1、出品机构：甲子光年智库智库院长：宋涛撰写人：甲子光年分析师 刘瑶时间版本：2024.06*胡博文，李怡然等其他甲子光年智库团队伙伴亦对本文有贡献*后续，AIGC行业应用发展迅猛，甲子光年智库将根据行业情况进行不定时进行更新、补充及迭代前言：当我们在谈论AIGC，到底希望讨论什么？目前广受热议的“AIGC”实际是对此次AI技术变革的一种描述概念，如果说2023年是“大模型”元年，那么2024年则是“AIGC”应用元年。而我们今天谈论的AIGC概念是泛化的，包括具备狭义和广义概念，狭义概念更强调内容属性，广义概念强调AI的技术属性：狭义的概念重点关注的是数字内容的生产形式（Synthetic Me

2、dia），和人类生成内容方式对比，例如文字、图片、视频等常规内容形式如何一步通过AI生产；广义的概念则突出生成式AI（Generative AI）的概念，即如何通过生成式AI的技术解决以往决策式AI（也会称为决策式AI）难以完成的问题，尤其在泛数字内容上实现“质的突破”。随着生成式对抗网络（Generative Adversarial Network，GAN）等的演进及迭代，生成式AI可以结合自动化、数字化、决策式AI等等多种的形式，解决数字化时代信息的解构、生成、交互、传播、反馈等诸多链路（例如数据治理、知识管理、流程自动化、人机协作和交互等等），即意味着凡是可以涉及数字内容形式的产业，AI

3、GC通通可以“重新做一遍”。AIPGCUGCProfessionally-Generated Content内容生成成本高，需要专业人士完成内容生成，总体内容生产数量低User-Generated Content内容生成及传播成本由于互联网时代的，无需专业人士完成，总体内容生产数量有所提升GC应用创新希望AIGC去解决旧时代的“老问题”，创造属于当下的“新需求”AIGC关注内容（Generated Content）的生成方式，即是否内容的最终形态由AI完成，来自于互联网之前对内容生成方式描述比较（PGC&UGC），对生成主体的不同（人VS机器）、数量及规模的上限，生成速度的巨大差异进行比较AI

4、GCAIGC的商业价值核心逻辑是什么？技术和产品力如何形成更好的化学反应？哪些具体的行业和场景在2024年会成为关键的破局点？“大模型”怎么用？是否要唯“大模型”论？AIGC能否“击穿”当下数字化不得解决的问题？AIGC是否会形成新时代的生产力？AIGC能给行业带来什么样的新体验、新思路？目 录Part 01背景：AIGC将迎来“寒武纪”式的爆发Part 02价值：重新探索数字生产力的实现模式Part 04落地：当下商业实践值得关注的里程碑Part 05守望：AI新世代下的审慎与期待Part 03探索：垂直领域数智化的再次出发AI浪潮发展的必然要求：商业应用落地是时代发展的“飞轮”加速器大模型

5、的发展开启了AIGC时代（第四次AI浪潮），从人工智能产业的发展中可以看出，技术是AI每次革命性发展的起点，但商业应用是发展的加速器，AI的持久发展看商业落地。商业应用可以为AIGC技术提供实际的测试环境，通过不断的实践和反馈，促进技术的迭代和优化。而资源则借助商业应用向技术研发倾斜，技术可以拥有极大的试错空间。先进的技术可以帮助企业更有效地利用资源，包括数据、人才和资本等，形成正向循环。1956202319802006产业热度人工智能产业的发展历程简述1950s-1980s第一次浪潮1980s-2000s第二次浪潮2000s-2020s第三次浪潮2023-至今第四次浪潮AIGC的持久发展需要

6、商业应用落地第一次浪潮：达特茅斯会议之后，大量AI程序和创新研究涌现，尝试实现AI应用第二次浪潮：“专家系统”可实现人工智能与专业知识结合，实现特殊领域的实践落地第三次浪潮：深度学习助力语音识别、图像和视频处理等AI应用逐渐渗透到各行各业应用技术资源“应用”&“技术”&“资源”相互促进，实现飞轮式发展，“没有大模型是万万不能的，只有大模型是万万不行的”数据来源：公开资料，专家访谈，甲子光年智库整理技术储备的不断深化和完善：技术爆发后迎来商业加速，应用热度上升随着人工智能技术的飞速发展，大模型（包括开源模型及闭源模型）的数量和能力都在显著增长，为AIGC（人工智能生成内容）应用的爆发提供了坚实的