没有合适的资源?快使用搜索试试~ 我知道了~
AIGC AI生成内容产业展望报告
需积分: 31 9 下载量 132 浏览量
2023-01-16
15:55:24
上传
评论 1
收藏 7.24MB PDF 举报
温馨提示
试读
34页
AI生成内容AIGC,AI-Generated Content • 在技术上,AIGC已经可以完成哪些创作? • 在价值上,AIGC除了直接生成艺术作品还能做什么? • 在未来,AIGC将如何改变内容及相关产业?
资源推荐
资源详情
资源评论
AIG C/A I生成 内容
AIGC,AI-Generated Content
产业展望报 告
Industry insight report
• 在技术上,AIGC已经可以完成哪些创作?
• 在价值上,AIGC除了直接生成艺术作品还能做什么?
• 在未来,AIGC将如何改变内容及相关产业?
• ......
量子位硬科技深度产业报告 — AI生成内容 AIGC
目录
技术及场 景篇
01 技术定义
02 技术及落地场景介绍—— 基于模态
02 文本生成
05 音频 及文字—音频 生成
06 图像 生成
09 视频 生成
11 图像、视频 、文本间跨 模态生成
15 策略生成
15 技术及落地场景介绍—综合赛道
15 Gam e AI
17 虚拟 人生成
19 相关预测
产业篇
20 价值分析
21 细分赛道分析
21 内容 领域
24 延展 领域
26 行业发展阶段分析
29 产业链分析
29 玩家分析
量子位硬科技深度产业报告 — AI生成内容 AIGC
关键结 论
1. 区别于G enerative AI和Syn thetic me dia,AIGC中 的跨模态生 成和策略/线 索生成应当得 到重视,
这两者也是A IGC长期的重 要价值增长 点。
2. 按照模态 区分,AIGC 可分为音频生 成、文本生成 、图像生成 、视频生成及 图像、视频、 文本间的
跨模态生成 ,细分场景众 多,跨模态生 成需要重点关 注。Game AI和虚拟人 生成是目前变 现较为明确
的两大综合 赛道,预计对 原行业产生整 体性影响。
3. 以下技术 要素值得关注 :长/开放式 文本生成、N eRF模型、D iffusion模 型、跨模态大 型预训练模
型、小样本 学习及自监督 算法、强化学 习及环境学习 。以下技术 场景值得关注 :闲聊式文本 生成、个
性化营销文 本、富情感及 细节TTS、 拼凑式视频生 成、基于文本 的AI绘画、 语音复刻。
5. 除降本增 效、提供参考 外,AIGC的 以下两点价值 更值得关注 :对不同模态 元素进行二次 拆解组合,
改变内容生 产逻辑及形式 ;和其他AI系 统或数据库 进行联动,有 实现高度个性 化/高频优化 。
6. 我国AIG C行业仍处于 刚刚起步阶段 ,距离大规模 验证和体系 化发展仍有距 离,“模块分 拆+个性
化推荐”的“ 泛AIGC”形 式预计将有 所发展。
AIGC相关技术场景及成熟度分类
我国AIGC行业阶段划分
AIGC相关业务场景分析
我国AIGC产业链划分
感谢以下机构及个人参加深度访谈:倒映有声、Deepmusic、高林教授、黄民烈教授、rct AI、腾讯AI Lab、小冰公司
量子位硬科技深度产业报告 — AI生成内容 AIGC
技术及场景篇
1.1 技 术定义
AIGC全称为AI-Ge nerate d Con tent,指基于生成对抗网络GAN、大型预训练模型等人工智能技术,通过已有数
据寻找规律,并通过适当的泛化能力生成相关内容的技术。与之相类似的概念还包括Synthetic media,合成式媒
体,主要指基于AI生成的文字、图像、音频等。
Gartner也提出了相似概念Generative AI,也即生成式AI。生成式AI是指该技术从现有数据中生成相似的原始数据。
相较于量子位智库认为的AIGC,这一概念的范围较狭窄。
一方面,这一概念忽略了跨模态生成( 如基于文本 生成图像或基 于文本生成视 频)这一愈 加重要的AI GC部分。我们
会在下一部分对跨模态生成进行重点讲解。另一方面,在结合现有技术能力和落地场景进行分析后,我们认为“生
成”和“内容”都应该采取更为广泛的概念。例如,生成中可以包含基于线索的 部分生成、完 全自主生成和 基于底
稿的优化生成 。内容方面,不仅包括常见的图像、文本、音频等外显性内容 ,同样也包括策略、剧情、训练数据等
内在逻辑内容 。
从特定角度来看,AI内容生成意味着AI开始在现实内容中承担新的角色,从“观察、 预测”拓展到 “直接生成、 决
策”。
从商业模式来看,我们认为,AIGC本质上是一种AI赋能技 术,能够通过其高通量、低门槛、高自由度的生成能力广
泛服务于各类内容的相关场景及生产者。因此,我们不会将其定 义为PGC\ UGC之后的 新内容创作 模式,而是认为
其在商业模式上会有大量其他交叉。我们会在价值篇对其商业模式进行进一步展开。
Gartner《2021年预测:人工智能对人类和社会的影响》给出积极预测:
• 至2023年将 有20%的内 容被生成式A I所创建
• 至2025年, Gartner预 计生成式AI 产生的数据将 占所有数据的 10%,而今 天这个比例不 到1%
• 根据Gart ner披露的“人 工智能技术 成熟度曲线” ,生成式AI仍 处于萌芽期 ,但其广阔的 应用场景和巨 大需求空间吸 引着大量资 本和
技术的投入 ,预计将在2- 5年内实现规 模化应用
1.2 技术及落地场 景介绍—— 基于模态
我们认为,目前AIGC生成正在完成从简单的降本 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, 跨模态/多模 态内容成为 关键的发展节 点。
技术视角下,我们认为以下场景将成为未来发展的重点:文本-图像- 视频的跨模态 生成、2D 到3D生成、 多模态理解
结合生成。后文将对以上技术场景的技术原理、现有进展、关键瓶颈等进行展开。
商业视角下我们认为,未来3年内, 虚拟人生成 和游戏AI这 两种综合性的 AIGC场景 将趋于商业化 成熟。
在这一部分,我们会基于不同的模态介绍对应的技术和商业场景,并给出各场景下的代表机构及发展现状。下图中的
绿色部分,是 我们认为2 -3年内具有 快速增长潜力 的细分赛道。 具体原因我们将在对应位置进行具体展开。
1
量子位硬科技深度产业报告 — AI生成内容 AIGC
文本生成
以结构性新闻撰写、内容续写、诗词创作等细分功能为代表,基于NLP技术的文本生成可以算作是AIGC中发展最早
的一部分技术,也已经在新闻报道、对话机器人等应用场景中大范围商业落地。
量子位智库在此看好个性化文本生 成以及实时 文字生成交互 。
• 细分技术介绍
大型预训练模型成为当下主流做法与关键技术节点。
一方面,2020年,1750亿参数的GPT-3在问答、摘要、翻译、续写等语言类任务上均展现出了优秀的通用能力,
证明了“大力出奇迹”在语言类模型上的可行性。自此之后,海量数据、 更多参数、多 元的数据采集 渠道等成为国
内清华大学、智源研究院、达摩院、华为、北京大学、百度等参与者的关注点。
目前,大型文本预训 练模型作为 底层工具,商 业变现能力逐 渐清晰。以GPT-3为例,其文本生成能力已被直接应用
于Writesonic、 Conversion.ai、 Snazzy AI、 Copysmit h、 Copy.ai、 Headlime等文本写作/编辑工具中。
同时也被作为部分文本内容的提供方,服务于AI dungeon等文本具有重要意义的延展应用领域。
2
底层技术原理基本明确,预计1-2年内将规模化应用较为广泛地实际应用、技术细节仍待进一步提升 底层技术原理仍待完善,增长可期
剩余33页未读,继续阅读
资源评论
allun
- 粉丝: 12
- 资源: 20
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功