投資機構的思考邏輯，都在這裡了
近幾個月以來，美國人工智能（AI）實驗室OpenAI 發布的聊天機器人ChatGPT火爆全網，並帶動了相關概念股的上漲。除了資本市場的熱炒外，IT領域頭部企業也紛紛跟進。各互聯網巨頭也透露了相關項目的佈局和進展。
近年來，人工智能技術的進步迅速，特別是在Natural Language Generation（自然語言生成）領域取得了巨大進步。與此同時，人工智能在內容生成、寫作、翻譯等多個領域的應用也越來越廣泛。 AIGC（人工智能生成內容）就是人工智能在內容生成領域的重要應用之一。 AIGC可以幫助用戶快速生成大量內容，包括文本、圖片、視頻等多種形式。 AIGC的興起，改變了傳統內容生產方式，推動內容生產效率的提高同時也帶來了新的安全和法律風險。
普華永道於3月30日舉辦了AIGC專題網絡研討會，普華永道全球TMT行業主管合夥人周偉然、普華永道中國交易戰略及運營合夥人蔣維、普華永道中國首席數據官萬彬、普華永道中國交易戰略與運營合夥人魯冰以及普華永道中國交易戰略與運營經理亓濤做了深度分享。
研討會上，普華永道專家就AIGC在應用場景、投資機會等多個方面可能帶來的影響，以及如何應對AIGC帶來的新風險進行了深入分析和討論。參會者還通過案例分享和交流，擴展了視野，對AIGC的應用和未來發展有了更深入的理解。
AIGC的典型應用場景
AIGC的應用場景可以按技術角度來看，分為文本、視覺、語音、編碼等。
借助ChatGPT最近的火熱，文本領域出現了很多的應用場景，比如對話、翻譯，或者按照要求進行文本摘要提取,知識問答或寫故事、寫簡歷等。從商用角度來看，已出現了很多將GPT模型應用在產品中的例子。
在視覺領域，自2022年下半年，由AI基於文本快速生成圖像就非常熱門。涉及公司就包括Stable Diffusion、OpenAI的DALL·E 2、Midjourney以及谷歌的Imagen等。這些生成的圖片甚至可以達到比較驚豔的藝術性效果。目前這些技術主要被用在圖像生成、圖像編輯以及分辨率提升等場景，可以節省很多時間並提高效率。
在編碼領域，ChatGPT可以編寫代碼，包括Java、Python、SQL語言等，再比如OpenAI的Codex，Github Copilot，谷歌專門構建AI程序的MakerSuite，華為的CodeArts。這些工具可以幫助開發人員快速生成代碼片段，通過自動化編碼過程並減少編寫代碼所需的時間和精力來徹底改變軟件開發行業。
AIGC的持續發展將會對任何需要人類創作和人機交互的行業和場景產生影響。這些場景包括高度商業化的媒體、教育、電商、健康、娛樂等領域。除了不同的行業應用場景以外，AIGC在商業模式上也存在兩個不同強度和需求的應用模式，在計算機的學習過程中高效的中心化計算有利於提升效率降低成本，而在用戶端的人機交互領域同樣也需要AIGC擁有分佈式的個性化能力，這兩種商業場景的不同也會帶來類似與to B端（面向企業用戶的產品）訂閱和to C端（面向終端用戶的產品）交互的不同模式。
AIGC潛在的爆發式增長機會
回顧自然語言學習類機器人過去的商業化歷程，可以發現，在ChatGPT前雖然技術的進步帶來了諸多交互方式的提升，但是除語音交互以外其他領域創造的商業價值乏善可陳。其關鍵是AI的核心價值在對人類工作效率的提升，而在AI的能力等級不足以支撐複雜任務時，其能增進人類工作效率的商業價值僅僅是一個較低的量級。
不過當ChatGPT出現後，市場對於AIGC進一步替代複雜工作的預期大大提升了。從短期看，普華永道中國交易戰略與運營合夥人魯冰表示，更看好中心化AIGC模型在to B端（面向企業用戶的產品）的商業價值。行業情境下的模型會極大地激發商業化內容創作者的創作效率和創作能力，逐步替代初級甚至中級創作者，這就如同幾十年前CAE和CAD軟件對於工業設計的價值一樣。
近期的投資市場上，大家普遍對AIGC在一些偏傳統企業的應用上有很多期待。總體趨勢上類似當年移動互聯網開始盛行的階段，本質上是使用新的技術手段來賦能和改造原有的業務流程和商業模式，深度服務投資機構的普華永道中國交易戰略及運營合夥人蔣維認為，AIGC作為一個未來的基礎手段和工具，AIGC+也可能會成為常態，傳統企業可以通過應用AIGC技術來進一步在提高效率、降低成本、提高產品、服務質量等方面實現真正的數字化轉型。例如AIGC+營銷推廣和AIGC+客戶服務都存在很大的想像空間。
普華永道中國首席數據官萬彬認為，AIGC在數據領域未來也會有更多的機會。在數據輸入端，將來更多的需求將體現在對優質數據的需求量提升，其次是對於數據的標註完善和清洗完備要求也會提高，從而提升訓練數據的質量。因此對於AI服務的上游廠商（即基礎數據服務廠商）會是一個發展契機。在數據輸出端，考慮到AIGC的輸出物可能存在被濫用的風險，如何分辨某一項成果是AI自動生成還是人類創造的，將是一項新的業務機會。
AIGC將帶動的投資機會
按照整個價值鏈來看，AIGC大體可以分成應用層、模型層、基礎層，其中基礎層又分為框架層、平台層、算力層（雲計算、芯片）、安全層等。在應用層，相關的創業以及投資機會將會有很多。
內容創作領域：例如，利用AIGC來自動生成新聞報導等，提高內容的生產效率。
遊戲開發領域：例如，利用AIGC來生成遊戲角色、遊戲場景和畫面效果，提高遊戲開發的效率和準確性。
電商領域：利用AIGC自動生成商品描述，提供文本、圖像及視音頻在內的更個性化的廣告營銷內容，提高銷售量和轉化率。
教育培訓領域：例如，利用AIGC來自動生成教育內容、提供個性化的智能化教學。
科研領域：例如藥物研發。谷歌的AlphaFold可以準確預測蛋白質結構的3D模型，並在幾乎所有生物學領域加速研究。
來源：翻譯自Generative AI：A Creative New World，Sequoia Capital US/Europe網站
從數字基礎設施角度來看，AIGC使用的算力和調用的存儲都是海量的，但就其輸出的特性而言，AIGC還是屬於高算力密度的計算類數字基礎設施。從AIGC的部署方式上來看，中心化的計算既需要大量的數據訪問也需要保持實時的更新，因此未來AIGC的數字基建部署可能還是圍繞著一線城市和環一線的傳統熱數據區域。從結構上來看，AIGC可能會對目前數字基礎設施的形態提出更高要求，這也是行業生態發展帶來的機會。
AIGC未來發展的瓶頸
綜合來講，AIGC未來發展的瓶頸主要集中在算力、數據和人才三個方面。
在算力方面，ChatGPT使用的A100芯片功率為400w，即使不考慮未來升級，其潛在服務器架構至少會消耗約4kw的服務器耗電，換算到單機櫃這個數值就會到達50kw左右。由於目前一線城市標準機櫃為6kw左右，即使高功率機櫃也只有8-10kw，因此，IDC等數字基礎設施將會面臨較大的產品結構調整。由於算力密度升級帶來了能量密度升級，AIGC支撐的IDC也會需要更大的電力供給能力和更大的能評以獲取更大的消納配額。短期而言，中國AIGC發展的核心問題不僅僅是研發和人才的差距，在硬件上也面臨著美國的進口限制，導致構成算力的高功率芯片供給不足。這也反向抑制了國內目前行業研發能力的進步。
在數據方面，首先是數據規模和質量將在垂直領域遇到天花板。數據規模和質量是AI能力的一個重要參數。訓練數據的體量越大，質量越高，AI就越“智能”。今後AIGC的能力將深入到各個垂直領域進行發展，這就需要吸收更多行業相關的數據進行訓練。目前在數據保護及數據本地化的大背景下，數據孤島的趨勢越來越明顯，要做到共享行業數據進行AI模型訓練將會有一定困難。因此，未來AI訓練的數據規模可能很快碰到天花板。其次是數據合規，AIGC的數據採集方式可能會存在合規風險。例如：有些數據源網站會規定禁止利用爬蟲技術爬取數據或禁止將數據商業化使用等。此外，對於AIGC當下的一大擔憂是AIGC收集的海量隱私數據如何進行保護。如果個人要求AIGC公司刪除其個人數據，AI模型是否可以真的“忘記”已經用於訓練的隱私數據？這一點目前的看法是存疑的。
在知識產權方面，AIGC知識產權歸屬是目前非常有爭議的一個話題，爭議包括訓練數據所有權和產出物所有權兩方面。
隨著AIGC技術的進步，對於人才的需求也在不斷提高。目前，中國AIGC領域的人才短缺問題已經成為行業發展的主要障礙。主要原因有以下四點:
人才培養機制不足。目前中國的高等教育機構，尤其是理工科院校，對於AIGC相關專業的培養還不夠。相關專業的設置和課程體系還需要進一步優化，增加機器學習、深度學習、機器人學等方面的課程，培養更多人工智能專業人才。同時，也需要推進跨學科合作，培養人才的靈活性和創新性。
人才流動性較大。 AIGC行業發展迅速，人才需求變化快，但高等教育機構的培養週期較長，難以適應行業的快速變化，導致人才供給難以跟上市場需求。行業企業需不斷吸引和調整人才隊伍，實現人才的靈活運用。
人才結構不合理。目前AIGC人才主要集中在研發技術崗位，而缺少應用人才和管理人才。實踐證明，技術人才和業務人才的結合是推動AIGC應用的關鍵。需要培養更多人工智能工程師、人工智能專業經理等高級管理人才。
人才薪酬待遇不高。相比海外市場，AIGC行業較難吸引和留住高素質人才，人才流失率較高。提高人才薪酬待遇是吸引人才的關鍵。
綜上，要解決AIGC發展中的人才瓶頸，需要進一步優化人才培養機制，提高人才流動性，合理配置人才結構，並提高人才薪酬待遇。只有打好人才基礎，才能真正推動AIGC在中國的大發展。
AIGC領域的投資項目甄別
在AIGC行業投資的盡職調查過程中，普華永道建議關註三個不可忽視的標尺：項目本身的技術實力、技術門檻，商業模型，以及項目的市場競爭力。投資人需要從項目的技術團隊、產品方案、技術門檻及限制等方面入手，AIGC模型的準確性也需要關注。
市場規模：對於每一個提升效率為核心的數字產品而言都是最重要的。 AIGC在短期內的商業應用主要替代了傳統的創作方式，因此其市場價值集中於在原有創作的定價體系下對速度和質量的提升。然而，AIGC能否嚴格替代傳統方式以及可替代性的邊界是實現假設的關鍵。此外，當行業應用產生競爭後，圍繞初始AIGC成本的競爭帶來的價格下降也是市場規模需面對的問題。
應用的壁壘及技術迭代：包括行業數據、算法、用戶數量和監管等方面的壁壘。在技術快速迭代的時期，新興技術可能不是最終的解決方案，先發優勢也可能變成後發優勢。
應用技術的成熟度，評估技術商業應用性，同時找到簡單直接的最終客戶和變現方式是AIGC投資避不開的話題。
再者，不同的行業應用對準確度有不同的衡量指標以及要求，尤其在金融和醫療健康領域會要求很高，這對AIGC產品的商業化都有較大的影響。當然這些準確性的指標相比傳統的AI模型來說較難衡量，因此構建合適的準確度衡量指標以及嚴謹的測試、比對方法非常關鍵。
同時為了確保技術應用的長期價值，需要考慮多方面的因素。雖然AIGC模型在巨大的數據集上訓練，但許多模型都會從網絡上抓取信息，這就需要重視數據安全和知識產權保護。此外，技術應用的可持續性也需要各方關注，考慮如何進行維護和更新，以保證其穩定性和有效性。在進行投資決策時，投資方需要充分考慮這些因素，以確保投資能夠長期產生收益。
AIGC的數據安全
當前，各種AIGC服務仍存在不成熟的方面，用戶在使用過程中會發現各種問題和錯誤。嘗試使用ChatGPT時，用戶也可發現它更擅長文科類的話題，對理科類的回答正確率較低。新聞報導也顯示，在某些對話場景下，AI會生成奇怪的、甚至違背社會道德常理的對話內容。有用戶向ChatGPT提問AIGC的風險是什麼，ChatGPT則回答了七個方面：回答不夠準確、缺乏創新、違背人類道德觀、知識產權風險、基於過時數據生成答案、隱私保護和模型偏見。這些風險大部分與數據安全相關，特別與數據準確性、數據保密性和數據合規性密切相關。
AIGC這類新技術的發展歷程與過去每一種新技術的發展歷程都具有相似性。各方需要探索應用場景、挖掘技術創新價值，同時理性識別和應對每種技術發展中的風險。由於AIGC的輸入和輸出都依賴於數據，因此除了傳統的信息安全風險外，AIGC的數據安全風險也尤其需要關注。 AIGC中的數據安全問題可以藉鑑雲計算行業中使用的“責任共擔模型”概念，在這個模型中，AIGC的各個參與方扮演不同的角色，既有服務使用方，也有服務提供方，甚至有些公司是符合身份既是使用方又是提供方。因此，每個角色所面臨的數據安全問題是不同的。
對於服務提供方來說，Responsible AI（負責任的人工智能）是公司努力追求的目標，要以合法合規作為底線，在安全性、可靠性、數據質量、可解釋性、無偏見等領域建立良好的內控體系。對於服務使用方來說，最重要的是確保使用AI服務中的各個場景要做好數據安全合規並使其符合法規要求。此外，還可以與專業機構合作以獲得高水平的專業支持，為公司提供包括數據安全、系統安全、合規管理、資質認證等一系列的專業服務。這樣可以幫助企業在AI服務設計階段就借助專業機構將最好的管控與合規體系納入到創新產品中去。
在考慮使用ChatGPT等AIGC工具時，數據安全是一個需要認真考慮的問題。根據相關媒體報導，自從ChatGPT爆火之後，已經有眾多金融企業、諮詢公司、學術機構因擔憂信息洩露、合規、信息可靠性等因素宣布禁止組織內人員在日常工作中使用ChatGPT。近期更是爆出一家韓國知名公司在使用ChatGPT時發生了機密數據洩露事件，涉及設備測量資料、產品良率等機密信息。此外，也已經有歐洲國家個人數據保護局因隱私問題禁止了該國境內使用ChatGPT並對OpenAI展開調查。這些事件都導致公眾對ChatGPT的數據安全產生了質疑，並且提醒用戶在使用類似ChatGPT服務時需要考慮如何防範數據安全風險。投資者也需要謹慎考慮數據安全對AIGC技術發展及商業化的影響。
展開全文打開碳鏈價值APP 查看更多精彩資訊