对于很多人来说，生成式AI在全球的大面积爆发不过短短2年时间，但它正以意想不到的速度改变着世界。
为何它发展如此之快？未来又将带着怎样的轨迹前行？下文我们来分享几点小发现。
一、AIGC发展的偶然与必然
在有些人看来，生成式AI的爆发式增长像是一次偶然性的技术突破，但从整个大环境看，它的爆发不是横空出世，而是多种条件交叉发展的结果。
技术方面，2016年AlphaGo打败世界围棋冠军，让AI重回大众焦点。而在此之前，卷积神经网络（CNN）、循环神经网络（RNN）、生成对抗网络（GAN）等深度学习模型或AI核心算法都已经问世，只是苦于找不到合适的应用场景或存在缺陷被雪藏和边缘化。
2017年，谷歌研究团队首次提出了Transformer，这种基于自注意力机制的神经网络模型拥有强大的并行计算、长序列处理和语义理解能力，尤其擅长文本生成。
发现Transformer在内容生成这块的潜质，2018年，谷歌团队在其基础上提出了预训练模型Bert。Bert首次尝试通过自监督学习和微调来训练大模型的自然语言处理能力，被视为里程碑式的发现。
这种模型训练方法为OpenAI等AI公司打开了思路。2018-2022年，OpenAI蓄势推出了3代GPT大语言模型。随着千亿级参数的GPT-3.5大模型涌现能力，OpenAI很快在2022年11月推出现象级产品ChatGPT，并一炮走红。
2023年是AI显性化发展的元年。这一年，OpenAI趁热打铁推出了GPT-4，与此同时，Midjourney、Runway、DALLE、Stable Diffusion等多模态AIGC产品强势出圈，点燃了全民的使用热情。
另一边，Meta AI发布了开源大模型LLaMA，为国内外大量垂类、端侧大模型提供了技术底座，吸引到更多AI新势力涌入赛道。
国内方面，2023年前后成长起来了一大批AIGC公司，随着基础大模型赛道诞生出数百家企业，“百模大战”由此兴起。人们享受着新技术红利，也加速着市场转型。
不过从整个市场的发展曲线来看，AI高速发展的背后，除了技术（尤其是大模型）方面的成熟，还有硬件上的配合。比如在2016年、2020年、2022年这三个AI发展的关键节点，英伟达分别推出了DGX-1、A100、H100三款划时代意义的硬件产品，为AI大模型训练提供了强大的算力支持。
国内方面，2016年前后，国产芯片陆续布局。在2019年AI热潮爆发前夕，华为率先推出了昇腾系列AI芯片。在市场需求和政策的双重引导下，眼下越来越多的“国产芯”在市场上崭露头角，也为国产大模型的发展提供了重要的端侧算力支撑。
除此之外，包括AIGC在内的人工智能技术在各行业被广泛应用，其实也有业务创新、提效降本、业绩增收、升级体验、猎奇尝新以及人口老龄化等多方面的考虑。
当这些时代因子交织在一起，合力推动了AIGC的崛起及爆发式增长。
二、AIGC目前的应用前景如何?
生成式AI作为走向通用人工智能的一大步，包含文本、图像、音视频、代码等多模态的内容生成，现已覆盖聊天对话、问答搜索、图像生成、视频生成、音乐创作、配音、翻译、编程、营销策划、情感关怀、数字人等多个B端和C端应用领域。
整体的商业规模也许不够明确，但细分赛道的市场体量及用户量级却让人浮想联翩。
比如AI图像生成赛道，头部玩家Midjourney的用户量早就达到千万级，年营收能做到约2-3亿美元规模。
AI视频生成赛道，据dataintelo等研究机构统计：2022年全球市场规模约为4.7亿美元，2023年则超过了5.6亿美元。虽然整体规模因为生成质量/时长、安全、版权等方面的顾虑算不上抢眼，但Runway、Pika、Sore（OpenAI）、Lumiere（谷歌）等视频生成模型和产品的市场热度一直相当高。
近两年很火的AI数字人也是应用较为广泛的赛道之一，目前在金融、教育、企服、电商、娱乐等行业均有或深或浅的商用。据IDC、艾媒等行业研究机构推测：未来5年中国AI数字人市场或将突破百亿规模，而对关联产业规模的带动则在千亿级。
至于AIGC头号选手OpenAI，早期其产品月访问量便接近9亿，2023年总营收达16亿美元。整体的用户规模、市场营收及增速则更为可观。
从整体来看，目前国内外AIGC市场均迎来了爆发期，经济贡献度持续攀升。
其中，据麦肯锡2023年底发布的《生成式AI在中国》显示：生成式AI有望为全球经济贡献约7万亿美元的价值，其中中国市场约占到全球总量的1/3，将贡献约2万亿美元的价值。
而据《中国AIGC应用全景报告》显示：2024年中国AIGC应用市场规模能达到约200亿元，2030年或将突破万亿元规模。
以上进一步刺激了各方对AIGC赛道的加码，推动整个行业向上发展。
三、AIGC未来有哪些发展态势？
目前，生成式AI呈现出很多的发展态势和趋势走向。总结起来，个人觉得以下3点值得关注：
1. 横向品类和纵向应用的拓展
从横向看，AIGC应用正越来越多，品类也越来越细。以对话式生成为例，除了基础性的问答、搜索、写作等，目前还延伸到了社交、婚恋、教学、陪伴、陪练、审核等多个细分领域。
从纵向看，随着AIGC与行业的结合度越高，落地的业务场景也在持续增多。以司普科技AIGC应用的商用为例，目前便有通过对话形式，服务于智能教学、科研写作、生产偏差写作、产品交易、智能运维等多个行业场景。
以上打破了AIGC的能力边界，也极大地拓展了其客群和商用价值。
2. 跨模态生成能力
其实生成式AI能同时服务于通用和专用业务场景，很大程度上源于它的跨模态生成能力。
这方面的能力，除了文生文、文生图、文生视频、文生音频等形态，同时还包括能输入和解析相应的图像、音频等多模态信息，并最终生成人们想要的文本内容、可视化图表、样图样稿等。
事实上，细分赛道的很多AIGC厂商已经在尝试强化跨模态生成能力，以丰富自身的业务线。
比如GPT-4强化了多模态识别能力，Stability AI等从图像生成扩展到了视频生成、图片/视频修复等领域，Suno主打AI音乐创作，也涵盖歌词（文本生成）、旋律（音频合成）的多模态生成等。
为了打造核心优势，减少对第三方的依赖，未来这方面的能力或有增无减。
3. 商业模式的可复制与可持续
和底层大模型多按实际的token使用量收费不同，主流的AIGC应用大多采用订阅收费模式，通过扩大用户量和相应的客单价，来提升盈利能力。
目前，在较大的成本面前，如何有效获客并实现持续的收益，是大多数AIGC厂商普遍关心的点。在这方面，打造商业闭环、选对获客渠道、开拓潜力市场正成为很多AIGC厂商的自主选择，也左右着未来的发展路径。
AI文生图公司Midjourney算是其中的先行者。这家公司于2021年晚于DALLE-1几个月问世，但它一开始就坚定了发展路线——前期通过免费额度获客，并通过和社交平台Discord（平台月活约1.5亿）合作，获取精准客源。
在与Discord的合作中，Midjourney很快吸引到上千万用户，仅靠订阅费，就做到上亿美元营收。
2023年，同行奋起直追时，Midjourney已经在开拓海外市场，并于当年5月推出了中文版Midjourney，率先在国内社交流量平台试水。为扩大市场份额，它还在AI图像生成服务基础上，开拓了关联业务线。这波操作加上扎实的产品基本功，使其成了同行争相模仿的对象。
目前，Midjourney算是业内少数不靠投资就自我造血的AIGC企业。而对于大多数AIGC厂商来说，因为基础投入居高不下，且客户资源与资金更容易向头部聚拢，尽早打造自己的商业闭环，提升持续盈利能力，几乎成了行业突围的关键。
除了以上提到的几点，生成式AI的安全建设、监管治理等方面近两年也越发受重视。它让人们以更加审慎的态度拥抱AI，同时也推动着整个市场实现良性、可持续发展。
备注：本文原创，首发sipu-tech，第三方平台首发人人都是产品经理，部分引用数据有参考麦肯锡、量子位、艾瑞等。
本文由 @iseeworld 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 Unsplash，基于 CC0 协议