内容来源：笔记侠（ID：Notesman）

 责编 | 少将

第 7555 篇深度好文：5448 字 | 12 分钟阅读

从今年3月开始，AIGC话题在全球爆火。大众对AIGC的心态，很快从质疑、观望，转为讨论、加入。

这几个月，众多大厂宣布进入AI产业链，给科技企业提供铲子，更多的中小企业、初创公司切入应用场景，为用户解决问题。而一些传统企业也开始摩拳擦掌，思考如何切入AI。

比如，在智能助手和办公场景下，百度如流接入文心一言，钉钉接入通义听问，发布斜杠“/”功能，金山办公推出WPS AI；

在电商场景下，天猫新品创新中心上线AI概念工坊；

在数字人领域，小冰公司基于真人的“克隆人计划”，MiniMax则锁定AI社交，用户可以在Glow App里根据喜好创建AI智能体……

各个细分领域，都正在被挖掘、被看到、被占据。一个围绕AIGC的创业生态雏形，正快速形成。

我们常说，一个人认知水平的最大问题，就是“不知道自己不知道”。今天，我们就先去“看到”，再去“知道”。

首先，简要回顾一下这几个月，AIGC领域的新闻大事件：

4月29日，OpenAI获得103亿美元（约人民币745亿元）的B+轮融资，成为2023上半年AIGC赛道获最大融资额的企业。

5月23日，微软发布AI服务Copilot（副驾驶，意为AI组件）全家桶。

6月10日，笔记侠举办“AI新视野，增长新势能”千人大会，帮助参会企业、人员看清AI趋势。

6月19日，腾讯云发布面向B端客户的腾讯云MaaS（Model-as-a-service，模型即服务）服务解决方案。

6月下旬，麦肯锡全球研究院发布报告称，到2030年至2060年间，约一半的工作将被自动化取代，每年生成式人工智能为全球经济增加高达4.4万亿美元（32万亿元人民币）的价值，让半数工作实现自动化。

6月26日，英伟达与云数据平台Snowflake宣布合作。同日，数据巨头Databricks以13亿美元（约人民币94亿元）并购AIGC创企MosaicML，这是当前AIGC领域最大收购案。

6月28日，字节旗下的火山引擎发布大模型服务平台“火山方舟”。

6月29日下午，美团宣布以约 20.65 亿元人民币的价格，完成对光年之外（美团联合创始人王慧文创立）的股权收购。

7月6日，2023世界人工智能大会在上海开幕。

7月7日，中国信通院在“聚焦·大模型时代AIGC新浪潮”论坛上，发起“大模型生态合作共同体”，并发布《2023大模型和AIGC产业图谱》。

《2023大模型和AIGC产业图谱》，

来自“内容科技产业推进方阵”

7月7日，华为云发布盘古大模型 3.0。阿里云公布AI绘画创作大模型“通义万相”。

7月11日，“可解释性AI”初创公司Anthropic发布Claude 2模型。

7月12日，马斯克宣布成立AI初创公司xAI，并提出公司的宗旨是“了解宇宙的真实本质”。

7月13日，京东正式发布言犀大模型，预计8月正式上线。

7月13日，国家网信办等7个部门联合公布《生成式人工智能服务管理暂行办法》，自2023年8月15日起施行。这是国家对AIGC产业首次发布的规范性政策。

9月16日，关于AIGC的一场重要大会，也将在杭州举办。

说AIGC是革命，可能并不夸张。

从融资额来看，经“智东西”调查和梳理，仅在今年上半年，涉及AIGC大模型及其落地应用的企业融资有51笔，投融资金额超过人民币1000亿元。其中，单笔过亿元融资就有18笔。

而2022年全年，AIGC赛道融资总额约为人民币96亿元。这意味着，仅2023年上半年，AIGC赛道的融资金额，就已超过2022全年的十倍！

前微软全球副总裁、奇迹创坛创始人陆奇，在最近一次演讲中表示，他认为AIGC不是什么当下风口，风口意味着投机主义，未免太低估AI对世界发展的影响。

陆奇说：“AI是未来10到20年推动社会进步最重要的因素。从现在开始，不论工作还是创业，请确保自己跟AI有关。”

信通院发布的产业图谱，详细展示了AIGC的生态链，包含4个主要部分，行业应用、产品服务、模型与工具、基础层。

如果我们把AIGC生态看做一个花园的话，基础层就是花园的土地、围栏、水管，模型和工具层就是土地分块、道路设计，产品服务就是水果、蔬菜、观赏花植，行业应用就是乔木、灌木、藤科植物。

从一定程度上来说，基础层、模型和工具层门槛较高，占据产业链价值的主要部分，只有实力雄厚的巨头玩家才能玩得起。

而产品服务、行业应用直接面向用户、消费者，众多创业公司会不断涌现，成为AIGC革命的主战场。

基础层是整个AIGC生态的底座，包含数据、芯片、云平台等模块。

其中，比较知名是数据领域的中国移动、中国电信，云平台的腾讯云，而蹿升最快的是芯片领域的英伟达。

训练AI模型，离不开芯片。大模型军备竞赛白热化背景下，大算力AI芯片市场需求持续高涨。得益于今年以来AI的火热，英伟达市值已达1.12万亿美元。

据《晚点LatePost》报道，今年春节后，拥有云计算业务的中国各互联网大公司都向英伟达下了大单，字节今年向英伟达订购了超过10亿美元的GPU，另一家互联网大厂今年至少已给英伟达下了万卡级别订单，按目录价估算价值超10亿元人民币。

除了英伟达，国外的算力芯片公司还有英特尔、AMD等，国内AI算力芯片主要有寒武纪、华为海思、海光等。

而数据要素，是AI训练与迭代的核心资源。如三大运营商移动、联通、电信，是算力与数据传输能力的“卖水者”，是绕不开的“数据矿”。

从数据的产业链来看，包含了数据供给、数据流通、数据应用几个环节。而数据采集、存储、加工、确权、交付等关键步骤也穿插其中。

比如数据加工，涉及标注、清洗、脱敏。每一步都不可或缺。

同时，云平台是AIGC时代运行、储存、交互AI数据的重要基建。比如，ChatGPT就运行于微软的Azure公有云之上。

这也是巨头公司参与度很高的地方，像亚马逊云平台、华为云、阿里云、腾讯云、京东云等。

对上游硬件厂商来说，云平台可以平滑市场需求，增加硬件使用率，减少淡旺季波动幅度。

对下游算力需求方来说，能最大化降低使用算力的门槛和成本，有助于创业公司的加入和发展。

所以，数据、芯片、云平台将是AIGC时代的基础设施。

模型与工具层，包含算法模型（文心、星火、序列猴子等）、工具平台（中科闻歌）、模型托管/交易等。

最知名的算法模型，无疑是OpenAI的ChatGPT。可以说，AI如今的火爆正是GPT3.5带来的。而国内的很多大公司也都相继推出了自研的大模型。

很多行业模型、场景模型、垂直化模型，都是建立在通用大模型之上。接入通用大模型的能力，并用场景化数据训练自己的“小模型”。

比如AI生成代码，Github Copilot。它是一款AI辅助编程应用，可根据上文提示为程序员自动编写下文代码。

但它是GitHub和OpenAI两家公司合作的结果。由基于GPT3模型的Codex AI系统提供支持，并接受了数十亿行代码的训练。

此前，数据量被认为是通用大模型能力飞跃的关键。

比如，据OpenAI 披露，此前 GPT-3.5 的文本语料多达 45TB，相当于 472 万套中国四大名著。而 GPT-4 在 GPT-3 和 GPT-3.5 训练数据集的基础上，又增加了多模态数据。

业界对大模型性能形成了一种普遍的认知，模型的参数越多、容量越大，模型的性能表现越好。

但其实，数据量只是一个维度。数据质量，也是很关键的因素。

智源研究院副院长林咏华曾表示，模型性能取得阶段性突破，最重要的还有数据质量的提升，模型的训练语料在一定程度上会影响 AIGC 应用、微调后模型等内容生成的合规、安全以及价值观等问题。

清华大学副教授、聆心智能创始人黄民烈也强调过，数据质量对于模型的性能影响非常大。

源于互联网的数据虽然多，质量却良莠不齐，从获得海量数据到高质量数据，数据的清洗仍面临着很大挑战。

此外，还有数据的多样性。以 GPT 系列模型的能力跃进来看：

GPT-1使用的训练语料以书籍为主、如BookCorpus 等；

GPT-2则使用了如 Reddit links 等新闻类数据，文本规范质量高，同时又包含了部分人们日常交流的社交数据；

GPT-3时期，模型的数据规模呈数十倍增长，社交平台、语料库、维基百科等数据集的加入，大大提高了数据的多样性；

GPT-4阶段更引入了 GitHub 代码、对话数据以及一些数学应用题，进一步提高了模型的思维链推理能力。

所以，对于通用大模型来说，数据的数量、质量、多样性都很重要。

也是因此，我们可以得到一个清楚的事实：数据的需求量，将会越来越大。

行业应用层，包含文化传媒、电商、政务、金融、教育、游戏、医药等行业维度细分应用。

行业大模型的研发，离不开通用大模型的能力。简单来说，将行业数据喂给通用大模型，并进行一定的调整，就有可能获得解决专业领域问题的能力。

但这并不绝对。此前有研究表明，拥有金融行业私有数据的 BloombergGPT 在多个任务上的表现，并未比通用大模型的表现更好。

在AI科技评论的一篇报道中，香港科技大学信息枢纽院长陈雷曾说，“大模型解决了基础的语言理解问题，也即是说，大家在使用它、问它的时候，它能知道大家问了什么问题。但得到什么样的答案，需要我们数据科学、AI 模型把前端做好。”

例如，港科大曾推出校园GPT，将智慧校园中的知识库，放入GPT中，让它具备了回答校园导航、餐厅菜单、课程安排等具体学校场景中的问题。

陈雷表示，“大模型是通用的，但做垂直领域大模型，最重要的在于，前端如何让数据可用。如果数据表现不好，想让大模型回答你的问题非常难。”

比如，做一个智慧城市相关的行业大模型，就需要对应的维基百科、企业数据等等。

根据TE智库的研究报告，从行业角度来看，文化传媒行业场景聚集度最高，接着是电子商务。但是金融业的潜力最大。

比如摩根士丹利，是财富管理领域的公司。

以前财务顾问、投顾在服务高净值客户时，服务质量严重依赖投顾的专业水平。

现在整个大摩底层分析师的智慧、研报的能力以及资产配置的能力，都能通过AIGC高效地输出给投顾，投顾再通过B2C的方式输出给客户，大大地提升了投顾服务的效率。

数字人，也正在参与各行各业。比如，在教育行业，AI教师为学生上课答疑；在直播电商行业，AI主播24小时带货；在保险行业，AI经理为客户提供个性化服务。

总体来说，AIGC将会深刻改造每一个行业。只是因为行业特性，改造速度有早有晚，有快有慢，但疏而不漏。

这时候，你可能会想到一个问题：我的行业正在被改造吗？我应该怎么办？

没关系。后文给你答案。

产品服务层，包含文本、图像、音频、视频、代码、虚拟空间等场景化细分服务。

自从AIGC爆火后，对“AI替代打工人”的讨论就不绝于耳。

从这个角度看，产品服务层与每位打工人息息相关。AIGC的迅速发展，拉平甚至摧毁了大多数创意工作的门槛。

李彦宏曾提出，AIGC有三个发展阶段，助手阶段、协作阶段、原创阶段。

在当下，众多AIGC产品服务正在向第二阶段迈进，这也是行业的价值洼地和必争之地。

举个例子，如Midjourney、文心一格、无界AI、来画等，在图片生成上已经越来越纯熟。

据某公司联合创始人透露，某动漫平台通过AIGC，把原本30人的团队压缩到了3个人。

比如，一幅漫画包含衣物、脸部、头发、手臂、武器等等细节部位。原本的设计流程，是流水线式的。

这个岗位专门画脸，那个岗位专门画衣服。类似制造业工厂里的流水线，需要的人员也较多。

而通过AIGC，整条流水线的模式被重塑了。现在的团队只需要一个编剧，一个分镜，一个画师，再加上AI。

编剧，设计剧情。分镜，切分小的结构。画师，按照结构用AI去绘画并调整。3个人，就干成了以前需要30个人做的事。

还有文本设计。比如带货文案，AI负责产出文案，个人负责索要并修正文案。文案设计岗，变成了提示及修正岗。

从以上角度来看，如果你的工作是流水线式作业，一定程度上会有被替代的可能性。就像工厂，机械臂、机器人替代了流水线工人。

确实，这很让人有危机感和焦虑感。但没办法，时代趋势已经来到了这里，无法后退，只能前进。

马车夫的岗位消失了，但司机、汽车修理工、汽车维护保养等还会蓬勃发展。

从另一个方面来看，如果是需要大量创意、非标准化的职位，在短时间内可替代性较小。

概括来说，未来很可能是人负责那1%的创意，AI负责那99%的汗水。而且，很多人通过AI，正在成为“超级个体户”。

而企业业务模式的转变，必将带来组织模式的转变，由此引发一系列深刻变革。

拥抱AI吧。

企业的追求，永远是“降本增效”。高效一定会干掉低效，低成本一定会干掉高成本。

而AIGC无疑成为了降本增效的好助手。

接下来，很可能每一个行业、每一个职位都要加上一个前缀——“AI+”。

但这又带出了一些问题：如何加？加哪些？怎么发掘好的方向和机会？怎么抓住AI带来的红利？

没关系。9月16日，来杭州吧！你可能会得到想要的答案。

9月16日，笔记侠“AI新视野，增长新势能”第二届新商业智能大会，将在杭州宝盛水博园大酒店举办。

众多行业大咖、一线企业、初创公司在这里聚集，分享彼此对AI的认知和经验，帮你发现AI带来的增长势能，看到未来，融入未来，成为未来！

参考资料：

1.《数据，真的是AI大模型市场化的「壁垒」吗？》，AI科技评论；

同时，笔记侠AI2.0年度会员开始招募

携手数十位+AI领域行业大咖

帮你在AI时代弯道超车

扫码参与，即刻获取会员权益！

分享、点赞、在看，3连