雨后春笋，漫长发育后 AIGC 迎来快速增长，是内容生成方 式的深刻变革。
AIGC（Artificial Intelligence Generated Contents)是一种先进的 内容创作方法。它利用人工智能（AI）来自动创建或编辑各种形式的内容， 包括文本、图像、视频和音频。这一技术基于机器学习、深度学习、自然 语言处理（NLP）和计算机视觉等 AI 领域的应用，模拟并扩展了人类的 创造性和分析能力。AIGC 在新闻制作、社交媒体、广告、娱乐、教育及 艺术创作等多个行业中均有应用，提供了个性化内容生成和高效的大规模 内容生产能力。 AIGC 概念在其狭义和广义之间存在显著区分。在狭义概念中，强调 对内容属性的关注，侧重于分析数字内容的制作形式以及与人工生成内容 方式的对比。典型的例子包括图片、文字和视频等传统内容形式，通过 AI 实现生产的过程。而在广义概念中，着重于生成式 AI 的概念，即通过该 技术思路解决先前决策式 AI 难以应对的问题，特别是在数据或内容生成 方面，以实现质的飞跃。
早在 90 年代之前，AIGC 便已经进入了萌芽阶段，但由于算力的落 后，当时的技术依旧停留在小范围实验期。21 世纪初，AIGC 从实验性向 实用性逐渐转变。2007 年，纽约大学人工智能研究员罗斯古德温撰写出 世界第一部完全由人工智能创作的小说。2012 年，微软公开展示了基于 深层神经网络（Deep Neural Network，DNN）的全自动同声传译系统。2019 年，随着以生成式对抗网络（Generative Adversarial Network，GAN） 逐渐成熟，AIGC 技术研究迎来关键拐点。我国的 AIGC 行业可大致分为 三个阶段： 1. 发育成长期（2023-2025 年）：底层大模型发展迅速，大资金及人 才体量玩家开始入局，产业生态相对封闭，创业公司少。市场集中 度较低，产品竞争较为激烈，以人工智能专利数量的申请集中度分 析，根据前瞻网研究报告，截止 2023 年 5 月为止，申请专利数量 排名前四的市场份额仅占约 20%，排名前八的市场份额仅占约 25%。 2. 蓬勃增长期（2025-2027 年）：人机共创概念逐渐被行业普遍应 用，在内容资讯和娱乐传媒领域产生确定性价值，入局玩家增多， 呈现出技术迭代加快、市场需求增大、细分赛道变多等特点。 3. 快速发展期（2028 年以后）：产业生态完善，能够形成一个内部 持续运营的内容体系，预计会催生出完全不同的新业态。
根据第 50 次《中国互联网络发展状况统计报告》，截至 2022 年 6 月，中国互联网普及率已高达 74.4%。在网民规模持续提升、网络接入环 境日益多元、企业数字化进程不断加速的宏观环境下，AIGC 技术作为新 型内容生产方式，开辟人类生产交互新纪元。根据预测，2023 年中国 AIGC 产业规模约为 143 亿元，在之后的蓬勃增长期中，人机共创概念持续深 化，由于大量新入局玩家，推动了技术迭代以及市场需求。2028 年，中 国 AIGC 产业规模预计将达到 7,202 亿元，中国 AIGC 产业生态日益稳 固，2030 年中国 AIGC 产业规模有望突破万亿元，达到 11,441 亿元。
在科技巨头不断下场加持下，AIGC 产业链涌现一批初创企业，促使 产业链不断丰富。我国的 AIGC 产业链可大致分为基础设施层、模型层及 应用层。
（1） 基础设施层：基础设施层由预训练模型为基础搭建而成的，例如 相关算法/模型研究结构，数据、算力和算法是 AIGC 平台的三大技 术基础。AIGC 平台依赖于大量的数据来进行训练和优化模型，数据 来源包括物联网设备、传感器等，AIGC 需要对这些数据进行有效的 收集、存储和管理，以便训练出更准确、更具代表性的模型。算力指 计算设备执行算法、处理数据的能力，算力硬件层三大要素包括 AI 芯片、AI 服务器、数据中心，其中 AI 芯片是算力层的基石，承担人 工智能相关的计算任务，是决定算力层性能的关键。算法是一系列 解决问题、实现特定功能的有序指令和步骤，在 AIGC 行业中，算 法是模型的基础，用于实现数据分析、人工智能模型训练等功能。
（2） 模型层：预训练大模型按照模态可以分为文本、图像、视频、代 码、音乐生成等多种，但从底层架构上都分属两类：Transformer 是 一种编解码模型框架，适用于处理文本、代码这类强连续性生成任 务；Diffusion、GAN、NeRF 等框架善于处理图像生成类任务。 （3） 应用层：AIGC 技术的渗透路径将遵循数字产业的基本发展逻辑， 按照客户类型、产品形态和商业模式，划分为 ToC 和 ToB 两个领域。 ToC 产品以内容和工具形式触达消费者，各类 C 端应用可通过直接 调用通用大模型 API 形成各种 AI 创作工具，并利用其生成内容进行 变现，典型场景覆盖文娱、影视传媒行业以及电商零售等。AIGC 技 术通过大模型能力去部分补充或替代原有场景的算法小模型或是传 统软件功能，将其渗透各行各业以提高企业生产办公效率，可以归 纳为企业服务的 ToB 赛道。
长期来看，我国主流 AIGC 营收模式可分为四种：MaaS (Model as a Service)、按产出内容量付费、软件订阅付费以及模型定制开发费。 （1） MaaS（模型及服务）：适用于底层大模型和中间层变现，客户无 需自行开发或维护复杂的 AI 模型，而是通过服务提供商的平台直接 访问和使用这些模型，MaaS 通常基于使用量（如 API 调用次数、 处理的数据量等）进行收费，也可能包括固定的订阅费用，较为典型 的是 GPT-3 基于对外 API 的收费模型。 （2） 按产出内容量付费：适用于应用层变现，用户按照生成的文字数 量、图像数量或视频长度等来支付费用，适合对 AIGC 需求量波动 较大的客户，通常是按内容量的阶梯定价，或者按照实际生成的内 容单位（如每千字、每幅图像等）进行计费，例如 Midjourney 的第 一档收费套餐（每月付费 10 美元 AI 生成 200 张图片且需排队生 图）。
（3） 软件订阅付费：用户在订阅期间可以无限制地使用软件的所有功 能，这种模式适用于需要频繁使用 AIGC 服务的用户，在这种模式 下，用户为访问和使用 AIGC 软件或平台支付周期性费用，并且通 常基于不同的服务层级和功能套餐来设置不同的订阅价格，有时也 包括免费的基础版本以吸引新用户，例如 Midjourney 的第二档收费套餐（每月付费 30 美元 AI 生成不限量图片，附赠 15 小时的免排队 生图时间）。 （4） 模型定制开发费：根据客户的具体需求，开发符合其业务特点和 目标的定制 AI 模型，例如特定领域的文本生成或特殊风格的图像生 成，这种服务通常根据项目的复杂度和开发所需的资源来计费，可 能包括一次性的开发费用和后续的维护费用，例如 Mailmunch 经营 的订制化电子邮件营销平台、CrowdStrike 的实时监控有害、违规行 为的云上系统和 Domino Data Lab 的人工智能社区收集系统。 AIGC 产业中，不同营收模式的市场份额将有明显区分。尽管目前按 照产出量收费的模式占据主导地位，但随着底层模型及 AIGC 应用生态的 建立，MaaS 及软件订阅付费将变为主流。
