1.1.AIGC 的一小步，AI 的一大步
ChatGPT 持续火热：ChatGPT 是一种聊天机器人软件：全名为 Chat Generative Pre-Trained Transformer，是 OpenAI 于 2022 年 11 月推出的聊天机器人，该软件使用方便快捷，只需向 ChatGPT 提出需求，即可实现文章创作、代码创作、回答问题等功能。
ChatGPT 持续创造历史记录：上线仅 5 天，ChatGPT 已经拥有超过 100 万用户，根据网易消息，在 ChatGPT 推出仅两个月后，它在 2023 年 1 月末的月活用户已经突破了 1 亿，成为史上用户增长速度最快的消费级应用程序。根据 Sensor Tower 的数据，TikTok 达到 1 亿用户用了 9 个月，Instagram 则花了 2 年半的时间。
AIGC 不仅仅是 ChatGPT：AIGC(AI Generated Content)即人工智能自动生成内容可以在创意、表现力、迭代、传播、个性化等方面，充分发挥技术优势，打造新的数字内容生成与交互形态。ChatGPT 只是 AIGC 中 AI 写作的商业化落地案例之一，其他已经实现商业化的方向包括 AI 作图，AI 底层建模，未来 AIGC 商业化发展方向还包括 AI 生成视频和动画。
AIGC 同样持续引爆市场：Stability AI 发布的开源模型 Stable Diffusion 可以根据用户输入的文字描述自动生成图像即文生图。Stability Diffusion、DALL-E 2、Midjourney 等可以生成图片的 AIGC 模型引爆了 AI 作画领域，AI 作画风行一时，标志人工智能向艺术领域渗透。2022 年 10 月，Stability AI 获得约 1 个亿美元融资，估值高达 10 亿美元，跻身独角兽行列。
AIGC 也被认为是继 UGC、PGC/UGC 之后的新型内容生产方式：UGC 是用户生成内容，起源于 Web2.0 时代，例如博客、视频分享、Youtube 等应用方案;PGC/UGC 分别指专业生产内容与职业生成内容，例如视频创收平台优酷、土豆平台节目《暴走漫画》、《万万没想到》、或是抖音、快手等用户生产内容。
我们认为 AIGC 在创作成本上具有颠覆性，而且具备降本增效的多重优势，并且有望解决目前 PGC/UGC 创作质量参差不齐或是降低其有害性内容传播等问题，同时创意激发，提升内容多样性，此外价格上 OpenAI 最贵的 AIGC 语言模型达芬奇为每 0.02 美元 750 个单词，AIGC 图型模型价格仅为 0.020 美元一张。
AIGC 的一小步，AI 的一大步：AIGC 的出现使 AI 从感知理解世界到生成创造世界的跃迁，AIGC 出现前的人工智能更偏向于分析，例如目前最火热的个性化推荐算法，AIGC 出现后的人工智能更具备“拟人化”,可以自主的创造文本、图像、视频、3D 交互内容，以及包括开启科学新发现、创造新价值和意义，因此 Gartner 将生成性 AI 列为 2022 年 5 影响力技术之一，MIT 科技也将 AI 合成数据列为 2022 年十大突破性技术之一。
AIGC 是数据和内容生产的强大引擎：AIGC 正在朝着降本增效的方向去发展，我们认为，随着 AIGC 的技术逐渐成熟，其内容生成可以覆盖从社交媒体到游戏、从广告到建筑、从编码到平面设计、从产品设计到法律、从营销到销售可能全部被 AIGC 影响或变革。
2.拐点之时，格局之变
我们认为，算力、算法、训练多模型、多模态等 AI 技术融合极大的催生了 AIGC 的爆发。
1)基础算力：人工智能的本质及数据的海量运算，相较于 AI 算法，数据才是重中之重。算力作为数据加速处理的动力源泉，其重要性不言而喻。
根据机器学习的算法步骤，可分为训练和推断两个环节，训练环节需要极为庞大的数据输入才能支持一个复杂的神经网络模型，训练过程中由于复杂的神经网络结构和海量训练数据，运算量巨大，因此对于处理器的算力、效率(能耗)要求极大。
2)算法模型：Transformer 算法是一种采用自注意力机制的深度学习模型，这一机制可以按照输入数据各部分的重要性的不同而分配不同的权重，我们现在熟知 ChatGPT 和 AI 作图等都是基于 Transformer 算法建立的;
3)预训练模型：预训练模型引发了 AIGC 技术能力的质变，在该模型问世之前，具有使用门槛高、训练成本低、内容生成简单和质量偏低等问题。
而在 AIGC 领域，AI 预训练模型，AI 预模型可以实现多任务、多语言、多方式等至关重要的作用，模型比如谷歌的 LaMDA 和 PaLM，Open AI 的 GPT 系列。
4) 多模态： 极大推升 AIGC 的多样性，预测模型更具备通用性、多样性。例如 Open AI 团队的 CLIP 模型，可以使文字和图像进行关联，比如将文字“狗”与图像进行关联，且关联特征非常丰富。
AIGC 的应用生态和内容消费市场逐渐繁荣: AIGC 在学习通用知识和理解泛化上具备更好的表现，在内容生成领域中具备以下特征。
1)自动生成内容：大型语言和图像 AI 模型可用于自动生成内容，例如文章、博客、社交媒体和帖子。
2)提高内容质量：我们认为 AI 生成内容质量较高，原因是人工智能模型可从大量数据中学习，且信息准确，例如 DALL·E 的效果已经接近中等画师的水平。
3)增加内容多样性：AIGC 模型可以生成多种类型的内容，包括文本、图像和音视频、3D 内容等，这些内容可以和专业认识创建更多样化、有趣的内容，有望吸引更广泛的人群。
4)内容制作成本低：基于 AIGC，内容制作的成本显著降低、效率显著提高，且可以创造出有独特价值和独立视角的内容。
5)可实现个性化内容生成：人工智能模型可根据个人用户喜好生成个性化内容，例如 Stable Diffusion 的二次元画风生成工具 Novel-AI，可以满足小众二次元群体的喜好和内容需求。
AIGC 前景广阔，且已经有多种落地场景：比如目前火热的 ChatGPT，ChatGPT 是采用 WEB 浏览器上的对话形式交互，可以满足人类对话的基本功能，能够回答后续问题、承认错误、质疑不正确的请求，我们认为 ChatGPT 的编码能力和 AI 问答系统能力已经大幅提升，并且可以一定程度上替代搜索引擎。
此外，数字人也是 AIGC 的应用场景之一：数字人是数字智能体智能交互的新模式，目前已有诸多应用，包括元宇宙应用的 NPC 虚拟角色、用户虚拟等。
AIGC 大大提升了数字人的制作能效，用户可提供图片、视频，通过 AIGC 生成写实的类型数字人，具有时间短、成本低、可定制特点，同时，3D 数字人建模已经初具产业化。
此外，AIGC 支撑了 AI 驱动数字人多模态交互中的识别感知和分析决策功能，使其更神似人。