2023年，被称作ChatGPT元年，ChatGPT现世至今，AIGC这把火彻底点燃了全世界。
ChatGPT自身在推出2个月后，月活用户突破1亿，成为史上用户增长速度最快的消费级应用程序，必应也在接入GPT能力后日活突破1亿；行业大牛们则亲自下场，纷纷离职创业，激战AIGC。
发展到如今，AIGC的规模到底有多大？水有多深？里面能容纳多少玩家？谁能笑到最后？
近日，量子位在中国AIGC产业峰会上发布了《中国AIGC产业全景报告》。
量子位智库预测，到2030年，AIGC市场规模将达到1.15万亿元规模。
报告指出，AIGC有狭义和广义概念之分。
狭义的AIGC与普通用户更为贴近，更关注图像、文本、音频、视频等内容生成，和Generative AI(生成式AI) 、Synthetic media(合成式媒体)等概念类似。
论广义概念，还包含策略生成(如Game AI中游戏策略生成)、代码生成(GitHub Copilot)、蛋白质结构生成等。
基于此，结合行业关键场景和玩家分布情况，目前，我国还处于AIGC发展的初期阶段，竞争趋势不明显，需要调整开发、资金等投入，寻求整体生态的快速搭建。
至2030年，AIGC产业发展共分三个阶段：
1、培育摸索期(2023-2025)：整体均处于业务场景验证和变现探索期。
底层大模型发展加速，中间层尚未出现相关玩家，基于Stable Diffusion等开源模型的上层应用迅速出现，但受底层大模型接口限制，大部分技术尚未达到稳定进入实际生产环节的水平。
2、应用蓬勃期(2025-2027)：基本价值创作路径和技术思路得到确认。
行业普遍尝试应用人机共创，且内容资讯、娱乐传媒等领域利用AIGC产生确定性价值。这一时期，底层大模型和中间层模型主要玩家基本确定，开放API增加，整体入局玩家增多，尤其是大量应用层玩家。
3、整体加速期(2028-2030)：产业生态完善。
报告指出，2028年往后，AIGC在个性化、实时化、自主迭代等方向上的延展价值得到充分发挥，和其他业务系统进行紧密连接，会有相关初创公司产生完整解决方案。这一阶段AIGC成为内容领域基础设施，预计会催生出完全不同的新业态。
截至报告发布，国外AIGC赛道已有8家独角兽公司。
其中，推出了ChatGPT的OpenAI估值高达200亿美元，其次是Hugging Face 20亿美元。最新一家独角兽是成立16个月的Character.AI，估值10亿美元。此外，名单中还有Lightricks(18亿美元)，Jasper(15亿美元)，Glean和Stability AI(均为10亿美元)，以及Anthropic(3亿美元)。
2022年以来，我国AIGC赛道出现了10余笔投资，其中融资体量最大的水上项目包括小冰公司(10亿元)、超参数科技、智谱AI、澜舟科技等。其余公司，包括数字力场、Tiamat、聆心智能、西湖心辰、深氧科技等，大多为数千万人民币级别融资。
然而，国内尚未看到与国外AIGC独角兽公司相匹配的收入产生。但经过对投资机构的广泛调研，多家机构已高度明确要将AIGC作为主投赛道，并推出了相应的孵化项目，预计本年度融资规模将有数倍增长。
伴随底层大模型生态的逐步开放，商业价值的落地验证，预计到2024年左右，融资规模将出现首次阶段性的指数级增加。
从融资现状来看，全球AIGC赛道持续走热，如何跑通商业模式产生实际营收，成为市场另一个关注焦点。
报告细分出5种不同的营收模式：
NO.1 MaaS（Model as Service）
适用于底层大模型和中间层进行变现，按照数据请求量和实际计算量计算。
到2027年，MaaS模式占市场规模比例将从5%增长至47%。
NO.2 按产出内容量收费
适用于应用层变现，如按图片张数、请求计算量、模型训练次数等收费。到2027年，该模式市场规模占比将从60%下降至32%。
该模式的关键在于如何从单次好奇驱动的行为切入，保证产品长期的复购率。
整个过程会受到具体属性影响，如版权授予(支持短期使用权、长期使用权、排他性使用权和所有权多种合作模式，拥有设计图案的版权)、是否支持商业用途(个人用途、企业使用、品牌使用等)、透明框架和分辨率等。
NO.3 软件订阅付费
第三种模式即ChatGPT Plus现有的盈利方式之一：每月向用户收取20美元费用。该模式在现有市场占有10%左右的比例。按照这种模式，Jasper等初创企业已经产生了营收。展开来说，Jasper以类SaaS服务的形式进行收费，分为初级、高级和订制三个模式，成立当年营收额就达到4500万美元，并收获了7万名用户。
这意味着AI正以越来越显性的方式产生商业模式。国内部分领先的AIGC公司，在用户规模、内容生成量上在2022年亦快速起步，2023年开始产生营收及盈利并非难事，但能否形成SaaS订阅模式尚待观察。
NO.4 模型训练费用
即最为传统的项目开发制度，如今占据市场营收份额的25%，到2027年，预计将有12%左右的下滑。
NO.5 其他模式
包括广告/流量模式，依靠产品获取用户点击，从中获得广告流量，这种营收模式的关键在于产品如何获得复购。
由于属于小型项目，在市场规模测算中暂不单独考虑。
报告按照基础设施层、模型层和应用层将它们分为三大类。
NO.1 基础设施层
这层玩家分别为行业提供数据、算力、计算平台、模型开发训练平台以及其他配套设施。
首先，数据方面，数据的数量、在行业/领域和颗粒度上的丰富性、以及和业务之间的反馈关系都有着极高的要求。
对于预训练大模型而言，多模态的数据集至关重要，以此才能让模型学习到更加完备的表示。
该层面的玩家包括数据提供方和服务方，前者可提供通用数据、垂类数据、特定任务下的标注数据、审核数据以及创作者生态；后者则主要负责数据分拆及标注等。
其次，算力方面。据微软统计，光是GPT-3.5在Azure AI超算基础设施上消耗的总算力就需7-8个耗资30亿美元投资规模的数据中心来支持运行。
因此算力玩家也是其中无比之重的一环，可分类为：以智算中心为代表的算力集群商、国产芯片商以及云服务商等。(计算平台和模型开发训练平台略。)
最后，其他配套设施方面的玩家扮演的主要是检测审核、交易撮合方、第三方确权及计价方以及创作配合工具(如渲染引擎)等方面的角色。
NO.2 模型层
这层主要分为底层通用大模型和中间层模型玩家。前者相对最容易形成壁垒，影响因素包括人才、时间、数据和资金等多个方面。
按开放模式可以分为：
(1)完全自有、不对外开放；
(2)开源，如2022年下半年起带来文生图领域蓬勃发展的CLIP及Stable Diffusion；
(3)API对外开放，这类模型的输出结果相对固定，但不同接口之间能够相互结合得到更优产出或是跨领域的产出；
(4)模型站，如Hugging Face、魔搭ModelScope。
中间层模型玩家则主打垂直化、行业化和细分化，分为：
(1)中间集成商，主要组合多个接口，形成新的大模型；
(2)行业大模型商，由底层模型持有者进行端到端提供；
(3)以及二次开发商，主要增加行业特色数据和行业认知。
根据行业/场景的理解和资源累计程度、资金成本支撑、上层数据支撑、上层应用生态、战略生态合作/投资、工程效果与技术成本以及AIGC技术能力的成熟这7个指标，报告给出了目前模型层的代表玩家名单：
NO.3 应用层
如果按照基于底层逻辑的应用，这层玩家涉及的业务分别包括：
1、生产可直接消费内容
其核心是AI在创意度和规模化中提供平衡点。对UGC而言，能够降低内容创作门槛；对PGC来说，能够代替人工完成声音录制、图像渲染等基础性创作工作。
需要注意的是，该场景的价值主要是降本增效。
报告指出，鉴于我国的内容供给市场相对饱和，相关公司需要关注对具体场景的供需情况进行谨慎分析，确定AI对内容供给速度的提升是否具有实际意义。
2、结合底层系统，生产含有附加价值的内容
例如超个性化、实时化、行业特色化。
注意由于需要和底层系统进行配合，相关提供方需要关注上下游业务接口的打通，以及相关领域知识的深化设计。
以内容营销领域为例，AIGC并不应当作为单独的服务对外提供，还是隶属于“创意供给—内容生产—内容管理(素材库与数据库)—内容分发—数据方案”中的内容生产部分。
由于品牌主最终是以整体的广告营销效果为标准，要使AIGC最终能够得到理想效果，基础素材、营销策略设定、技术生成、评估优化、数据回流等缺一不可。
3、提供内容生产辅助工具
模式包括：
由AI提供相关创作线索或基础草图，专业人员进行细致化调整或是补充特定素材；
由AI完成特定操作性工作，比如局部特效生成、低分辨率转高分辨率等。
该类玩家需要注意四点：
(1)国内对工具类产品的付费意愿有限，尤其是C端；
(2)需要关注场景本身的工具属性，据业内人士反馈，由于AIGC目前的生成可控性相对有限，创作工具在使用中的可介入程度会严重受到专业因素的影响；
(3)需关注相关业务平台的潜在跨界竞争，这主要是因为该赛道通常与内容分发及创作平台形成强绑定，大厂在垄断性方面也更强；
(4)人才结构的转移。
4、用于提供打包内容或解决方案
接下来，如果按照基于模态的应用分类，我们可以看到分别主营以下业务的玩家：
1、文本生成，包括：
(1)直接生成应用型文本，已发展较成熟，以客服类的聊天问答、新闻撰写等为核心场景。有相关行业人士预测，到2030年，90%以上的新闻将由机器人完成；
(2)直接生成创作型文本，适用于剧情续写、营销文本等细分场景，目前在语义层次的长文本通顺上还有较大的提升空间；
(3)生成交互型文本，典型场景为智能客服/聊天机器人/虚拟伴侣/游戏中的NPC个性化交互等；
(4)文本辅助生成，是目前国内工具落地最为广泛的场景，主要包括定向采集信息素材、文本素材预处理、自动聚类去重，并根据创作者的需求提供相关素材等功能，代表公司如写作猫。
2、音频生成，包含已经相当成熟的TTS场景和音乐创作。
该业务可提高歌曲乐曲、有声书、配音等内容的创作效率，实现有声内容的规模化生产。可实现声音IP化附属价值的语音克隆也算其中的一个应用。
3、图像生成，这一领域潜力巨大。据绘画生成网站6pen，未来5年全球10%-30%的图像有望由AI生成或辅助生成。
具体场景则可分为图像属性编辑、局部生成及更改以及端到端的图像生成。
4、视频生成，包括视频自动剪辑、属性编辑、视频到视频的自动生成等。
5、跨模态生成，包括文字生成图像(也分功能性和创意性)、文字生成视频(有更高的长序列建模要求，比文生图发展得要滞后两年左右)、图像/视频到文本(跨模态搜索、视觉问答系统、配字幕、标题生成)等。
6、策略生成，主要指AI基于特定问题和场景自主提出解决方案的过程，在游戏、自动驾驶、机器人控制等领域有极高的应用价值。
报告认为，总的来看，目前整体层级尚不够完整。由于资金量的需求，预计全栈全场景端到端的玩家数量相对有限。
其中模型层成为当前关键卡口，在一定程度上限制了上下层级的发展，应用层则是创业友好度最高的部分。
不过，若能在不同层级间形成良好的生态合作关系，整个行业的快速成长和成本分摊都能获得明显好处。
该文观点仅代表作者，本站仅提供信息存储空间服务，转载请注明出处。若需了解详细的安防行业方案，或有其它建议反馈，欢迎联系我们。
