AIGC行业报告（36页）

行业报告下载 2023年03月06日 08:18 管理员

多模态技术（Multimodal Technology）即将图像、语音、视频、文字等多模态融合的机器学习技术，而 CLIP（Contrastive Language–Image Pre-training）的推出成为跨模态应用生成的重要节点。CLIP 在 2021 年由 OpenAI 开源推出，能够将文字和图像进行关联且关联特征丰富，后续“CLIP+其他模型”成为跨模态生成领域的较通用的做法，如 Disco Diffusion 便是将 CLIP 与 Diffusion 模型进行关联，用户输入文字指令便能够生成相关的图片。在多模态技术的加持下，预训练模型已经从早期单一的 NLP、CV 向多模态、跨模态的方向发展。从产业链结构来看，AIGC 主要包括基础层、中间层和应用层，中外差距在 3 年左右。由于技术与投资环境差异，AIGC 在我国大多作为公司的部分业务进行开发，独立的初创公司数量较少，导致 AIGC 实际的场景开发较国外仍有差距。据量子位，中外公司的整体差距在 3 年左右，底层技术是核心原因。 #1 基础层基础层即预训练模型，构成了 AIGC 的基础。随着预训练模型参数的增加，预训练所需要的数据量同样快速提升，带来较高的成本投入。据中国信通院与京东探索研究院发布的《人工智能生成内容白皮书 2022》，模型参数量已从最初的千万级发展到了千亿级别，训练代价也从数十天增长到几十万天（按在单张 V100 GPU 计算）。

据北京智源人工智能研究院，2020 年 OpenAI 发布的 NLP 模型 GPT-3 的参数量约 1,750 亿，训练数据量达 45TB，模型训练成本近 1,200 万美元。因此该领域的参与者主要是科技巨头与头部的研究机构，如 OpenAI、谷歌、微软、Meta、百度等。 #2 中间层中间层即垂直化、场景化、个性化的模型。在预训练模型的基础上，能够快速生成垂直化的小模型，实现流水线式的开发，降低开发成本，提升效率。如 Stable Diffusion 开源后多个绘画模型基于 Stable Diffusion 开发，二次元绘画领域包括知名的 NovelAI，而昆仑万维的天工巧绘 SkyPaint 模型则采用全球第一款多语言 Stable Diffusion 分支模型，兼容 Stable Diffusion。据腾讯研究院，随着大模型+多模态加速成长为通用性技术平台，模型即服务（Model-as-a-Service，MaaS）逐渐实现，通过 API 授权有望助力 AIGC 变现。 #3 应用层应用层即面向 C 端的 AIGC 应用。从模态上看，应用层包括图像、音频、文本、视频等，其中图像领域代表产品包括 MidJourney、Dream Studio 等；音频包括 DeepMusic 等；文本包括 ChatGPT、Sudowrite 等；视频包括 Runway 等。从形式上看，应用层包括 App、网页、小程序、聊天机器人等，将 C 端用户与模型联通，已经逐渐渗透到生活中的各个领域，如 MidJourney 搭载在聊天软件 Discord 中推出，ChatGPT 则支持网页直接登录，国内的如昆仑万维的天工巧绘 SkyPaint 能够通过微信小程序登录，满足用户的多样化需求。

AIGC行业报告（36页）