2023年AIGC行业投资机会梳理研究报告（附下载）

决策式AI与生成式AI对比

AI模型可大致分为决策式/分析式AI(Discriminant/AnalyticalAI)和生成式AI(GenerativeAI) 两类。 

决策式AI：学习数据中的条件概率分布，根据已有数据进行分析、判断、预测，主要应用模型 有用于推荐系统和风控系统的辅助决策、用于自动驾驶和机器人的决策智能体。 

生成式AI：学习数据中的联合概率分布，并非简单分析已有数据而是学习归纳已有数据后进行 演绎创造，基于历史进行模仿式、缝合式创作，生成了全新的内容，也能解决判别问题。

2022年AIGC火爆出圈

2022年AIGC火爆出圈：被消费者、投资界和技术产业界同时追逐

事件一：8月科罗拉多博览会，AI绘画打败人类艺术作品

事件二：“ChatGPT好得吓人，我们离强大到危险的人工智能不远了。” 

事件三：美国数字媒体公司BuzzFeed与OpenAI合作，部分取代人类撰写文稿

事件四：谷歌应对ChatGPT拉响“红色警报”+微软第三次入股OpenAI

事件五：ChatGPT推出两个月MAU达到1亿，超越TikTok9个月和Ins2.5年（路透社）。

ChatGPT横空出世

在AIGC图像生成火爆的同时，OpenAI旗下的ChatGPT横 空出世，能理解各式各样的需求，做出回答、短文、诗 歌、代码创作和逻辑计算等。

ChatGPT采用Web浏览器上的对话形式交互，不仅能够满 足与人类进行对话的基本功能，能够回答后续问题、承 认错误、质疑不正确的前提和拒绝不适当的请求。

ChatGPT还可以驾驭各种风格和文体，且代码编辑能力 、基础脑力工作处理能力等一系列常见文字输出任务的 完成程度也大大超出预期。比如根据关键词或提问，生 成剧本、发言稿等多种文书。因此，业内人士宣称 ChatGPT已经大幅超越过去的A问答系统。

2014年GAN生成算法模型推出，为早起最著名的生 成模型，并不断迭代不同衍生架构，广泛应用于生 成图像、视频、语音和3D模型等。 

2015年扩散模型（DiffusionModel）模型推出，现 在主流的图形生成软件模型基础均为扩散模型， 2021年OpenAI发表论文证明了这个结论

2017年Transformer模型推出：基于自注意力机制 的神经网络模型，最初用于文本翻译任务，可以用 在自然语言处理（NLP）和计算机视觉（CV）领域 ，后来GPT-3等预训练模型（基于大量数据训练的 具有巨量参数的模型，可以适应下有任务）都是基 于Transformer模型建立

2021年CLIP模型推出：进行自然语言理解和计算机 视觉分析，用标记好的“文字-图像”训练数据。

在多模态技术支持下，目前预训练模型多种多样， 这些AIGC模型成为自动化内容生产的工具。

ChatGPT与前几代有什么不同

ChatGPT是基于GPT-3.5模型，训练集基于文本和代码，在微软AzureAI服务器上完成训练。

ChatGPT提升很明显的一个重要的原因是chatGPT引入了人类反馈的方式加强训练，通过人工标注 训练数据，来训练回报模型，再采用强化学习来增强预训练模型的能力。2018年GPT的与训练数 据量约5GB，2019年GPT-2运算量是40GB，2020年GPT-3达到45TB的海量数据。 

背后公司OpenAI预计2023年和2024年收入将分别达到2亿和10亿美元；路透社称微软希望继续注 资100亿美元，假如谈判达成，微软预计持股约49%。

AIGC具备商业化优势

便捷性：大型语言和图像Al模型可用于自动生成内容，例如文章、博客或社交媒体帖子，对于定期 创建内容的企业和专业人士来说，这是一种宝贵的节省时间的工具

优质性：AlGC生成的内容可能比人类创建的内容质量更高，因为人工智能模型能够从大量数据中学 习并识别人类可能看不到的模式。这可以产生更准确和信息更丰富的内容

多样性：AIGC模型可以生成多种类型的内容，包括文本、图像和音视频、3D内容等等。这可以帮助 企业和专业人士创建更多样化、更有趣的内容，从而吸引更广泛的人群。

低成本：内容制作的成本显著降低、效率显著提高，不需要专业人士，以百倍以上的速度和效率， 创造出有独特价值和独立视角的内容。