今天分享的是AIGC系列深度研究报告:《AIGC专题:AIGC内容生成深度产业报告》。
(报告出品方:量子位智库)
关键结论
区别于Generative Al和Svnthetic media,AIGC中的跨模态生成和策略/线索生成应当得到重视这两者也是AIGC长期的重要价值增长点。
按照模态区分,AIGC可分为音频生成、文本生成、图像生成、视频生成及图像、视频、文本间的跨模态生成,细分场景众多,跨模态生成需要重点关注。Game Al和虚拟人生成是目前变现较为明确的两大综合赛道,预计对原行业产生整体性影响。
以下技术要素值得关注:长/开放式文本生成、NeRF模型、Diffusion模型、跨模态大型预训练模型、小样本学习及自监督算法、强化学习及环境学习。以下技术场景值得关注:闲聊式文本生成、个性化营销文本、富情感及细节TTS、拼凑式视频生成、基于文本的AI绘画、语音复刻。
除降本增效、提供参考外,AIGC的以下两点价值更值得关注:对不同模态元素进行二次拆解组合改变内容生产逻辑及形式;和其他AI系统或数据库进行联动,有实现高度个性化/高频优化。
我国AIGC行业仍处于刚刚起步阶段,距离大规模验证和体系化发展仍有距离,“模块分拆+个性化推荐”的“泛AIGC”形式预计将有所发展。
技术定义
AIGC全称为AI-Generated Content,指基于生成对抗网络GAN、大型预训练模型等人工智能技术,通过已有数据寻找规律,并通过适当的泛化能力生成相关内容的技术。与之相类似的概念还包括Synthetic media,合成式媒体,主要指基于AI生成的文字、图像、音频等。
Gartner也提出了相似概念Generative AI,