2023年中国AIGC产业全景展望

2023年，AIGC和大模型产业井喷，推动AI加速渗透进百行千业，引发生产力与创造力革命。近日，亚信科技旗下艾瑞咨询发布报告，围绕大模型、应用、算力，探究我国AIGC产业发展现状，解析AIGC能力落地与商业化路径，展望未来发展机遇和挑战。

关注本号，后台私信“AIGC”，获取完整报告。

01

中国AIGC产业图谱与市场规模

AIGC与大模型引领“AI产业化”与“产业AI化”发展

2022年11月上线的AIGC类应用ChatGPT，凭借在语义理解、文本创作、代码编写、逻辑推理、知识问答等领域的卓越表现和低门槛交互方式，迅速获得大量用户。随后，各类AIGC应用涌现，给各行业智能化升级带来了新可能，“AI产业化”与“产业AI化”的空间进一步拓展。

中国AIGC产业市场规模：指数级增长，攫取万亿产业价值

艾瑞咨询预测，中国AIGC产业规模2023年约为143亿元，2028年预计将达到7202亿元，逐步建立完善的“模型即服务”产业生态，2030年有望突破万亿。

中国AIGC产业投融资情况

2021至2023年7月，AIGC赛道共发生280笔投融资，展现出其高热度与高成长性。产业细分维度，应用层创业机会最多，模型层创业在2023年集中涌现；文本、影像、语音平分秋色，多模态和跨模态的应用前景更加为资本看好。投融资轮次维度，约70%的项目处于A轮及以前阶段，赛道处于起步期。同一标的高频融资，既反映AIGC前期创业需要大量资金支持，也表明优质创业项目非常稀缺。

02

技术变革的原生驱力：大模型

预训练大模型的分类与介绍

预训练大模型按照模态可以分为文本、图像、视频、代码、音乐生成等多种，但从底层架构上都分属两类——即适用于处理文本、代码这类强连续性生成任务的Transformer框架和善于处理图像生成类任务的Diffusion、GAN、NeRF等框架。由单模态模型在实际训练时融合其他模态技术，可形成多模态、跨模态大模型。由于多模态模型可接受文本、图像等不同输入输出形式，应用场景更广泛，着力发展多模态模型成为趋势。

预训练大模型发展路径：闭源与开源将并存互补

在以OpenAI为代表的闭源模型厂商开放对外技术服务后，开源模型厂商也在加紧发力。根据开源程度，大模型的开源可分为“可研究”与“可商用”级别。中国仍需培育适配于中文数据土壤的开源生态。未来，开源和闭源的LLM会并存互补，为大模型发展创造多元协作的繁荣生态。

着力打造中国AIGC开源社区生态

AIGC开源社区的建设可以吸纳更多开发者和拥有定义用户的主导权，以AI开源创新平台为杠杆，带动支撑底层AI芯片、智算中心及云服务等基础设施发展。从供给侧逻辑来看，大模型开源早期由高校和机构推动，陆续有头部云厂商加入，开源社区建设成果初现。从商业化路径来看，参考海外明星开源社区，中国AI开源社区同样会先免费提供基础算力、社区体验、demo部署及测试，而后通过付费服务，提升模型产品性能，吸引开发者、企业客户完成更多部署应用的引流变现。

大模型落地将带来新一轮“AI产业化”扩散

大模型类似于一个能力全面且突出的“完全体”，通用性强，标准化、流程化程度更高。用大模型做应用开发，可以快速赋能应用，有效促进AI的工业化生产和AI服务落地，扩展AI的应用范围。

MaaS是大模型能力落地输出的新业态

未来，MaaS（Model-as-a-Service，模型即服务）服务商将着力打造大模型商店，建设大模型生态，纳入更多开源模型，持续丰富工具链产品服务，通过业务积累、数据回流、模型迭代逐步形成壁垒，在拉高云服务营收的同时进一步塑造厂商的核心竞争力。

大模型成为AI应用开发的操作系统

未来，大模型将成为AI产业的操作系统，其基础设施特性可为AI应用开发做好底座，将AI模型变得可维护、可扩展、可迭代，极大降低AI应用的开发门槛。客户能通过更低成本、高效率的MaaS（模型即服务）获得AI能力，完成AIGC应用的个性化开发、优化及部署，将AI能力应用渗透到各行各业的场景业务中。

市场需评估大模型产品服务能力，艾瑞咨询提出EPS-EPD评估体系

大模型能力评测意义重大，评测结果可让供需两侧了解各家大模型能力的优势与不足，做出更好的产品与应用选择。艾瑞咨询据此提出EPS-EPD评估体系，能够全维度测评大模型产品的基模性能与商业能力，为业界提供信息参考。

大模型需以行业级、企业级方式支撑上层应用

基础大模型落地面临两大难题，一是终端客户对算力成本的接受能力，二是大模型虽擅长通用领域问题，但往往在垂直行业任务中表现欠佳。因此，基础大模型要进行训练和调优，才能形成垂直领域大模型；部分企业也有较多的深度定制、私有化部署等需求。

连接模型能力与应用需求是落地关键

在大模型推动的技术浪潮下，如何连接模型能力与上层应用，完成商业化变现，构建人工智能应用主导的生态系统，是AIGC各层厂商重点关注的课题。艾瑞咨询认为，数据准备、ROI衡量、Prompt工程能力是连接模型层与应用层落地的核心三要素。

厂商合作关系演化及周边工具服务的发展

未来，随着模型开发厂商和垂类应用厂商为巩固市场地位，向产业链上下游拓展，模型层、应用层将呈交错发展之势。企业客户因其参差的数字化基础及个性化的软件、流程需求，依然需要解决方案厂商定制优化并部署实施，而AI开发平台也将与大模型合力，进一步实现“低门槛、低成本、高效率”的开发部署与应用。数据标注、安全合规等周边工具服务亦是促进AIGC产品高效开发、产业有序发展的可观商机。

工具层成为AIGC产业新热点

艾瑞咨询认为，大模型的中间层-工具层构成可分为AI代理-Agent角色与AI微调-大模型服务两类。AI Agent是继大模型、AIGC后进一步火爆的中间层产品，可看作能感知环境及需求、进行决策和执行的智能体。大模型服务平台则为企业提供模型训练、推理、评测、精调等全方位服务，并基于供给侧能力与需求侧要求进行B端私有化部署（创业公司切入点）或平台资源调用（云厂商切入点）。

AI Agent更广阔的角色价值与发展空间：沉淀垂类数据与业务理解是关键

一方面，大模型的语料资源包含了大量的人类行为数据，填补了AI Agent可行性与合理性的关键要素。另一方面，大模型表现出优秀的上下文学习能力、复杂推理能力，在接受目标及设定后，可自发将其拆解成简单细化的子任务，无需人类干预去完成剩下的全部工作。目前AI Agent已成为继大模型之后，更有想象空间也更贴近应用的下一爆点。

03

价值传递的实际落位：应用层

AIGC产业化价值与影响

AIGC的产业价值主要体现在以大模型为核心的“变革内容生产方式”与“变革人机交互方式”两方面。未来，全行业将借助大模型能力衍生出的大量AI生产工具，实现内容生产效率的飞跃，进一步降低数字生态的人机交互门槛。

生产力变革带动海量下游应用优化

在生活领域，AIGC将进一步下放内容创作权，激发UGC创作热情，加速内容裂变。在生产领域，大模型能从研发流程、产品能力和交互上全方位为企服软件带来提升。

AIGC将在全行业引发深度变革

AIGC主要通过影响内容创作与人机交互促进行业变革，线上化程度、数字化基础、行业内容占比等因素影响AIGC应用前景与渗透速度。

内容消费赛道：内容分发平台为核心的AIGC布局

内容分发平台一端链接创作者，一端绑定大量用户，拥有最为完整的内容消费生态，成为AIGC内容消费的布局核心。AIGC技术已被应用于营销文案、电商图片甚至评论的自动生成中。

创作工具赛道：模型能力为核心，文、图发展路径将分化

与传统内容创作工具相比，AIGC内容创作工具的最大特点为“底层模型重、前端轻”，因此产品竞争的核心要素也从功能设计变成模型能力。文本类应用和图像类应用的发展路径因模型成熟度和成本等因素产生较大差异。

企业服务赛道：产品化价值与商业变现

AIGC融入既有应用，降本效果明显，营收增长主要依靠服务新场景

04

不可忽视的资源引擎：算力层

AIGC带动中国算力产业发展机遇总览

这一领域，重点关注“芯片硬件、服务器、应用模式、能源散热”等算力模块。

全球将大力发展算力基础设施，AIGC的大算力需求让供需结构承压

相关报告表明，计算力指数平均每提高1个点，数字经济和GDP将分别增长千分之3.3和千分之1.8。目前中国各地正加快新一批数据中心与智算建设，持续优化算力资源，以满足高速发展的算力需求。

算力产业模式将在AIGC时代有所演变

AIGC时代，数据中心将配置更多AI服务器满足日益剧增的算力需求，云厂商更是提出MaaS（模型即服务）商业模式，将云计算、智能算力、模型能力等资源做高度融合，更好地满足客户个性化需求。

AI芯片是算力皇冠，关注其性能与利用率

算力是评价AI芯片的核心要素，而除了运算次数外，芯片的性能衡量还需考虑运算精度。为了适配大模型的训练及推理，AI芯片要有更大的内存访问带宽并减少内存访问延迟，更高的片间互联甚至片内互联能力以满足AI加速器访存、交换数据的需求。但是，大集群不等于大算力，增加GPU卡数或计算节点不能线性提升算力收益，单卡芯片性能差距将更难通过堆料等方式解决。

中国算力产业将坚持自主创新道路

作为AIGC产业的基建层，算力是AIGC生产力卡脖子的关键环节。对此，算力生产商纷纷发力，如AMD、英特尔等追赶型企业针对AIGC的新品动作频频。中国算力层也会进一步摆脱对头部厂商的依赖，以“云巨头自研自用+独立/创业公司服务于信创、运营商等To G与To B市场”为主要路径，静待国产替代曙光，实现国产“算力+应用”的正循环。

04

中国AIGC产业发展趋势

技术发展：科研与产业两端突围

产业侧与科研侧的不断探索优化，暴露出标准Transformer架构的巨大瓶颈，即“不可能三角”。各大机构与开发团队对Transformer架构的改进在快速推进，未来极有可能出现具备推广价值的新Transformer架构。

应用前景：软硬一体化

大模型被逐步应用于手机、物联网等终端设备侧，“软硬一体”将带来广阔的应用场景。

社会影响：新一波自动化浪潮

AI成为基础设施，部分基础工作被AI替代，社会人力结构将被重塑。智力要素重要性提升、附加值提高，将推动社会资源和财富向顶尖人才和组织聚集；为维持供需平衡，分配制度也将重塑。

AIGC的监管瞭望：宽松鼓励与整顿规范

AIGC的应用，引发了知识幻觉、数据安全、个人隐私、道德伦理等诸多问题和讨论，亟需监管措施的跟进和引导。2023年7月，网信办等七部门发布了《生成式人工智能服务管理暂行办法》，监管要求较为宽松，反复强调了鼓励发展的态度。国家也以立法的形式打造数据和算力协同共享平台，最大化促进资源利用，有利于为中小型企业减负，降低研发成本。