AIGC|20+篇研报解析:技术要素、产业链、营收模式与应用场景

当前AI领域发展迅速,AIGC已经日益成为改变工作、生活的关键力量,这种时候,了解一些发展趋势很重要。研究报告就是获取信息的途径之一。本文作者整理了去年和当前20余篇机构发布的研究报告,对其中的关键进行了梳理,供各位参考。

AIGC|20+篇研报解析:技术要素、产业链、营收模式与应用场景

AIGC日益成为推动社会变革的关键力量,无论是哪个行业的从业者,了解一点AI技术的发展概况和应用趋势变得很重要。研究报告,作为掌握领域前沿信息的重要途径,提供了系统而深入的洞察及观点,是快速获得专业视角的有效方式。

本文基于我在2023年和2024年阅读的二十余篇机构发布的研究报告整理而成,对其中共识部分较多的内容或知识点进行了提炼梳理,每份研报各有侧重,而这些差异化内容并未在文中提及,尽管在信息深度上可能有限,但也希望为初识AIGC的读者呈现一份宏观的知识速览。

下面是本文涉及到的所有研报,期望获得更多信息量的同学可自行搜索阅读。

AIGC|20+篇研报解析:技术要素、产业链、营收模式与应用场景

一、技术要素

AIGC技术三要素:算力、算法、数据。

AIGC|20+篇研报解析:技术要素、产业链、营收模式与应用场景

算力:

算力指的是计算设备执行算法和处理数据的能力,是支撑AIGC系统运行的基础。主要包括CPU、GPU、GPGPU、FPGA、ASIC等硬件。在实际应用中,GPU和GPGPU是当前主流的AIGC计算解决方案,因为它们在处理大规模数据和复杂计算任务时具有显著优势。从算力供应来看,现阶段全球绝大部分GPU算力均来自英伟达(NVIDIA)和AMD。

算法:

算法指的是一系列解决问题、实现特定功能的有序指令和步骤,是实现AI生成内容的核心。AIGC常用的算法包括深度学习(如卷积神经网络、循环神经网络及其变种)、强化学习和自然语言处理(如Transformer)。创新算法如生成对抗网络(GANs)和Transformer架构扩展了内容生成技术的边界,使AI能够创造出越来越逼真和复杂的内容。这些算法通过持续的优化和创新,不仅提高了内容生成的效率和效果,还推动了AIGC技术在创意、娱乐和营销等领域的广泛应用。

数据:

数据是AIGC平台进行训练和优化的核心资源,其质量和数量直接影响生成内容的准确性和多样性。高质量的数据集包含丰富、准确、且标注良好的样本,可以显著提高模型的训练效果。大量的数据有助于模型在各种情况下泛化,提高生成内容的多样性和准确性。为确保数据质量和一致性,通常会通过清洗、去重和归一化等步骤进行数据预处理,这可以有效提升模型训练的速度和精度。数据不仅是训练模型的基础,也是评估和优化模型性能的重要依据。

AIGC|20+篇研报解析:技术要素、产业链、营收模式与应用场景

吴恩达曾说:“发展人工智能就像用火箭发射卫星,需要强大的引擎和足够的燃料,算法模型就是其引擎,高性能的算力是打造引擎的工具,海量的数据就是引擎的燃料”。算力、算法和数据的协同作用构成了AIGC技术的基础。算力提供了处理复杂计算任务的必要硬件支持;算法为内容生成提供了智能化的逻辑和机制;数据则为模型训练和优化提供了丰富的素材。三者相互依托,共同推动了AIGC技术的快速发展。

二、产业链

AIGC产业链基本分为三类:基础设施、模型、应用。

AIGC|20+篇研报解析:技术要素、产业链、营收模式与应用场景

基础设施:

包括数据层、算力层、计算平台、模型开发训练平台和其他配套设施。数据层提供高质量的训练数据,通过大数据技术实现数据采集、存储和管理。算力层提供 AI 计算所需的硬件,包括 GPU、FPGA、ASIC 和 CPU 等,这些硬件因其强大的计算能力,广泛应用于 AI 模型的训练和推理。计算平台如Microsoft Azure、阿里云和百度云,提供弹性计算和存储资源,支持AI模型的开发和部署。模型开发训练平台如TensorFlow和PyTorch,加速了AI模型的开发、训练和优化。其他配套设施如数据标注工具(例如 Labelbox、SuperAnnotate 和 Scale AI)和监控调优工具(例如 MLflow、Weights & Biases 和 Neptune.ai),保障了 AI 开发流程的管理和优化。

模型:

包括底层通用大模型和中间层模型。底层通用大模型(如GPT-4和BERT)通过在海量数据上的训练,提供广泛的适用性和迁移学习能力,支持多种任务的AI应用,这部分是相对最容易形成壁垒的,包括人才、时间、数据和资金等多个方面。中间层模型具有垂直化、行业化、细分化的特点,针对特定领域或任务进行模型优化,结合行业数据进行微调,提供更具针对性的解决方案,如医疗影像分析或金融风险管理。这部分适合凭借过往行业积累和技术积累快速进入。

应用:

专注于将AI技术转化为实际产品、服务和解决方案,解决具体场景中的问题,实现商业化。基于不同的价值创造逻辑,我国AIGC产业应用可被划分为四类:生产可直接消费内容、结合底层系统生产高附加值内容、提供内容生产辅助工具、用于提供体系化解决方案。生产可直接消费内容是我国目前落地及变现进展最快的部分

AIGC|20+篇研报解析:技术要素、产业链、营收模式与应用场景

三、营收模式

AIGC|20+篇研报解析:技术要素、产业链、营收模式与应用场景

MaaS:

模型即服务(Model-as-a-Service)通过API提供模型调用服务,按调用量收费。客户可以通过API访问AI模型,将其集成到自己的应用或服务中。收费通常基于调用次数、处理的请求量或计算资源消耗。

定制服务:

定制服务模式为客户提供个性化模型,根据特定需求和预算开发AI解决方案。定制化服务通常包括数据收集、模型训练、调整和部署。这种模式常见于高度专业的领域,如金融、医疗、或特定的制造业应用。

软件订阅:

让用户通过订阅计划获取AI生成能力,按时间(如月度、年度)或按需收费。用户支付固定费用即可访问AI工具和功能,这种模式为产品提供了可预测的收入流和用户增长的机会。

内容产出量:

按内容量收费模式基于AI生成内容的数量或使用的计算资源收费。这可以是图片的数量、视频的时长、文本的字数,或者是模型训练的次数。

授权:

通过出售生成内容的使用权获利。AI生成的内容,如图像、文本或音乐,可以授权给其他公司使用,获得许可费。这种模式强调生成内容的知识产权和价值,适合那些能够提供独特或高质量内容的AI工具。

广告和推广:

生成内容直接为广告或推广活动服务,创造收益。有两种主要方式:自有平台的广告变现和生成内容的广告植入。

AIGC|20+篇研报解析:技术要素、产业链、营收模式与应用场景

MaaS具有高效利用计算资源、即插即用、持续更新、灵活计费以及安全性高等特点,极大地简化了AI模型的使用和管理流程,降低了使用门槛,帮助企业或开发者快速响应市场需求、提高开发效率,并享受到先进AI技术带来的竞争优势,同时也推动了AI技术的普及和创新。

四、行业影响

在多份研报的行业应用变革分析板块,多用平面直角坐标系来可视化呈现,内容绘制除形式外有三个不同点:

调研数据的来源不同;对于行业变革的定义不同;行业名称与展示数量不同。

这些差异使得科学的横向对比变得困难,但依然有几个行业在多个变革程度排名中表现突出,名列前茅。按加权平均排名依次为:媒体影视、电子商务、广告营销、游戏、金融、教育

AIGC|20+篇研报解析:技术要素、产业链、营收模式与应用场景

其他维度的排名:

行业变现能力:金融、教育、医疗、游戏、广告营销 《2023年AIGC场景应用展望研究报告》行业渗透速度:电商、游戏广告、媒体、金融 《2023年中国AIGC产业全景报告》行业接受度:办公软件、游戏、影视传媒、电商、内容资讯 《中国AIGC产业全景报告》AIGC|20+篇研报解析:技术要素、产业链、营收模式与应用场景

五、应用场景

1. 游戏

当很多行业还在讨论AIGC的落地场景时,游戏行业已经将AIGC运用到每一个角落,深度、速度远超大家想象。质量、成本、效率被称游戏行业的“不可能三角”。

游戏之所以成为目前AIGC应用最为清晰的行业,就是因为AIGC对三者均会产生影响:

质量:同质化、缺乏创新成为游戏行业最大的擎肘,生成式AI技术可以大幅降低创新难度,丰富主题多样性;成本:策划、音频、美术程序等环节的生产力得到释放,人员规模可压缩约40%~70%,从而降低游戏制作成本;效率:AI创作工具会使大量环节实现半自动化或全自动化,节省60%~70%的时间,提升游戏制作效能;AIGC|20+篇研报解析:技术要素、产业链、营收模式与应用场景

再结合研报中的一些判断,AIGC对游戏的影响还有:提升玩家数量、活跃度;做大游戏市场;给行业新玩家提供了入局的机会;接下来,我们可以通过立项、研发、宣发3个环节,了解AIGC切入游戏行业的方式。

1)立项

根据游戏的用户画像等数据,借助生成式AI的理解、推理能力,帮助游戏公司提高对立项成功率的判断。

2)研发

剧本:游戏剧本创作,AI文本生成提高剧情创作效率;NPC对话剧本,千人千面,提高互动性和可玩性;道具/角色:角色、道具、场景等原画、3D建模自动生成;AI辅助+设计师加工的协同模式;音效:AI生成DEMO,音效师进行微调;关卡:游戏关卡自动生成,并进行代码自动测试,开放世界类游戏最为收益,将开启“无限故事”时代;玩法:AI捏脸、AI换装、AI陪玩、AI托管、人机挑战等;AIGC|20+篇研报解析:技术要素、产业链、营收模式与应用场景

3)宣发

本地化:借助AI精准、高效的翻译,确保新版本全球同步上线;营销投放:提升营销素材制作效率,如预告视频、海报、短视频等,素材可做到个性化;二次创作:降低二创制作难度,加速内容传播,提升游戏热度,活跃社群活跃度;社群互动:AI自动发言、自动回复,带动或维持社群始终处于活跃状态;

在3D游戏领域,由于优质3D数据的稀缺性、3D场景的复杂性、维度特征的多样性,导致高质量的3D游戏生成还较难落地,这是目前AIGC在游戏领域的局限性。但随着技术的快速突破和大量的制作尝试,相信这些局限很快就能得到解决。

参考研报:《中国AIGC文生图产业白皮书2023》、《AIGC赋能游戏产业线上沙龙-会议纪要》、《AIGC提质增效,传媒行业应用前景广阔》

2. 广告营销

当前互联网流量见顶,广告营销亟需新范式的推动增长。AIGC为广告营销行业提供了全链路、多维度的解决方案,贯穿市场分析、客户转化和复购等关键环节。在初期,AIGC通过智能数据分析,精准洞察市场和消费者行为,优化营销策略;中期,支持个性化内容创作和精准广告投放,提升转化率;而到了后期,通过自动化客户互动和反馈分析,制定客户维系策略,增强用户忠诚度。

AIGC可以显著提升营销的智能化和互动性,为消费者提供个性化体验,必将重新定义广告营销生态。具体来说,AIGC对营销领域的影响有这几个方面:提升效率和降低成本、深度个性化和定制化内容、多渠道营销支持、持续优化和个性化推荐、创新性和独特性的探索。

基于传统营销链路,多份研报对AIGC在各个环节的赋能方式进行了评估,涵盖了市场分析、运营方式、营销推广、客户转化、营销优化、客户复购等环节。我们也可以对以上节点加以整合,从三个角度来理解AIGC在其中的作用:

AIGC|20+篇研报解析:技术要素、产业链、营收模式与应用场景

策略洞察:

AIGC通过抓取并分析社交媒体、搜索引擎等平台的数据,帮助广告主掌握市场趋势、竞争态势和受众偏好。它利用用户行为和互动数据构建用户画像,并自动生成和优化广告策略与排期。

内容生产:

AIGC能根据广告主需求和受众特征,自动生成符合品牌调性的创意素材,提升创作效率和质量。通过算法推荐,AI可拼接编排广告文案和素材,生成广告海报、视频、软文等营销内容,支持新型交互方式。

投放管理:

AIGC通过分析用户行为、兴趣和偏好,为广告主提供精确的受众定位,实现大规模个性化投放。还可以利用实时反馈数据优化大模型,动态调整投放物料和策略,提升广告效果和转化率。

参考研报:《2024AI赋能营销应用场景白皮书》、《从营销AIGC化到AIGC营销化》、《2023年AIGC场景应用展望研究报告》、《企业AIGC商业落地应用研究报告》、《中国AIGC广告营销产业全景报告》

3. 电子商务

电商行业天然具有海量的交易数据资源、多样的营销策略,可以快速受益于AI技术所带来的效率提升。从提高运营效率到增强消费者体验,再到优化供应链管理,AI为B端商家、C端消费者、电商平台等各方都带来新的机遇。

1)B端商家

选品决策:利用AI技术进行市场调研和商品分析,更好地理解目标用户,帮助商家精准选品。内容生成:商品图片、产品描述、营销活动文案等售卖材料实现AI智能生成,在跨境电商中,AI可以辅助生成具有当地文化特色的文案,加强商品与当地的文化连接,克服语言障碍。广告投放:在推广阶段,AIGC使广告素材的生成和迭代速度显著提升,增强广告内容的吸引力和转化率。并基于AI对用户行为的洞察,精准关联用户,优化广告投放策略。客服工作:与以往基于特定词语规则出发的固定回复不同,AI客服可以“听懂”用户诉求,灵活给出答案,还可以基于掌握的大量商品知识,与消费者展开多轮对话,助力达成消费转化。AIGC|20+篇研报解析:技术要素、产业链、营收模式与应用场景

2)C端消费者

AI导购:精准匹配和描述其个性化需求, 为消费者提供高效选品服务。AI比价:跨平台智能对比商品价格与特点,提供即时的优惠信息和最佳的消费选项。

3)电商平台

内容生成:提升素材生成能力,丰富社区互动与氛围。智能广告:分析数据、识别目标用户,然后智能生成广告内容。内部运营:AI自动执行繁琐的数据分析、行为分析工作,从而释放人力资源,专注于更具策略性的任务。

参考研报:《AIGC场景应用展望研究报告》、《2024AI赋能营销应用场景白皮书》、《2024年AIGC发展趋势报告》、《麦肯锡:捕捉生成式AI新机遇》、《WAIC传媒:AIGC应用鹏程万里》

4. 设计

虽然在行业变革榜单中,设计并未进入前五,但AIGC最初给大家带来的深刻印象主要来自于各种AI图像,2022年,以 Disco Diffusion、 Stable Diffusion、 Midjourney等为头部代表的扩散模型开始在数字艺术领域大放异彩!到了2023年,画质已经比肩人类画师,在小红书、抖音等平台开始出现大量图像生成作品,一时真假难分。同时随着生成内容的可控性增强,AIGC开始全面进入设计领域。

AIGC 对于设计领域的影响,具体体现在对设计工作流的渗透。

创意构思:通过分析设计趋势、用户偏好和市场需求,AIGC可以快速提供大量创意建议。设计师也可以将零碎想法或多个不同的风格参考图输入Al, 自动融合生成不同的创意。草稿绘制:根据设计师的初步想法或需求,自动生成多种不同风格的草稿。这些草稿可以作为设计师进一步细化和完善的基础,大大缩短了设计周期。设计执行:利用AIGC工具进行自动排版、颜色匹配、图形处理等工作,这些工具能够准确理解设计师的意图,并快速生成高质量的设计成果。方案反馈:自动分析用户反馈,提炼有价值的信息,然后对方案进行自动优化和迭代,或是给到设计师进行决策。AIGC|20+篇研报解析:技术要素、产业链、营收模式与应用场景

当前阶段,AIGC技术在设计领域仍有三大问题:

可控性仍待提高:AIGC在理解复杂的设计需求和精确执行详细指令方面仍显不足,与设计师的预期存在偏差。生成作品仍有瑕疵:在细节处理上还不够精细,经常出现不自然的、违反客观规律的一些内容,作品不能“生成即用”,往往需要再加工。存在版权争议:AI大模型的训练数据来源始终存在版权争议,其生成作品可能与版权作品具有高度相似性,触发侵权风险。

尽管存在挑战,但随着技术的进步,AIGC必将越来越快地融入设计领域的各个层面。

参考研报:《2023年度AI设计实践报告》、《中国AIGC文生图产业白皮书2023》、《中国AIGC文生图产业白皮书2023》、《AIGC之AI绘画行业发展研究报告》

以上我们通过研报的视角,先后了解了AIGC的技术要素、产业链、营收模式和行业影响,还挑选了游戏、广告营销、电子商务、设计等四个应用场景,介绍了AIGC在这些领域下的具体切入点。从这些分析中,我们可以看到一个相同点,就是AIGC技术并不只是对某个局部产生了影响,而是正在迅速渗透到行业链路的每一个环节,对行业进行着全面改造和重新定义。

正是这种全方位地渗透和影响,赋予了AIGC无限的想象力。对于未来,我们应持续关注AIGC如何在解决行业痛点、提升效率、增强用户体验方面发挥更大的作用。同时,AIGC必将不断开启新的商业模式和创新路径,推动产业向着智能化的方向演进,让我们拭目以待。

本文由 @设计来电 原创发布于人人都是产品经理。未经许可,禁止转载。

题图来自 Pixabay,基于 CC0 协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。

大观网-36氪的头像大观网-36氪
上一篇 2024 年 6 月 26 日 下午2:00
下一篇 2024 年 6 月 26 日 下午2:22

相关推荐