AIGC（AI-Generated Content，人工智能生成内容）正引领新一轮技术范式转移。 近年来，硅谷的一线风投机构纷纷将目光投向 AI 初创公司，尤其是生成式 AI 艺术领域。2022 年，Stability 和 Jasper 两家公司分别获得超一亿美元融资，估值突破十亿美元。AIGC 赛道的火爆不仅得益于技术进步和商业应用的广泛需求，更因其仍处于早期发展阶段。尽管大型科技公司占据了大量市场份额，初创企业仍有巨大的突破空间。
AIGC：Web3 时代的内容生成引擎
随着 Web3.0 时代的到来，人工智能、关联数据和语义网络构建了人与网络的全新链接，内容消费需求呈现爆发式增长。传统的 UGC（用户生成内容）和 PGC（专业生成内容）模式已难以满足这一需求。AIGC 将成为元宇宙内容生成的核心解决方案。通过人工智能学习知识图谱并自动生成内容，AIGC 不仅能够提升内容生成效率，还能显著增加内容的多样性。随着自然语言处理（NLP）技术和扩散模型（Diffusion Model）的发展，AI 已从内容创作的辅助工具演变为内容生成的主体。未来，文字生成、图片绘制、视频剪辑和游戏内容创作均可由 AI 完成。
AIGC 技术核心：NLP 与生成算法
AIGC 技术的核心主要包括自然语言处理（NLP）和生成算法。NLP 是实现人机自然语言交互的关键技术，而生成算法则以生成对抗网络（GAN）和扩散模型为主流。其中，扩散模型凭借其高精度、可扩展性和并行性，已成为下一代图像生成模型的代表。其快速发展是 AIGC 增长的重要推动力。此外，机器学习的训练过程需要大量算力支持，目前以英伟达 A100 为代表的硬件设备正成为底层算力需求的核心。
AIGC 的商业应用与变现模式
AIGC 在文字、图像、音频、游戏和代码生成等领域的商业模型逐渐显现。通过对国内外数十家 AIGC 企业的研究，我们发现，在重复性高且精度要求较低的领域，AIGC 应用已逐步成熟，并开始探索商业化路径。目前，图片生成和文字生成是较为常见的应用场景，大多数 AIGC 服务以 SaaS 形式变现。
AIGC 的未来发展：大模型、大数据与大算力
AIGC 的未来发展离不开大模型、大数据和大算力的支持。结合自然语言的大模型与数据集已成为 AIGC 发展的软件基础，例如 OpenAI 的 Clip 模型基于 4 亿组高质量的英文图文数据进行训练。与此同时，算力的重要性在 AIGC 时代愈发凸显。以 Stable Diffusion 为例，其依赖于 4000 个英伟达 A100 GPU 集群，运营成本超过 5000 万美元。未来，垂直领域的应用开发将成为重点，以便更有针对性地进行功能训练。
AIGC 投资框架：软硬件与数据集
AIGC 的成功运行依赖于生成算法、NLP 和算力，而高质量的数据集则决定了 AIGC 的内容质量与商业模式。
- 软件层面：包括自然语言处理技术，代表企业有谷歌、微软、科大讯飞和拓尔思。
- 生成算法与数据集：涉及英伟达、Meta、百度、蓝色光标、视觉中国和昆仑万维等公司。
- 算力层：包括澜起科技、中兴通讯、新易盛、天孚通信、宝信软件和中际旭创等企业。
风险提示：技术创新不及预期、底层硬件技术发展滞后以及政策监管风险是 AIGC 发展的主要挑战。目前，AIGC 仍处于早期阶段，相关知识产权和法律监管条款尚未明确。
2022：AIGC 的崛起之年
2022 年，AIGC 领域迎来爆发式增长。硅谷风投机构纷纷布局 AI 初创公司，尤其是生成式 AI 艺术领域。同年 9 月，红杉美国发表文章《生成式 AI：一个创造性的新世界》，认为 AIGC 将引领新一轮范式转移。
2022 年 10 月，英国开源 AI 公司 Stability AI 获得 1.01 亿美元融资，估值达 10 亿美元，成为独角兽企业。其发布的 Stable Diffusion 模型通过文字描述自动生成图像，进一步推动了 AI 绘画领域的火热发展。与此同时，巴比特宣布全面拥抱 AIGC，大规模采用 AI 配图，覆盖其网站、APP 及各大社交媒体平台。
除绘画外，AI 在文字、音频和视频生成领域也取得了显著进展。例如，Jasper 通过 AI 文字生成功能帮助用户创作社交媒体内容、广告文本和电子邮件，2021 年已拥有超过 7 万客户，收入达 4000 万美元。
在音频领域，Podcast.ai 通过 AI 生成播客内容，例如模拟乔布斯访谈的节目。在视频领域，AI 已能生成序列帧，如《幻觉东京》项目通过 160 小时完成 3 万多张插画，展现了 AIGC 在视频创作中的潜力。
随着 NLP 和扩散模型的发展，AI 已从内容生成的辅助工具转变为创作主体。扩散模型的成熟使生成方式更接近人脑联想，标志着 AIGC 技术的重要突破。