AIGC深度产业报告，AIGC/AI生成内容：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？区别于GenerativeAI和Syntheticmedia，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AIGC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。GameAI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、NeRF模型、Diffusion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。
AIGC，全称AI-Generated Content，是利用人工智能技术，特别是生成对抗网络（GANs）、大型预训练模型等，通过学习已有数据的规律并生成新的相关内容。它涵盖了文本、音频、图像、视频等多种模态的生成，以及跨模态的生成。与Synthetic Media和Generative AI相比，AIGC特别强调了跨模态生成和策略/线索生成的重要性，这两点被认为是AIGC长期发展的关键价值点。
在技术层面，AIGC的细分场景包括但不限于文本生成，如闲聊式对话和个性化营销文案；音频生成，如文字转语音（TTS）技术；图像生成，如AI绘画；视频生成，如拼凑式视频；以及跨模态生成，如基于文本生成图像或视频。其中，NeRF模型用于三维场景的重建，Diffusion模型则在图像生成中有广泛应用，而跨模态大型预训练模型结合小样本学习和自监督算法，能提升AI在新任务上的泛化能力。强化学习和环境学习则在策略生成和游戏AI中发挥重要作用。
在价值上，AIGC不仅能够降低成本、提高效率，还能通过拆解和重组不同模态元素，创新内容生产和表现形式。此外，AIGC可以与其他AI系统或数据库协同工作，实现高度个性化和频繁优化。例如，它可以用于游戏AI，改变游戏体验；或者在虚拟人生成中，创造出栩栩如生的交互式角色，对娱乐、教育等领域产生深远影响。
当前，中国的AIGC行业仍处于起步阶段，虽然已有一定的技术突破，但大规模应用和体系化发展还需时日。未来可能的发展趋势是“模块分拆+个性化推荐”的泛AIGC形式。产业链涵盖了从技术研发、数据采集到内容应用的多个环节，涉及企业、研究机构和个人创作者等多个角色。
随着技术的进步，Gartner预测到2023年，20%的内容将由生成式AI创造，而到2025年，生成式AI生成的数据将占所有数据的10%。这些预测表明AIGC将在内容产业中扮演越来越重要的角色，带来创新的商业模式和深远的社会影响。对于行业参与者来说，无论是技术开发者还是内容创作者，都需要关注AIGC的发展，把握其带来的机遇和挑战。
