AIGC Artificial Intelligence Generated Content， 或者Generative Artificial Intelligence，它能夠生成新的數(shù)據(jù)、圖像、語音、視頻、音樂等內(nèi)容，從而擴(kuò)展人工智能系統(tǒng)的應(yīng)用范圍。

生成式人工智能有可能給全球經(jīng)濟(jì)帶來徹底的變化。根據(jù)高盛（Goldman Sachs）的數(shù)據(jù)，未來10年，生成式人工智能可以推動(dòng)全球GDP增長(zhǎng)7%（或近7萬億美元），并在10年內(nèi)將生產(chǎn)率增長(zhǎng)1.5個(gè)百分點(diǎn)。

這場(chǎng)AIGC的火熱，最早是由ChatGPT帶來的，相信很多朋友已經(jīng)嘗試過，目前GPT4已經(jīng)開放使用，相比3.5又有了長(zhǎng)足的進(jìn)步，國(guó)內(nèi)互聯(lián)網(wǎng)公司也都在競(jìng)相快速跟進(jìn)，百度最早發(fā)布了文心一言，華為云最近也發(fā)布了盤古大模型3.0，阿里云推出了通義千問和通義萬相，前者針對(duì)問答場(chǎng)景，后者面向的是繪畫創(chuàng)作，也就是文生圖場(chǎng)景。騰訊云推出了VectorDB ，向量數(shù)據(jù)庫，作為知識(shí)庫構(gòu)建問答場(chǎng)景的一個(gè)工具。我有一個(gè)朋友，也算是資深的業(yè)內(nèi)專家，他評(píng)價(jià)國(guó)內(nèi)廠商在LLM大語言模型方面的水平，大概到年底能接近或追到GPT3.0的水平，那時(shí)候估計(jì)GPT5.0已經(jīng)發(fā)布了，所以大致可以認(rèn)為國(guó)內(nèi)的大語言模型和OpenAI有兩代的差距，還需要繼續(xù)努力。由于中美之間大家都明白的關(guān)系，OpenAI不給國(guó)內(nèi)商用，雖然有一些套殼的平臺(tái)，但大規(guī)模2B的應(yīng)用很難落地，從這個(gè)角度，實(shí)際給了國(guó)內(nèi)廠商一個(gè)機(jī)會(huì)，誰能把基礎(chǔ)做扎實(shí)，真正達(dá)到降本增效，提升生產(chǎn)力，國(guó)內(nèi)的龐大市場(chǎng)，諸多行業(yè)及客戶，還是有很大想象空間的。正因如此，國(guó)內(nèi)廠商都不愿意錯(cuò)過，無論是對(duì)于股市、估值、融資，還是對(duì)于存量業(yè)務(wù)下滑的恐懼，GenAI都是不得不押的賽道。如今的「百模大戰(zhàn)」讓人想到了百團(tuán)大戰(zhàn)，共享單車大戰(zhàn)，誰能笑到最后遠(yuǎn)未可知。

說到AIGC，大模型，不得不提的還有底層算力，非常燒錢，為了訓(xùn)練GPT-3.5模型， OpenAI使用了大約10,000個(gè)英偉達(dá)的 GPU，它被認(rèn)為是用于大型模型訓(xùn)練的門票，GPT-3訓(xùn)練一次的成本約為140萬美元，GPT3.5 共有1750億參數(shù)量，訓(xùn)練一次成本1200萬美金。10億美元的硬件開銷，對(duì)于許多廠商來說，都是一道難以逾越的鴻溝。

目前，英偉達(dá)的GPU，A100,H100，一卡難求，限制了對(duì)中國(guó)的出口，最近又有消息傳出，美國(guó)政府不排除對(duì)中國(guó)公司使用云上的GPU做出限制，這就很令人難受了，目前不少國(guó)內(nèi)公司是使用美國(guó)三大云廠商來訓(xùn)練和部署自己的AIGC模型的，一旦做出這種限制，估計(jì)很多公司需要在海外注冊(cè)公司來繞開限制，繼續(xù)使用GPU機(jī)型，對(duì)國(guó)內(nèi)的人才儲(chǔ)備、創(chuàng)新環(huán)境又是一個(gè)打擊。

生成式AI雖然如火如荼，但還在發(fā)展的很早期階段，真正在2B領(lǐng)域落地的案例很少，或者說都還在早期摸索和嘗試中。我們總結(jié)AIGC主要的創(chuàng)造商業(yè)價(jià)值的方向有以下四個(gè)方向，一個(gè)是新體驗(yàn)，在客戶和員工互動(dòng)方面，比如客服、問答系統(tǒng)，能夠用AIGC打造更吸引人的創(chuàng)新方式，第二是效率工具，比如生成文章、總結(jié)段落大意，生成代碼，微軟有copilot，亞馬遜發(fā)布了codewhisperer，這些可以使一些文案創(chuàng)意工作者，軟件工程師的生產(chǎn)效率提高，給企業(yè)帶來價(jià)值；第三，見解、洞察， 從海量企業(yè)信息中，提取見解和洞察，作為決策支持的工具，基于互聯(lián)網(wǎng)海量信息的大模型，結(jié)合行業(yè)知識(shí)庫，企業(yè)知識(shí)庫，相信能在很多問題的回答中，給出有別于員工、管理層認(rèn)知的一些深層次洞察，這些內(nèi)容不乏能夠幫助企業(yè)做決策的信息；第四，創(chuàng)造力工具，包括生成故事、圖像、視頻、音樂，AI能夠在圍棋方面戰(zhàn)勝人類，說明機(jī)器在圍棋可能性方面的計(jì)算能力已經(jīng)超越人類，換句話說就是機(jī)器比人畢其一生看到的棋局可能性已經(jīng)多了很多個(gè)數(shù)量級(jí)，那么在GC方面，也可以認(rèn)為機(jī)器可以比人類有更多的創(chuàng)新空間，不排除可以創(chuàng)造出我們沒有見過的，甚至沒有想過的音樂，圖像，視頻，這些都將大大拓展人類的思維空間。

目前已經(jīng)小規(guī)模應(yīng)用的領(lǐng)域，比如廣告、媒體行業(yè)，圖片、視頻的生成，影視作品配樂，游戲社交電商行業(yè)，?營(yíng)銷文案，配圖生成，logo圖標(biāo)生成，頭像生成等等。主要使用開源的模型做個(gè)性化構(gòu)建，應(yīng)用最廣泛的就是Stable Diffusion，Stable Diffusion 2.0 訓(xùn)練花費(fèi) 200,000 A100 小時(shí)，成本不菲，所以目前有人說，大模型的PK實(shí)際目前格局已定，只有一些一線大廠可以玩的起，和當(dāng)年的云計(jì)算類似，如今剩下來的也就是幾個(gè)巨頭，連美團(tuán)、360這樣的公司，最后都放棄了云計(jì)算方向，相信現(xiàn)在下場(chǎng)玩大模型的廠商，也會(huì)逐漸收斂到頭部，大模型也有贏者通吃效應(yīng)，做的越好，投入越大，生態(tài)越完備，行業(yè)、企業(yè)應(yīng)用越多，推動(dòng)廠商更多的投入，最終形成一個(gè)閉環(huán)的增長(zhǎng)飛輪，迫使一些排名靠后的廠商放棄開發(fā)和維護(hù)，最終一定是這個(gè)結(jié)果。目前除了Top3的巨頭公司，其他公司更應(yīng)該聚焦行業(yè)和企業(yè)，看看如何將AIGC和行業(yè)企業(yè)做更好的結(jié)合，把大模型到最終2B用戶的最后一公里做好，這方面應(yīng)該能養(yǎng)活很多公司，就如同做SAP/Oracle咨詢和實(shí)施，做AWS/Azure解決方案的無數(shù)生態(tài)合作伙伴一樣。

對(duì)于希望在AIGC方向有所發(fā)力的IT公司，除了開源解決方案的搭建和調(diào)優(yōu)，也不妨去看看各大云廠商的相關(guān)服務(wù)，比如微軟Azure的openAI service，copilot, amazon推出的bedrock，語言大模型titan，當(dāng)然，也需要關(guān)注頭部GenAI廠商的開源模型，如meta開源的LLama2，Anthropic的Claude，Stable AI的Stable diffusion，這些模型區(qū)別于chatGPT的中心化模式，更接近企業(yè)的私有化部署和數(shù)據(jù)隱私需要，百度阿里華為發(fā)布的產(chǎn)品也值得關(guān)注，不管是從中美目前大家都心知肚明的科技現(xiàn)狀考慮，還是從國(guó)內(nèi)數(shù)據(jù)隱私、自主可控角度考慮，國(guó)內(nèi)廠商的大模型，大概率是國(guó)內(nèi)企業(yè)應(yīng)用落地的不二選擇，研究研究如何集成到現(xiàn)有產(chǎn)品里，或者如何包裝成產(chǎn)品給最終用戶帶來價(jià)值，在這個(gè)角度來看，大模型更像是一個(gè)基礎(chǔ)設(shè)施功能，當(dāng)年利用手機(jī)的定位功能，可以開發(fā)出打車、外賣、導(dǎo)航等一系列應(yīng)用，顛覆了用戶交互方式，大模型也一定不會(huì)僅僅是用戶問答這一個(gè)缺乏想象力的場(chǎng)景，如何在其之上，結(jié)合用戶場(chǎng)景去改進(jìn)交互方式，開發(fā)出具體應(yīng)用，未來將是關(guān)鍵點(diǎn)。

對(duì)于企業(yè)界，管理層也應(yīng)該高度關(guān)注，一邊學(xué)習(xí)和跟進(jìn)AIGC的技術(shù)發(fā)展，一邊和頭部廠商保持溝通，還要一邊留意競(jìng)爭(zhēng)對(duì)手的嘗試和動(dòng)作，對(duì)于上規(guī)模的企業(yè)來說，提升哪怕1%的效率也都是不少的錢，關(guān)鍵是生產(chǎn)機(jī)制如果變了，極有可能甩掉競(jìng)爭(zhēng)對(duì)手幾條街，大概相當(dāng)于機(jī)槍對(duì)手槍的關(guān)系，在任何有可能被AIGC改造的場(chǎng)景上，都應(yīng)該保持關(guān)注和警惕。

對(duì)于工程師來說，保持學(xué)習(xí)，能把這些工具用起來，對(duì)自身也是生產(chǎn)率提高，增強(qiáng)了競(jìng)爭(zhēng)優(yōu)勢(shì)，這些工具就像游戲里的裝備一樣，裝備越好，戰(zhàn)斗力越強(qiáng)。

據(jù)說已經(jīng)有prompt engineer，提示詞專家，能夠月入十萬了，各種先入坑的大佬也拉了很多社群，做了各種培訓(xùn)，賺得盆滿缽滿，各種歷史的風(fēng)口無不是如此，金礦邊上賣鏟子，沙漠里賣水，都是一本萬利的生意，虛擬幣挖礦時(shí)期的礦機(jī)，如今的英偉達(dá)，都是類似。

總體來看，AIGC比這些年局部大熱的AR/VR，區(qū)塊鏈，虛擬幣看起來更有普遍價(jià)值，潛在的對(duì)2C，2B的滲透率都要高不少，基于AIGC的想象空間更大，技術(shù)的早期發(fā)展到成熟，一般會(huì)經(jīng)歷大火爬高和隨之而來的低谷，最終進(jìn)入成熟階段，被業(yè)界廣泛采納，AIGC大概率也是這個(gè)曲線。至于現(xiàn)在到底是爬高沖頂還是已經(jīng)回落正在進(jìn)入低谷的冷靜期，并無公論，需要更長(zhǎng)時(shí)間的觀察。