2023年03月23日
- 人工智能
市场定义：
AIGC，指利用自然语言处理技术（NLP）、深度神经网络技术（DNN）等人工智能技术，基于与人类交互所确定的主题，由AI算法模型完全自主、自动生成内容，从而帮助传媒、电商、影视、娱乐等行业进行文本、图像、音视频、代码、策略等多模态内容的单一或跨模态生成，以提升内容生产效率与多样性。
终端用户：
金融、传媒、元宇宙等行业组织的产研与业务部门、政府部门
甲方核心需求：
AIGC最核心的能力，就是内容生成。经过训练的AI算法模型，能够超越人类创意、效率，相对高质量地规模化生成海量数字化内容。一方面，AIGC可降低海量数字内容的生成成本，将人类从简单且重复、基础性工作中解放出来，聚焦更具创造性的方面；一方面，在人类进行内容创作的过程中，AIGC能够快速生成大量相关内容，帮助人类扩充、寻找创作灵感，或者基于所提供的信息，夯实创作基础。
比如，在传媒领域，部分新闻内容的自动抓取与生成、标题或摘要的自动化生成；在营销领域更具智能的客服机器人，能够更温和、人性化的回答客户常见问题甚至跳跃性问题及非常规问题；在元宇宙领域，可基于智能算法和知识图谱，让数字人更加智能的与人类进行交互。
作为人工智能应用的重大突破，AIGC正在改变甚至颠覆数字内容的生产与消费方式，在Web 3的大背景下，有望成为继PGC、UGC之后的主要内容创作来源。但国内的AIGC整体上还处于相对早期的阶段，不同细分领域的技术及应用落地进度不尽相同。如何基于预训练大模型形成面向不同行业的、可落地的产品及解决方案，是当前AIGC领域发展的关键。具体如下：
- 在大模型能力方面，企业需要经过调优的垂直化行业大模型，以很好地支撑上层垂直化应用。GPT-3、BERT、Florence、DALL·E 2等通用预训练大模型虽然拥有巨量参数，并拥有良好的泛化能力，但在面对不同行业、领域的具体应用场景时，由于缺乏具体行业的行业语料集，并且未面向特定行业的应用场景对模型做进一步调优，因此，其模型对特定行业应用场景的性能指标很可能并不理想。因此，经过行业化调优和行业语料训练的大模型，才能更好的支撑甲方的具体上层应用。
- 在落地应用方面，企业需要端到端的AI落地应用服务，确保大模型能够在具体业务场景下，可产生符合预期的实际应用价值，提高组织在特定场景中的生产效能。一方面，AI六十余年的发展历程已经证明，从模型到高质量的生产与实践，AI工程化能力非常重要。但大多数企业往往并不具备从需求的原点出发，到模型的设计、数据标注与模型训练、模型部署及迭代优化的AI闭环落地能力，无法确保大模型真正贴合自身应用场景，实现价值落地；另一方面，很多企业同样也不具备基于大模型进行上层应用开发的能力，预训练大模型虽已经过设计和训练，但由于还需要行业化的二次优化与训练，并且需要结合应用场景进行实际业务应用开发，因此仍旧对企业的AI闭环能力提出了一定要求。