AIGC技术和产业生态迎来发展快车道

2022年，从引爆AI作画领域的DALL-E 2、Stable Diffusion等AI模型，到以ChatGPT为代表的接近人类水平的对话机器人，AIGC不断刷爆网络，其强大的内容生成能力给人们带来了巨大的震撼。学术界和产业界也都形成共识：AIGC绝非昙花一现，其底层技术和产业生态已经形成了新的格局。经过了2022年的预热，2023年AIGC领域将迎来更大发展。AIGC生成内容的类型不断丰富、质量不断提升，也将有更多的企业积极拥抱AIGC。在这个背景下，腾讯研究院正式发布《AIGC发展趋势报告2023：迎接人工智能的下一个时代》。报告从技术发展和产业生态、应用趋势、治理挑战等维度，对AIGC的发展趋势进行了深入思考。

1、2022年OSSP主板技术规范2、2022年OSSP主板技术规范v1.03、2022年OTII 1U服务器设计规范V2.04、2022年OTII 2U服务器技术规范5、OTII服务器测试规范

AIGC技术和产业生态迎来发展快车道

AIGC的大爆发不仅有赖于AI技术的突破创新，还离不开产业生态快速发展的支撑。在技术创新方面，生成算法、预训练模型、多模态技术等AI技术汇聚发展，为AIGC的爆发提供了肥沃的技术土壤。

图：AIGC技术累积融合

第一，基础的生成算法模型不断突破创新。比如为人熟知的GAN、Transformer、扩散模型等，这些模型的性能、稳定性、生成内容质量等不断提升。得益于生成算法的进步，AIGC现在已经能够生成文字、代码、图像、语音、视频、3D物体等各种类型的内容和数据。

第二，预训练模型，也即基础模型、大模型，引发了AIGC技术能力的质变。虽然过去各类生成模型层出不穷，但是使用门槛高、训练成本高、内容生成简单和质量偏低，远远不能满足真实内容消费场景中的灵活多变、高精度、高质量等需求。而预训练模型能够适用于多任务、多场景、多功能需求，能够解决以上诸多痛点。预训练模型技术也显著提升了AIGC模型的通用化能力和工业化水平，同一个AIGC模型可以高质量地完成多种多样的内容输出任务，让AIGC模型成为自动化内容生产的“工厂”和“流水线”。正因如此，谷歌、微软、OpenAI等企业纷纷抢占先机，推动人工智能进入预训练模型时代。

第三，多模态技术推动了AIGC的内容多样性，进一步增强了AIGC模型的通用化能力。多模态技术使得语言文字、图像、音视频等多种类型数据可以互相转化和生成。比如CLIP模型，它能够将文字和图像进行关联，如将文字“狗”和狗的图像进行关联，并且关联的特征非常丰富。这为后续文生图、文生视频类的AIGC应用的爆发奠定了基础。

未来，算法的进步将带来更多激动人心的应用，语言模型会得到进一步发展，可以自我持续学习的多模态AI将日益成为主流，这些因素会进一步推动AIGC领域的蓬勃发展。

在产业生态方面，AIGC领域正在加速形成三层产业生态并持续创新发展，正走向模型即服务（MaaS）的未来。

目前，AIGC产业生态体系的雏形已现，呈现为上中下三层架构。

第一层是基础层，以预训练模型为基础搭建的AIGC技术基础设施层。在国外，以OpenAI、Stability.ai为代表，通过受控API、开源等方式输出模型能力。

第二层是中间层，是在预训练模型基础上，通过专门的调试和训练，快速抽取形成垂直化、场景化、定制化的小模型和应用工具层，可以实现工业流水线式部署，同时兼具按需使用、高效经济的优势。比如，知名的二次元画风生成模型Novel-AI，以及各种风格的角色生成器等，就是基于Stable Diffusion开源进行的二次开发。随着AIGC模型加速成为新的技术平台，模型即服务（Model-as-a-Service，MaaS）开始成为现实，预计将对商业领域产生巨大影响。

第三层是应用层，依托底层模型和中间层的垂直模型，各厂商进一步开放面向C端和B端用户的各种各样的AIGC产品和服务，满足海量用户的内容创建和消费需求。例如群聊机器人、文本生成软件、头像生成软件等AIGC消费工具。

目前，从提供预训练的AI大模型的基础设施层公司到专注打造垂直领域内AIGC工具的中间层公司、再到直接面对消费者和终端用户提供产品和服务的应用层公司，美国围绕AIGC生长出繁荣的生态，技术创新引发的应用创新浪潮迭起；中国也有望凭借领先的AIGC技术赋能千行百业。

审核编辑 ：李倩