【世经研究】AIGC行业领域运行现状以及银行业机遇分析
一、行业基本情况
（一）行业定义
AIGC（AI-GeneratedContent）指人工智能生成内容。传统的UGC/PGC/OGC三者之间主要区别在于作者的利益关系、专业程度等，本质都是由人来产出内容，而AIGC则是由AI来产出内容，包括图片、文章、交谈、评论、视频、音频等等。
相较人工创作，AI创作最核心的优势在于高效低成本，AI算法利用互联网上的海量数据结合内容生产引擎快速产出内容质量显著提升，在2022年美国科罗拉多州博览会艺术比赛中，来自AI绘画工具Midjourney生成的作品获得了第一名，由此见得未来人类某些创造性工作可能会被AI取代，或进一步进入人机协同工作模式，而在海量资源和产出的内容生产模式下，AIGC技术的高产出能力有望进一步降低成本。Gartner将生成性AI列为2022年5大影响力技术之一;MIT科技评论也将AI合成数据列为2022十大突破性技术之一。
（二）AIGC相关算法技术
AIGC的爆发得益于算法技术进展，其中包含对抗网络、流生成模型、扩散模型等等深度学习算法。各类算法功能分别覆盖了数各部分数据权重的选择、从噪声中构建数据样本、不同语言文本翻译、图像文字特征值匹配等等。在多模态的技术支持下，目前预训练模型已经从单一的NLP或CV模型发展到了多种语言文字、图像、音视频的多模态模型。2021年OpenAI团队发布了AI回话产品DALLE，通过使用者的语言描述去自动生成对应图像，便是CLIP让图片和对话找到交接点。总的来看，AIGC在2022年的爆发得益于模型创新推动的生成算法和预训练模型创新，进而形成了参数丰富、训练量大、生成内容稳定高质量的流水线。
（三）AIGC产业结构
AIGC的产业架构分为基础层、中间层和应用层。整个AI生成内容链条第一层是基础层，也是由预训练模型为基础搭建的AIGC技术基础设施层。由于预训练模型的高成本和技术投入，因此有较高的进入门槛。如GPT-3的成本超过1000万美元，因此可以进入预训练模型的主要机构为头部企业和科研机构，如OpenAI、Stabilityai等等。
第二层位中间层，及垂直化、场景化、个性化的模型和应用工具。预训练的大模型是基础设施，在此基础上可以快速抽取生成场景化、定制化、个性化的小模型，实现在不同领域的应用部署。
第三层为应用层，基本面像C端的文字、图片、饮食平内容的生成服务。侧重于用户的使用体验和需求，使得用户可以用消费级的显卡算力挖掘丰富的内容，包括Chat-GPT、群聊机器人等等方式。
随着数字技术与实体经济融合程度的不断加深，以及互联网平台数字化场景向元宇宙转型，人类对数字内容总量的丰富程度整体需求不断提高。AIGC作为当前新型的内容生产方式，已经率先在传媒、电商、影视、娱乐等数字化程度高、内容需求丰富的行业取得了一定程度的创新，市场潜力逐渐显现。
二、行业运行现状
2022年以来，以ChatGPT为代表的AIGC技术热度持续提升。AIGC作为人工智能的子领域，目的在于开发与人类智慧相媲美的技术，能够通过学习大量的数据内容生成全新的数据。AIGC核心技术包括深度变分自编码、生成对抗神经网络、扩散模型、Transformer等基础模型以及计算机视觉、自然语言处理、多模态等预训练大模型，而模型的训练需要大量的数据支持，并且需要强大的算力作为支撑。同时，在预训练模型的基础上，需要进一步通过专门的调试和训练形成垂直化、场景化、个性化的小模型和应用工具层，以满足特定领域的需求。此外，应用层面，利用AI技术生成文本、图像、音频、视频等内容以及由此构成的多模态内容是AIGC的重要应用场景，可广泛应用于游戏、电商、政务、金融等诸多领域，大幅提高创作效率。
（一）算力、数据、算法构成AIGC领域重要支撑，需求随大模型持续推出及升级迭代快速增长
算力、数据、算法是AIGC领域的三大核心要素，推动AIGC技术持续取得突破。其中算力刻画数据处理能力，主要关联技术包括数据中心、分布式计算、边缘计算、高性能计算等。数据指以数字、文字、图像等形式表现的用于模型训练的素材，其相关技术包括数据挖掘、数据仓库、数据可视化、数据安全和隐私保护等。算法代表用系统的方法描述解决问题的策略机制，其关联技术包括机器学习、深度学习、自然语言处理、计算机视觉、推荐系统等。
AI大模型训练需要强大的数据处理能力，推动算力需求持续增长。AI大模型训练需要强大的数据处理能力。随着大模型持续推出及升级迭代，AI算力需求持续增长。根据IDC的数据，我国智能算力市场规模预计将从2019年的31.7EFLOPS增长至2026年的1271.4EFLOPS，CAGR高达69.4%。具体而言，算力基础设施主要包括AI服务器、AI芯片、数据中心等。AI服务器领域，目前AI服务器以CPU+GPU形式为主，可支持大规模的深度神经网络模型训练并提高训练的精度，具有明显的计算效率优势，因此需求有望持续增长。根据机构预测，全球AI服务器（包含搭载GPU、FPGA、ASIC等）出货量预计将从2022年的85.5万台增长至2026年的236.9万台，CAGR为29.0%。AI芯片领域，AI芯片是核心算力硬件，除CPU外，还包括高效支持AI应用的GPU、FPGA等通用芯片以及专门为特定的AI产品设计的ASIC芯片等，主要用于辅助CPU进行加速计算。AI芯片占据AI服务器的主要成本，根据IDC的数据，芯片成本在基础型服务器中约占32%，在更高性能的服务器中，芯片相关成本占比高达50%-83%。在算力需求激增的背景下，AI芯片需求有望持续增长。根据统计数据，全球AI芯片市场规模预计将从2018年的43亿美元增长至2025年的726亿美元，2020-2025年CAGR达48.4%，而我国AI芯片市场规模预计将从2018年的61亿元增长至2023年的557亿元，CAGR达55.4%。数据中心领域，数据中心作为算力的重要载体之一，需求将随着大模型算力需求增长而增长。根据统计数据，我国数据中心市场规模预计将从2014年的372亿元增长至2024年的6123亿元，CAGR达32.3%。
预训练模型引发AIGC技术的质变，国内外厂商积极纷纷推出大模型。预训练模型引发AIGC技术的质变，有效推进AIGC在应用端的落地。具体而言，预训练模型可分为：(1)自然语言处理(NLP)预训练模型，包括谷歌的LaMDA和PaLM、Facebook的OPT-175B和M2M-100、OpenAl的GPT系列等；(2)计算机视觉(CV)预训练模型，包括微软的Florence等;(3)多模态预训练模型，即融合文字、图片、音频、视频等多种内容形式的预训练模型，包括谷歌的Imagen和Parti、DeepMind的Gato、OpenAl的CLIP&DALL-E等。我国企业也在不断推出自己的大模型。根据中国移动研究院，科技大厂在算力层、平台层、模型层、应用层进行四位一体的全面布局，如百度的“昆仑芯+飞桨平台+文心大模型+行业应用”、阿里的“含光800芯片+M6-OFA底座+通义大模型+行业应用”、华为“昇腾芯片+MindSpore框架+盘古大模型+行业应用”，有望提升模型训练的效率及行业的可用性。
（二）AIGC赋能千行百业，应用端发展前景广阔
AIGC生成文本、代码、图像、视频等内容的能力持续提升，应用端发展前景广阔。大模型技术水平日益精进，感知并理解海量数据的能力持续提升，推动AIGC在文本、代码、图像、视频等内容的自动生成方面不断取得突破。在AIGC的加持下，内容生成领域在自动生成、提高丰富度和准确性、降低制作门槛及生产成本方面成效显著。同时，多模态大模型的出现使得多领域融合成为可能，提升AIGC的可用范围。因此，AIGC在自动驾驶、智慧工业、电商、游戏、文娱、金融、工业、政务、医疗越来越多的领域得到广泛应用。应用领域持续开拓推动人工智能行业持续扩容。我国人工智能市场规模预计将从2021年的2607亿元增长至2027年的15732亿元，CAGR达34.9%，其中自动驾驶是人工智能的最大应用领域，市场份额预计将从2022年的38%提升至2027年的52%。
1、人工智能在自动驾驶领域意义非凡，大模型推动自动驾驶进一步发展
人工智能在自动驾驶领域意义非凡，大模型推动自动驾驶进一步发展。人工智能技术在自动驾驶领域有极重要的意义。深度学习技术可以帮助车辆精准感知和理解外部环境；深度学习技术是SLAM系统中的一项关键技术，可以实现地图创建等多项任务；深度学习技术能帮助自动驾驶汽车学习和适应周围环境，帮助其提高决策能力，提升驾驶效率及安全性。同时，大模型在自动驾驶中应用趋势明确。在云端，可以发挥大模型参数量增加带来的容量优势，用于自动驾驶数据自动标注、数据挖掘、通过蒸馏方式训练小模型等；在车端，大模型可用于合并用于不同检测任务的小模型等方面，节省车端计算环节所需的推理时间，增加自动驾驶安全性。因此，在大模型技术的推动下，自动驾驶将迎来更广阔的发展空间。我国无人驾驶汽车行业规模预计将从2015年的30.5亿元增长至2025年的267.6亿元，CAGR为24.3%。
2、AIGC推动数字人更智能化、拟人化，推动数字人在众多产业得到广泛应用
AIGC推动数字人更智能化、拟人化，推动数字人在众多产业得到广泛应用。AI技术在文本、音频生成、图像、视频、3D模型生成及多模态交互等方面全面赋能数字人。具体而言，AI技术逐渐渗透到数字人建模、渲染、生成、驱动等全部环节，并使其制作成本降低、周期缩短、门槛降低，并且拟人化程度更高。根据艾媒咨询的调查数据，虚拟人被认为是2023年受AIGC技术推动作用最为明显的产业。在AIGC技术的支撑下，数字人将在短视频、教育、影视、政务、文创、直播等众多领域得到广泛应用，推动相关产业持续扩容。我国虚拟人核心市场规模预计将从2017年的8.1亿元增长至2025年的480.6亿元，CAGR高达66.6%；同时，虚拟人所带动的市场规模预计将从2017年的80.9亿元增长至2025年的6402.7亿元，CAGR高达72.7%。
三、银行业机遇
由于AIGC行业领域属于新兴行业，由于行业的高景气以及乐观预期，大量资本大量涌入。目前，行业高成长性企业主要依靠战略融资实现公司可持续发展，银行业介入案例较少。一方面，银行业尚未形成较为完善该类新兴行业信贷准入标准，授信风险较大；其次，AIGC行业领域上下游涉及领域以及应用场景较多，金融需求多样，银行业需要积极创新金融服务模式以满足不同领域企业需求，但是现阶段不具备信贷业务介入的条件。
由于银行机构连接着C端用户群体，拥有海量数据积累，因此，AIGC行业领域可以为银行业数字化转型和数字技术落地提供机遇。
（一）前台经营部门
目前最直观的应用迁移场景是线上客服。其优点之一是强大的信息整合功能，与传统的智能客服相比，AIGC产品可以提供更标准、更贴心的用户服务。AIGC生成的对话不仅可以快速给出相对准确的回答，还能根据历史对话数据不断提高自身的回答能力，提升服务水平。此外，AIGC产品可以与对话机器人相结合，更好地适用于银行的业务需求的同时，降低人工客服成本，提升用户体验。
（二）中台管理部门
AIGC式产品与办公软件的融合或赋能运营全流程。ChatGPT和GPT-4在一定程度上集成了数据管理和自动化流程功能，使其在计划财务、渠道运营、授信管理甚至战略规划等领域都具有应用潜力。当AIGC被整合到办公软件中，用户可以通过通用页面和自然语言进行调用，降低其在日常工作中的使用门槛。
（三）后台支持部门
在后台支持部门，直接赋能人力密集型岗位。ChatGPT最广受好评的功能是开发辅助和机器翻译，在编写和测试代码以及多语翻译、多语纠错等任务上表现优秀；GPT-4的技术报告中最亮眼的功能是文本和图片创作，以及写作优化等。上述功能对人力密集型部门和岗位的支持作用相对明显。