2023年AIGC&ChatGPT发展专题分析报告 AIGC产业生态体系呈现上中下三层架构

Part 1 AIGC行业介绍及发展趋势

AIGC产业生态迎来爆发期

AIGC最基本的能力是生成内容，包括文本、图像、视频、代码、3D内容或者几种媒介类型转换组合 形成的“多模态内容”。生成算法、预训练模型、多模态等AI技术累积融合，以及深度模型方面的 技术创新，共同催生了AIGC的大爆发。 AIGC是相对于过去的PGC、UGC、AIUGC而提出的。过去的传统AI偏向于分析能力，基于已有内容 ；现在的AI基于训练数据和生成算法模型，可以自主生成各种形式的内容和数据。

2022年，AIGC（AI-Generated Content，人工智能生成内容）爆火出圈。  2022年10月，Stable Diffusion、DALL-E 2、Midjourney等可以生成图片的AIGC模型风行一时； 2022年12月，OpenAI发布能够回答问题、生成代码、构思剧本和小说的聊天机器人模型ChatGPT ，将人机对话推向新高度。

目前，从提供预训练模型的基础设施层公司到专注打造AIGC产品和应用工具的应用层公司，围绕 AIGC生长出繁荣的生态，技术创新引发的应用创新浪潮迭起，中国有望凭借领先的AIGC技术赋能各行 各业。

AIGC市场规模到2025有望达500亿元

在传统PGC和UGC模式下，内容生成领域存在产能约束 和质量约束，PGC受制于人力资源的供给侧限制，UGC 虽然降低了PGC的生产门槛，但因用户创作能力和工具 功能的局限存在质量约束。AIGC突破内容生成产能和质 量约束，应用广泛，市场规模将会大幅扩大。 根据《中国AI数字商业产业展望2021-2025》报告，预 测AI数字商业内容的市场规模将从2020年的40亿元，增 加到2025年的495亿元。

AIGC产业生态体系呈现上中下三层架构

目前AIGC产业生态体系的雏形已现，呈现上中下三层架构。 第一层为上游基础层，是由预训练模型为基础搭建的AIGC技术基础设施层。 第二层为中间层，即垂直化、场景化、个性化的模型和应用工具。在预训练的大模型基础上快速抽取生成 场景化、定制化、个性化的小模型，实现在不同行业、垂直领域、功能场景的工业流水线式部署。第三层为应用层，即面向C端用户的文字、图片、音视频等内容生成服务。

AIGC将逐步革新数字内容的生产和艺术的创造

AIGC的社会价值体现为革新数字内容与艺术创造领域，并将辐射到其他领域和行业，孕育新的技术形 态和价值模式，甚至会成为通往AGI(通用人工智能Artificial general intelligence)的可能性路径。

AIGC作为当前新型的内容生产方式，已经率先在传媒、电商、影视、娱乐等数字化程度高、内容需求 丰富的行业取得重大创新发展，市场潜力逐渐显现。 在推进数实融合、加快产业升级的进程中，金融、医疗、工业等各行各业的AIGC应用都在快速发展， 未来AIGC的应用领域将会进一步拓宽。

AIGC落地场景：AI绘画、AI建模、聊天机器人ChatGPT等

2022年被称为AIGC元年，多个AI领域迅速发展，绘画、音乐、新闻创作、主播等诸多行业被重新定义 。目前AIGC正在从简单的降本增效（以生成金融/体育新闻为代表）向创造额外价值（以提供绘画创作 素材为代表）转移，文本-图像-视频的跨模态/多模态内容生成正在进展中。 已有的落地场景包括AI绘画、AI建模、聊天机器人ChatGPT等。

Part 2 ChatGPT介绍及发展趋势

文本生成式AI：聊天机器人ChatGPT火热来袭

OpenAI：由马斯克、美国创业孵化器Y Combinator总裁阿尔特曼、全球在线支付平台PayPal联 合创始人彼得·蒂尔等硅谷科技大亨于2015年12月创立，主要用于制造“通用”机器人和使用自然 语言的聊天机器人。

2020年5月， OpenAI 发布了以Transformer为基础的NLP（自然语言生成）预训练模型GPT-3，此 前已经历过GPT-1、 GPT-2。

2022年11月30日，OpenAI公司发布聊天机器人模型ChatGPT，ChatGPT对GPT-3模型进行微调， 并引入RLHF（基于人类反馈的强化学习）方法。只需向ChatGPT文字提出需求，即可让其完成回答 问题、书写代码、创作文本等指令，发布一周内用户量超过百万。

ChatGPT可能改变搜索引擎使用方式，挑战谷歌霸主地位

ChatGPT属于AIGC的范畴，能够回答连续性的问题、质疑不正确的假设，甚至拒绝不合理的要求，大幅提 高了AI在人机对话时的准确度和可控性，将有望改变人类使用搜索引擎的方式。Open AI的CEO称AIGC的最终目标是做一个类似于新时代的搜索引擎。目前ChatGPT展示出来的内容输出 质量和内容覆盖维度，已经可以直面“搜索引擎”与“问答社区”。 外媒The Information 报道显示，微软可能在2023年3月之前将ChatGPT引入自家的搜索引擎Bing，用人 工智能来回答一些搜索查询，此举或将改变搜索引擎的运行模式，革新性地提升搜索引擎效率。 StatCounter数据2020-2022谷歌全球市场份额超90%，ChatGPT出现将挑战谷歌搜索引擎的霸主地位。

微软追加投资，ChatGPT商业化进程加快

微软近日考虑宣布将向OpenAI进行近百亿美元的投资，此前微软分别于2019年和2021年对OpenAI进行投 资，若此次投资完成微软将拥有OpenAI 49%的股权。微软对单个100GPU的收费是3美元/时，按照 ChatGPT加载模型和文本的速度，生成一个单词的费用约为0.0003美元；而ChatGPT的回复通常至少有 30个单词，因此ChatGPT每回复一次，至少花OpenAI 1美分。微软既能提供钱，又能提供算力。 2023年1月，ChatGPT的活跃用户数或已达1亿，可能是史上增长最快的消费者应用。因访问量过大， OpenAI对ChatGPT进行了大规模限流，包括限制每小时的提问数量，以及高峰时段排队等举措。 OpenAI于2023年2月正式推出ChatGPT Plus版本(率先对美国地区用户开放)，收费20美元/月，Plus版 ChatGPT全天可用，无需排队。

依托微软生态， ChatGPT不断拓展应用领域

ChatGPT作为文字模态的AIGC发展潜力大，可以与图形模态的AIGC相结合，打造从文字描述到图 片生成的AI辅助工具。 依托微软生态：依托于微软的操作系统、office等产品在全球市场份额的优势地位和强大产品生态， ChatGPT更多应用场景有望快速推进。微软CEO表示，微软正迅速推进OpenAI工具的商业化， ChatGPT等工具将整合进微软旗下产品中，包括且不限于Bing搜索引擎、Office全家桶、Azure云 服务、Teams聊天程序等 。下游应用场景丰富：ChatGPT的下游应用场景包括代码机器人、小说衍生器、对话类搜索引擎、语 音工作助手、对话虚拟人（客服、外呼、营销）等。

星星之火可以燎原，ChatGPT有望进一步打开AIGC海量空间

ChatGPT爆火的背后是AIGC生态的逐渐繁荣，随着数字经济与实体经济融合程度不断加深，以及互联 网平台的数字化场景向元宇宙转型，人类对数字内容总量和丰富程度的整体需求不断提高。AIGC作为 新型的内容生产方式，已经在传媒、电商、影视、娱乐等行业取得重大创新进展。 2022年，AIGC发展速度惊人，迭代速度呈现指数级爆发，谷歌、Meta、百度等平台型巨头持续入局 ，未来随着国内政策环境的优化，虚拟人、人机交互等场景需求旺盛，有望推动AI技术在金融、政府、 医疗、工业等领域的加速落地。AIGC有望成为数字内容创新发展的新引擎，为数字经济发展注入全新 动能。

Part 3 从NLP到Transformer到GPT

NLP的最初发展：传统模型的改进

自然语言处理( Natural Language Processing, NLP)是 一种机器学习技术，使计算机能够解读、处理和理解人 类语言。 传统模型：循环神经网络(RNN)以及它的改良版本LSTM 。

注意力机制（Attention Mechanisms）的引入：针对 RNN语言模型中状态S作为上下文这一机制的改进。引 入Attention之后，计算第i个词后的状态从单纯的Si变成 了S0,S1...Si的组合，而具体“如何组合”，即哪个状态 比较重要，也是通过数据拟合出来的。在这样的情况下 ，模型的表达能力又得到了进一步的提高，它可以理解 一些距离较远但是又非常密切的词汇之间的关系，比如 说代词和被指代的名词之间的关系。

传统模型的弊端： 在RNN中计算当前词后的状态Si主要 是通过计算上一个词时的状态Si-1迭代出来的，因此它 假设了距离较近的词汇之间的关系更密切， 而在人类真 实的语言中这一假设并不一定成立。

NLP的跨越式发展： Transformer与GPT的提出

Transformer模型的提出： 在注意力机制提出后3年后，谷歌发表了著名的Attention Is All You Need，提出Transformer模型，对自然语言处理有巨 大的影响，使NLP的性能再次提升一个台阶。 Transformer与原始模型不同的是：Transformer模型中没有RNN，完全基于Attention。在大型数据集上的效果可以完全 碾压RNN模型(即使RNN中加入Attention机制)。Transformer的架构使得建立词与词之间的复杂关系成为了可能, 显著提 高了模型的表达能力。 以当前热门预训练模型为例，BERT(仅使用了Transformer的Encoder部分)，GPT-2、GPT-3(使用的是Decoder部分)等， 都是基于Transformer模型而构建。

GPT模型的提出： 生成式预训练（Generative Pre-Training，GPT) 是一种新的训练范式，通过对海量数据的无监督学习来训练语言模型。 由于GPT底层借用了表达能力很强的Transformer，互联网经过长时间的发展，海量的无标记的自然语言数据也不再稀缺， 所以训练出来的模型对语言有了相当深入地理解。

ChatGPT的诞生：GPT迭代而来的当今最强版本

ChatGPT是由最初的GPT迭代而来：基于文本预训练的GPT-1， GPT-2，GPT-3都是采用的以Transformer为核心结构的模型。2018年发布GPT-1模型，其规模和数据量都比较小。 2019年发布GPT-2模型，使用了更多参数的模型和更多的训练数据 , 且使用zero-shot设定实现仅通过一次预训练的就能完成多种任务 ，减少了下游微调的频率。 2020年发布GPT-3模型，最显著改变的是把模型参数提升到了千亿 级，并在代码编写和数学运算等方面也有上佳表现。 GPT3的缺陷是存在预训练模型的偏见性，由于预训练模型都是通 过海量数据在超大参数量级的模型上训练出来的，其生成的内容无 法被保证，会存在包括种族歧视，暴力血腥等危险内容。因此推动 了InstructGPT和ChatGPT的诞生，即GPT3.5。

InstructGPT是基于GPT3的微调版本：通过激发模型的理解能力 ，可以根据人类反馈进行微调，使语言模型与用户对各种任务的 意图保持一致，使输出内容的真实性提高且危险性降低。 ChatGPT是InstructGPT的兄弟模型， 但在数据收集上提高了对 话类数据的占比，更多地将提示转换为Q&A，因此ChatGPT更 容易结合上下文，其连续对话能力会更好。

ChatGPT的特点与优势

InstructGPT和ChatGPT, 即GPT3.5, 采用了GPT-3的网络结构，通过指示学习构建训练样本来训练一个反应预测内容效果 的奖励模型（RM），最后通过这个奖励模型的打分来指导强化学习模型的训练。 训练任务分为3步： 1. 根据采集的SFT数据集对GPT-3进行有监督的微调（Supervised FineTune，SFT）：了解如何回答查询。 2. 收集人工标注的对比数据，训练奖励模型（Reword Model，RM）：构建用于对查询进行排名的模型。 3. 使用RM作为强化学习的优化目标，利用PPO算法微调SFT模型 ： 学习人类的说话方式。

GPT3.5的优势： 效果更加真实：ChatGPT在GPT-3之上进行根 据人类反馈的微调，引入了不同的labeler进行 提示编写和生成结果排序，这使得训练奖励模型 时对更加真实的数据会有更高的奖励。 无害性提升：由于指示微调的引入，使语言模型 与人类意图保持一致，大大降低危害内容生成的 概率。 具有更强的Coding能力：基于GPT-3制作的 API积累了更多的Coding代码，通过Coding相 关的大量数据以及人工标注训练出来的GPT3.5 模型具备更强大的Coding能力。

编辑：999感冒灵