AIGC产业全景图谱、投资、应用场景及趋势分析

AIGC生产力工具赋能办公场景，带动工作效率有效提升。

1.2024年全球AIGC产业全景图谱

天津市人工智能学会、至顶科技、至顶智库联合发布2024年全球AIGC产业全景图谱。 图谱主要分为基础设施层（AI服务器、AI计算集群、AI芯片、MaaS平台、AI数据服务）；模型层 （通用大模型、行业大模型）；场景应用层（智能助手、金融、医疗、办公、教育、奥运、智能汽车、 营销、影视、法律、政务）。图谱中涉及各领域全球代表性企业和相关机构，为读者提供更为详实的 参考信息。 相比去年，基础设施层新增MaaS平台和AI数据服务；模型层新增通用大模型和行业大模型的类别划 分；场景应用层按细分场景进行划分。

2.全球科技巨头在AIGC领域的投资情况

OpenAI等全球知名AI独角兽成长过程中，离不开投资者源源不断的资金支持。生成式AI发展过程中，需要大量投入算力和财力，大模型训练完成 后投资回报周期较长，使得初创企业难以独自承担相关成本，全球最有竞争力的企业才能获得资本市场的认可拿到融资。国外投资企业主要包括 微软、亚马逊、谷歌等互联网巨头，也有像英伟达在AI浪潮中成长起来的新巨擘。国内投资企业主要有阿里巴巴、腾讯、小米等平台型企业。相 关融资企业以基础模型公司为主，如OpenAI、Anthropic、智谱、百川智能、零一万物等。

3.场景应用篇

AI搜索成为信息检索领域的关键驱动力，通过大语言模型和检索增强生成技术，提升搜索结果的准确性。核心能力体现在提升简单问题的解决效 率、提升复杂性问题的处理能力以及多模态AI搜索能力方面。从全球AI搜索市场格局来看，主要以美国的OpenAI ChatGPT search、Perplexity和 中国的阿里巴巴夸克为典型代表。伴随大模型的不断发展， AI搜索将为用户提供更加可靠且具有个性化的搜索使用体验。

AIGC生产力工具赋能办公场景，带动工作效率有效提升。微软发布的Microsoft 365 Copilot和金山办公发布的WPS AI，为日常办公中文字处理、 文案生成、PPT布局、排版美化、框架搭建、数据分析、图表可视化等任务提供丰富应用，使得用户仅通过文字描述的方式实现相应功能，减少以 往复杂交互过程，提高工作效率同时有效降低工作时长。

AIGC应用于工业制造的研发设计、生产制造和供应链管理等环节。研发设计：AI大模型+EDA/CAE/CAD将对芯片设计等方面有效赋能；生产制造： 以ChatGPT为代表的AI模型进一步加强工业机器人的交互与任务执行能力；供应链管理：有效实现智能化运营管理，简化供应链订单管理流程， 推动数字孪生系统构建，实现工厂管理的实时可视化。

AIGC赋能金融多场景，提升金融服务的效率与质量。当前多家科技公司与金融机构紧密合作，将AIGC能力应用在投研、投顾、风控、客服等场景。 智能投研：通过文本生成等技术帮助分析师快速提取关键信息；智能投顾：利用大模型有效提升投资决策能力；智能风控：智能化模型提升风险 识别能力；智能客服：提供线上线下的智能服务体验。此外，大模型在远程银行系统中也实现全面覆盖，提供多项智能化技术赋能。

AIGC促进虚实融合，营造线上沉浸式购物体验。AIGC通过与AR、VR等技术结合，在电商营销场景中实现虚拟主播带货、三维商品构建、服饰在 线试穿等功能。虚拟主播带货：实现自由更换妆发、服饰和场景，给用户提供全新观感；三维商品构建：提供虚拟产品多方位视觉感知的独特体 验，大幅压缩沟通时间成本；服饰在线试穿：消费者在虚拟模特上试穿不同衣物，提升用户购物体验，减少退换货情况。

AIGC模型与医疗多场景有机结合，协助医生为患者提供更好的护理体验。Google推出包含Med-Gemini-2D,Med-Gemini-3D以及Med-GeminiPolygenic的Med-Gemini系列模型，实现在放射学、病理学、皮肤学、眼科学和基因组学的医疗应用。医联MedGPT可以整合多种医学检验检测模态 能力，实现线上问诊到医学检查的无缝衔接，通过多模态应用，实现从问诊到康复指导的全流程诊疗。

AIGC在合同起草、研究分析、诉讼支持等法律领域广泛应用。AIGC可用于自动化合同起草、法律文件摘要、法律案例分析等任务，从而提高效率、 减少人为错误，并为律师和法律专业人士提供更多的资源和支持。此外，AIGC可以自动分析大量法律文献，并提取关键信息的优势可被用于法律研 究，从而帮助律师和法律专家更快地了解案件和相关法律。目前国外的CS Disco和中国的法大慧云等初创企业已推出法律相关的AI智能化解决方案。

AIGC辅助学生学习提升，帮助教师轻松备课。对于学生而言，AIGC可为学生提供自适应学习、口语陪练、智能排课、在线答疑等学习支持。对于教 师而言，可优化教学设计三大环节，创新规划单元教学设计、一键生成互动教学课件、智能教学评价，明显提升教师课前备课、课中观察、课后评 价效率和质量。

AIGC催生全新游戏玩法，增强游戏畅快体验。AIGC贯穿从游戏开发、游戏发行到用户体验全过程。游戏开发阶段：从文本、图像、音频、视频、 三维、策略六个维度出发，实现多模态内容输出；游戏发行阶段：在推广准备阶段分析行业趋势，到推广初期快速生成素材，再到推广后期推广 活动，游戏宣发成本迅速降低。用户体验阶段：玩家在游戏上可与智能虚拟角色进行交流，体验个性化声音特效和角色道具。

4.前沿趋势篇

2024年9月，OpenAI发布推理模型o1，该模型的训练过程使用强化学习技术，通过显式嵌入原生「思维链」（NCoT）过程，能够出色地完成复杂 的推理任务，将复杂的步骤分解成更简单的步骤，以便更容易理解和处理，该模型在科学、编程和数学领域都取得卓越表现

真实数据供不应求，合成数据将填补AI模型训练数据供需鸿沟。AIGC模型训练过程需要大量数据，然而高质量真实数据即将耗尽，合成数据技术 将成为数据供给侧的主流解决方案。Gartner预测，2024年合成数据将占到所有训练数据的60%，到2030年合成数据将占据主导地位。合成数据可以 由计算方法和模拟来创建，包括文本、数字、表格、图像、视频等形式，具有低边际成本、隐私保护、减少偏见等优点。

智能体 (AI Agent)基于大模型能力，由记忆、规划、工具、执行四部分构成，能依据用户输入的自然语言，自主决策解决问题。AI Agent将复杂 任务分解为小任务并确定先后顺序，可调用计算器、API等工具帮助任务完成，还能存储和管理外部知识为决策和执行提供支持。下面是AI Agent 对业绩点评任务进行规划、拆解、执行的过程演示。

检索增强生成（RAG）是通过检索信息并加入大语言模型生成过程的技术，其能提高模型生成内容的准确性。大语言模型因为预训练数据中存在 过时和不正确信息以及微调过程中引入新信息，可能出现“幻觉”。RAG的基本步骤包括：1.对外部知识文档进行解析、分块、嵌入等预处理形 成索引；2.检索器根据用户问题对外部知识进行检索，将相关性高的文档交给生成器；3.生成器根据用户指令及相关文档生成答案。

端侧模型通常是指部署在手机、电脑、汽车或其他电子产品的轻量化模型，电子产品对于端侧模型的能耗、散热等方面有着严格要求。最近一段 时间，国内外硬件厂商推出的终端产品（如手机、汽车等）逐步搭载端侧AI模型，如三星手机Galaxy Z系列、谷歌手机Pixel 9系列，小米汽车su7 等。未来模型能力与终端产品紧密结合，给消费者带来更为便捷的智能使用体验。需要关注的是，端侧模型需要平衡运行效率与功耗的关系，模 型在端侧设备运行方面同样需要优化。总体而言，端侧模型的发展前景广阔，需要持续迭代以满足不同场景的特定需求。