《爱分析：2023 AIGC市场厂商评估报告：拓尔思（15页）.pdf》由会员分享，可在线阅读，更多相关《爱分析：2023 AIGC市场厂商评估报告：拓尔思（15页）.pdf（15页珍藏版）》请在三个皮匠报告上搜索。

1、2023爱分析AIGC市场厂商评估报告拓尔思ifenxi2023年03月Copyright2023爱分析#page#AIGC市场定义市场定义：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

2、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，穷实创作基础。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Web3的大

3、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、DALLE2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1AIGC

4、市场厂商评估-拓尔思#page#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、模型部署及送代优化的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

5、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。除此之外，甲方还有以下期望需求：在底层能力方面，企业需要生成算法、预训练大模型的选代更新，以提供更优的底层算法支撑。预训练模型是人工智能科技巨头在GAN、Transformer、Diffusion、CLIP等基础生成算法的基础上，进行融合、扩展、训练而来的，新一代的基础生成算法在模型架构、精准度方面往往表现更优，例如Diffusion替代GAN成为图像生成领域的主流算法。预训练模型的送代与突破，在参数量、算力要求、模型效果方面可能会取得更优的综合效能

6、，例如OpenAIGPT模型1.0-3.5的持续送代，抑或是LLaMA以更小体量取得了可能比GPT3更好的模型表现。基础生成算法、预训练大模型的选代，虽然可能会引发算法效果的质变，但因为需要庞大的人才队伍、巨量资金支持以及长时间积累，往往是只有国内外科技巨头能够覆盖。图1：甲方企业对于AIGC落地应用的需求大模型能力方面落地应用方面期望需求经过调优的垂直化行业大模型，端到端的AI落地应用服务，确保生成算法、预训练大模型的选代以很好地支撑上层垂直化应用大模型产生实际落地价值更新，以提供更优底层算法支撑甲方企业对于AIGC落地应用需求分解ifenxi图：爱分析绘制AIGC市场厂商评估-拓尔思#pa