2024年中美AIGC產業(yè)商業(yè)化落地生態(tài)與發(fā)展趨勢分析報告-上海高級金融學院

中美AIGC產業(yè)商業(yè)化落地生態(tài)與發(fā)展趨勢分析報告研究報告概述《中美AIGC產業(yè)商業(yè)化落地生態(tài)與發(fā)展趨勢分析報告》由上海交通大學上海高級金融學院（高金）EED項目組、滬港國際科創(chuàng)金融實驗室以及高金LLC實踐體驗學習中心共同發(fā)布。該報告深入比較了中美兩國在AIGC（人工智能生成內容）行業(yè)生態(tài)上的差異，并立足于AIGC應用場景的實際落地，詳細剖析了AIGC技術在中美兩國多個關鍵產業(yè)領域的最新應用進展與商業(yè)價值，旨在為企業(yè)及相關機構在產業(yè)布局、投資決策、政策支持等方面提供策略性建議和參考依據(jù)。報告顯示，當前中國和美國的企業(yè)和投資者正積極探索AIGC技術的商業(yè)化落地和變現(xiàn)途徑，但在不同應用領域的發(fā)展呈現(xiàn)出顯著差異：部分場景和領域已實現(xiàn)了實質性的商業(yè)化進展，而其他領域則仍處于探索階段，前景不甚明朗。研究報告背景在全球范圍內，人工智能生成內容（AIGC）技術正以空前的速度和深度改變著各個行業(yè)。作為世界最大的兩個經濟體，中美兩國在AI領域的發(fā)展對全球具有深遠近年來，中美兩國在AIGC技術方面的進展尤為矚目。美國方面，如Midjourney推出的AI繪圖工具和微軟與OpenAI合作推出的GitHubCopilot等項目備受關注；而在中國，百度的文心一言，字節(jié)跳動的豆包，以及科大訊飛的訊飛星火等產品的推出，同樣標志著中國在AIGC領域的顯著進步。研究方法為深入研究中美AIGC產業(yè)的商業(yè)化落地生態(tài)和應用，課題組選取了2021年1月至2024年3月期間的AIGC商業(yè)化案例數(shù)據(jù)作為研究樣本，側重于分析AIGC產業(yè)的應用落地場景，對其發(fā)展環(huán)境和生態(tài)進行研究，比如產業(yè)鏈的上下游的分布，細分賽道的規(guī)模、結構，AIGC行業(yè)的政策環(huán)境、人才狀況等，其次從應用價值（市場空間大?。?、應用難度（落地的難度、業(yè)務邏輯復雜度、算力成本、語料成本、語料獲取的難度、語料規(guī)模大小）、環(huán)境現(xiàn)狀（客戶側落地進展、AIGC廠商進展、投融資規(guī)模數(shù)據(jù)簡況）進行細致分析、橫向縱向比較。并通過對比實際案例，進一步分析影響AIGC企業(yè)估值及投資回報的關鍵因素，如技術創(chuàng)新能力、市場占有率、盈利模式、用戶增長、品牌影響力等。研究發(fā)現(xiàn)當前，全球企業(yè)和投資者正積極探索AIGC技術的商業(yè)化落地和變現(xiàn)途徑。不同應用領域的發(fā)展呈現(xiàn)出顯著差異：部分場景和領域已實現(xiàn)實質性的商業(yè)化進展，而其他領域則仍處于探索階段，前景不甚明朗。中美AIGC行業(yè)生態(tài)差異與共性：1.中美進展：中美在AIGC領域均有顯著進展，美國以創(chuàng)新驅動，中國以市場需求為導向。2.應用場景落地：中美AIGC技術在代碼研發(fā)、知識管理&內容創(chuàng)作、客服&銷售智能體、醫(yī)療&醫(yī)藥的科學研究等應用場景的落地進展迅速。3.行業(yè)落地：中美AIGC技術在金融、信息技術、醫(yī)療等行業(yè)落地進展迅速。AIGC技術的商業(yè)價值與挑戰(zhàn)：市場空間：AIGC技術已經在數(shù)個行業(yè)與應用場景的交叉領域展現(xiàn)出巨大的市場潛應用難度：技術門檻、算力成本、語料獲取難度是主要挑戰(zhàn)。投融資活躍：中美AIGC領域的投融資活躍，尤其是在藥物研發(fā)等領域。AIGC技術的發(fā)展和商業(yè)化前景仍充滿挑戰(zhàn)與不確定性，需要行業(yè)內外的持續(xù)關注和深入研究，以實現(xiàn)其在各領域的廣泛應用和商業(yè)價值的最大化。對于投資者而言，這要求他們在評估相關企業(yè)的投資價值時，不僅考慮技術潛力，還需關注其商業(yè)化進程和市場反應。指導教授總結課題組指導教授上海高級金融學院教授蔣展表示：今天，AIGC大模型技術如上世紀的互聯(lián)網技術一樣，對于全球產業(yè)都帶來了巨大的技術革新推動力，但其商業(yè)化前景目前依然不清晰，所以對于AIGC技術在應用場景與行業(yè)領域交叉維度的落地進展與挑戰(zhàn)進行深入的分析顯得尤為有意義，課題項目組研究了大量具象的AIGC落地案例與數(shù)據(jù)，讓我們可以對中美AIGC產業(yè)商業(yè)化落地的真實進展、市場空間與現(xiàn)實的挑戰(zhàn)問題有一個全面的了解，從而對其未來發(fā)展的趨勢也能有較為清晰的判斷。附錄：《中美AIGC產業(yè)商業(yè)化落地生態(tài)與發(fā)展趨勢分析報告》內容節(jié)1.1應用場景：代碼研發(fā)1.1.1金融業(yè)應用價值市場空間：****中國銀行業(yè)對于金融科技領域的總投入金額達到2793.2億元，其中對于從事金融科技領域相關人員開支達到172.5億元；證券行業(yè)對于金融科技的投入金額達到417億元，其中對于人員投入達到105.9億元。（數(shù)據(jù)來源：金融時報-中國金融新聞網）以行業(yè)頭部的六大行為例，累計科技人員達到9.48萬人?？傮w來看，金融領域對于系統(tǒng)開發(fā)的成本支出較大。應用難度邏輯難度：****金融行業(yè)涉及的業(yè)務邏輯復雜且高度專業(yè)化，需要深入理解相關的業(yè)務流程和規(guī)則。同時需要滿足開發(fā)者在多種編程語言、框架和場景下的需求。算力成本：****需要不斷學習和適應新的開發(fā)需求，訓練和推理過程中需要消耗大量的計算資源。金融行業(yè)本身對數(shù)據(jù)合規(guī)性、安全性、可信性等存在高要求，因此以自建算力為主。語料大?。ǔ杀荆?***依賴于行業(yè)內外大量的高質量編程語料，金融行業(yè)的代碼和文檔通常涉及敏感數(shù)據(jù)，獲取和處理這些語料需要特別注意數(shù)據(jù)隱私和安全性。環(huán)境現(xiàn)狀中國工商銀行：已經形成代碼推演預測、代碼自動生成、代碼檢索復用等能力，并以IDE插件的形式整合到開發(fā)中心，有效提升研發(fā)效能；編碼助手生成代碼量占總代碼量的比值達到40%?；ㄆ煦y行：使用大模型提高開發(fā)人員的工作效率并測試軟件漏洞。國金證券：以aiXcoder代碼大模型為核心引擎，結合國金證券三十年金融行業(yè)軟件資產沉淀及人工智能生態(tài)融合，共同構建了一個代碼大模型的工程化應用框架。（硅心科技服務）海通證券：與商湯科技合作，基于海通證券豐富的數(shù)據(jù)基礎，商湯大模型構建了完整思維鏈，深入理解業(yè)務邏輯，為開發(fā)者提供了代碼智能補全與對話問答的服務，可有效提高開發(fā)效率。軟通動力：軟通天璇2.0平臺，包括代碼補全能力等。宇信科技：開發(fā)助手CodePal，提供代碼補全、自動化bug檢測、代碼規(guī)范檢查等功華為：金融大模型解決方案，包括智能編程助手等。商湯科技：日日新SenseNova5.0，包含代碼生成及補全。1.1.2信息技術與軟件開發(fā)業(yè)應用價值市場空間：*****2024年全球IT支出預計將達到5.26萬億美元，全球軟件開發(fā)人員總數(shù)將達到2870萬。市場調查機構Gartner2024年發(fā)布報告，2023年年初企業(yè)軟件工程師使用AI代碼助手的比例不到10%，不過預估到2028年將達到75%。（數(shù)據(jù)來源：環(huán)球網科根據(jù)Boss直聘的《2023年中國程序員人才發(fā)展報告》，中國程序員數(shù)量約為700萬人，IT研發(fā)人員群體龐大。研發(fā)人才意味著龐大的研發(fā)支出，比如百度23年研發(fā)支出約在270億元左右。提升研發(fā)效率對于科技巨頭降本增效意義巨大。應用難度邏輯難度：***需要滿足開發(fā)者在多種編程語言、框架和場景下的需求。需要理解開發(fā)者的意圖，并根據(jù)這些意圖生成符合邏輯的代碼，涉及到復雜的邏輯推理和上下文理解能力。編程AI化是計算進化的必然。從邏輯上來說，編程語言一直在進化，從二進制到后來的機器代碼，到匯編語言，再到高級語言。而編程語言不斷進階的目的，就是為了讓編程難度更低、效率更高。預測編程語言的終極形態(tài)將是人人都掌握的自然語言。AI編程讓程序員專注于創(chuàng)造，助力企業(yè)研發(fā)降本增效。算力成本：***需要不斷學習和適應新的開發(fā)需求，訓練和推理過程中需要消耗大量的計算資源。頭部的大模型參數(shù)超過100億。語料大?。ǔ杀荆?****編程語言種類較多，每種語言的代碼語料巨大，頭部的大模型需要數(shù)十億行代碼的訓環(huán)境現(xiàn)狀Gartner于2023年第3季度調查了全球598家知名企業(yè)，結果顯示63%的企業(yè)目前正在試用、部署或已經部署了AI代碼助手。字節(jié)跳動：由字節(jié)跳動推出的MarsCode，字節(jié)超過70%的工程師都在使用，每月貢獻百萬行量級的代碼。埃森哲：使用AmazonCodeWhisperer加快編碼任務，可以幫助減少30%的開發(fā)工作華為云：盤古大模型智譜AI：CodeGeeX代碼大模型阿里云：AI編程助手通義靈碼百度：Comate微軟：GitHubCopilotX亞馬遜：CodeWhisperer谷歌：GeminiCodeAssistMeta：CodeLlama硅心科技：aiXcoderXL投融資規(guī)模：中國：智譜AI：2023年10月宣布年內已累計獲得超25億元融資。硅心科技：2023年完成數(shù)千萬元人民幣A+輪融資。美國：YCombinator2024路演項目中，服務開發(fā)者的生成式AI占比約13%。Augment：2024年完成2.52億美元B輪融資，投后估值達到9.77億美元。CognitionLabs：2024年完成1.75億美元的新融資，估值已提升至20億美元。Replit：2023年獲得了a16z領投的9740萬美元融資，估值11.6億美元。Codium：2024年獲得6500萬美元融資，估值5億美元。1.2應用場景：知識管理&內容創(chuàng)作1.2.1金融業(yè)應用價值市場空間：****金融業(yè)是單位數(shù)據(jù)產出量最高的行業(yè)，生成式人工智能將大幅提升內部運營效率，提高獲客能力，提升產品設計創(chuàng)新能力，和加強風險防控能力，有望為金融業(yè)帶來3萬億規(guī)模的增量商業(yè)價值。BCG曾以一家擁有約兩萬名員工的區(qū)域性國際銀行為例，初步梳理了該銀行前中后臺相關部門應用生成式AI的潛力和效益，預計在首年即可為該銀行節(jié)省約1.5億美元的成本，占整體薪酬總包的7%左右。應用難度邏輯難度：****金融領域的數(shù)據(jù)量龐大，對實時性，算力都有很高的要求；金融領域的數(shù)據(jù)安全系數(shù)要求高，隱私風控等要求本地化部署大模型成本高；復雜的投融資決策沒有標準，機器難以捕捉，即便策略能保持一致性，歷史的決策也不需要復雜拆解邏輯的問題需要精心設計提示詞，很難通過精調訓練行程，投入產出沒有算力成本：***即便是對數(shù)據(jù)進行精調，也需要一定的高算力資源，若有成百上千個AI應用同事在組織內運行，對硬件基礎設施的算力、穩(wěn)定性的要求都很高。語料大?。ǔ杀荆?***千億級別的通用大模型，訓練一次需要付出幾千萬的成本。大模型產業(yè)化的一大關鍵是突破應用成本的門檻，模型參數(shù)量需維持在10B到100B之間。通過剪枝、低秩分解、稀疏化等方式能夠實現(xiàn)；銀行業(yè)每100萬美元的數(shù)據(jù)產出820GB,數(shù)字資產規(guī)模千環(huán)境現(xiàn)狀我國銀行業(yè)42家上市銀行中，有6家已經公布大模型技術開發(fā)與應用信息。項目舉例：智能投顧（Wealthfront和Betterment等公司）；自動化報告生成（摩根大通-COiN（ContractIntelligence）平臺）；金融預測與風險管理（高盛和摩根士丹利等投資銀行）反欺詐和合規(guī)管理（Mastercard和Visa檢測和預防欺詐交易）個性化服務（花旗銀行（Citi）和美國銀行（BankofAmerica）AI聊天機器人）貸款審批和信用評分（LendingClub和Upstart）項目舉例：OpenAI的GPT-4被金融機構用于生成市場分析報告、新聞摘要和客戶服務回復；IBMWatson被多家銀行和保險公司用于合規(guī)檢查和風險管理；DeepMind的AI技術被用于開發(fā)高級金融模型，預測市場趨勢和生成交易策略。AzureAI平臺提供了多種生成式AI工具，被金融機構用于自動生成財務報告、客戶服務聊天機器人和風險評估模型；HuggingFace的Transformers被金融公司用于文本生成和分析任務，如生成市場評論、財報摘要和客戶交流內容；亞馬遜的AWSAI；AdobeSensei通過分析客戶行為數(shù)據(jù)，生成個性化的市場分析報告和營銷建議等。投融資規(guī)模：據(jù)不完全統(tǒng)計，2020年至2022年9月，AI+金融領域總計發(fā)生融資事件104起，輪次分布較為平均。截止2022年9月，AI+金融領域融資事件已達29起，基本持平2021年全年。（數(shù)據(jù)來源：中國AI+金融行業(yè)發(fā)展研究報告）中國：商湯（金融風控、智能投顧，反欺詐）2021年10億美元融資；美國：OpenAI（金融市場預測、算法交易、客戶服務自動化）2023年獲得10億美元；。AlphaSense（金融研究、市場分析）2022年12月完成1億美元。1.2.2零售、電商業(yè)應用價值市場空間：****2024年我國AI大模型市場規(guī)模有望達到216億元數(shù)據(jù)來源：根據(jù)2024-2030年中國大模型行業(yè)深度分析及發(fā)展策略研究報告預測）人工寫作100小時，AIGC10分鐘，人力成本每小時100元；文生圖/文生視頻將大量減少企業(yè)外包成本；在新一代大模型技術下得到極大優(yōu)化，開發(fā)成本也降低20倍；從真人形象采集到數(shù)字人視頻生成僅需5分鐘，24h播放最新內容；單條創(chuàng)意耗時從30分鐘降到4分鐘，“AIGC文本創(chuàng)意”每天生產14億條，近7成的企業(yè)都用到了這個功能，近三分之一的創(chuàng)意展現(xiàn)都有AIGC參與；2分鐘就可產出100條創(chuàng)意，三步即可生成數(shù)字人廣告，為客戶在營銷過程中低成本提質增效；未來四年10%-30%的圖片內容由AI參與生成，有望創(chuàng)造超過600億以上市場規(guī)模；海外短劇市場規(guī)模的估算將突破百億級美元。（數(shù)據(jù)來源：金融界）應用難度邏輯難度：*****這類技術處于快速發(fā)展階段，其技術門檻、運算資源需求以及數(shù)據(jù)需求都較高。這類系統(tǒng)需要大量的高質量圖像和視頻數(shù)據(jù)進行訓練，而獲取這類數(shù)據(jù)是一項挑戰(zhàn)；深度學習模型需要大量的計算資源和時間來進行訓練，且需要專業(yè)的技術團隊和設備來承擔這一工作；雖然我們已經看到了許多如GANs、Transformer等重要技術的成功應用，但是在發(fā)表的研究中，這類模型在一些復雜場景或者特定任務上的表現(xiàn)仍然有待提高。算力成本：****文生視頻的人工智能模型參數(shù)通常在10億至100億級別；這樣的參數(shù)量級意味著需要大量的算力來支持模型的訓練和推理過程。加州大學研發(fā)出新的Transformer架構顯著減少大模型對GPU的依賴。在FPGA上實現(xiàn)的自定義硬件解決方案，處理十億參數(shù)規(guī)模的模型功耗約為13W，接近人腦的效語料大小（成本）：*****對于"文生視頻"來說，需要獲取的是文本和相應的視頻配對數(shù)據(jù)，這種特定類型的數(shù)據(jù)在開放資源中獲取的難度相當大。你可能需要自行創(chuàng)建或者通過專門的數(shù)據(jù)提供商購對于這種裁剪和標注任務，需要專業(yè)的人員進行標注，使數(shù)據(jù)滿足特定的訓練要求。在視頻信息豐富的情況下，這一過程既耗時間又復雜；深度學習模型通常需要大量的數(shù)據(jù)進行訓練，以便能夠泛化到各種可能的輸入條件。因此，所需的語料規(guī)模可能非常之大。具體來講，可能需要數(shù)十萬甚至幾百萬的配對文本和視頻樣本。環(huán)境現(xiàn)狀“擎舵”AI數(shù)字人平臺操作更是簡單，3分鐘采集后將生成一個數(shù)字人“分身”，口播視頻分鐘級生產，真正做到了高效高產低成本。平均消費對比投放投放前提升12%。七火山科技在3月7日宣布，經過深度學習和人工智能領域前沿技術的深入研究，Etna模型正式發(fā)布。Etna模型不僅能夠根據(jù)用戶的文本提示創(chuàng)建長達15秒的逼真視頻，而且實現(xiàn)了4K分辨率和60幀每秒的超高流暢度。其他的AI視頻最高也只有每秒30幀，Etna成為目前效果最接近Sora的模型。七火山通過Lava平臺已與字節(jié)跳動、小米、快手建立合作關系，實現(xiàn)短劇內容的角色換臉、對白配音及字幕翻譯，推動內容本地化和國際化發(fā)展；MiniTV作為分發(fā)平臺，探索短劇海外發(fā)行的多元化模式；七火山應用在印尼的月活已經達到了4000萬的用戶，迷你圖片在印尼應用排行前三。OpenAI的Sora文生視頻長達60秒；生數(shù)科技發(fā)布的Vidu生成時長為32秒；Runway的Gen-2為18秒；前京東副總裁梅濤成立的Hidream為15秒以上。Pika目前達到約4秒左右；Pika：開發(fā)基于AI模型技術的文生視頻工具，即將發(fā)布全新視頻生成大模型；Runway：知名的文生視頻平臺，它提供了一個視頻生成工具，允許用戶根據(jù)文本提示生成視頻內容。七火山科技Etna：一家初創(chuàng)企業(yè)發(fā)布了Etna文生視頻模型，該模型在技術路線上與Runway和Pika有所不同，采用了擴散模型技術；谷歌推出的AI視頻生成模型“W.A.L.T”；字節(jié)跳動文生視頻模型PixelDance；百度“輕舸”、“擎舵”和“商家bot”；Sora：由OpenAI推出的Sora模型是一個重要的文生視頻模型，能夠根據(jù)輸入的prompt生成長達60秒的視頻；愛詩科技創(chuàng)立于2023年4月，專注解決AI視頻大模型及應用，海外版產品PixVerse于2024年1月正式上線，目前已是全球用戶量最大的國產AI視頻生成產品。王長虎透露，接下來3—6個月，愛詩最重要的目標是，技術上能夠追平甚至趕超Sora。Fancytech：一鍵生成高顏值服裝模特圖，大幅降低商拍成本；筷子科技：面向全體量品牌的效率協(xié)同AI應用產品——Kuaizi.aiAIGC內容商業(yè)應用平投融資規(guī)模：愛詩科技：完成億級人民幣A1輪融資；生數(shù)科技：3月12日，宣布完成新一輪數(shù)億元融資；Pika：6月份完成近6億B輪融資，Pika總融資額已Fancytech：已完成近億元B輪融資；筷子科技：內容商業(yè)AIGC視頻應用平臺筷子科技完成近5000萬元融資。1.2.3游戲娛樂業(yè)應用價值市場空間：*****游戲行業(yè)從業(yè)人員減少了近萬人，在這樣的情況下，今年1-6月國內游戲市場實際銷售收入為1472.67億元，同比增長2.08%；游戲用戶規(guī)模近6.68億人，同比增長0.88%。其中整個游戲行業(yè)研發(fā)人員占比74%。各大廠商開始工業(yè)化的AIGC美術流程來輔助內容創(chuàng)作（實際運用中保持了相當?shù)目酥疲┨岣弋a能效率，變相減少研發(fā)成本，甚至美術、音樂外包成本，提高利潤率。游戲公司更多的作為AIGC商品的客戶側，使用AIGC工具來創(chuàng)造價值，通過AIGC相關工具已經可以大大提升美術（原畫構圖、鋪色）、動畫（動捕快速預覽、動作模擬）、文案（內容框架生產、語法校正、歷史文學法律等專項內容精準化、劇情語音自動生成）來輔助工作以提高產能效率和準確性，使生產速度提升至少20%，生產質量至少提升15%。甚至網易公司透露，在游戲生產的多個關鍵環(huán)節(jié)，人工智能技術已經顯著提升了工作效率，最高可達90%。應用難度邏輯難度：***個性化、保持連貫性和一致性。理解復雜的人類情感和文化背景。AI模型需要與游戲引擎和其他開發(fā)工具無縫協(xié)作，遵守相關的法律法規(guī)。算力成本：****在3D建模、動畫和視覺效果的生成上生成定制內容。實時、流暢性和互動性?？赡軙x擇使用云服務來獲取所需的算力。語料大小（成本）：****許多游戲語料可能受到版權保護，使用這些語料可能需要獲得授權，這涉及到版權成本和潛在的法律風險。游戲內容通常包括文本、圖像、音頻和視頻等多種模態(tài)的數(shù)據(jù)。整合這些不同模態(tài)的數(shù)據(jù)需要額外的工作和成本。環(huán)境現(xiàn)狀真實案例：游戲：Suno、so-vits-svc、GPT-SoVITS漫畫、動畫：StableDiffusio、Palette、MidJourney網文：ChatGPT、MidJourney開發(fā)商：Midjourney，工具：Midjourney；發(fā)展現(xiàn)狀：開源圖片AIGC工具StableDiffusion在開發(fā)性上更強，但Midjourney的易用性更高，對于二次優(yōu)化需求不強的美術環(huán)節(jié)更實用。開發(fā)商：Suno,工具：Suno;發(fā)展現(xiàn)狀：能夠滿足對音樂品質要求不高的聽眾需求，但目前中文人聲清晰度還不夠，加工再創(chuàng)造的難度更高。開發(fā)商：字節(jié)跳動，工具：Dreami發(fā)展現(xiàn)狀：目前國內可使用的文生視頻/圖生視頻中生成效果比較好的產品，但和Sora仍存在差距，生成時長較短，視頻穩(wěn)定性不足，很難直接應用。投融資規(guī)模：近十年來，中國游戲企業(yè)的累計研發(fā)投入已超過萬億元，這一高投入水平為AIGC技術的發(fā)展提供了堅實的資金支持。1.3應用場景：客服&銷售智能體1.3.1金融業(yè)應用價值市場空間：***根據(jù)中國銀行業(yè)協(xié)會數(shù)據(jù)，截至2022年末，銀行業(yè)金融機構客服從業(yè)人員為4.38萬人，全年人工處理來電6.41億人次，70%的客服中心與遠程銀行提供智能語音機器人服務，84%的客服中心與遠程銀行提供智能文本機器人服務。根據(jù)職場網站數(shù)據(jù)，銀行客服崗位平均年薪為8.4萬元，工資規(guī)模為37億元，保守估計AIGC客服機器人可解決約50%的客服工作，估算市場規(guī)模約18.5億元。應用難度邏輯難度：****金融產品類型豐富，客戶的個性化服務需求較高，且金融行業(yè)出于合規(guī)等原因，對數(shù)據(jù)安全和隱私保護要求極高，對所生成的回復內容準確度和合規(guī)要求也極高，整體實現(xiàn)的邏輯復雜性較高，邏輯難度較大。算力成本：***在高頻問題回復、通知和客戶回訪等業(yè)務場景中較易實現(xiàn)，算力成本低；在高端客戶開發(fā)和維護、復雜產品問題回復等業(yè)務場景中較難實現(xiàn)，且考慮合規(guī)對于所回復信息的嚴格監(jiān)管要求，算力成本較高。語料大小（成本）：*****語料獲取難度高，公開語料較少，金融機構間出于合規(guī)等原因，語料不互通；語料規(guī)模相對較大，整體語料成本高。環(huán)境現(xiàn)狀同花順：成功落地財經領域自然語言、語音問答系統(tǒng)“i問財”。提供多維度的股票、基金、債券數(shù)據(jù)，投資者輸入自然語言問句搜索想要的數(shù)據(jù)和信息。此外還有條件選股、研報圖表、精選策略、產品搜索、短線復盤、策略回測、宏觀經濟等功能。美國銀行：利用AIGC技術完善其智能化客服，回答客戶相關產品和服務問題，如客戶可以詢問不同類型貸款的利率，或者不同投資賬戶的功能等。此外，該客服還可以用來處理賬戶交易，例如付款、轉賬和開設新賬戶等。招商銀行：2021年推出智能財富助理“AI小招”，基于大數(shù)據(jù)技術，通過知識沉淀與機器訓練，為客戶提供收益查詢、漲跌分析、市場熱點解讀、產品推薦、資產配置建議等財富管理綜合服務。沃豐科技：采用Udesk為光大銀行提供完善、強□的第三□接□能□,通過快速、安全的□式對接客戶業(yè)務系統(tǒng)數(shù)據(jù)，實現(xiàn)了云呼叫中□的智能化定制；外呼任務分配之后，系統(tǒng)提供實時、準確的監(jiān)控功能供管理員完成員□□作的監(jiān)控與考核針對光□外呼業(yè)務的特性，Udesk為光□銀行提供完善的外呼任務策略，從獲取外呼數(shù)據(jù)到執(zhí)□落地，□便管理監(jiān)督。智齒科技：為百年人壽提供智能一體化的解決方案，幫助以客戶服務為核心的客服部門、以全國各銷售團隊為核心的精算部門實現(xiàn)業(yè)務智能化、管理數(shù)據(jù)化、平臺一體化，對內、對外兩大業(yè)務模塊全面升級，實現(xiàn)機器人有效接待率98.5%，機器人獨立接待率95%。信也科技：通過垂類大模型輔助人工服務用戶，提升客服體驗；其自主研發(fā)的支持多語種的高性能離線流式一體語音識別系統(tǒng)獲算法賽道金獎，金融客服生成式數(shù)字人坐席的大模型算法獲創(chuàng)業(yè)組TOP50。投融資規(guī)模：沃豐科技：率先搭建了一體化客戶全生命周期解決方案，自成立至今獲得了5輪融資，累計融資金額超7億元人民幣，投資方包括DCM中國、君聯(lián)資本、TigerGlobal、TMTInvestments等諸多頭部機構。智齒科技：作為一家一體化客戶聯(lián)絡解決方案提供商，從2015年至今，共完成7輪融資，最新一輪D輪融資1億美元，投資方包括高瓴創(chuàng)投、用友、云啟資本、IDG資本、真格基金等投資機構。1.3.2零售電商業(yè)應用價值市場空間：*****根據(jù)商務部數(shù)據(jù)，2023年我國全年網上零售額15.42萬億元；根據(jù)京東集團年報，2023年全年營收10847億元，其中商品收入8712億元。根據(jù)京東所披露的2024年數(shù)據(jù)，客服團隊超過2萬名員工。據(jù)此比例可估算我國電商行業(yè)從業(yè)人員約為35萬人。根據(jù)職場網站數(shù)據(jù)，電商客服崗位平均年薪為7.5萬元，工資規(guī)模為263億元，保守估計AIGC客服機器人可解決約50%的客服工作，估算市場規(guī)模約132億元。應用難度邏輯難度：***降低成本類場景：對于傳統(tǒng)電商、跨境電商、電商運營等，其主要訴求是降低運營成本，通過AIGC提供多語言客服，以及生成圖片、視頻、商品描述和文案等服務，從而降低人力成本，提升運營效率，這類需求的實現(xiàn)邏輯難度相對較低。提升銷售類場景：對于內容電商等，其主要訴求是通過制作內容、展示商品、獲取流量和增加銷售額，雖然對成本并不敏感，但更注重銷售額和ROI，希望通過AIGC創(chuàng)造出與真人類似甚至更好的轉化率，以提升銷售額，這類需求的實現(xiàn)邏輯難度相對較高。算力成本：****降低成本類場景：內容創(chuàng)作對創(chuàng)意要求相對較低，可從通用場景中作參考，其算力成本相對較低。提升銷售類場景：需要創(chuàng)意類內容創(chuàng)作，其算力成本較高，且其算力要求會隨著場景對銷售需求的增長而增長。語料大?。ǔ杀荆?***降低成本類場景：語料獲取難度相對較低，對大型電商而言有大量語料可供訓練，對創(chuàng)業(yè)公司而言有語料獲取難度。提升銷售類場景：語料獲取難度高，需要把toC的創(chuàng)意積累并轉化為know-how，再進一步作為語料進行應用。環(huán)境現(xiàn)狀京東：目前形成了包括"智能情感客服"、"商家客服小智"、"AI導購助手"、"智能調度"、"智能輔助"和"智能管理"在內的智能客服服務矩陣。比如“天弓”系統(tǒng)，在用戶來電的同時通過用戶訂單號、商品鏈接、歷史咨詢等信息快速預判客戶可能問到的問題，并為人工客服提供合理的解決方案，讓客服“未卜先知”，更好地解決客戶問題。Amazon：利用AIGC技術提供個性化購物體驗，如個性化推薦和自動生成的產品描述，提升了商品頁面的豐富度和吸引力。抖音：推出“即創(chuàng)”商家AIGC工具箱，專注于智能創(chuàng)意生產與管理分析，同時兼容開放生態(tài)，提供視頻創(chuàng)作、圖文生成、直播工具等多種場景服務，讓商家免費生成數(shù)字人視頻、圖文素材、短視頻腳本、直播腳本、直播背景等。FancyTech：利用業(yè)界前沿的自研視頻行業(yè)模型-DeepVideo，在消費場景中落地AIGC解決方案。產品聚焦在電商視頻領域，品牌客戶只需將電商店鋪賬號授權給FancyTech，自研模型驅動會自動生成商品表達視頻，包括畫外音、音樂、字幕等，另可基于用戶數(shù)據(jù)反饋自動調優(yōu)持續(xù)提升視頻質量。為大量消費行業(yè)客戶提供高效穩(wěn)定的AIGC解決方案，實現(xiàn)成本降低和效率提升。樂言科技：將自然語言處理（NLP）、深度學習等AI技術與電商服務與營銷場景結合，為電商商家提供服務營銷全鏈路智能解決方案，以豐富的產品矩陣助力電商企業(yè)完成數(shù)智化轉型。百度：發(fā)布全球首個AlNative營銷平臺輕舸，通過生成式A貫通營銷方案表達和廣告投放優(yōu)化，預期將廣告投放轉化率提升超20%?？蓪崿F(xiàn)無需搭建計劃單元關鍵詞，無需區(qū)分搜索廣告、信息流廣告，可智能生成營銷方案，可以對話式交互設置預算、出價、時段、人群等指標。投融資規(guī)模：FancyTech：成立于2020年4月，產品聚焦在電商視頻領域，2023年9月完成近億元B輪融資，由DCM領投，金沙江創(chuàng)投、華山資本等跟投，此前分別于2022年年初完成了金沙江創(chuàng)投的Pre-A輪融資，并于2022年11月完成由源數(shù)創(chuàng)投領投，金沙江創(chuàng)投、華山資本跟投的A輪融資。樂言科技：2024年4月，完成由中金資本旗下基金、上海人工智能產業(yè)投資基金領投，老股東阿米巴資本、云鋒基金、常春藤資本、眾為資本、藍湖資本、云九資本、初心資本、躍馬資本跟投的數(shù)億元人民幣D輪融資。截至目前，樂言科技共完成8輪融資，最近一年之內獲得4次融資。1.4應用場景：醫(yī)療&醫(yī)藥科學研究1.4.1藥物研發(fā)應用價值市場空間：*****大模型技術通過深入分析海量蛋白質數(shù)據(jù)，揭示生物分子的內在規(guī)律，使得研究人員能夠設計出具有特定功能的新型蛋白質。與傳統(tǒng)AI技術相比，大模型提供了多任務預訓練能力，能夠更靈活地處理特定領域的任務，如藥物相互作用和分子性質預測，同時，算法創(chuàng)新如PSG算法進一步提升了預測準確度，從而整體提高了藥物研發(fā)的效率和成功率。2022年全球AI制藥市場規(guī)模為10.4億美元，到2026年全球AI制藥市場規(guī)模將達到29.94億美元。（數(shù)據(jù)來源：ResearchAndMarkets、中商產業(yè)研究院《2023年全球AI制藥市場現(xiàn)狀預測分析》2023.5.8）截至2023年底，全球AI制藥企業(yè)數(shù)量為897家，其中，中國AI制藥公司為90家左右。全球上市的AI制藥公司共有16家，其中美國公司占據(jù)12家。中國AI制藥第一股晶泰科技于2024年6月13日在港股上市。應用難度邏輯難度：*****靶點發(fā)現(xiàn)與驗證、大分子與小分子藥物開發(fā)、藥物篩選等過程具有高度的科學復雜性，需要處理和分析大量的生物醫(yī)學數(shù)據(jù)。大模型需要整合多組學數(shù)據(jù)、解析蛋白質結構、預測化合物活性等，技術難度極高。算力成本：****通過AI大模型完全模擬藥物研發(fā)的這一過程對算力的要求極高，足量的訓練數(shù)據(jù)仍然是一大瓶頸，算力成本可能非常高昂。語料大?。ǔ杀荆?****語料獲取可能面臨版權、隱私和商業(yè)機密等問題，獲取高質量、大規(guī)模的語料具有一定難度。當前行業(yè)大量的藥物研發(fā)數(shù)據(jù)主要掌握在大型藥企中，屬于藥企核心資產，往往不會輕易把數(shù)據(jù)分享出來。環(huán)境現(xiàn)狀截止2022年末，全球700多家AI制藥公司布局的環(huán)節(jié)包括：早期藥物開發(fā)（392家）、數(shù)據(jù)處理（235家）、臨床開發(fā)（149家）、端到端藥物開發(fā)（83家）、臨床前發(fā)展（57家）及藥物再利用（26家）。從當前的進展來看，落地主要集中在藥物發(fā)現(xiàn)和臨床前研發(fā)階段，AI制藥的強項還是在前端，即在早期藥物發(fā)現(xiàn)階段。在后端，尤其進入臨床之后，目前AI制藥所能賦能的或者顯著加速的領域還不多，當下還是要按照傳統(tǒng)的藥物研發(fā)的方式做臨床試驗。項目舉例：1、Moderna：2024年4月，Moderna宣布與OpenAI展開深入合作，截至目前，Moderna員工已開發(fā)超過750個定制化的OpenAIChatGPT版本，用于協(xié)助選擇臨床試驗的最佳劑量和對監(jiān)管機構的回答；2、賽諾菲：在2024年5月，賽諾菲與AI藥企FormationBio及OpenAI達成合作，匯集各自的數(shù)據(jù)、軟件和調整模型，開發(fā)貫穿藥物開發(fā)全周期的定制化專屬解決方案；3、東陽光藥業(yè)：東陽光藥業(yè)自2023年起與華為云開展AI藥物研發(fā)合作，基于盤古藥物分子大模型對高精度藥物分子屬性和藥物結構進行優(yōu)化。目前已成功通過AI輔助快速獲得候選分子HEC169584，并計劃2024年下半年申請臨床；4、泓博醫(yī)藥:正在自行搭建PR-GPT多模態(tài)大型語言AI模型，主要用于處理和生成人類語言以及化學分子描述，目前知識問答、藥物分子生成、藥代動力學及毒理性質預測等功能已上線進行內部測試，計劃于2024年四季度投入商業(yè)運營。項目舉例：1、OpenAI：Moderna與OpenAI合作開發(fā)了超過750個定制化OpenAIChatGPT版本，優(yōu)化臨床劑量選擇和監(jiān)管溝通；2、華為：華為云盤古藥物分子對17億個藥物分子的化學結構進行了學習，生成了1億個篩選庫新穎性達99.68%；3、谷歌：在《自然》雜志刊發(fā)的論文中介紹AlphaFold3，稱AlphaFold3將蛋白質與其他分子類型的相互作用預測準確度較現(xiàn)有方法提升了至少50%；4、美國初創(chuàng)公司Profuluent：于2023年1月推出了基于Transformer架構的12億參數(shù)蛋白質語言模型Progen，該模型能夠根據(jù)特定屬性生成定制蛋白質，實現(xiàn)了人工酶的從頭合成，標志著蛋白質設計和合成技術的重要突破；5、英矽智能：在其靶點發(fā)現(xiàn)平臺PandaOmics中集成了知識圖譜和ChatGPT，創(chuàng)建了ChatPandaGPT，使研究人員能夠通過自然語言交互更高效地識別潛在的藥物靶點和生物標志物。目前，該平臺已在一些全球知名藥企中進行靶點發(fā)現(xiàn)等方面的應用；6、清華系初創(chuàng)團隊水木分子：推出新一代對話式藥物研發(fā)助手ChatDD，涵蓋藥物立項、臨床前研究、臨床試驗各階段，作為制藥專家的AI助手，提升藥物研發(fā)人員的工作效率。投融資規(guī)模：全球：AI+藥物研發(fā)相關融資總事件達104起，總金額為36.01億美元。美國：2023年美國的AI藥物研發(fā)融資事件為48起，融資總額占全球的80%。（數(shù)據(jù)來源：智藥局，《潮漲潮落！2023全球AI制藥融資總覽》，2024.1.22）中國：2023年中國的AI藥物研發(fā)融資事件32起，融資總額占全球的10%。（數(shù)據(jù)來源：智藥局，《潮漲潮落！2023全球AI制藥融資總覽》，2024.1.22）1.4.2輔助醫(yī)療應用價值市場空間：***醫(yī)院和診所是主要應用場景，在這些機構中，AIGC被用于醫(yī)學影像診斷、臨床決策支持、患者管理和病歷記錄等。應用價值：1、通過大模型分析圖像和文本，快速識別病理特征，提高診斷的準確性和速度，從而降低醫(yī)療成本并提升醫(yī)療服