來源：量子位
作者：豐色
是時候給出一份全面的洞察結果了——
行業首份AIGC產業全景報告，主打硬核乾貨，它來了
2023年，被稱作ChatGPT元年，ChatGPT現世至今，AIGC這把火徹底點燃了全世界。
巨頭們卡著對手的時間點，爭相發布新產品，ChatGPT自身在推出2個月後，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能力後日活突破1億；行業大牛們則親自下場，紛紛離職創業，激戰AIGC。
由比爾蓋茨口中“此生所見兩項最具革命性的技術之一”引爆，AIGC讓人夢迴20年前互聯網最令人興奮的時刻。
發展到如今，AIGC的規模到底有多大？水有多深？裡面能容納多少玩家？誰能笑到最後？
量子位今日舉辦的中國AIGC產業峰會，就重點發布了這樣一份《中國AIGC產業全景報告》，幫助大家揭開這些問題的謎底。
這份由量子位智庫深入調研後發布的報告中，全面立體地回答了這些問題：
大模型與AIGC催生的內容生產與交互範式，會帶來多大的市場機遇？產學研界接連入局，可以抓住的賽道部署機會有哪些？對不同行業而言，狂飆的AIGC產業將掀起什麼樣的變革？ ……
此外，報告還提名了這條嶄新賽道上實力強勁的玩家——“中國AIGC 50”，讓市場看到值得關注與支持的AIGC優秀機構，以及它們背後的無限可能。
具體細節，我們翻開來看。
市場有多大？
170億人民幣。
這還只是2023年，量子位智庫預測，到2030年，AIGC市場規模將達到1.15萬億元規模。
為何做出這樣的判斷？讓我們遵循第一性原理，從AIGC的概念說起。
AIGC全稱為AI-Generated Content，指基於預訓練大模型、生成式對抗網絡（GAN）等人工智能技術，通過已有數據尋找規律，並通過釋放泛化能力生成相關技術的內容。
進一步理解時，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）、蛋白質結構生成等。
基於此，結合行業關鍵場景和玩家分佈情況，目前，我國還處於AIGC發展的初期階段，競爭趨勢不明顯，需要調整開發、資金等投入，尋求整體生態的快速搭建。
至2030年，AIGC產業發展共分三個階段：
1、培育摸索期（2023-2025）：整體均處於業務場景驗證和變現探索期。
底層大模型發展加速，中間層尚未出現相關玩家，基於Stable Diffusion等開源模型的上層應用迅速出現，但受底層大模型接口限制，大部分技術尚未達到穩定進入實際生產環節的水平。
2、應用蓬勃期（2025-2027）：基本價值創作路徑和技術思路得到確認。
行業普遍嚐試應用人機共創，且內容資訊、娛樂傳媒等領域利用AIGC產生確定性價值。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）：產業生態完善。
報告指出，2028年往後，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揮，和其他業務系統進行緊密連接，會有相關初創公司產生完整解決方案。這一階段AIGC成為內容領域基礎設施，預計會催生出完全不同的新業態。
截至報告發布，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賽道出現了10餘筆投資，其中融資體量最大的水上項目包括小冰公司（10億元）、超參數科技、智譜AI、瀾舟科技等。其餘公司，包括數字力場、Tiamat、聆心智能、西湖心辰、深氧科技等，大多為數千萬人民幣級別融資。
然而，國內尚未看到與國外AIGC獨角獸公司相匹配的收入產生。但經過對投資機構的廣泛調研，多家機構已高度明確要將AIGC作為主投賽道，並推出了相應的孵化項目，預計本年度融資規模將有數倍增長。
伴隨底層大模型生態的逐步開放，商業價值的落地驗證，預計到2024年左右，融資規模將出現首次階段性的指數級增加。
從融資現狀來看，全球AIGC賽道持續走熱，如何跑通商業模式產生實際營收，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：
1、MaaS（Model as Service）
適用於底層大模型和中間層進行變現，按照數據請求量和實際計算量計算。
到2027年，MaaS模式佔市場規模比例將從5%增長至47%。
2、按產出內容量收費
適用於應用層變現，如按圖片張數、請求計算量、模型訓練次數等收費。到2027年，該模式市場規模佔比將從60%下跌至32%。
該模式的關鍵在於如何從單次好奇驅動的行為切入，保證產品長期的複購率。
整個過程會受到具體屬性影響，如版權授予（支持短期使用權、長期使用權、排他性使用權和所有權多種合作模式，擁有設計圖案的版權）、是否支持商業用途（個人用途、企業使用、品牌使用等）、透明框架和分辨率等。
3、軟件訂閱付費
第三種模式即ChatGPT Plus現有的盈利方式之一：每月向用戶收取20美元費用。該模式在現有市場佔有10%左右的比例。按照這種模式，Jasper等初創企業已經產生了營收。展開來說，Jasper以類SaaS服務的形式進行收費，分為初級、高級和訂製三個模式，成立當年營收額就達到4500萬美元，並收穫了7萬名用戶。
這意味著AI正以越來越顯性的方式產生商業模式。國內部分領先的AIGC公司，在用戶規模、內容生成量上在2022年亦快速起步，2023年開始產生營收及盈利並非難事，但能否形成SaaS訂閱模式尚待觀察。
4、模型訓練費用
即最為傳統的項目開發製度，如今佔據市場營收份額的25%，到2027年，預計將有12%左右的下滑。
5、其他模式
包括廣告/流量模式，依靠產品獲取用戶點擊，從中獲得廣告流量，這種營收模式的關鍵在於產品如何獲得複購。
由於屬於小型項目，在市場規模測算中暫不單獨考慮。
玩家有幾類？
如此大的市場規模，必然也會出現大量各具所長的玩家。
在這裡，報告按照基礎設施層、模型層和應用層將它們分為三大類。
基礎設施層
這層玩家分別為行業提供數據、算力、計算平台、模型開發訓練平台以及其他配套設施。
首先，數據方面，數據的數量、在行業/領域和顆粒度上的豐富性、以及和業務之間的反饋關係都有著極高的要求。
對於預訓練大模型而言，多模態的數據集至關重要，以此才能讓模型學習到更加完備的表示。
另一方面，如InstructGPT的作者曾說：
研究人類反饋數據比加大模型規模更重要。
因此互動反饋數據也是報告中特別提到的一點。
該層面的玩家包括數據提供方和服務方，前者可提供通用數據、垂類數據、特定任務下的標註數據、審核數據以及創作者生態；後者則主要負責數據分拆及標註等。
其次，算力方面。
據微軟統計，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30億美元投資規模的數據中心來支持運行。
因此算力玩家也是其中無比之重的一環，可分類為：
以智算中心為代表的算力集群商、國產芯片商以及雲服務商等。
（計算平台和模型開發訓練平台略。）
最後，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、第三方確權及計價方以及創作配合工具（如渲染引擎）等方面的角色。
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、數據和資金等多個方面。
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展的CLIP及Stable Diffusion；
（3）API對外開放，這類模型的輸出結果相對固定，但不同接口之間能夠相互結合得到更優產出或是跨領域的產出；
（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）以及二次開發商，主要增加行業特色數據和行業認知。
根據行業/場景的理解和資源累計程度、資金成本支撐、上層數據支撐、上層應用生態、戰略生態合作/投資、工程效果與技術成本以及AIGC技術能力的成熟這7個指標，報告給出了目前模型層的代表玩家名單：
應用層
如果按照基於底層邏輯的應用，這層玩家涉及的業務分別包括：
1、生產可直接消費內容
其核心是AI在創意度和規模化中提供平衡點。對UGC而言，能夠降低內容創作門檻；對PGC來說，能夠代替人工完成完成聲音錄製、圖像渲染等基礎性創作工作。
需要注意的是，該場景的價值主要是降本增效。
報告指出，鑑於我國的內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對內容供給速度的提升是否具有實際意義。
2、結合底層系統，生產含有附加價值的內容
例如超個性化、實時化、行業特色化。
注意由於需要和底層系統進行配合，相關提供方需要關注上下游業務接口的打通，以及相關領域知識的深化設計。
以內容營銷領域為例，AIGC並不應當作為單獨的服務對外提供，還是隸屬於“創意供給—內容生產—內容管理（素材庫與數據庫）—內容分發—數據方案”中的內容生產部分。
由於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、技術生成、評估優化、數據回流等缺一不可。
3、提供內容生產輔助工具
模式包括：
由AI提供相關創作線索或基礎草圖，專業人員進行細緻化調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、低分辨率轉高分辨率等。
該類玩家需要注意四點：
（1）國內對工具類產品的付費意願有限，尤其是C端；
（2）需要關注場景本身的工具屬性，據業內人士反饋，由於AIGC目前的生成可控性相對有限，創作工具在使用中的可介入程度會嚴重受到專業因素的影響；
（3）需關注相關業務平台的潛在跨界競爭，這主要是因為該賽道通常與內容分發及創作平台形成強綁定，大廠在壟斷性方面也更強；
（4）人才結構的轉移。
4、用於提供打包內容或解決方案
接下來，如果按照基於模態的應用分類，我們可以看到分別主營以下業務的玩家：
1、文本生成，包括：
（1）直接生成應用型文本，已發展較成熟，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）直接生成創作型文本，適用於劇情續寫、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/遊戲中的NPC個性化交互等；
（4）文本輔助生成，是目前國內工具落地最為廣泛的場景，主要包括定向採集信息素材、文本素材預處理、自動聚類去重，並根據創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，包含已經相當成熟的TTS場景和音樂創作。
該業務可提高歌曲樂曲、有聲書、配音等內容的創作效率，實現有聲內容的規模化生產。可實現聲音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。據繪畫生成網站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、跨模態生成，包括文字生成圖像（也分功能性和創意性）、文字生成視頻（有更高的長序列建模要求，比文生圖發展得要滯後兩年左右）、圖像/視頻到文本（跨模態搜索、視覺問答系統、配字幕、標題生成）等。
6、策略生成，主要指AI基於特定問題和場景自主提出解決方案的過程，在遊戲、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。由於資金量的需求，預計全棧全場景端到端的玩家數量相對有限。
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展，應用層則是創業友好度最高的部分。
不過，若能在不同層級間形成良好的生態合作關係，整個行業的快速成長和成本分攤都能獲得明顯好處。
具體作用到哪裡？
這個問題，我們從AIGC對不同行業的變革進行分析。
首先是線上游戲行業，它目前在AIGC領域中算相對最成熟、接受度最高的部分。
其應用從前期製作到後期運營以及遊戲周邊內容製作的全流程中均有涉及。其中的核心生產要素為：AI Bot（遊戲操作策略生成）、NPC相關生成（包括邏輯和劇情）和相關資產生成（包括地圖等）。
報告認為，這一行業是目前AIGC變現最為清晰的行業。
接下來是影視傳媒，由於它和內容掛鉤更為直接，AIGC對這一行業的整體影響更為明顯。
具體受影響的細分領域包括電影及長視頻（換臉、背景渲染、廣告自動植入等）、網絡直播（虛擬人）、短視頻（影視作品剪輯）、在線音樂（自動編曲、作曲、AI唱歌）、圖片版權（AI生圖、AI修圖）、網絡文學（小說續寫）等。
內容資訊行業則不必多言，主要是在新聞寫作，目前落地應用也已較成熟。
電子商務行業也會受到影響，主要來自數字人直播帶貨及個性化營銷這兩方面。
辦公軟件行業同樣受到衝擊。最具代表性的當屬微軟Office全家桶的Copilot功能了，它被譽為一項“重新發明生產力”的重磅更新。
除此之外，相關獨角獸企業如Notion AI也表現出色，截止2022年，該公司用戶已達到3000萬。
最後會引起變革的行業還包括訓練數據（主要中心化在自動駕駛和醫療行業）、社交軟件（比如用特定性格的AI NPC設定滿足線上社交功能）和在線教育等。
下面是報告根據行業變革迫切度、可變革程度，以及2023年相對市場規模繪製而成的行業矩陣變革圖。
產業代表案例詳情可查閱報告。
附AIGC 50榜單
最後，我們也給出了最具潛力的50家AIGC機構，在AIGC這一科技趨勢已成定數的今天，為大家提供進一步的參考價值。
以下是完整榜單：
資訊來源：由0x資訊編譯自8BTC。版權歸作者所有，未經許可，不得轉載