進(jìn)展，而其他領(lǐng)域則仍處于探索階段，前景不甚明朗。研究報(bào)告背景在全球范圍內(nèi)，人工智能生成內(nèi)容（AIGC）技術(shù)正以空前的速度和深度改變著各個行業(yè)。作為世界最大的兩個經(jīng)濟(jì)體，中美兩國在AI領(lǐng)域的發(fā)展對全球具有深遠(yuǎn)近年來，中美兩國在AIGC技術(shù)方面的進(jìn)展尤為矚目。美國方面，如Midjourney推出的AI繪圖工具和微軟與OpenAI合作推出的GitHubCopilot等項(xiàng)目備受關(guān)注；而在中國，百度的文心一言，字節(jié)跳動的豆包，以及科大訊飛的訊飛星火等產(chǎn)品的推出，同樣標(biāo)志著中國在AIGC領(lǐng)域的顯著進(jìn)步。研究方法為深入研究中美AIGC產(chǎn)業(yè)的商業(yè)化落地生態(tài)和應(yīng)用，課題組選取了2021年1月至2024年3月期間的AIGC商業(yè)化案例數(shù)據(jù)作為研究樣本，側(cè)重于分析AIGC產(chǎn)業(yè)的應(yīng)用落地場景，對其發(fā)展環(huán)境和生態(tài)進(jìn)行研究，比如產(chǎn)業(yè)鏈的上下游的分布，細(xì)分賽道的規(guī)模、結(jié)構(gòu)，AIGC行業(yè)的政策環(huán)境、人才狀況等，其次從應(yīng)用價(jià)值（市場空間大?。?、應(yīng)用難度（落地的難度、業(yè)務(wù)邏輯復(fù)雜度、算力成本、語料成本、語料獲取的難度、語料規(guī)模大?。h(huán)境現(xiàn)狀（客戶側(cè)落地進(jìn)展、AIGC廠商進(jìn)展、投融資規(guī)模數(shù)據(jù)簡況）進(jìn)行細(xì)致分析、橫向縱向比較。并通過對比實(shí)際案例，進(jìn)一步分析影響AIGC企業(yè)估值及投資回報(bào)的關(guān)鍵因素，如技術(shù)創(chuàng)新能力、市場占有率、盈利模式、用戶增長、品牌影響力等。研究發(fā)現(xiàn)當(dāng)前，全球企業(yè)和投資者正積極探索AIGC技術(shù)的商業(yè)化落地和變現(xiàn)途徑。不同應(yīng)用領(lǐng)域的發(fā)展呈現(xiàn)出顯著差異：部分場景和領(lǐng)域已實(shí)現(xiàn)實(shí)質(zhì)性的商業(yè)化進(jìn)展，而其他領(lǐng)域則仍處于探索階段，前景不甚明朗。中美AIGC行業(yè)生態(tài)差異與共性：1.中美進(jìn)展：中美在AIGC領(lǐng)域均有顯著進(jìn)展，美國以創(chuàng)新驅(qū)動，中國以市場需求為導(dǎo)向。2.應(yīng)用場景落地：中美AIGC技術(shù)在代碼研發(fā)、知識管理&內(nèi)容創(chuàng)作、客服&銷售智能體、醫(yī)療&醫(yī)藥的科學(xué)研究等應(yīng)用場景的落地進(jìn)展迅速。3.行業(yè)落地：中美AIGC技術(shù)在金融、信息技術(shù)、醫(yī)療等行業(yè)落地進(jìn)展迅速。AIGC技術(shù)的商業(yè)價(jià)值與挑戰(zhàn)：市場空間：AIGC技術(shù)已經(jīng)在數(shù)個行業(yè)與應(yīng)用場景的交叉領(lǐng)域展現(xiàn)出巨大的市場潛應(yīng)用難度：技術(shù)門檻、算力成本、語料獲取難度是主要挑戰(zhàn)。投融資活躍：中美AIGC領(lǐng)域的投融資活躍，尤其是在藥物研發(fā)等領(lǐng)域。AIGC技術(shù)的發(fā)展和商業(yè)化前景仍充滿挑戰(zhàn)與不確定性，需要行業(yè)內(nèi)外的持續(xù)關(guān)注和深入研究，以實(shí)現(xiàn)其在各領(lǐng)域的廣泛應(yīng)用和商業(yè)價(jià)值的最大化。對于投資者而言，這要求他們在評估相關(guān)企業(yè)的投資價(jià)值時(shí)，不僅考慮技術(shù)潛力，還需關(guān)注其商業(yè)化進(jìn)程和市場反應(yīng)。指導(dǎo)教授總結(jié)課題組指導(dǎo)教授上海高級金融學(xué)院教授蔣展表示：今天，AIGC大模型技術(shù)如上世紀(jì)的互聯(lián)網(wǎng)技術(shù)一樣，對于全球產(chǎn)業(yè)都帶來了巨大的技術(shù)革新推動力，但其商業(yè)化前景目前依然不清晰，所以對于AIGC技術(shù)在應(yīng)用場景與行業(yè)領(lǐng)域交叉維度的落地進(jìn)展與挑戰(zhàn)進(jìn)行深入的分析顯得尤為有意義，課題項(xiàng)目組研究了大量具象的AIGC落地案例與數(shù)據(jù)，讓我們可以對中美AIGC產(chǎn)業(yè)商業(yè)化落地的真實(shí)進(jìn)展、市場空間與現(xiàn)實(shí)的挑戰(zhàn)問題有一個全面的了解，從而對其未來發(fā)展的趨勢也能有較為清晰的判斷。附錄：《中美AIGC產(chǎn)業(yè)商業(yè)化落地生態(tài)與發(fā)展趨勢分析報(bào)告》內(nèi)容節(jié)1.1應(yīng)用場景：代碼研發(fā)1.1.1金融業(yè)應(yīng)用價(jià)值市場空間：****中國銀行業(yè)對于金融科技領(lǐng)域的總投入金額達(dá)到2793.2億元，其中對于從事金融科技領(lǐng)域相關(guān)人員開支達(dá)到172.5億元；證券行業(yè)對于金融科技的投入金額達(dá)到417億元，其中對于人員投入達(dá)到105.9億元。（數(shù)據(jù)來源：金融時(shí)報(bào)-中國金融新聞網(wǎng)）以行業(yè)頭部的六大行為例，累計(jì)科技人員達(dá)到9.48萬人?？傮w來看，金融領(lǐng)域?qū)τ谙到y(tǒng)開發(fā)的成本支出較大。應(yīng)用難度邏輯難度：****金融行業(yè)涉及的業(yè)務(wù)邏輯復(fù)雜且高度專業(yè)化，需要深入理解相關(guān)的業(yè)務(wù)流程和規(guī)則。同時(shí)需要滿足開發(fā)者在多種編程語言、框架和場景下的需求。算力成本：****需要不斷學(xué)習(xí)和適應(yīng)新的開發(fā)需求，訓(xùn)練和推理過程中需要消耗大量的計(jì)算資源。金融行業(yè)本身對數(shù)據(jù)合規(guī)性、安全性、可信性等存在高要求，因此以自建算力為主。語料大?。ǔ杀荆?***依賴于行業(yè)內(nèi)外大量的高質(zhì)量編程語料，金融行業(yè)的代碼和文檔通常涉及敏感數(shù)據(jù)，獲取和處理這些語料需要特別注意數(shù)據(jù)隱私和安全性。環(huán)境現(xiàn)狀中國工商銀行：已經(jīng)形成代碼推演預(yù)測、代碼自動生成、代碼檢索復(fù)用等能力，并以IDE插件的形式整合到開發(fā)中心，有效提升研發(fā)效能；編碼助手生成代碼量占總代碼量的比值達(dá)到40%。花旗銀行：使用大模型提高開發(fā)人員的工作效率并測試軟件漏洞。國金證券：以aiXcoder代碼大模型為核心引擎，結(jié)合國金證券三十年金融行業(yè)軟件資產(chǎn)沉淀及人工智能生態(tài)融合，共同構(gòu)建了一個代碼大模型的工程化應(yīng)用框架。（硅心科技服務(wù)）海通證券：與商湯科技合作，基于海通證券豐富的數(shù)據(jù)基礎(chǔ)，商湯大模型構(gòu)建了完整思維鏈，深入理解業(yè)務(wù)邏輯，為開發(fā)者提供了代碼智能補(bǔ)全與對話問答的服務(wù)，可有效提高開發(fā)效率。軟通動力：軟通天璇2.0平臺，包括代碼補(bǔ)全能力等。宇信科技：開發(fā)助手CodePal，提供代碼補(bǔ)全、自動化bug檢測、代碼規(guī)范檢查等功華為：金融大模型解決方案，包括智能編程助手等。商湯科技：日日新SenseNova5.0，包含代碼生成及補(bǔ)全。1.1.2信息技術(shù)與軟件開發(fā)業(yè)應(yīng)用價(jià)值市場空間：*****2024年全球IT支出預(yù)計(jì)將達(dá)到5.26萬億美元，全球軟件開發(fā)人員總數(shù)將達(dá)到2870萬。市場調(diào)查機(jī)構(gòu)Gartner2024年發(fā)布報(bào)告，2023年年初企業(yè)軟件工程師使用AI代碼助手的比例不到10%，不過預(yù)估到2028年將達(dá)到75%。（數(shù)據(jù)來源：環(huán)球網(wǎng)科根據(jù)Boss直聘的《2023年中國程序員人才發(fā)展報(bào)告》，中國程序員數(shù)量約為700萬人，IT研發(fā)人員群體龐大。研發(fā)人才意味著龐大的研發(fā)支出，比如百度23年研發(fā)支出約在270億元左右。提升研發(fā)效率對于科技巨頭降本增效意義巨大。應(yīng)用難度邏輯難度：***需要滿足開發(fā)者在多種編程語言、框架和場景下的需求。需要理解開發(fā)者的意圖，并根據(jù)這些意圖生成符合邏輯的代碼，涉及到復(fù)雜的邏輯推理和上下文理解能力。編程AI化是計(jì)算進(jìn)化的必然。從邏輯上來說，編程語言一直在進(jìn)化，從二進(jìn)制到后來的機(jī)器代碼，到匯編語言，再到高級語言。而編程語言不斷進(jìn)階的目的，就是為了讓編程難度更低、效率更高。預(yù)測編程語言的終極形態(tài)將是人人都掌握的自然語言。AI編程讓程序員專注于創(chuàng)造，助力企業(yè)研發(fā)降本增效。算力成本：***需要不斷學(xué)習(xí)和適應(yīng)新的開發(fā)需求，訓(xùn)練和推理過程中需要消耗大量的計(jì)算資源。頭部的大模型參數(shù)超過100億。語料大小（成本）：*****編程語言種類較多，每種語言的代碼語料巨大，頭部的大模型需要數(shù)十億行代碼的訓(xùn)環(huán)境現(xiàn)狀Gartner于2023年第3季度調(diào)查了全球598家知名企業(yè)，結(jié)果顯示63%的企業(yè)目前正在試用、部署或已經(jīng)部署了AI代碼助手。字節(jié)跳動：由字節(jié)跳動推出的MarsCode，字節(jié)超過70%的工程師都在使用，每月貢獻(xiàn)百萬行量級的代碼。埃森哲：使用AmazonCodeWhisperer加快編碼任務(wù)，可以幫助減少30%的開發(fā)工作華為云：盤古大模型智譜AI：CodeGeeX代碼大模型阿里云：AI編程助手通義靈碼百度：Comate微軟：GitHubCopilotX亞馬遜：CodeWhisperer谷歌：GeminiCodeAssistMeta：CodeLlama硅心科技：aiXcoderXL投融資規(guī)模：中國：智譜AI：2023年10月宣布年內(nèi)已累計(jì)獲得超25億元融資。硅心科技：2023年完成數(shù)千萬元人民幣A+輪融資。美國：YCombinator2024路演項(xiàng)目中，服務(wù)開發(fā)者的生成式AI占比約13%。Augment：2024年完成2.52億美元B輪融資，投后估值達(dá)到9.77億美元。CognitionLabs：2024年完成1.75億美元的新融資，估值已提升至20億美元。Replit：2023年獲得了a16z領(lǐng)投的9740萬美元融資，估值11.6億美元。Codium：2024年獲得6500萬美元融資，估值5億美元。1.2應(yīng)用場景：知識管理&內(nèi)容創(chuàng)作1.2.1金融業(yè)應(yīng)用價(jià)值市場空間：****金融業(yè)是單位數(shù)據(jù)產(chǎn)出量最高的行業(yè)，生成式人工智能將大幅提升內(nèi)部運(yùn)營效率，提高獲客能力，提升產(chǎn)品設(shè)計(jì)創(chuàng)新能力，和加強(qiáng)風(fēng)險(xiǎn)防控能力，有望為金融業(yè)帶來3萬億規(guī)模的增量商業(yè)價(jià)值。BCG曾以一家擁有約兩萬名員工的區(qū)域性國際銀行為例，初步梳理了該銀行前中后臺相關(guān)部門應(yīng)用生成式AI的潛力和效益，預(yù)計(jì)在首年即可為該銀行節(jié)省約1.5億美元的成本，占整體薪酬總包的7%左右。應(yīng)用難度邏輯難度：****金融領(lǐng)域的數(shù)據(jù)量龐大，對實(shí)時(shí)性，算力都有很高的要求；金融領(lǐng)域的數(shù)據(jù)安全系數(shù)要求高，隱私風(fēng)控等要求本地化部署大模型成本高；復(fù)雜的投融資決策沒有標(biāo)準(zhǔn)，機(jī)器難以捕捉，即便策略能保持一致性，歷史的決策也不需要復(fù)雜拆解邏輯的問題需要精心設(shè)計(jì)提示詞，很難通過精調(diào)訓(xùn)練行程，投入產(chǎn)出沒有算力成本：***即便是對數(shù)據(jù)進(jìn)行精調(diào)，也需要一定的高算力資源，若有成百上千個AI應(yīng)用同事在組織內(nèi)運(yùn)行，對硬件基礎(chǔ)設(shè)施的算力、穩(wěn)定性的要求都很高。語料大小（成本）：****千億級別的通用大模型，訓(xùn)練一次需要付出幾千萬的成本。大模型產(chǎn)業(yè)化的一大關(guān)鍵是突破應(yīng)用成本的門檻，模型參數(shù)量需維持在10B到100B之間。通過剪枝、低秩分解、稀疏化等方式能夠?qū)崿F(xiàn)；銀行業(yè)每100萬美元的數(shù)據(jù)產(chǎn)出820GB,數(shù)字資產(chǎn)規(guī)模千環(huán)境現(xiàn)狀我國銀行業(yè)42家上市銀行中，有6家已經(jīng)公布大模型技術(shù)開發(fā)與應(yīng)用信息。項(xiàng)目舉例：智能投顧（Wealthfront和Betterment等公司）；自動化報(bào)告生成（摩根大通-COiN（ContractIntelligence）平臺）；金融預(yù)測與風(fēng)險(xiǎn)管理（高盛和摩根士丹利等投資銀行）反欺詐和合規(guī)管理（Mastercard和Visa檢測和預(yù)防欺詐交易）個性化服務(wù)（花旗銀行（Citi）和美國銀行（BankofAmerica）AI聊天機(jī)器人）貸款審批和信用評分（LendingClub和Upstart）項(xiàng)目舉例：OpenAI的GPT-4被金融機(jī)構(gòu)用于生成市場分析報(bào)告、新聞?wù)涂蛻舴?wù)回復(fù)；IBMWatson被多家銀行和保險(xiǎn)公司用于合規(guī)檢查和風(fēng)險(xiǎn)管理；DeepMind的AI技術(shù)被用于開發(fā)高級金融模型，預(yù)測市場趨勢和生成交易策略。AzureAI平臺提供了多種生成式AI工具，被金融機(jī)構(gòu)用于自動生成財(cái)務(wù)報(bào)告、客戶服務(wù)聊天機(jī)器人和風(fēng)險(xiǎn)評估模型；HuggingFace的Transformers被金融公司用于文本生成和分析任務(wù)，如生成市場評論、財(cái)報(bào)摘要和客戶交流內(nèi)容；亞馬遜的AWSAI；AdobeSensei通過分析客戶行為數(shù)據(jù)，生成個性化的市場分析報(bào)告和營銷建議等。投融資規(guī)模：據(jù)不完全統(tǒng)計(jì)，2020年至2022年9月，AI+金融領(lǐng)域總計(jì)發(fā)生融資事件104起，輪次分布較為平均。截止2022年9月，AI+金融領(lǐng)域融資事件已達(dá)29起，基本持平2021年全年。（數(shù)據(jù)來源：中國AI+金融行業(yè)發(fā)展研究報(bào)告）中國：商湯（金融風(fēng)控、智能投顧，反欺詐）2021年10億美元融資；美國：OpenAI（金融市場預(yù)測、算法交易、客戶服務(wù)自動化）2023年獲得10億美元；。AlphaSense（金融研究、市場分析）2022年12月完成1億美元。1.2.2零售、電商業(yè)應(yīng)用價(jià)值市場空間：****2024年我國AI大模型市場規(guī)模有望達(dá)到216億元數(shù)據(jù)來源：根據(jù)2024-2030年中國大模型行業(yè)深度分析及發(fā)展策略研究報(bào)告預(yù)測）人工寫作100小時(shí)，AIGC10分鐘，人力成本每小時(shí)100元；文生圖/文生視頻將大量減少企業(yè)外包成本；在新一代大模型技術(shù)下得到極大優(yōu)化，開發(fā)成本也降低20倍；從真人形象采集到數(shù)字人視頻生成僅需5分鐘，24h播放最新內(nèi)容；單條創(chuàng)意耗時(shí)從30分鐘降到4分鐘，“AIGC文本創(chuàng)意”每天生產(chǎn)14億條，近7成的企業(yè)都用到了這個功能，近三分之一的創(chuàng)意展現(xiàn)都有AIGC參與；2分鐘就可產(chǎn)出100條創(chuàng)意，三步即可生成數(shù)字人廣告，為客戶在營銷過程中低成本提質(zhì)增效；未來四年10%-30%的圖片內(nèi)容由AI參與生成，有望創(chuàng)造超過600億以上市場規(guī)模；海外短劇市場規(guī)模的估算將突破百億級美元。（數(shù)據(jù)來源：金融界）應(yīng)用難度邏輯難度：*****這類技術(shù)處于快速發(fā)展階段，其技術(shù)門檻、運(yùn)算資源需求以及數(shù)據(jù)需求都較高。這類系統(tǒng)需要大量的高質(zhì)量圖像和視頻數(shù)據(jù)進(jìn)行訓(xùn)練，而獲取這類數(shù)據(jù)是一項(xiàng)挑戰(zhàn)；深度學(xué)習(xí)模型需要大量的計(jì)算資源和時(shí)間來進(jìn)行訓(xùn)練，且需要專業(yè)的技術(shù)團(tuán)隊(duì)和設(shè)備來承擔(dān)這一工作；雖然我們已經(jīng)看到了許多如GANs、Transformer等重要技術(shù)的成功應(yīng)用，但是在發(fā)表的研究中，這類模型在一些復(fù)雜場景或者特定任務(wù)上的表現(xiàn)仍然有待提高。算力成本：****文生視頻的人工智能模型參數(shù)通常在10億至100億級別；這樣的參數(shù)量級意味著需要大量的算力來支持模型的訓(xùn)練和推理過程。加州大學(xué)研發(fā)出新的Transformer架構(gòu)顯著減少大模型對GPU的依賴。在FPGA上實(shí)現(xiàn)的自定義硬件解決方案，處理十億參數(shù)規(guī)模的模型功耗約為13W，接近人腦的效語料大?。ǔ杀荆?****對于"文生視頻"來說，需要獲取的是文本和相應(yīng)的視頻配對數(shù)據(jù)，這種特定類型的數(shù)據(jù)在開放資源中獲取的難度相當(dāng)大。你可能需要自行創(chuàng)建或者通過專門的數(shù)據(jù)提供商購對于這種裁剪和標(biāo)注任務(wù)，需要專業(yè)的人員進(jìn)行標(biāo)注，使數(shù)據(jù)滿足特定的訓(xùn)練要求。在視頻信息豐富的情況下，這一過程既耗時(shí)間又復(fù)雜；深度學(xué)習(xí)模型通常需要大量的數(shù)據(jù)進(jìn)行訓(xùn)練，以便能夠泛化到各種可能的輸入條件。因此，所需的語料規(guī)?？赡芊浅Ｖ?。具體來講，可能需要數(shù)十萬甚至幾百萬的配對文本和視頻樣本。環(huán)境現(xiàn)狀“擎舵”AI數(shù)字人平臺操作更是簡單，3分鐘采集后將生成一個數(shù)字人“分身”，口播視頻分鐘級生產(chǎn)，真正做到了高效高產(chǎn)低成本。平均消費(fèi)對比投放投放前提升12%。七火山科技在3月7日宣布，經(jīng)過深度學(xué)習(xí)和人工智能領(lǐng)域前沿技術(shù)的深入研究，Etna模型正式發(fā)布。Etna模型不僅能夠根據(jù)用戶的文本提示創(chuàng)建長達(dá)15秒的逼真視頻，而且實(shí)現(xiàn)了4K分辨率和60幀每秒的超高流暢度。其他的AI視頻最高也只有每秒30幀，Etna成為目前效果最接近Sora的模型。七火山通過Lava平臺已與字節(jié)跳動、小米、快手建立合作關(guān)系，實(shí)現(xiàn)短劇內(nèi)容的角色換臉、對白配音及字幕翻譯，推動內(nèi)容本地化和國際化發(fā)展；MiniTV作為分發(fā)平臺，探索短劇海外發(fā)行的多元化模式；七火山應(yīng)用在印尼的月活已經(jīng)達(dá)到了4000萬的用戶，迷你圖片在印尼應(yīng)用排行前三。OpenAI的Sora文生視頻長達(dá)60秒；生數(shù)科技發(fā)布的Vidu生成時(shí)長為32秒；Runway的Gen-2為18秒；前京東副總裁梅濤成立的Hidream為15秒以上。Pika目前達(dá)到約4秒左右；Pika：開發(fā)基于AI模型技術(shù)的文生視頻工具，即將發(fā)布全新視頻生成大模型；Runway：知名的文生視頻平臺，它提供了一個視頻生成工具，允許用戶根據(jù)文本提示生成視頻內(nèi)容。七火山科技Etna：一家初創(chuàng)企業(yè)發(fā)布了Etna文生視頻模型，該模型在技術(shù)路線上與Runway和Pika有所不同，采用了擴(kuò)散模型技術(shù)；谷歌推出的AI視頻生成模型“W.A.L.T”；字節(jié)跳動文生視頻模型PixelDance；百度“輕舸”、“擎舵”和“商家bot”；Sora：由OpenAI推出的Sora模型是一個重要的文生視頻模型，能夠根據(jù)輸入的prompt生成長達(dá)60秒的視頻；愛詩科技創(chuàng)立于2023年4月，專注解決AI視頻大模型及應(yīng)用，海外版產(chǎn)品PixVerse于2024年1月正式上線，目前已是全球用戶量最大的國產(chǎn)AI視頻生成產(chǎn)品。王長虎透露，接下來3—6個月，愛詩最重要的目標(biāo)是，技術(shù)上能夠追平甚至趕超Sora。Fancytech：一鍵生成高顏值服裝模特圖，大幅降低商拍成本；筷子科技：面向全體量品牌的效率協(xié)同AI應(yīng)用產(chǎn)品——Kuaizi.aiAIGC內(nèi)容商業(yè)應(yīng)用平投融資規(guī)模：愛詩科技：完成億級人民幣A1輪融資；生數(shù)科技：3月12日，宣布完成新一輪數(shù)億元融資；Pika：6月份完成近6億B輪融資，Pika總?cè)谫Y額已Fancytech：已完成近億元B輪融資；筷子科技：內(nèi)容商業(yè)AIGC視頻應(yīng)用平臺筷子科技完成近5000萬元融資。1.2.3游戲娛樂業(yè)應(yīng)用價(jià)值市場空間：*****游戲行業(yè)從業(yè)人員減少了近萬人，在這樣的情況下，今年1-6月國內(nèi)游戲市場實(shí)際銷售收入為1472.67億元，同比增長2.08%；游戲用戶規(guī)模近6.68億人，同比增長0.88%。其中整個游戲行業(yè)研發(fā)人員占比74%。各大廠商開始工業(yè)化的AIGC美術(shù)流程來輔助內(nèi)容創(chuàng)作（實(shí)際運(yùn)用中保持了相當(dāng)?shù)目酥疲┨岣弋a(chǎn)能效率，變相減少研發(fā)成本，甚至美術(shù)、音樂外包成本，提高利潤率。游戲公司更多的作為AIGC商品的客戶側(cè)，使用AIGC工具來創(chuàng)造價(jià)值，通過AIGC相關(guān)工具已經(jīng)可以大大提升美術(shù)（原畫構(gòu)圖、鋪色）、動畫（動捕快速預(yù)覽、動作模擬）、文案（內(nèi)容框架生產(chǎn)、語法校正、歷史文學(xué)法律等專項(xiàng)內(nèi)容精準(zhǔn)化、劇情語音自動生成）來輔助工作以提高產(chǎn)能效率和準(zhǔn)確性，使生產(chǎn)速度提升至少20%，生產(chǎn)質(zhì)量至少提升15%。甚至網(wǎng)易公司透露，在游戲生產(chǎn)的多個關(guān)鍵環(huán)節(jié)，人工智能技術(shù)已經(jīng)顯著提升了工作效率，最高可達(dá)90%。應(yīng)用難度邏輯難度：***個性化、保持連貫性和一致性。理解復(fù)雜的人類情感和文化背景。AI模型需要與游戲引擎和其他開發(fā)工具無縫協(xié)作，遵守相關(guān)的法律法規(guī)。算力成本：****在3D建模、動畫和視覺效果的生成上生成定制內(nèi)容。實(shí)時(shí)、流暢性和互動性?？赡軙x擇使用云服務(wù)來獲取所需的算力。語料大?。ǔ杀荆?***許多游戲語料可能受到版權(quán)保護(hù)，使用這些語料可能需要獲得授權(quán)，這涉及到版權(quán)成本和潛在的法律風(fēng)險(xiǎn)。游戲內(nèi)容通常包括文本、圖像、音頻和視頻等多種模態(tài)的數(shù)據(jù)。整合這些不同模態(tài)的數(shù)據(jù)需要額外的工作和成本。環(huán)境現(xiàn)狀真實(shí)案例：游戲：Suno、so-vits-svc、GPT-SoVITS漫畫、動畫：StableDiffusio、Palette、MidJourney網(wǎng)文：ChatGPT、MidJourney開發(fā)商：Midjourney，工具：Midjourney；發(fā)展現(xiàn)狀：開源圖片AIGC工具StableDiffusion在開發(fā)性上更強(qiáng)，但Midjourney的易用性更高，對于二次優(yōu)化需求不強(qiáng)的美術(shù)環(huán)節(jié)更實(shí)用。開發(fā)商：Suno,工具：Suno;發(fā)展現(xiàn)狀：能夠滿足對音樂品質(zhì)要求不高的聽眾需求，但目前中文人聲清晰度還不夠，加工再創(chuàng)造的難度更高。開發(fā)商：字節(jié)跳動，工具：Dreami發(fā)展現(xiàn)狀：目前國內(nèi)可使用的文生視頻/圖生視頻中生成效果比較好的產(chǎn)品，但和Sora仍存在差距，生成時(shí)長較短，視頻穩(wěn)定性不足，很難直接應(yīng)用。投融資規(guī)模：近十年來，中國游戲企業(yè)的累計(jì)研發(fā)投入已超過萬億元，這一高投入水平為AIGC技術(shù)的發(fā)展提供了堅(jiān)實(shí)的資金支持。1.3應(yīng)用場景：客服&銷售智能體1.3.1金融業(yè)應(yīng)用價(jià)值市場空間：***根據(jù)中國銀行業(yè)協(xié)會數(shù)據(jù)，截至2022年末，銀行業(yè)金融機(jī)構(gòu)客服從業(yè)人員為4.38萬人，全年人工處理來電6.41億人次，70%的客服中心與遠(yuǎn)程銀行提供智能語音機(jī)器人服務(wù)，84%的客服中心與遠(yuǎn)程銀行提供智能文本機(jī)器人服務(wù)。根據(jù)職場網(wǎng)站數(shù)據(jù)，銀行客服崗位平均年薪為8.4萬元，工資規(guī)模為37億元，保守估計(jì)AIGC客服機(jī)器人可解決約50%的客服工作，估算市場規(guī)模約18.5億元。應(yīng)用難度邏輯難度：****金融產(chǎn)品類型豐富，客戶的個性化服務(wù)需求較高，且金融行業(yè)出于合規(guī)等原因，對數(shù)據(jù)安全和隱私保護(hù)要求極高，對所生成的回復(fù)內(nèi)容準(zhǔn)確度和合規(guī)要求也極高，整體實(shí)現(xiàn)的邏輯復(fù)雜性較高，邏輯難度較大。算力成本：***在高頻問題回復(fù)、通知和客戶回訪等業(yè)務(wù)場景中較易實(shí)現(xiàn)，算力成本低；在高端客戶開發(fā)和維護(hù)、復(fù)雜產(chǎn)品問題回復(fù)等業(yè)務(wù)場景中較難實(shí)現(xiàn)，且考慮合規(guī)對于所回復(fù)信息的嚴(yán)格監(jiān)管要求，算力成本較高。語料大?。ǔ杀荆?****語料獲取難度高，公開語料較少，金融機(jī)構(gòu)間出于合規(guī)等原因，語料不互通；語料規(guī)模相對較大，整體語料成本高。環(huán)境現(xiàn)狀同花順：成功落地財(cái)經(jīng)領(lǐng)域自然語言、語音問答系統(tǒng)“i問財(cái)”。提供多維度的股票、基金、債券數(shù)據(jù)，投資者輸入自然語言問句搜索想要的數(shù)據(jù)和信息。此外還有條件選股、研報(bào)圖表、精選策略、產(chǎn)品搜索、短線復(fù)盤、策略回測、宏觀經(jīng)濟(jì)等功能。美國銀行：利用AIGC技術(shù)完善其智能化客服，回答客戶相關(guān)產(chǎn)品和服務(wù)問題，如客戶可以詢問不同類型貸款的利率，或者不同投資賬戶的功能等。此外，該客服還可以用來處理賬戶交易，例如付款、轉(zhuǎn)賬和開設(shè)新賬戶等。招商銀行：2021年推出智能財(cái)富助理“AI小招”，基于大數(shù)據(jù)技術(shù)，通過知識沉淀與機(jī)器訓(xùn)練，為客戶提供收益查詢、漲跌分析、市場熱點(diǎn)解讀、產(chǎn)品推薦、資產(chǎn)配置建議等財(cái)富管理綜合服務(wù)。沃豐科技：采用Udesk為光大銀行提供完善、強(qiáng)□的第三□接□能□,通過快速、安全的□式對接客戶業(yè)務(wù)系統(tǒng)數(shù)據(jù)，實(shí)現(xiàn)了云呼叫中□的智能化定制；外呼任務(wù)分配之后，系統(tǒng)提供實(shí)時(shí)、準(zhǔn)確的監(jiān)控功能供管理員完成員□□作的監(jiān)控與考核針對光□外呼業(yè)務(wù)的特性，Udesk為光□銀行提供完善的外呼任務(wù)策略，從獲取外呼數(shù)據(jù)到執(zhí)□落地，□便管理監(jiān)督。智齒科技：為百年人壽提供智能一體化的解決方案，幫助以客戶服務(wù)為核心的客服部門、以全國各銷售團(tuán)隊(duì)為核心的精算部門實(shí)現(xiàn)業(yè)務(wù)智能化、管理數(shù)據(jù)化、平臺一體化，對內(nèi)、對外兩大業(yè)務(wù)模塊全面升級，實(shí)現(xiàn)機(jī)器人有效接待率98.5%，機(jī)器人獨(dú)立接待率95%。信也科技：通過垂類大模型輔助人工服務(wù)用戶，提升客服體驗(yàn)；其自主研發(fā)的支持多語種的高性能離線流式一體語音識別系統(tǒng)獲算法賽道金獎，金融客服生成式數(shù)字人坐席的大模型算法獲創(chuàng)業(yè)組TOP50。投融資規(guī)模：沃豐科技：率先搭建了一體化客戶全生命周期解決方案，自成立至今獲得了5輪融資，累計(jì)融資金額超7億元人民幣，投資方包括DCM中國、君聯(lián)資本、TigerGlobal、TMTInvestments等諸多頭部機(jī)構(gòu)。智齒科技：作為一家一體化客戶聯(lián)絡(luò)解決方案提供商，從2015年至今，共完成7輪融資，最新一輪D輪融資1億美元，投資方包括高瓴創(chuàng)投、用友、云啟資本、IDG資本、真格基金等投資機(jī)構(gòu)。1.3.2零售電商業(yè)應(yīng)用價(jià)值市場空間：*****根據(jù)商務(wù)部數(shù)據(jù)，2023年我國全年網(wǎng)上零售額15.42萬億元；根據(jù)京東集團(tuán)年報(bào)，2023年全年?duì)I收10847億元，其中商品收入8712億元。根據(jù)京東所披露的2024年數(shù)據(jù)，客服團(tuán)隊(duì)超過2萬名員工。據(jù)此比例可估算我國電商行業(yè)從業(yè)人員約為35萬人。根據(jù)職場網(wǎng)站數(shù)據(jù)，電商客服崗位平均年薪為7.5萬元，工資規(guī)模為263億元，保守估計(jì)AIGC客服機(jī)器人可解決約50%的客服工作，估算市場規(guī)模約132億元。應(yīng)用難度邏輯難度：***降低成本類場景：對于傳統(tǒng)電商、跨境電商、電商運(yùn)營等，其主要訴求是降低運(yùn)營成本，通過AIGC提供多語言客服，以及生成圖片、視頻、商品描述和文案等服務(wù)，從而降低人力成本，提升運(yùn)營效率，這類需求的實(shí)現(xiàn)邏輯難度相對較低。提升銷售類場景：對于內(nèi)容電商等，其主要訴求是通過制作內(nèi)容、展示商品、獲取流量和增加銷售額，雖然對成本并不敏感，但更注重銷售額和ROI，希望通過AIGC創(chuàng)造出與真人類似甚至更好的轉(zhuǎn)化率，以提升銷售額，這類需求的實(shí)現(xiàn)邏輯難度相對較高。算力成本：****降低成本類場景：內(nèi)容創(chuàng)作對創(chuàng)意要求相對較低，可從通用場景中作參考，其算力成本相對較低。提升銷售類場景：需要創(chuàng)意類內(nèi)容創(chuàng)作，其算力成本較高，且其算力要求會隨著場景對銷售需求的增長而增長。語料大?。ǔ杀荆?***降低成本類場景：語料獲取難度相對較低，對大型電商而言有大量語料可供訓(xùn)練，對創(chuàng)業(yè)公司而言有語料獲取難度。提升銷售類場景：語料獲取難度高，需要把toC的創(chuàng)意積累并轉(zhuǎn)化為know-how，再進(jìn)一步作為語料進(jìn)行應(yīng)用。環(huán)境現(xiàn)狀京東：目前形成了包括"智能情感客服"、"商家客服小智"、"AI導(dǎo)購助手"、"智能調(diào)度"、"智能輔助"和"智能管理"在內(nèi)的智能客服服務(wù)矩陣。比如“天弓”系統(tǒng)，在用戶來電的同時(shí)通過用戶訂單號、商品鏈接、歷史咨詢等信息快速預(yù)判客戶可能問到的問題，并為人工客服提供合理的解決方案，讓客服“未卜先知”，更好地解決客戶問題。Amazon：利用AIGC技術(shù)提供個性化購物體驗(yàn)，如個性化推薦和自動生成的產(chǎn)品描述，提升了商品頁面的豐富度和吸引力。抖音：推出“即創(chuàng)”商家AIGC工具箱，專注于智能創(chuàng)意生產(chǎn)與管理分析，同時(shí)兼容開放生態(tài)，提供視頻創(chuàng)作、圖文生成、直播工具等多種場景服務(wù)，讓商家免費(fèi)生成數(shù)字人視頻、圖文素材、短視頻腳本、直播腳本、直播背景等。FancyTech：利用業(yè)界前沿的自研視頻行業(yè)模型-DeepVideo，在消費(fèi)場景中落地AIGC解決方案。產(chǎn)品聚焦在電商視頻領(lǐng)域，品牌客戶只需將電商店鋪賬號授權(quán)給FancyTech，自研模型驅(qū)動會自動生成商品表達(dá)視頻，包括畫外音、音樂、字幕等，另可基于用戶數(shù)據(jù)反饋?zhàn)詣诱{(diào)優(yōu)持續(xù)提升視頻質(zhì)量。為大量消費(fèi)行業(yè)客戶提供高效穩(wěn)定的AIGC解決方案，實(shí)現(xiàn)成本降低和效率提升。樂言科技：將自然語言處理（NLP）、深度學(xué)習(xí)等AI技術(shù)與電商服務(wù)與營銷場景結(jié)合，為電商商家提供服務(wù)營銷全鏈路智能解決方案，以豐富的產(chǎn)品矩陣助力電商企業(yè)完成數(shù)智化轉(zhuǎn)型。百度：發(fā)布全球首個AlNative營銷平臺輕舸，通過生成式A貫通營銷方案表達(dá)和廣告投放優(yōu)化，預(yù)期將廣告投放轉(zhuǎn)化率提升超20%?？蓪?shí)現(xiàn)無需搭建計(jì)劃單元關(guān)鍵詞，無需區(qū)分搜索廣告、信息流廣告，可智能生成營銷方案，可以對話式交互設(shè)置預(yù)算、出價(jià)、時(shí)段、人群等指標(biāo)。投融資規(guī)模：FancyTech：成立于2020年4月，產(chǎn)品聚焦在電商視頻領(lǐng)域，2023年9月完成近億元B輪融資，由DCM領(lǐng)投，金沙江創(chuàng)投、華山資本等跟投，此前分別于2022年年初完成了金沙江創(chuàng)投的Pre-A輪融資，并于2022年11月完成由源數(shù)創(chuàng)投領(lǐng)投，金沙江創(chuàng)投、華山資本跟投的A輪融資。樂言科技：2024年4月，完成由中金資本旗下基金、上海人工智能產(chǎn)業(yè)投資基金領(lǐng)投，老股東阿米巴資本、云鋒基金、常春藤資本、眾為資本、藍(lán)湖資本、云九資本、初心資本、躍馬資本跟投的數(shù)億元人民幣D輪融資。截至目前，樂言科技共完成8輪融資，最近一年之內(nèi)獲得4次融資。1.4應(yīng)用場景：醫(yī)療&醫(yī)藥科學(xué)研究1.4.1藥物研發(fā)應(yīng)用價(jià)值市場空間：*****大模型技術(shù)通過深入分析海量蛋白質(zhì)數(shù)據(jù)，揭示生物分子的內(nèi)在規(guī)律，使得研究人員能夠設(shè)計(jì)出具有特定功能的新型蛋白質(zhì)。與傳統(tǒng)AI技術(shù)相比，大模型提供了多任務(wù)預(yù)訓(xùn)練能力，能夠更靈活地處理特定領(lǐng)域的任務(wù)，如藥物相互作用和分子性質(zhì)預(yù)測，同時(shí)，算法創(chuàng)新如PSG算法進(jìn)一步提升了預(yù)測準(zhǔn)確度，從而整體提高了藥物研發(fā)的效率和成功率。2022年全球AI制藥市場規(guī)模為10.4億美元，到2026年全球AI制藥市場規(guī)模將達(dá)到29.94億美元。（數(shù)據(jù)來源：ResearchAndMarkets、中商產(chǎn)業(yè)研究院《2023年全球AI制藥市場現(xiàn)狀預(yù)測分析》2023.5.8）截至2023年底，全球AI制藥企業(yè)數(shù)量為897家，其中，中國AI制藥公司為90家左右。全球上市的AI制藥公司共有16家，其中美國公司占據(jù)12家。中國AI制藥第一股晶泰科技于2024年6月13日在港股上市。應(yīng)用難度邏輯難度：*****靶點(diǎn)發(fā)現(xiàn)與驗(yàn)證、大分子與小分子藥物開發(fā)、藥物篩選等過程具有高度的科學(xué)復(fù)雜性，需要處理和分析大量的生物醫(yī)學(xué)數(shù)據(jù)。大模型需要整合多組學(xué)數(shù)據(jù)、解析蛋白質(zhì)結(jié)構(gòu)、預(yù)測化合物活性等，技術(shù)難度極高。算力成本：****通過AI大模型完全模擬藥物研發(fā)的這一過程對算力的要求極高，足量的訓(xùn)練數(shù)據(jù)仍然是一大瓶頸，算力成本可能非常高昂。語料大?。ǔ杀荆?****語料獲取可能面臨版權(quán)、隱私和商業(yè)機(jī)密等問題，獲取高質(zhì)量、大規(guī)模的語料具有一定難度。當(dāng)前行業(yè)大量的藥物研發(fā)數(shù)據(jù)主要掌握在大型藥企中，屬于藥企核心資產(chǎn)，往往不會輕易把數(shù)據(jù)分享出來。環(huán)境現(xiàn)狀截止2022年末，全球700多家AI制藥公司布局的環(huán)節(jié)包括：早期藥物開發(fā)（392家）、數(shù)據(jù)處理（235家）、臨床開發(fā)（149家）、端到端藥物開發(fā)（83家）、臨床前發(fā)展（57家）及藥物再利用（26家）。從當(dāng)前的進(jìn)展來看，落地主要集中在藥物發(fā)現(xiàn)和臨床前研發(fā)階段，AI制藥的強(qiáng)項(xiàng)還是在前端，即在早期藥物發(fā)現(xiàn)階段。在后端，尤其進(jìn)入臨床之后，目前AI制藥所能賦能的或者顯著加速的領(lǐng)域還不多，當(dāng)下還是要按照傳統(tǒng)的藥物研發(fā)的方式做臨床試驗(yàn)。項(xiàng)目舉例：1、Moderna：2024年4月，Moderna宣布與OpenAI展開深入合作，截至目前，Moderna員工已開發(fā)超過750個定制化的OpenAIChatGPT版本，用于協(xié)助選擇臨床試驗(yàn)的最佳劑量和對監(jiān)管機(jī)構(gòu)的回答；2、賽諾菲：在2024年5月，賽諾菲與AI藥企FormationBio及OpenAI達(dá)成合作，匯集各自的數(shù)據(jù)、軟件和調(diào)整模型，開發(fā)貫穿藥物開發(fā)全周期的定制化專屬解決方案；3、東陽光藥業(yè)：東陽光藥業(yè)自2023年起與華為云開展AI藥物研發(fā)合作，基于盤古藥物分子大模型對高精度藥物分子屬性和藥物結(jié)構(gòu)進(jìn)行優(yōu)化。目前已成功通過AI輔助快速獲得候選分子HEC169584，并計(jì)劃2024年下半年申請臨床；4、泓博醫(yī)藥:正在自行搭建PR-GPT多模態(tài)大型語言AI模型，主要用于處理和生成人類語言以及化學(xué)分子描述，目前知識問答、藥物分子生成、藥代動力學(xué)及毒理性質(zhì)預(yù)測等功能已上線進(jìn)行內(nèi)部測試，計(jì)劃于2024年四季度投入商業(yè)運(yùn)營。項(xiàng)目舉例：1、OpenAI：Moderna與OpenAI合作開發(fā)了超過750個定制化OpenAIChatGPT版本，優(yōu)化臨床劑量選擇和監(jiān)管溝通；2、華為：華為云盤古藥物分子對17億個藥物分子的化學(xué)結(jié)構(gòu)進(jìn)行了學(xué)習(xí)，生成了1億個篩選庫新穎性達(dá)99.68%；3、谷歌：在《自然》雜志刊發(fā)的論文中介紹AlphaFold3，稱AlphaFold3將蛋白質(zhì)與其他分子類型的相互作用預(yù)測準(zhǔn)確度較現(xiàn)有方法提升了至少50%；4、美國初創(chuàng)公司Profuluent：于2023年1月推出了基于Transformer架構(gòu)的12億參數(shù)蛋白質(zhì)語言模型Progen，該模型能夠根據(jù)特定屬性生成定制蛋白質(zhì)，實(shí)現(xiàn)了人工酶的從頭合成，標(biāo)志著蛋白質(zhì)設(shè)計(jì)和合成技術(shù)的重要突破；5、英矽智能：在其靶點(diǎn)發(fā)現(xiàn)平臺PandaOmics中集成了知識圖譜和ChatGPT，創(chuàng)建了ChatPandaGPT，使研究人員能夠通過自然語言交互更高效地識別潛在的藥物靶點(diǎn)和生物標(biāo)志物。目前，該平臺已在一些全球知名藥企中進(jìn)行靶點(diǎn)發(fā)現(xiàn)等方面的應(yīng)用；6、清華系初創(chuàng)團(tuán)隊(duì)水木分子：推出新一代對話式藥物研發(fā)助手ChatDD，涵蓋藥物立項(xiàng)、臨床前研究、臨床試驗(yàn)各階段，作為制藥專家的AI助手，提升藥物研發(fā)人員的工作效率。投融資規(guī)模：全球：AI+藥物研發(fā)相關(guān)融資總事件達(dá)104起，總金額為36.01億美元。美國：2023年美國的AI藥物研發(fā)融資事件為48起，融資總額占全球的80%。（數(shù)據(jù)來源：智藥局，《潮漲潮落！2023全球AI制藥融資總覽》，2024.1.22）中國：2023年中國的AI藥物研發(fā)融資事件32起，融資總額占全球的10%。（數(shù)據(jù)來源：智藥局，《潮漲潮落！2023全球AI制藥融資總覽》，2024.1.22）1.4.2輔助醫(yī)療應(yīng)用價(jià)值市場空間：***醫(yī)院和診所是主要應(yīng)用場景，在這些機(jī)構(gòu)中，AIGC被用于醫(yī)學(xué)影像診斷、臨床決策支持、患者管理和病歷記錄等。應(yīng)用價(jià)值：1、通過大模型分析圖像和文本，快速識別病理特征，提高診斷的準(zhǔn)確性和速度，從而降低醫(yī)療成本并提升醫(yī)療服