中国AIGC产业发展现状、增长原因及未来方向分析

AIGC 爆发式增长，国产“百模大战”方兴未艾。

一、2023 中国 AIGC 产业发展情况

AIGC，即利用人工智能技术生成内容，其中 AI 代表人工智能，GC 则指创 作内容。从狭义上讲，它是指通过人工智能技术自动生成内容的生产方式；广义上， AIGC 基于训练数据和生成算法模型，能自动生成各种形式的文本、图像、音乐、 视频和 3D 交互内容，甚至可能进行一定的创意工作。

随着 2023 年 1 月 OpenAl 推出 ChatGPT 付费定制版本，AIGC 的商业化 前景开始受到广泛关注。从娱乐、传媒、新闻、游戏、搜索引擎等互联网领域到 制造业、交通等传统产业领域，AIGC 在多媒体内容生成与创作、数字人和虚拟 仿真平台三大产品方向上展现出巨大的潜力，一时间引来全球众多科技巨头入局。 国内的互联网企业与科研机构也积极响应，先后布局 AIGC 领域。百度今 年 3 月率先落地推出文心一言大模型，目前已经迭代到文心大模型 4.0；阿里云 4 月发布首个超大规模语言模型通义千问，12 月对外宣布开源 720 亿参数模型 Qwen-72B；腾讯则在 6 月以行业大模型先行入局之后，9 月份混元大模型正式 亮相。紧接着，字节跳动、商汤科技、科大讯飞、浪潮信息、昆仑万维、360 等 一众互联网企业都在大模型领域进行了布局。一直站在科研前沿的高校、研究 所也紧跟 OpenAI 的步伐，复旦大学推出国内首个类 ChatGPT 大模型 MOSS， 清华大学知识工程实验室与其技术成果转化公司智谱 AI 发布 ChatGLM，中科 院自动化所推出多模态大模型紫东太初，IDEA( 粤港澳大湾区数字经济研究院 )CCNL 推出开源通用大模型“姜子牙”。

《北京市人工智能行业大模型创新应用白皮书（2023 年）》显示，截至 2023 年 10 月，我国有 10 亿参数规模以上的大模型厂商及高校院所共计 254 家， 分布于 20 余个省市 / 地区。值得一提的是，今年 8 月份，《生成式人工智能服 务管理暂行办法》的实施为 AIGC 行业设置了准入门槛，标准体系覆盖多个行业， 涵盖了模型行业能力、工程化性能、算力网络和安全可靠等方面。这标志着“百 模大战”已回归理性，AIGC 行业进入整合阶段。

二、AIGC 爆发式增长原因分析

（一）参数倍增助力智能“涌现”。业界普遍认为 AI 大模型存在智能涌现 的现象。当规模超过约 1000 亿参数时，它们将展现出前所未有的新能力，这就 是所谓的“智能涌现”。 如今的大模型代表了一种全新的预训练 - 微调范式， 其核心在于使用大规模数据集预训练一个庞大的参数模型，然后根据具体任务进 行微调。这与传统的单任务训练形成鲜明对比，标志着方法论的重大变革。参数 量的倍数增长是大模型最根本的特点，从早期的百万量级模型发展到现在的十亿 甚至百亿量级，实现了与以往数量级的突破。当参数规模达到一定量级时，大模 型的涌现“现象”便具备了先决条件。

（二）企业间的技术角逐。技术战场角逐激烈，目前已经推出大模型产品的 企业与科研院所，无一不是各自领域内的佼佼者，这些玩家纷纷加大投入，不断 推陈出新，竞相开发最先进的大模型技术，以期在大模型赛道上取得领先，积累 起技术的先发优势。 在国内，许多互联网厂商认为，利用大语言模型来变革业务层、为具体业 务落地场景赋能，是当今市场竞争的关键。因此，他们纷纷将大模型技术纳入 自身的战略规划中，力图通过技术革新来提升业务水平。此外，不少领先的大模型已经开始走向开源开放，这不仅有利于技术的共享和普及，更有助于推动整个 行业的进步。激烈的技术角逐，也显现出良性的竞争态势，有利于共同推动国内 AIGC 产业的发展与进步。

（三）产业认知达成新的共识。2023 年国内“百模大战”的爆发，除了基 于技术条件的成熟，更关键的是市场对 AI 大模型的应用需求达到了新的高度。 无论是用户端还是技术供应端，人们都认识到 AI 技术在实际应用中面临的挑战 和需求。之前的 AI 工具普遍存在泛化能力不足、使用成本过高等问题，因此市 场急需一种通用性强、泛化能力强且易于使用的 AI 工具。在这样的背景下，AI 大模型应运而生，成为数字经济驱动下产业认知达成共识的产物。 目前市场上发布的大模型普遍具备大规模和预训练的特点，既具有良好的通 用性和泛化性，能够解决传统 AI 应用中门槛高、部署难的问题；同时也可以作 为技术底座，为智能化产品和应用落地提供有力支撑。

三、AIGC 未来方向：技术演进与产业落地

在 2023 年，我们已然见证了国内“百模大战”的盛况，市场上涌现出了上 百个大模型。然而，这些大模型中很大一部分都是“套壳”产品。直接调用通用 大模型是一种快速且成本效益高的方式。这种方法允许开发者利用已经训练好的、 功能强大的模型来创建或增强自己的应用。基于开源大模型的“自研”路径则为 开发者提供了更高程度的定制化和优化空间，更加适用于具有特定行业需求或需 要处理特殊数据类型的场景。

众所周知，大模型和 AIGC 技术的应用将对工作效率和创新能力有显著的提 升作用，然而，当前全球大模型产业落地仍处于早期探索阶段，需要与下游场景 企业合作建立大模型商业模式，在大模型的应用过程中，系统打通和数据打通是 两大核心任务，它们对于确保大模型与现有业务流程、信息系统的顺畅交互以及 数据的高效利用至关重要。此外，AI 失控风险、内容安全合规、数据伦理与隐 私也是行业必须思考的问题。