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
