下一个万亿美元级赛道

开盘第一天，AIGC概念股早盘大涨。截至收盘，云从科技、视觉中国涨停.

AIGC即AI生产内容，利用AI技术赋能内容生产。

消息面上，微软近期宣布，已与OpenAI扩大合作伙伴关系。微软将向OpenAI进行为期多年、价值数十亿美元的投资，加速其在AI领域的技术突破。

值得注意的是，OpenAI于2022年11月30日发布了一个名为ChatGPT的人工智能聊天机器人，其是基于句子的自然语言处理（NLP）技术，能够模拟人类进行聊天，属于AIGC的范畴，即人工智能生成内容。

（一）AIGC解决内容生成瓶颈问题

2022 年，AIGC引爆市场。红杉美国报告认为AIGC会代表新一轮范式转移的开始，有潜力产生下一个万亿美元级赛道。

百度李彦宏多次力推AIGC，并提出AIGC发展三阶段论“助手阶段”（AIGC 辅助人类进行内容生产）；“协作阶段”，（AIGC 以虚实并存的虚拟人形态出现，形成人机共生的局面）；“原创阶段”（AIGC 将独立完成内容创作）。

具体讲AIGC其是指利用 AI 算法、通过海量现存数据（如文本、音频、图像等）寻找规律，创建新内容的技术，类似的概念包括Synthetic Media（合成式媒体）、Generative AI（生成式 AI）等。

从内容生成的视角看，发展进程可以分为三个阶段:PGC、UGC以及 AIGC。其中AIGC阶段可分为辅助阶段和自主创作阶段。

PGC因人力资源的供给侧限制而存在产能约束。UGC降低了PGC的生产门槛，但因用户创作能力和工具功能的局限而存在质量约束。

简单说，传统 PGC、UGC 的短板是不断迭代的AI算法进入内容生成领域的重要前提，目前处在以PGC、UGC为主、AIGC辅助生产为辅的阶段，以融合共生的状态向AI 自主创作不断迈进。

AI突破内容生成产能和质量约束，市场规模有望达约 500 亿元。

在产能方面，AIGC 对息挖掘、素材调用、复刻编辑等机械劳动环节形成替代，解放创作者生产力并聚焦于创意的高价值量环节，低边际成本、高效率地满足海量个性化生成需求。

在质量方面， AIGC能够创新内容生产的流程和范式，优化创作团队成员之间的沟通方式，使得内容生成更具创造力、传播方式更具多样化。

据预测 AI 数字商业内容的市场规模将从2020年的40亿元，增加到2025年的495亿元，CAGR 约为 65%。

（二）AIGC 可以与云 SaaS 结合

微软报道的“双方还达成一项多年合作协议，在微软的 Azure 云计算服务平台上开发人工智能超级计算技术”，正是指代 AI 与云技术的结合。 

而云 SaaS的代表 Adobe、A 股广联达，均展示过利用云SaaS形成的产品粘性，增加 AI智能，是顺水推舟的。

海外较为成熟的文本、图像 AIGC 应用，其模式大致如下图所示

通过海量数据训练和优化研发的算法和模型，在算力设备的支持下自研或与第三方平台共同开发 AIGC 工具，并通过此工具为客户直接提供、或是通过第三方平台提供内容生成服务。

以 OpenAI 为例，早期其商业模式以开放底层平台并收费的商业模式为主，近期与海外付费图库 Shutterstock深度绑定， 将其 DALL-E 2 图像生成器直接集成到 Shutterstock 的平台上，Shutterstock 则将其版权图片授权给 OpenAI 用于生成 AIGC 图像，客户则通过平台付费获取图像，收益会在 Shutterstock、OpenAI 及 Shutterstock 版权图片的原创作者中分配。

国内AIGC行业具有潜力的游戏、虚拟人场景是文本、音频、图像、视频等基本服务的综合体现，其中视频AIGC目前按帧切割生成的原理也基于图像生成，海外SaaS模式仍旧适用。

目前国内AIGC行业主要由上游技术驱动，基于数据和模型开发 AIGC工具，并借助行业应用场景关联的第三方平台为客户提供服务，仍处于免费试用、获取流量、同时优化 AIGC 工具的阶段，商业变现前景可期。

目前以小冰、灵动音科技、聆心智能等为代表的 AIGC初创企业，以及 Stable Diffusion 模型中的高效求解器的TSAIL研发团队，大多出身于清华大学 等高校院所、微软等互联网头部企业的科研团队，通过聚焦于算法和模型环节提升 AIGC 工具的功能。

国内以昆仑万维、蓝色光标、视觉中国等为代表的上市公司，凭借本身行业积累和数据库优势，聚焦数据环节，通过组建算法研发团队、与外部研发团队合作等方式共同开发 AIGC 工具，并通过公司平台为存量客户提供优化客户，吸引新客户群体。

国内 AIGC 行业目前仍以提供辅助生成服务为主，呈现多点开花的局面。

（三）chatGPT，微软的商业考虑

下图是自上世纪 60-80 年代以来，到近期，我们根据主流 AI 算法原理，小结的大致时间和衍生关系。可以看到

1） 经典的里程碑级别的 AI 算法创新至少包括递归神经网络，反向传播算法，卷积神经网络 ，长短期记忆。

2） 近年重要的AI算法创新并不容易，原因是经典算法普及后，大量基于经典算法做局部优化。而优化的凭据是AI算力的升级普及，大模型的普及，应用的复杂化.即在资源可以极大丰富的情况下，过去“奢靡不经济”的 AI 架构在当前成为可能。因此大量近年的 AI 创新属于应用创新，并非算法创新。

3） 实际确认的近年重要 AI 算法、AI重要平台、AI 重要应用包括生成对抗网络， 残差网络，Transformer，Alphafold 系列，第三代生成型预训练变换器（GPT3），chatGPT（可以归结为GPT3.5 代）；

从上述历史，可以发现近年谷歌对 AI 里程碑式节点影响较大。

可见，微软投资 openAI, 是增强自己 AI 影响力、抗衡谷歌的较好机会。这也是微软对 chatGPT 的投入与协同更加热衷、Facebook 与谷歌对 chatGPT 相对平淡(但对AIGC 依然热衷)的一个原因。

（四）相关的互联网和计算机公司

综上，chatGPT 缘起于 AIGC。而AIGC 当前风靡海外，解决内容生成瓶颈问题，也与云 SaaS 可以较好结合。

研究完 AI 主流算法衍生关系，会发现这也是微软希望在 AI 算法奋起直追的一个机会（否则谷歌在 AI 算法的标杆性较强），因此商业目的也是重要原因。

相关公司有

互联网传媒国内 AIGC 市场，持续跟进 AIGC 的技术发展和文本、音频、图像等单模态的应用落地。

重点关注技术驱动的初创代表企业、科研院所，以及与应用场景关联的 A 股上市公司。相关公司有中文在线、汉仪股份、视觉中国、昆仑万维、蓝色光标。

计算机泛 AI 领域是相关主线。稳健公司如AI 领军、科大讯飞、万兴科技、虹软科技，弹性公司有云从科技（上证 e 互动平台公开披露了视觉语音 NLP 都类似 chatGPT 的 “预训练模型+反馈调优”路线）、汉王科技（互动易平台公开披露了 NLP 技术积累和项 目）、博彦科技、商汤科技(H)。

写在最后，君想说chatGPT 和 AIGC 属于创新技术，而技术的创新、迭代、应用，有较长的发展过程，可能出现波折和反复，此外，chatGPT 与 AIGC 属于欧美发起的创新，还要考虑我国具体政策和官方指引。我们在对新技术怀有期待的同时，还要多一分思考。