調研顯示，2023 年上半年涉及生成式AI大模型及其落地應用企業的投融資金額超過人民币 1000 億元。這一資料在 2022 年僅為 96 億人民币，這意味着，2023 年上半年 AIGC 賽道的投融金額已經超過 2022 年全年的 10 倍有多。值得一提的是，根據彎弓研究院調研發現，這些拿到融資的公司大多成立于 2020 年之後，集中于 2021 ~ 2023 年之間根據彎弓研究院從公開管道收集的資料顯示，圖譜中的企業（去重）都有不同程度融資，且每年保持 1 - 2 輪融資。
投資者不僅有正常的投資機構，騰訊、阿裡巴巴、百度、微軟等網際網路大廠也都快速切入，騰訊甚至在半個月内先後投資了三家企業，深言科技、MiniMax 和光年之外，其中深言科技聚焦于文本生成、資訊抽取聚合、語義檢索，MiniMax 則專注于智能對話機器人生成平台，具體應用場景不同，但都聚焦于 AIGC。
圖源：彎弓研究院 2023中國AIGC與内容科技圖譜 2.0，轉載請備注出處「彎弓研究院」，圖譜高清版請在公衆号背景回複「圖譜」領取
還有不少人在觀望 AIGC 到底是泡沫還是長期趨勢，畢竟元宇宙在前——2022 年元宇宙全球投融金額依然高達 868.67 億元人民币，但位元組跳動、Meta、微軟等大廠對元宇宙團隊的大範圍裁員都讓人感覺這一賽道「涼了」。
實際上，元宇宙那種「做不起來」、「離我們很遠」的感覺來源于助力元宇宙發展的基礎設施并不成熟，構成「宇宙」需要大量内容填充，可惜彼時的元宇宙還未遇上爆發的生成式 AI。
元宇宙是趨勢不假，然而其對于現實世界的影響微乎其微，AIGC 則是元宇宙的反面，OpenAI 把高深的大模型放在 ChatGPT 的殼子裡，應用場景覆寫 C端 與 B 端，實在落地并即刻回報。
對于技術，是否能夠快速獲得市場，最大的推動力依然是「應用」，包含應用場景與應用程度。大模型并非 OpenAI 獨一份優勢，讓 OpenAI 尊稱一聲前輩的 AI 公司并不少，隻是，在應用層面與普及度的問題上， ChatGPT 确實前無古人。在 OpenAI 之前，大多數 AI 的應用場景并不直接展現在消費、營銷場景中，同屬 NLP（自然語言處理，Natural Language Processing)底層的人工智能客服（ AI 外呼）算是最為廣泛或成熟的營銷技術。
對于市場而言，無論概念如何鵲起，要厘清其價值，就必須看其應用層面。
如今在各種大模型開源的環境下，AIGC 進入了大規模應用的階段，比如，我們發現不少的技術公司都開始向市場提供 AIGC 工具進行客服、營銷活動、廣告投放等全鍊路解決方案。AIGC 的核心技術在演進，應用場景逐漸多元化，産品的形态日益成熟——AIGC 在不斷釋放其應用價值與商業潛力。
那麼，在 AIGC 趨勢是已知的情況下，作為商業世界中的一員，又有哪些更為具體的事情需要布局？我們的建議分為企業端和技術公司端，希望可以給大家帶來啟發：
01
企業端：行業格局将在 AIGC 主導下徹底重組
我們不妨假設一些 AIGC 深度參與的場景：
營銷場景：利用文本生成、圖像生成及數字人等AIGC工具生産營銷内容
投放場景：營銷内容自動分發至各大媒體平台并自動跟蹤内容資料，按照設定好的參數進行分析及更新，最後自動優化投放方案
客服場景：人工智能客服替代人工客服，解決前端客服問題；AIGC 優化營銷自動化内容，并根據客戶畫像不同立即輸出定制化内容
實際上這已經不屬于假設範疇，跨境電商 SaaS 服務商 Shopify 就在 OpenAI 開放 API 之後率先內建 GPT-4，包括更新人工智能客服，進而幫助消費進行個性化推薦、幫助商家節省互動時間，此外 ChatGPT 也提供平台商品評論資料分析、标題及關鍵詞優化、營銷文案撰寫、網站智能化開發程式設計等多項功能，并能夠将資料歸檔為購買動機、産品優缺點、使用場景、使用者畫像等，改善賣家營運效率及消費者體驗。
圖源：TopDevelopers
一個由GPT-4大語言模型驅動的應用程式AutoGPT甚至可以自主開發并管理業務，ChatGPT産生文字，AutoGPT産生流程，比如你給出一個目标「 複購率提升10% 」，AutoGPT 将會給出實作步驟及操作細節，并自動排程與複購率提升相關的企業業務系統以執行任務。
當下也許并未大範圍利用 AIGC 進行商業模式改革，但可以預見的是，AIGC 終将改變許多行業的整體格局，尤其以電商行業為首，流量、商品、媒體及服務将在 AIGC 主導之下徹底重組。
作為品牌企業，我們需要做的事情也特别清晰，首先需要明确，人工智能的核心算法在于資料，資料參數大小，資料品質，算力資源等等，資料決定輸出結果，從這一點出發，企業在 AIGC 趨勢中必須要明确和布局的事情有：
1、針對公司業務找準可以優化的應用場景
應用場景的問題就相對簡單了，搞清楚應用場景=解決企業腦子一熱亂入局的問題。
在企業中，資料的應用場景常常包括内部的業務流程與外部營銷，可能會包含業務流程監控、經營分析、市場傳播、消費者洞察、消費者體驗優化等場景。但哪一個場景可以/需要用 AIGC 進行提升、優化甚至重構？這需要企業針對自身業務特點與應用場景進行梳理。
比如，營銷自動化場景，利用 AIGC 針對客戶回報實時生成各類文案與創意内容，一方面帶來更準确和更智能的營銷政策，另一方面，極大提高内容生産和創造的效率，直接幫助企業營銷節省大量時間、精力和成本。
企業經營中的每一個環節都是成本，快速找準應用場景并進行更新也即意味着全面提高企業的競争優勢。
2、布局「企業級」大模型
彎弓研究院編撰的《中國AIGC與内容科技圖譜》中已經收錄了 50 個大模型（已有産品、已投入使用），但據《财經》統計，目前國内起碼已經釋出了79個基礎大模型。然而，「大模型」其實并非企業需要的，這裡指的是通用大模型。
企業需要考慮的是兩個問題：
業務對标問題：既然是通用，也即意味着其知識體系必然是廣而全，但也「雜」，對于不同行業、不同企業而言，應用側關注點必然會有所不同，例如，C端消費者更關注消費者的個人需求，但B端使用者可能更着重于效率與效果。大模型可能隻能解決簡單的問題，卻不能夠滿足各行各業的對口業務，畢竟大模型概念雖然牛，但并不意味着企業使用大模型效果好。
資料安全問題：大模型算是資料與算力結合之下的暴力美學，目前各類大模型的訓練資料均來源于網際網路上的公開資訊、從第三方處通過許可擷取的資訊以及使用者或模型訓練者提供的資訊，大量資料喂養也代表大模型背後所存在的資料風險，是否會竊取、洩露使用者資料，很大程度上基于大模型服務上的自制力（目前法律監管厘定較為模糊）。
而現在對于開源通用大模型的使用，一般是大模型的基礎上對專業領域進行 Finetune（微調），在一定程度上也意味着企業必須給大模型喂養自己的資料，企業私域資料價值高，尤其在資料資産入表的背景下，如何對待資料是一個棘手的問題。
基于此，企業級大模型的存在就有了必要性。企業級大模型也可易了解為借助大模型開發平台的能力建立起自己的小模型（私有化部署），這裡可能包含資料處理、模型訓練等等環節，對企業的 IT 能力、AI 能力有一定要求。不過，這并不意味着大模型無法普适，大模型發展還處于初期，在生态與模型建立完善後自然會有更簡單更低成本的方案出現。
正如陸奇所說，「未來将有更多大模型會更多的模型被建立，展開來說有兩類：一類是事情的模型，人類每一類需求都有領域/工作模型，其中有結構模型、流程模型、需求模型和任務模型，尤其是記憶和先驗；另一類是人的模型，包括認知/任務模型，它是個體的，其中有專業模型，有認知模型、運動模型和人的記憶先驗。人基本是這幾類模型的組合，律師也好，醫生也好，大量領域會有大量模型往前走。」
圖源：Wikipedia
3、建立企業知識庫/知識圖譜
企業需要用 AIGC 賦能業務，前提是 AIGC 必須有垂直行業/專業的資料集支撐才能夠産生切實價值。舉個最簡單的例子，美妝類品牌與律師事務所所需要的知識是不同的。是以，企業就必須打造一個結構化的、可複用的知識叢集，需要包含兩方面資訊：
一是行業 Knowhow，也可以了解為垂直場景，把行業相關、市場相關、領域相關的理論知識、實時資料甚至市場動态新聞等資訊點都進行整理；二是企業知識，包含品牌文化、教育訓練資料、客戶資料、營銷方案、服務标準等等，把零散的資訊進行體系化的沉澱。
企業知識庫利于資料訓練，另一方面，從企業資料庫的視角看，管理企業知識資料也有利于知識的高效共享、知識沉澱，如果目前還未做到這一點的企業可能加快角度了，随着業務和科技環境的進步，企業知識庫的需求隻會越來越大。
另外，如果隻是從企業知識庫的角度而言，這一部分可以利用 DAM 等内容科技完成。
在完成企業知識庫後就是知識圖譜（Knowledge Graph）的建立。
知識圖譜也稱為語義網絡，是表示現實世界實體（即對象、事件、狀況或概念）的網絡，并說明它們之間的關系。大模型和知識圖譜可以互相配合，實作更加複雜和精準的任務。
知識圖譜能夠把領域内複雜知識通過資訊抽取、資料挖掘、語音比對、語義計算、知識推理等過程精确地描述出來，并且可以描述知識的演化過程和發展規律，進而為研究和決策提供準确、可追蹤、可解釋、可推理的知識資料。
舉個一看即明的例子：知識圖譜有助于區分具有多種含義的單詞，比如，确定 Apple（手機品牌）和 Apple（水果）之間的差異，識别是 Apple（手機品牌）還是Apple（水果）。
圖源：Github jclian91 《神雕俠侶》知識圖譜
當然，也有人認為，大模型的出現實際上是給知識圖譜「判了死刑」，因為二者實際上有很多相似之處，但與靜态的知識圖譜對比，大模型的知識是動态的、根據外界「刺激」（提示詞）以機率方式給出答案的知識，更加符合人類與世界互動的特點。
理論上基本可以替代，但實際上，兩者在實際應用過程中更偏互相補充。比如，大模型由于其訓練語料主要是一些通用的語言知識為主，專業知識方面可能會稍遜，導緻模型缺乏專業性，知識圖譜可以作為補充——基于知識圖譜的推了解決大模型的「一本正經胡說八道」的問題。
02
技術公司端：AIGC時代的機會在「應用」
AIGC 的優勢不可忽略，威脅也不該忽視。
在 ChatGPT-4 釋出會上，OpenAI CEO Sam Altman 示範了如何利用 GPT-4 生成一個真實的網站：将手繪的網站架構照片輸入給 GPT-4。一位沒有小程式開發經驗的朋友表示，「我描述出需求，GPT-4 教我開發小程式」，從後端架構到程式上架都在 GPT-4 指導下完成。
盡管目前可能還未到達脫離專業角色（程式員/技術公司）的程度，但 AIGC 顯然已經對初級角色的生存空間産生了威脅，對于技術領域而言，這絕對是一個打擊。對于企業而言，這是一支無可比拟的開發者團隊。彎弓研究院在這半年裡也收到了不少來自 MarTech 機構的憂慮：很多的環節似乎都可以用 AIGC 替代了。
我們對于這類看法的意見是：快速疊代。這裡有幾個具體的建議：
1、「可應用」
從一個例子開始。在 AIGC 之前，大多數人可能都沒想過自己能夠憑借一款軟體和幾個單詞就能繪制出媲美專業設計師/藝術家的圖檔，這款軟體叫做 Mid Journey，它是革命性的，且不說其所蘊含的巨大商業價值，MJ 的出現完全模糊了專業與非專業的界限，隻要是會使用單詞就能輸出作品，甚至如果你對 Prompt 有更深入 的研究（僅限于文字輸出），還能得到更為精美的作品。是以其在全球範圍内的影響力迅速擴大。
ChatGPT 的火爆也同理，以文本生成作為視窗讓大模型在短時間内被全球範圍内的使用者所關注到：是否「有人用」是一款受歡迎的技術的基本條件。
也就是說，AIGC 時代技術公司的機會在「應用」。
誰能讓技術為使用者所用，讓使用者有良好的使用者體驗，解決實際問題，誰就把握住了機會。至于為使用者提供的是什麼樣的産品，該産品有多牛，說得再天花亂墜實際上也不如能用起來。
「用起來」還暗含了一點：清晰知道使用者的應用場景（「打」到其痛點上）。
再舉個例子，在大模型這件事情上，其實即便大模型化身小模型，對于企業而言可能也還是一件相當遙遠的事情，但如果有一個技術服務商能夠使大模型部署變成簡單實施，比如拖拽闆塊即可完成搭建，快速完成安裝并立即體驗，判斷它是否能夠為公司帶來價值 —— 很難做到，但能做到必然成功。
2、專業知識領域大資料
深耕某個垂直行業的大資料及解決方案。
資料是所有機器學習的核心，也是所有大模型發展的瓶頸所在，用于訓練 AI 的資料的消耗速度可能遠快于人類生産資料的速度，大量的資料是首要，但更需明确的是，建立更優的模型，需要的是更多專業知識領域資料，與企業建立知識庫/知識圖譜的優勢相似，擁有專業領域大資料等同于技術公司在 AIGC 領域突破的優勢。
越是垂直化的資料，價值越高。如果能夠基于垂直領域資料對 AIGC 能力進行進一步更新，必然會産生更大的價值。
這裡有兩個真實的、來自技術公司的案例：
1、一個專注于美妝個護領域的 AIGC 服務商告訴我們，在 ChatGPT 開放 API 後他們迅速接入，并開始利用自己多年積累的美妝個護資料（包含多個品牌）對 GPT 展開一系列的訓練，僅僅一周後就已經可以為客戶輸出品質并不低的美妝個護行業的 AIGC 内容，盡管當時還處于内測階段，已經有不少客戶咨詢付費事宜；
2、這是一家專注于中台的公司。據透露，他們目前基本上聚焦于幫助客戶建立企業級資料模型，比如，幫某個茶企挖掘門店資料，從中分析出使用者需求，不斷優化産品組合等等。該負責人告訴我們，對于企業而言，将來最需要的人是懂資料分析的人，在AI時代，大量的IT 崗位或許都會被資料崗位代替，比如，資料分析師，資料洞察師，資料工程師。「大公司自己會建立這樣的資料分析團隊，而小公司可能就會找外包團隊，技術公司在未來有可能會變成資料營運公司。」
在未來，或許會出現 AIGC 版本的 APP STORE，「APP STORE」中出售的就是不同垂直領域資料訓練出來的 AIGC 工具。這類公司可能會與各行業掌握垂直資料的公司合作，進行深度綁定，出現以行業為主的 AIGC 公司。
模型+資料+場景+算力或會成為成功技術公司的标配。
還有，請記住：未來都是資料的生意。
3、目前最火/應用最廣的AIGC賽道
據彎弓研究院 2023中國AIGC與内容科技圖譜 2.0版資料收集及分析情況來看，目前國内 AIGC 應用落地更快的是：音頻生成、圖像生成與數字人。
「音頻」指的是對話式人工智能(人工智能客服/AI外呼） ，一種綜合運用多種技術的複雜的人工智能形式，能夠使人機間實作類似于真人的互動，應用場景一般為智能聊天機器人、網絡音頻語義識别、AI外呼，智齒科技、竹間智能與一知智能是音頻生成類的代表性公司。
「圖像」包含圖生圖、文生圖、AI 圖像偵測/識别、AI 輔助設計，應用場景多為平面設計線上工具、商品圖生成（模特圖/産品圖），代表公司有 Tiamat、ZMO.AI。
「數字人」指以虛拟人為主要産品的公司，應用場景有影視創作/動畫/虛拟偶像（角色生成）、VR \ AR \ MR、短視訊拍攝、直播營銷、元宇宙等等，代表公司有矽基智能、奇妙元、飛天雲動。
這三個領域發展得更快很大程度在于：1、有應用場景；2、解放人力，提高工作效率；3、延長服務時間，你也可以簡單了解為市場需求反推技術發展。
值得注意的是，彎弓研究院調研時發現，AIGC 類公司一般都擁有多模态的能力，可以提供一種或以上的技術服務，也即，提供文本生成産品的同時，也提供視訊生成産品，這裡有多種組合方式，比如文本生成+視訊生成 、圖像生成+視訊生成 、音頻生成+視訊生成、音頻生成+數字人、數字人+視訊生成等等。
以藍振忠博士的西湖心辰為例，西湖心辰同時提供 Friday （AI 寫作）和 造夢日記（AI 繪畫）兩款産品，分别對标不同的客戶群體和應用場景，如 Friday，提供的是文本生成的能力，有為生成符合各個社交平台風格的内容的垂直功能。「有明确的應用場景」始終是關鍵。
彎弓研究院是營銷技術架構設計與内容戰略提供商，如果你是企業，有應用 AIGC 的需求 / 如果你是技術服務商，想要尋找更多 AIGC 項目落地機會，如有需求，歡迎聯系彎弓研究院助理，我們将提供對應的服務。