2023AIGC在内容行业的应用及产业链重点企业梳理报告.pdf

1、2023年深度行业分析研究报告#page#目录人工智能应用已经进入高速发展阶段.5AI能力选代速度加快.AIGC多模态交互能力持续进化6AIGC领域历经多种技术路线演化.12.12大语言模型的主要技术路径均基于TRANSFORMER“涌现能力”令人惊艳，但原理仍是谜团.13.16其他模态AIGC基于各自领域小模型发展lS国内发展大语言模型面临的挑战.18数据成本：海量的优质数据以及处理数据的经验方法.21算法开发成本：富有经验的工程师人才.22算力成本：超大规模的计算资源与资本投入，26AIGC颠覆人机交互模式，创造全新内容形态.人机交互形式正在发生颠覆式变化.2629内容生产效率提升，创新的

2、内容形态正在际酿。34AIGC产业链和推荐关注标的.#page#图表目录图表1.人工智能技术的发展历程。5图表2.感知型AI和决策型AI常常融合在一个系统中执行任务.图表3.分析型AI常用作智能推荐7图表4.生成式AI通常以模态进行划分.图表5.AIGC发展历程.图表6.生成式AI有多种多样的算法模型.8图表7.Transformer由编码器（Encoder）和解码器（Decoder）两部分组成.9图表9.Make-A-Video，Imagen，NETFLIX生成视频.O图表10.OneNote语音听写.图表11.MusicLM.图表12.语言模型的演进过程.12图表13.ChatGPT训练过

3、程.13图表14.“涌现能力”广泛存在于自然界以及物理学、经济学等领城13中外甲唯中图图表16.上下文学习能力（in-contextlearning）是涌现效应的部分证明14图表17，涌现现象原理的猜想之一是任务的评价指标不够平滑.I图表18.涌现现象原理的猜想之二是复杂任务之内有不同层次之间的信息交互整.16图表19.主流图像AIGC对比.图表20.TTS中的技术步骤.图表21.GPT-3的研发成本拆分.I图表22.GPT3所采用的训练数据集.1图表23.CommonCrawl中各种语言的比例.19图表24.全球主要地区数据规模变化.图表26.消费级应用1亿用户达成时长.20图表27.Cha

4、tGPT团队中的华人学者.21图表29.目前国内富有经验的工程师人才.22图表30.云服务下GPT-3算力成本拆分.图表32.规模化应用主要的降本环节.24图表33。目前国内主要的大模型.24续图表33.目前国内主要的大模型.25图表34.AI-智能家居解决方案26#page#图表35.NewBimg带来全新的搜索体验。图表36。通用大语言模型就能后人机交互全环节对比.27图表37.ChatGPT交互模型.27图表38.ChatGPT插件功能.图表40.NewBing的绘画能力.28图表41,365Copilot应用.29.29图表42.Auto-GPT.图表43.Auto-GPT的评价及缺陷

5、.29图表44.AIGC与传统内容生产对比.30图表45.AIGC助力内容生产图表46.AIGC现有美术应用.31.31图表47.NVIDIAResearch的AI模型.图表48.AI语音应用方向及案例.图表49.AI语音生成未来市场规模.3232图表50.ChatGPT的编程能力.图表51，国内aiXcoderXL智能编程大模型.3233图表52.使用NewBing总结文献.图表53.ResearchGPT.33图表54.AIGC产业链图谱及代表企业.3435图表55.AIGC上游相关标的.36图表56.AIGC产业链中游相关标的.37续图表56.AIGC产业链中游相关标的.图表57.AIG

6、C产业链下游应用相关标的（1）.续图表57.AIGC产业链下游应用相关标的（1）.图表58.AIGC产业链下游应用相关标的（2）.40图表59.AIGC产业链下游应用相关标的（3）.续图表60.AIGC产业链下游应用相关标的（3）#page#人工智能应用已经进入高速发展阶段AI能力选代速度加快人工智能的研究目的是使机器能够模拟人类的智能行为，从而扩展人类的能力。于是研究者通过赋予智能主体听觉（语音识别、机器翻译等）、视觉（图像识别、文字识别等）、自然语言能力（语音合成、人机对话等）、思考（人机对奔、专家系统等）、学习（知识表示，机器学习等）和行动（机器人、自动驾驶汽车等）的能力来实现。AI技术