中投顧問重磅推出產業研究大腦，是"產業研究的數字化高效工具"，歡迎試用體驗！ | ||||
|---|---|---|---|---|
| 產品名稱 | 目標用戶 | 核心功能定位 | 產品介紹 | 試用申請 |
| 產業研究大腦 | 政府、企業內關注產業發展的領導及工作人員 | 產業研究工作的一站式解決方案 | 詳情 > | 申請 > |
聯系電話： 400 008 0586; 0755-82571568
微信掃碼： 
第一章 人工智能生成內容（AIGC）行業相關概述
1.1 人工智能生成內容（AIGC）基本概述
1.1.1 基本定義
1.1.2 核心目標
1.1.3 優勢特征
1.1.4 體系架構
1.1.5 內容輸出
1.2 ﾠ人工智能生成內容（AIGC）的發展階段
1.2.1 模型賦智階段
1.2.2 認知交互階段
1.2.3 空間賦能階段
1.3 人工智能生成內容（AIGC）的主要特征
1.3.1 數據巨量化
1.3.2 內容創造力
1.3.3 跨模態融合
1.3.4 認知交互力
1.4 主要內容生成模式對比
1.4.1 PGC
1.4.2 UGC
1.4.3 AIGC
第二章 2022-2024年中國人工智能生成內容（AIGC）行業發展環境分析
2.1 政策環境
2.1.1 深度合成管理規定發布
2.1.2 建設人工智能應用場景
2.1.3 加快人工智能應用創新
2.1.4 人工智能服務管理辦法發布
2.1.5 地方發展人工智能政策
2.2 需求環境
2.2.1 Web3.0時代到來
2.2.2 元宇宙成為新風口
2.2.3 數字經濟取得進展
2.2.4 算力發展水平提升
2.3 產業環境
2.3.1 產業發展背景
2.3.2 產業布局狀況
2.3.3 應用前景廣闊
2.3.4 產業發展展望
2.3.5 產業發展趨勢
第三章 2022-2024年人工智能生成內容（AIGC）行業發展分析
3.1 人工智能生成內容（AIGC）行業發展綜述
3.1.1 行業發展特征
3.1.2 行業發展原因
3.1.3 行業核心要素
3.1.4 行業生態體系
3.1.5 行業商業模式
3.2 2022-2024年全球人工智能生成內容（AIGC）行業發展狀況
3.2.1 行業發展歷程
3.2.2 行業發展現狀
3.2.3 主要企業分析
3.2.4 企業業務模式
3.2.5 企業布局分析
3.3 2022-2024年中國人工智能生成內容（AIGC）行業發展分析
3.3.1 行業發展環境
3.3.2 行業發展現狀
3.3.3 市場發展規模
3.3.4 主要企業發展
3.3.5 行業發展問題
3.3.6 行業發展建議
3.4 人工智能生成內容（AIGC）的應用場景分析
3.4.1 文本生成
3.4.2 音頻生成
3.4.3 圖像生成
3.4.4 視頻生成
3.4.5 跨模態生成
3.4.6 策略生成
3.4.7 虛擬人生成
3.5 人工智能生成內容（AIGC）典型產品——ChatGPT分析
3.5.1 基本概況
3.5.2 主要優勢
3.5.3 發展歷程
3.5.4 技術路徑
3.5.5 發展現狀
3.5.6 應用場景
3.5.7 商業進程
3.5.8 發展瓶頸
3.5.9 發展潛力
第四章 2022-2024年中國人工智能生成內容（AIGC）的產業鏈發展分析
4.1 產業鏈發展環節總體狀況
4.1.1 產業鏈生態
4.1.2 基礎設施層
4.1.3 模型層
4.1.4 應用層
4.2 基礎層各技術產業發展分析
4.2.1 5G產業
4.2.1.1 5G技術發展歷程
4.2.1.2 5G產業政策環境
4.2.1.3 5G典型應用場景
4.2.1.4 5G產業發展趨勢
4.2.2 5G基站
4.2.2.1 5G基站政策分析
4.2.2.2 5G基站發展前景
4.2.3 物聯網
4.2.3.1 物聯網市場規模
4.2.3.2 物聯網模式創新
4.2.4 算力
4.2.4.1 算力發展狀況
4.2.4.2 市場空間巨大
4.2.5 芯片
4.2.5.1 芯片相關政策
4.2.5.2 芯片需求增大
4.2.5.3 類人腦芯片
4.2.5.4 人工智能芯片趨勢
4.2.6 云計算
4.2.6.1 云計算發展現狀
4.2.6.2 云計算成人工智能基礎
4.2.6.3 云計算與人工智能協同發展
4.2.6.4 云計算發展展望
4.2.6.5 云計算發展趨勢
4.3 內容生產領域各產業發展分析
4.3.1 數字媒體
4.3.1.1 數字媒體主要特點
4.3.1.2 數字媒體發展前景
4.3.1.3 AIGC與出版行業
4.3.2 數字藏品
4.3.2.1 數字藏品發展狀況
4.3.2.2 數字藏品發展前景
4.3.3 數字場景
4.3.3.1 數字場景構建基礎
4.3.3.2 數字場景核心構件
4.3.3.3 數字場景驅動因素
4.3.3.4 數字場景產生影響
4.3.3.5 數字場景發展趨勢
4.3.4 數字人
4.3.4.1 數字人發展現狀
4.3.4.2 數字人產業圖譜
4.3.4.3 數字人發展前景
4.3.4.4 數字人發展趨勢
4.4 應用領域發展狀況分析
4.4.1 傳媒行業
4.4.1.1 行業發展環境
4.4.1.2 行業發展機遇
4.4.1.3 行業發展趨勢
4.4.1.4 AIGC主要應用
4.4.2 電商行業
4.4.2.1 行業發展特點
4.4.2.2 行業運營模式
4.4.2.3 行業發展挑戰
4.4.2.4 AIGC主要應用
4.4.3 影視行業
4.4.3.1 行業基本概述
4.4.3.2 行業發展趨勢
4.4.3.3 行業應用價值
4.4.3.4 AIGC主要應用
4.4.4 文化娛樂行業
4.4.4.1 未來發展趨勢
4.4.4.2 AIGC主要應用
4.4.5 教育行業
4.4.5.1 AIGC主要應用
4.4.5.2 AIGC應用發展動態
4.4.6 醫療行業
4.4.6.1 AIGC主要應用
4.4.6.2 行業應用價值
4.4.6.3 應用市場規模
4.4.6.4 發展趨勢分析
4.4.7 工業
4.4.7.1 工業智能化升級指數
4.4.7.2 人工智能成工業發展方向
4.4.7.3 AI工業應用的發展趨勢
4.4.7.4 AIGC主要應用
4.4.8 金融行業
4.4.8.1 行業發展成就
4.4.8.2 行業數字轉型
4.4.8.3 行業發展展望
4.4.8.4 AIGC主要應用
4.4.9 其他應用
4.4.9.1 SaaS
4.4.9.2 數字設計
4.4.9.3 游戲
第五章 中國人工智能生成內容（AIGC）主要技術發展分析
5.1 人工智能技術發展分析
5.1.1 技術發展歷程
5.1.2 技術發展特點
5.1.3 核心技術分析
5.1.4 技術主要應用
5.1.5 技術發展展望
5.2 深度神經網絡分析
5.2.1 全連接神經網絡
5.2.2 循環神經網絡
5.2.3 卷積神經網絡
5.3 自然語言處理技術發展分析
5.3.1 技術基本概況
5.3.2 語言表示的發展
5.3.3 預訓練語言模型基礎
5.3.4 大規模預訓練語言模型
5.3.5 預訓練語言模型優化方向
5.3.6 技術發展展望
5.4 多模態認知技術發展分析
5.4.1 多模態關聯
5.4.2 跨模態生成
5.4.3 多模態協同
5.4.4 技術演進狀況
5.4.5 發展的趨勢
5.5 AIGC的三大模型
5.5.1 視覺大模型
5.5.2 語言大模型
5.5.3 多模態大模型
5.5.4 技術路徑對比
5.6 AIGC技術演化的三大前沿能力
5.6.1 智能數字內容孿生能力
5.6.2 智能數字內容編輯能力
5.6.3 智能數字內容創作能力
第六章 2022-2024年國際人工智能生成內容（AIGC）行業重點企業發展分析
6.1 微軟（Microsoft Corp.）
6.1.1 企業發展概況
6.1.2 AIGC業務產品與合作
6.1.3 AIGC產品特點與優勢
6.1.4 AIGC業務戰略布局展望
6.2 谷歌（Google Inc.）
6.2.1 企業發展概況
6.2.2 AIGC布局狀況
6.2.3 AIGC產品特點與優勢
6.2.4 企業業務戰略布局分析
6.3 Meta Platforms, Inc.
6.3.1 企業發展概況
6.3.2 AIGC業務布局狀況
6.3.3 AIGC產品特點及優勢
6.3.4 未來業務戰略布局分析
6.4 Stability AI
6.4.1 企業發展概況
6.4.2 AIGC業務布局狀況
6.4.3 AIGC產品特點及優勢
6.4.4 未來業務發展趨勢
6.5 Open AI
6.5.1 企業發展概況
6.5.2 產品特點及優勢
6.5.3 產品商業化應用狀況
6.5.4 企業未來戰略布局
第七章 2022-2024年中國人工智能生成內容（AIGC）行業重點上市企業經營狀況分析
7.1 百度集團股份有限公司
7.1.1 企業發展概況
7.1.2 AIGC業務布局狀況
7.1.3 2022年企業經營狀況分析
7.1.4 2023年企業經營狀況分析
7.1.5 未來業務戰略布局
7.2 科大訊飛股份有限公司
7.2.1 企業發展概況
7.2.2 AIGC業務布局
7.2.3 經營效益分析
7.2.4 財務狀況分析
7.2.5 未來發展戰略
7.3 拓爾思信息技術股份有限公司
7.3.1 企業發展概況
7.3.2 企業AIGC業務
7.3.3 經營效益分析
7.3.4 財務狀況分析
7.3.5 企業發展規劃
7.3.6 公司發展戰略
7.4 云從科技集團股份有限公司
7.4.1 企業發展概況
7.4.2 企業業務布局
7.4.3 經營效益分析
7.4.4 財務狀況分析
7.4.5 公司發展戰略
7.5 北京藍色光標數據科技股份有限公司
7.5.1 企業發展概況
7.5.2 企業布局分析
7.5.3 經營效益分析
7.5.4 財務狀況分析
7.5.5 公司發展戰略
7.6 昆侖萬維科技股份有限公司
7.6.1 企業發展概況
7.6.2 AIGC業務布局
7.6.3 經營效益分析
7.6.4 財務狀況分析
7.6.5 公司發展戰略
第八章 2022-2024年中國人工智能生成內容（AIGC）行業投資潛力分析
8.1 人工智能生成內容（AIGC）行業投融資情況分析
8.1.1 國內AIGC行業融資情況
8.1.2 國外AIGC行業融資狀況
8.1.3 各國一級市場融資情況對比
8.1.4 國內典型融資案例
8.1.5 國外典型融資案例
8.2 中國人工智能生成內容（AIGC）行業投資機會分析
8.2.1 技術層面加速成熟
8.2.2 產業鏈條基本形成
8.2.3 算力芯片空間增大
8.2.4 應用領域潛力巨大
8.3 中國人工智能生成內容（AIGC）行業壁壘分析
8.3.1 能力壁壘
8.3.2 合作壁壘
8.3.3 模式壁壘
8.4 中國人工智能生成內容（AIGC）行業風險分析
8.4.1 技術風險
8.4.2 資金風險
8.4.3 政策風險
第九章 中投顧問對2024-2028年中國人工智能生成內容（AIGC）行業發展前景及趨勢預測
9.1 中國人工智能生成內容（AIGC）行業發展前景分析
9.1.1 行業面臨挑戰
9.1.2 行業發展展望
9.1.3 行業發展潛力
9.1.4 市場發展空間
9.2 中國人工智能生成內容（AIGC）行業發展趨勢
9.2.1 核心技術持續演進
9.2.2 關鍵能力顯著增強
9.2.3 產品類型逐漸豐富
9.2.4 場景應用趨于多元
9.2.5 生態建設日益完善
9.3 中投顧問對2024-2028年中國人工智能生成內容（AIGC）行業預測分析
9.3.1 2024-2028年中國人工智能生成內容（AIGC）行業影響五力要素分析
9.3.2 中投顧問對2024-2030年中國AIGC產業規模預測
圖表1 AIGC底層技術架構與內容呈現
圖表2 中國主要科技公司人工智能平臺布局
圖表3 大模型參數量和訓練數據規模增長示意圖
圖表4 AIGC應用場景及所處發展階段
圖表5 AIGC產業生態體系的三層架構
圖表6 AIGC發展歷程
圖表7 2023年12月全球AI流量排名TOP50
圖表8 2023年12月全球AI流量TOP50分類
圖表9 2023年12月全球AI流量漲幅排名TOP50
圖表10 國外巨頭布局人工智能生成內容（AIGC）情況
圖表11 2020-2025年中國AI數字商業市場規模
圖表12 2025年各數字商業規模及占比
圖表13 2020-2025年中國A數字商業核心產業鏈復合增速
圖表14 2020-2025中國生成式AI規模及同比增速
圖表15 2030年AIGC市場規模
圖表16 2023年12月國內AI流量排名TOP50
圖表17 2023年12月國內AI流量TOP50分類
圖表18 2023年出海AI流量排名TOP25
圖表19 EditGAN支持圖像進行細節修改
圖表20 Deep Face Drawing草圖變完整圖像效果
圖表21 剪映視頻氛圍渲染.
圖表22 交互類App用戶破億用時
圖表23 ChatGPT特點
圖表24 ChatGPT的局限性
圖表25 AI自然語言處理發展歷程
圖表26 RLHF人類反饋強化學習模型原理
圖表27 生成型AI應用領城
圖表28 ChatGPT的發展歷程
圖表29 GLM-130B與GPT-3、OPT-1 75B對比
圖表30 谷歌公司的產業布局
圖表31 ChatGPT在游戲中的應用
圖表32 ChatGPT應用探索
圖表33 ChatGPT撰寫房源信息
圖表34 各平臺從0到100萬用戶速度
圖表35 AIGC產業生態圖譜
圖表36 AIGC產業應用層不同賽道發展預測
圖表37 5G網絡滿足的應用場景
圖表38 2022-2026年中國物聯網芯片行業市場規模（按銷售額）預測情況
圖表39 數字人產業圖譜
圖表40 B2B模式
圖表41 B2C模式
圖表42 C2B模式
圖表43 B2B2C模式
圖表44 中國影視作品的形式與題材分類
圖表45 中國影視行業發展趨勢——內容提質
圖表46 中國影視行業發展趨勢——IP衍生產業鏈
圖表47 中國影視行業發展趨勢——搭建算法與數據評估體系
圖表48 醫療AI主要應用場景及應用價值
圖表49 診療一體化醫療AI解決方案
圖表50 醫療AI的數據應用
圖表51 我國工業智能化升級總指數及指標得分
圖表52 工業4.0愿景
圖表53 AIGC融入數字設計工作流程
圖表54 全連接神經網絡示意圖
圖表55 循環神經網絡示意圖
圖表56 長短期記憶單元（LSTM）內部結構示意圖
圖表57 門控循環單元（GRU）內部結構示意圖
圖表58 卷積核為3×3的一次卷積計算過程示例
圖表59 池化區域為2×2的最大池化/平均池化示例
圖表60 Transformer模型架構
圖表61 Transformer解碼器結構和訓練目標（左）及針對不同下游任務的輸入轉換（右）
圖表62 BERT的預訓練和微調過程
圖表63 XLNet雙流自注意力機制
圖表64 蒸餾模型效果對比
圖表65�。ňW絡版彩圖）多模態對齊示意圖
圖表66�。ňW絡版彩圖）（a）跨模態感知與（b）跨模態檢索示意圖
圖表67�。ňW絡版彩圖）典型的兩種跨模態合成方式
圖表68�。ňW絡版彩圖）常見的跨模態轉換任務
圖表69�。ňW絡版彩圖）多模態融合中的（a）前期融合與（b）后期融合示意圖
圖表70�。ňW絡版彩圖）多模態聯合學習中的（a）模態性能提升與（b）模態創新應用示例
圖表71 多模態大模型技術發展情況
圖表72 AIGC多模態大模型生成結果圖
圖表73 OpenAI AIGC多模態大模型DALL-E 2生成結果圖
圖表74 擴散模型VS自回歸模型
圖表75 2020-2023年科大訊飛股份有限公司總資產及凈資產規模
圖表76 2020-2023年科大訊飛股份有限公司營業收入及增速
圖表77 2020-2023年科大訊飛股份有限公司凈利潤及增速
圖表78 2020-2023年科大訊飛股份有限公司營業利潤及營業利潤率
圖表79 2020-2023年科大訊飛股份有限公司凈資產收益率
圖表80 2020-2023年科大訊飛股份有限公司短期償債能力指標
圖表81 2020-2023年科大訊飛股份有限公司資產負債率水平
圖表82 2020-2023年科大訊飛股份有限公司運營能力指標
圖表83 2020-2023年拓爾思信息技術股份有限公司總資產及凈資產規模
圖表84 2020-2023年拓爾思信息技術股份有限公司營業收入及增速
圖表85 2020-2023年拓爾思信息技術股份有限公司凈利潤及增速
圖表86 2020-2023年拓爾思信息技術股份有限公司營業利潤及營業利潤率
圖表87 2020-2023年拓爾思信息技術股份有限公司凈資產收益率
圖表88 2020-2023年拓爾思信息技術股份有限公司短期償債能力指標
圖表89 2020-2023年拓爾思信息技術股份有限公司資產負債率水平
圖表90 2020-2023年拓爾思信息技術股份有限公司運營能力指標
圖表91 拓爾思“智創”AIGC 平臺架構
圖表92 云從科技人機協同全景
圖表93 2020-2023年云從科技集團股份有限公司總資產及凈資產規模
圖表94 2020-2023年云從科技集團股份有限公司營業收入及增速
圖表95 2020-2023年云從科技集團股份有限公司凈利潤及增速
圖表96 2020-2023年云從科技集團股份有限公司營業利潤及營業利潤率
圖表97 2020-2023年云從科技集團股份有限公司凈資產收益率
圖表98 2020-2023年云從科技集團股份有限公司短期償債能力指標
圖表99 2020-2023年云從科技集團股份有限公司資產負債率水平
圖表100 2020-2023年云從科技集團股份有限公司運營能力指標
圖表101 2020-2023年北京藍色光標數據科技股份有限公司總資產及凈資產規模
圖表102 2020-2023年北京藍色光標數據科技股份有限公司營業收入及增速
圖表103 2020-2023年北京藍色光標數據科技股份有限公司凈利潤及增速
圖表104 2020-2023年北京藍色光標數據科技股份有限公司營業利潤及營業利潤率
圖表105 2020-2023年北京藍色光標數據科技股份有限公司凈資產收益率
圖表106 2020-2023年北京藍色光標數據科技股份有限公司短期償債能力指標
圖表107 2020-2023年北京藍色光標數據科技股份有限公司資產負債率水平
圖表108 2020-2023年北京藍色光標數據科技股份有限公司運營能力指標
圖表109 2020-2023年昆侖萬維科技股份有限公司總資產及凈資產規模
圖表110 2020-2023年昆侖萬維科技股份有限公司營業收入及增速
圖表111 2020-2023年昆侖萬維科技股份有限公司凈利潤及增速
圖表112 2020-2023年昆侖萬維科技股份有限公司營業利潤及營業利潤率
圖表113 2020-2023年昆侖萬維科技股份有限公司凈資產收益率
圖表114 2020-2023年昆侖萬維科技股份有限公司短期償債能力指標
圖表115 2020-2023年昆侖萬維科技股份有限公司資產負債率水平
圖表116 2020-2023年昆侖萬維科技股份有限公司運營能力指標
圖表117 2023年全球AIGC賽道融資情況
圖表118 2022-2023年國內AIGC行業融資事件
圖表119 2022-2023年國內AIGC行業融資金額
圖表120 2022-2023年國內AIGC行業融資分布
圖表121 2022-2023年國內AIGC行業輪次對應融資金額
圖表122 2022-2023年國外AIGC行業融資事件
圖表123 2022-2023年國外AIGC行業融資金額
圖表124 2022-2023年國外AIGC行業融資分布
圖表125 2022-2023年國外AIGC行業輪次對應融資金額
圖表126 2022-2023年AIGC行業各國融資金額及排名
圖表127 2023年國內AIGC賽道行業融資金額TOP20公司
圖表128 2023年海外AIGC賽道行業融資金額TOP20公司
圖表129 AI的碳排放情況
圖表130 中投顧問對AIGC行業發展驅動五力模型分析
圖表131 中投顧問對2024-2030年中國AIGC產業市場規模預測
AIGC即AI Generated Content，是指利用人工智能技術來生成內容，AIGC也被認為是繼UGC、PGC之后的新型內容生產方式，AI繪畫、AI寫作等都屬于AIGC的分支。
AIGC能快速發展的原因基于以下兩個方面：一方面，AIGC能夠以優于人類的制造能力和知識水平承擔信息挖掘、素材調用、復刻編輯等基礎性機械勞動，從技術層面實現以低邊際成本、高效率的方式滿足海量個性化需求；同時能夠創新內容生產的流程和范式，為更具想象力的內容、更加多樣化的傳播方式提供可能性，推動內容生產向更有創造力的方向發展。另一方面，AIGC能夠通過支持數字內容與其他產業的多維互動、融合滲透從而孕育新業態、新模式，打造經濟發展新增長點，為千行百業發展提供新動能。
中國AIGC市場是全球AIGC市場的主要組成部分，中國AIGC市場受強大的市場需求及增強的AI技術所推動。以收入計，中國AIGC市場的市場規模已由2020年的1億元增至2022年的4億元，復合年增長率為100.8%，預計2027年市場規模將達到326億元。
行業監管進一步規范。2023年7月，《生成式人工智能服務管理暫行辦法》（下稱《辦法》）發布，對生成式人工智能服務進行了框架性規范。2023年9月18日，工信部科技司發布的《工業和信息化部元宇宙標準化工作組籌建方案（征求意見稿）》提出，優先開展“元宇宙+工業制造”等行業應用標準研制，加強與生成式人工智能、量子信息等領域技術融合創新。2024年1月29日，工信部等七部門聯合發布《關于推動未來產業創新發展的實施意見》。在全面布局未來產業方面，《意見》要求，加強前瞻謀劃部署，重點推進未來制造、未來信息、未來材料、未來能源、未來空間和未來健康六大方向產業發展。
ChatGPT的火熱帶來市場對于AIGC（AI生成內容）的關注。AIGC可以生成文字、圖像、視頻、代碼等多種形式的內容，已有寫作助手、AI繪畫、對話機器人、數字人等應用落地。
2024年1月16日全球人工智能模型領跑者OpenAI推出了一款能根據文字指令即時生成短視頻的模型，命名為Sora。2023年末至2024年初，Pika、HeyGen等AI文生視頻應用陸續出圈，驗證了多模態技術的不斷進步與成熟。Sora模型無疑加劇了這一賽道的激烈競爭。
近年視覺算法在泛化性、可提示性、生成質量和穩定性等方面突破將推動技術拐點到來以及爆款應用出現。3D資產生成、視頻生成等領域受益于擴散算法成熟，但數據與算法難點多于圖像生成，考慮到LLM對AI各領域的加速作用以及已出現較好的開源模型，未來行業或取得更大的發展。
過去市場擔憂AIGC在產品落地和商業變現方面存在不確定性，隨著ChatGPT熱度的持續提升以及微軟、谷歌的等巨頭的持續投入，ChatGPT已在2C（訂閱收費）和2B（與微軟應用整合）領域開啟商業化探索，AIGC市場潛力逐漸顯現，應用落地和商業變現有望加速。
中投產業研究院發布的《2024-2028年中國未來產業之人工智能生成內容（AIGC）行業趨勢預測及投資機會研究報告》共九章。首先介紹了AIGC行業的定義、發展階段和特征等；接著報告深入分析了國內外AIGC行業的發展狀況，然后報告重點闡述了AIGC的產業鏈發展以及在各個領域的應用，隨后對AIGC相關技術進行介紹，同時對AIGC重點企業經營狀況等方面進行了深入的解析；最后，報告對中國AIGC行業的投資前景進行了科學的預測。
本研究報告數據主要來自于國家統計局、中國工業和信息化部、中投產業研究院、中投產業研究院市場調查中心以及國內外重點刊物等渠道，數據權威、詳實、豐富，同時通過專業的分析預測模型，對行業核心發展指標進行科學地預測。您或貴單位若想對人工智能生成內容（AIGC）行業有個系統深入的了解、或者想投資人工智能生成內容（AIGC）行業，本報告將是您不可或缺的重要參考工具。
