DAFRI&ADG-智能时代的生产力变革：AIGC产业应用实践-2023-49页.pdf-solarbe文库

资源描述：

1 ‘一、认识 AIGC1（一）从 AI、 AIGC 到 AGI.1（二）从 PGC、 UGC，到 AIGC3（三） AIGC 的五大模态 51. 文本生成 .52. 音频生成 63. 图像生成 64. 视频生成 7 5. 跨模态生成 .7（四） AIGC 发展的三要素数据、算力、算法 .81. 数据 82. 算力 93. 算法 9（五） AIGC 与元宇宙、 web3.0、数字经济 .101. 元宇宙 102. Web3.0.113. 数字经济 11（六） AIGC 会带来哪些伦理和法律问题 121. 隐私保护问题 .122. 数据安全问题 .13 3. 版权问题 13二、 AIGC 的历史与技术图谱 15（一）历史图谱 15（二）技术图谱 19三、 AIGC 的产业应用与场景案例 .22（一） AIGC服装制造业 .221． AIGC 助力升级服装制造业 .232．案例极睿引流宝助力抖音服饰品牌提升直播流量 24（二） AIGC金融产业 261． AIGC 助力金融业内容营销 .282．案例易有料以 C-URM 体系，助力金融内容营销 30（三） AIGC元宇宙产业 .32 1． AIGC 助力建设元宇宙 .352．案例 Telept City 融合 AIGC 打造 NFT 创造平台 37（四） AIGC数字人产业 .381． AIGC 助力数字人简化创作 .40 2．案例万海普罗自主研发 3D 成像技术，简化数字人制作流程 .41四、 AIGC 产业应用的发展启示 43（一）积极转变新商业思维模式 43（二） Maas 将成为重要应用模式 .43（三）利用 AIGC 提升 “ 微笑曲线 ” .44（四）利用 AIGC 裹挟新消费增长 45 1 一、认识 AIGCAIGC（ Artificial Intelligence Generated Content），即人工智能内容生成。 AIGC 通常基于深度学习和自然语言处理技术，利用大规模的语料库进行训练，从而让机器能够自动生成与人类语言相似的内容。一般来说， AIGC 需要输入一些指令或者关键词，然后系统就会自动产生相应的内容，例如文章、新闻、评论、诗歌、小说、音乐、视频字幕等等。当下，树立对 AIGC 正确的认知已经成为重要的知识素养。下文将从概念、技术和热点话题等多个角度出发，帮助读者形成对 AIGC 概念的初步认知。（一）从 AI、 AIGC 到 AGI理解 AIGC，需要结合人工智能（ Artificial Intelligence）、内容生成（ Generated Content）两个角度。一方面， AIGC 属于 AI 的分支，从人工智能的角度理解有利于掌握其技术内涵。AI 指人工智能，它是一种能够通过计算机程序实现人类智能的技术。 AI 在上个世纪 50 年代出现，并在之后几十年里得到了广泛的发展和应用。它包括了许多不同的子领域，如机器学习、自然语言处理、计算机视觉等，可以应用于广泛的领域，如医疗、金融、工业等。 2 AIGC 技术的兴起可以追溯到近年来机器学习和深度学习等技术的发展。 AIGC 指人工智能生成技术，它是一种利用机器学习和神经网络等技术来生成各种形式内容的技术。这些内容包括文本、图像、音频等等，通常是通过输入大量的训练数据来训练模型，并使用这些模型来生成新的内容。 2023 年， ChatGPT 应用的出现展示了 AIGC 的潜力，掀起了 AIGC 的发展浪潮。AGI 指通用人工智能，它是一种可以像人类一样进行多种任务和活动的人工智能技术。与目前的 AI 技术相比， AGI 具有更高的灵活性和智能性，可以在不同的环境和任务中进行适应和学习。然而， AGI技术仍处于概念发展的初级阶段，目前还没有实现真正意义上的 AGI系统。以上三个概念之间的关系可以这样理解 AI 是整个人工智能领域的总称，包括了 AIGC 和 AGI 等不同的技术方向。 AIGC 是 AI 领域中的一个重要分支，主要指通过机器学习等技术生成内容的技术范畴。而AGI 则是 AI 领域一个更高级的目标，指向一个能够像人类一样进行多种任务和活动的智能系统。 3 图 1. AIGC 与 AI、 AGI 的联系（二）从 PGC、 UGC，到 AIGC从内容生成（ Generated Content）的角度看， AIGC 是继 PGC、UGC 之后新的内容生产方式。因此，对 AIGC 概念的把握也需要从内容生产领域进行理解。从主体出发，内容生成大致能够分成三类，分别是 PGC（ Professional Generation Content，专业内容生成）、 UGC（ User Generated Content，用户内容生成）和 AIGC（ Artificial Intelligence Generated Content，人工智能内容生成）。 PGC 指由专业人员制作内容的技术。通过专业的创作人员或团队来制作高质量、高度可定制化的内容，以满足客户的需求。 PGC 虽然具有高质量、易 4 变现、针对性强等优势，但创作门槛高、制作周期长，由此带来了产量不足、多样性有限的问题。UGC 指由用户创造和分享的内容生成技术。利用社交媒体、博客和视频共享网站等平台，用户可以轻松地分享他们的观点、经验和知识。在提升整个互联网内容丰富度的同时， UGC 也存在内容质量参差不齐和洗稿抄袭等问题，这需要平台方投入大量精力和成本去进行创作者教育、内容审核、版权把控等方面的工作。 AIGC 指由人工智能技术生成的内容。这种技术利用机器学习和自然语言处理等技术，让计算机能够生成符合特定需求的文本、图像、音频和视频等内容。相较于 PGC 技术和 UGC 技术， AIGC 实现了内容生成主体从人向机器的转变，这使得人工智能可以大幅度地提高内容生成的效率和准确度， AIGC 还可以根据不同的需求，生成不同形式、不同主题、不同风格的内容，满足不同用户的需求，解放内容生产力。同时， AIGC 也并非完美无缺的，并带来版权归属、内容合法性等问题。PGC、 UGC、 AIGC 的内容生产方式分别对应 Web1.0、 Web2.0、 Web3.0 下互联网内容创作和共享模式。 Web1.0 是静态、只读的互联网， Web2.0是可读、可写的动态互联网， Web3.0 是可读、可写、所有权归于用户的互联网。区块链和元宇宙等技术的蓬勃发展推动了 Web3.0 的发展，但内容的价值确权和虚拟空间的发展仍然需要更高效的内容生产方式， AIGC 所具有的高效内容生产模式将助力打造未来的价值互联网。 5 图 2. AIGC 与 PGC、 UGC 的联系（三） AIGC 的五大模态根据内容生产模态， AIGC 能够被分为四大基础模态，包括文本、音频、图像、视频，每一种模态技术都有着独特的应用场景和特点。此外，这四类模态的融合还带来第五类模态跨模态内容生成模式，支持创造出更为丰富多彩的 AIGC 生成内容。 1. 文本生成文本内容生成可以大致分为非交互式和交互式两种。非交互式文本生成包括摘要 /标题生成、文本风格迁移、文章生成、图像生成文本等技术。这些技术可以根据不同的使用场景，自动生成符合要求的文本内容，提高文本生成的效率和质量。交互式文本生成是一种更加智能化的应用方式，可以根据用户的需求和反馈，生成更加贴近用户需求的内容，主要包括聊天机器人、文本交互游戏等应用。 6 【代表性产品或模型】 JasperAI、 copy.AI、 ChatGPT、 Bard、 AI dungeon2. 音频生成音频生成技术是一种通过算法和模型生成人工音频的技术。音频生成技术可以应用于特定场景下的文本生成语音，如数字人的播报、语音客服等。这些场景化的应用可以根据用户和场景的需求，通过算法生成符合要求的语音，提高用户体验和效率。此外，该技术在 C 端产品中也十分常见，如智能家居、车载音响、虚拟助手等。【代表性产品或模型】 DeepMusic、 WaveNet、 Deep Voice、 MusicAutoBot3. 图像生成图像生成技术是一种通过算法和模型生成人工图像的技术。图像生成技术可根据使用场景分为图像编辑修改和图像自主生成。图像编辑修改技术可实现对图像的重构和修复，提高图像的质量和清晰度，满足用户对图像处理的需求，如图像修复、人脸替换、图像去水印等方面。图像自主生成技术通过算法和模型实现对图像的自主生成，可以为用户提供更加多样化的图像服务，如参照图像生成绘画图像、真实图像生成素描图像、文本生成图像等。【代表性产品或模型】 EditGAN， Deepfake， DALL-E、 MidJourney、Stable Diffusion，文心一格 7 4. 视频生成视频生成技术是一种通过算法和模型生成人工视频的技术。视频生成技术可以根据使用场景分为视频编辑和视频自主生成。视频编辑技术可应用于视频超分辨率、视频修复、视频画面剪辑等方面。视频自主生成技术的核心原理是使用深度学习模型对图像或视频进行分析和理解，再根据特定算法生成相应的视频。可应用于图像生成视频、文本生成视频等方面。【代表性产品或模型】 Deepfake， videoGPT， Gliacloud、 Make-A-Video、Imagen video5. 跨模态生成跨模态生成是指通过组合不同模态的 AI 技术，实现模态间的转换和生成。跨模态生成通过实现不同媒介之间的转化和生成，拓展了人工智能应用的领域和应用场景，支持将不同的信息形式转化为人类可理解的其他形式，例如将文本转化为图像、音频或视频，将图像转化为文本、音频或视频，从而实现更加自然、直观、高效的交互方式。跨模态生成技术同时也可以应用于各个领域，如艺术创作、广告营销、教育培训、医疗诊断等，提升 AIGC 的产业化和工业化应用能力。【代表性产品或模型】 DALL-E、 MidJourney、 Stable Diffusion 8 （四） AIGC 发展的三要素数据、算力、算法数据、算力和算法是 AIGC 平台的三大技术基础，它们相互依存、相互促进，共同构成了这个领域的基础设施。其中，数据是算法的基础，充足、高质量的数据是训练出准确、有效模型的前提。算力则是支撑数据和算法的基础，它可以提供更高效的数据处理和算法训练能力。算法则是决定 AIGC 平台性能和应用效果的关键，可以从数据中提取有价值的信息，从而解决各种实际问题。 1. 数据AIGC 平台依赖于大量的数据来进行训练和优化模型。这些数据可以来自于多种来源，例如云端存储、数据库、物联网设备、传感器等，大数据技术可以对海量数据进行有效处理、分析和存储，而 AIGC 需要对这些数据进行有效的收集、存储和管理，以便训练出更准确、更具代表性的模型。数据是训练大模型的基础资源，以 GPT 系列模型为例，对比三代模型间使用的数据集，训练所需的数据在质量和数量方面均不断提升，这也说明数据在训练大模型中的重要性。 9 图 3. GPT、 GPT-2、 GPT-3 的参数数量与预训练数据量2. 算力算力指计算设备执行算法、处理数据的能力，包括 CPU、 GPU、GPGPU、 FPGA、 ASIC 等，其中 GPGPU 是目前全球人工智能相关处理器的主要解决方案。从算力的供应上看，现阶段全球绝大部分 GPU 算力均来自英伟达和 AMD，凭借长期的技术积累以及生态构建，这两家公司仍将长期维持 AI 算力芯片领域的龙头地位。同时，囿于高端芯片进口受限，国产芯片需求加速扩大，当前国产芯片的研发和生产也取得一定进展。3. 算法 10 算法是一系列解决问题、实现特定功能的有序指令和步骤。在AIGC 行业中，算法是模型的基础，用于实现数据分析、人工智能模型训练等功能。 AIGC 平台的核心是人工智能算法。这些算法可以分为监督学习、无监督学习和增强学习等不同类型，用于分类、回归、聚类、降维等多个领域。 AIGC 平台通过不断地探索和优化算法，提升了模型的精度，进而提高了人工智能技术在各个行业的应用效果。（五） AIGC 与元宇宙、 web3.0、数字经济随着数字化时代的到来，元宇宙、 web3.0 和数字经济成为了人们关注的热点。 AIGC 作为全新的内容生产方式能为这些美好的图景注入新的活力，推动数字化时代向数字化、智能化时代的转变。因此，探讨 AIGC 与元宇宙、 web3.0、数字经济三者的关系在数智化大趋势下具有重要意义。1. 元宇宙元宇宙是一种新兴的虚拟世界概念，旨在为用户提供更加沉浸式的在线体验。元宇宙的核心特点是高度互动性和可自由定义性，通过引入现实世界中的物理规则和人类社交行为，使其更像一个真实的虚拟生态系统。目前，这样一个与现实世界相平行、高度沉浸化的虚拟世界还处在建设起步阶段，而 AIGC 的介入将大大提升元宇宙的构建 11 效率。 AIGC 强大和高效的内容生产能力能够加速虚拟化身、虚拟物品、虚拟场景的建设，加速广义数字孪生形态与物理形态的平行世界形成。2. Web3.0Web3.0 是下一代互联网技术，主要基于区块链和智能合约技术，旨在构建一个去中心化、透明、安全的互联网生态系统。为实现 Web3.0的目标，需要结合区块链、智能合约、加密货币等技术，从而实现去中心化理念，构建一个真正意义上的价值互联网。 AIGC 作为 Web3.0 技术中的一种应用，可以将人工智能、物联网、云计算等技术应用于区块链系统中，提升 Web3.0 的智能化水平和运行效率。例如，通过人工智能技术对交易进行智能分析和监测，可以提升 Web3.0 的安全性和效率；通过物联网技术对设备进行智能化管理和监控，可以实现Web3.0 的自动化管理和优化；通过云计算技术对数据进行智能化处理和分析，可以实现 Web3.0 的数据智能化和应用场景优化。总之， AIGC作为 Web3.0 技术中的一种应用，可以为构建一个去中心化、透明、安全、智能化的互联网生态系统提供技术支持和应用场景。 3. 数字经济相较元宇宙和 Web3.0，数字经济是一个更加广泛的概念。数字经济指基于数字技术、数据和信息为核心的经济形态，是信息化、智能化时代的产物，它包括数字化生产、数字化流通、数字化消费和数字 12 化治理等方面。在数字经济时代，内容已经成为了信息社会中的核心资源，内容生产的质量和效率也成为了数字经济中的重要因素。 AIGC在数字经济时代的重要性体现在以下几个方面首先， AIGC 技术可以通过智能化技术的应用和创新，提高内容生产的效率和质量，从而推动数字经济的快速发展。其次， AIGC 技术可以为数字经济中的各个领域提供技术支持和应用场景，创造更多的数字经济价值。最后， AIGC技术也可以促进数字经济的协同发展和智能化转型，实现数字经济的可持续发展。简言之， AIGC 不可枯竭的创造资源和能力，将从根本上改变目前的数字经济的概念生态。（六） AIGC 会带来哪些伦理和法律问题为促进生成式人工智能技术健康发展和规范应用， 2023 年 4 月11 日，国家网信办起草生成式人工智能服务管理办法（征求意见稿公开征求意见的通知，涉及生成式 AI 技术、生成内容、主体责任、数据源和数据处理等方面，对生成式人工智能服务进行了框架性规范。可见我国对规范化发展 AIGC 技术与产业的重视。从法律的角度出发， AIGC 作为全新的内容生产模式，将带来显著的隐私保护问题、数据安全问题、版权问题。1. 隐私保护问题 13 2020 年 4 月，数据作为一种新型生产要素被正式纳入中央文件中，并与传统的土地、劳动力、资本、技术等要素并列，文件还强调要加强数据资源的整合和安全保护工作。随着 AIGC 技术的不断发展和应用，个人和企业的数据被大量收集、分析和使用，而这些数据中往往包含了用户的个人隐私、商业机密等敏感信息。如果这些数据泄露或被滥用，将会对个人和企业造成不可估量的损失和风险。因此，隐私保护问题已经成为 AIGC 发展中必须要关注和解决的重要问题之一。 2. 数据安全问题AIGC 需要对数据进行存储、处理和传输，如何保障数据的安全性和完整性，防止数据被盗用、篡改、破坏等，也是一个需要解决的法律问题。此外，数据出境也需要特别关注法律风险。以 ChatGPT 为例，用户在输入端口提出问题后，数据将会传输到位于美国的 OpenAI 公司进行处理，然后再返回给用户。在该过程中， AIGC 使用者提出的问题可能涉及国家安全、经济运行、社会稳定、公共卫生安全等重要信息。因此，在 AIGC 的发展中，应当更加注重对于数据安全问题的关注，以充分保障用户数据隐私和国家安全。3. 版权问题 14 目前，用 AIGC 生成的内容是否具有版权，以及版权归属权应该属于 AI 工具开发者、使用者本人，还是工具开发商仍然具有争议。AIGC 生成内容需要大量的文本数据和监督学习、强化学习优化，但其生成过程和结果可能存在著作权侵权风险。使用未经授权的作品可能导致侵权诉讼，而如果生成内容与原始作品过于相似，也可能被认为是侵权。此外，使用含有侵权内容的 AIGC 内容的使用者也面临承担侵权责任的风险。 15 二、 AIGC 的历史与技术图谱（一）历史图谱从人工智能在技术及应用上的突破，其大致能够被分为以下五个阶段萌芽阶段（ 1950s-1970s）这个阶段是人工智能领域的开端，AI 研究者开始探索如何让机器具备人类智能。其中最具有标志性的事件是艾伦 · 图灵于 1950 年提出了图灵测试，这一测试旨在衡量机器是否具有智能。该阶段人工智能实现了从 0 到 1 的转变。快速发展阶段（ 1970s-1990s 人工智能实现了从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。专家系统在医疗、化学、地质等领域取得成功，推动人工智能走入了应用发展的新高潮。沉淀积累阶段（ 1990s-2010s 随着人工智能开始无孔不入侵入生活， AI 展现的智慧逼近甚至超越人类， 1997 年 IBM 深蓝超级计算机战胜了国际象棋世界冠军卡斯帕罗夫，人工智能相关的道德问题、伦理问题、以及潜藏的危机成为重要议题。 16 快速发展阶段（ 2010s-2021 年这个阶段是技术累计的重要阶段，重要事件包括生成对抗网络 GAN 提出、 Transformer 架构提出等，深度学习、强化学习等技术的沉淀式发展，为 AI 实现爆发提供了技术基础。奇点阶段（ 2022-至今） ChatGPT 横空出世，将人工智能推上新的高峰，人机交互进入到新的阶段。 AIGC 的爆发式增长意味着人工智能不断逼近奇点阶段，如何打造 AIGC 生态、应用，人工智能又如何与人类协同发展成为重要话题。相较于人工智能广泛的研究范畴， AIGC 主要体现在利用人工智能技术进行内容生产的范畴，其大致能够被分为以下四个阶段AIGC 的小范围实验（ 1950s 一 20 年代中期）标志性事件包括1957 年第一支由计算机创作的弦乐四重奏依利亚克组曲 llliacSuite 完成，以及 1965 年人工智能历史上第一个成功的对话系统ELIZA 程序的出现。 AIGC 还处于小范围的实验阶段。AIGC 从实验室向实用性转变（ 20 世纪 90 年代中期一 21 世纪 10 年代中期）随着 AIGC 生成内容的技术逐渐增长， 2007 年世界第一部完全由人工智能创作的小说 The Road 问世。同时，该阶段 AIGC技术逐渐向实用性转变，标志性事件为微软于 2012 年推出全自动同声传译系统，将 AIGC 技术应用于跨语言交流。 17 大模型预训练时代（ 2010s 2021 年）这个阶段 AIGC 的发展主要基于深度学习算法的改进和模型的优化，例如生成对抗网络（ GAN）、BERT 模型等。这个阶段最具代表性的事件为 OpenAI 旗下 GPT 模型的出现以及其模型参数数据量和预训练数据量的快速发展。多模态、跨模态时代（ 2010s-至今）随着 ChatGPT 的发展， AIGC开始成为流行，并呈现爆发式增长。 AIGC 技术的进一步发展和完善，支持其能够生成更加复杂、高质量的内容，并朝着生成多模态、跨模态的内容方向发展。 18 19 （二）技术图谱人工智能技术可以根据不同的分类方法进行分类，以下是一些常见的分类方式图 4. 人工智能技术分类AIGC 是人工智能在多媒体领域上的重要应用，是人工智能在机器学习、深度学习、自然语言处理等技术上的延伸。一方面， AIGC 是机器学习的集大成，通过更有效的使用数据，形成深度学习算法，用于解决更为复杂的场景。另一方面， AIGC 的核心技术价值是实现了 “ 自然语言 ” 与人工智能的融合。以 ChatGPT 为标志性的事件意味着自然语言处理领域出现了历史性的跨越。这使得来自任何阶层、任何职业 20 的人群都可以以任何自然语言与人工智能交流，开启人工智能与人类无障碍交流时代。AIGC 的底层技术能够被大致分为基础生成算法模型、预训练模型、多模态技术三类。基础生成算法模型支持 AIGC 用于生成文字、代码、图像、语音、视频、 3D 物体等各种类型的内容和数据。预训练模型引发了 AIGC 技术能力的质变，