(报告监制/分析师：郭盛证券金宇鑫宋佳吉)
微软与OpenAI深化合作，AIGC商业化加速。
1月23日，微软正式宣布将与OpenAI进一步合作，并将在未来几年投资数十亿美元，加速向公众介绍AI技术。
微软正在快速推进OpenAI的商业化，将当前的ChatGPT、DALL-E等AI工具整合到微软的所有软件中，如Bing、Office等，为用户带来更高效的交互体验。
更值得注意的是，微软将提供AI云服务AzureOpenAI，允许开发者基于OpenAI的模式构建自己的应用，从而加速AI技术的商业化。
这表明OpenAI作为AIGC行业的领导者，已经开始了商业化的道路。一方面，作为模型基础设施，OpenAI赋能搜索引擎和办公软件，提高效率和用户粘性；另一方面，借助合作伙伴的计算基础设施，为后续的底层硬件扩展打下坚实的基础。
在之前的深度报告《AIGC：Web3 时代的生产力工具》中，我们讨论了AIGC的技术变化和应用场景。随着产品的落地和场景的拓展，越来越多的市场注意力将集中在商业模式的讨论上，也就是一个关键问题：AIGC怎么赚钱？
通过行业采访，我们认为2023年将是AIGC加速商业化的一年，AIGC有望走近大众的生活和工作。
1.AIGC带来的商业模式的改变。——AI的明确性“AI的明确性”是我们最近的产业交流中感受最深的。虽然AI已经发展了很多年，但是它在很多领域的应用更像是学过专业的“专科生”。如今，基于大模型的AIGC更像是接受过普通教育的研究生。虽然开发初期其在特定专业领域的功能有限，但具有较强的扩展性。
因此，我们预计2023年GPT4车型发布后，“AIGC”将成为全球趋势。
底层的大模型和数据集将成为下一个技术时代，真正的“IT基础设施”既有垂直价值，也不可忽视。就像OpenAI和微软的合作一样，通用AI的显性化趋势将日益显著。
人工智能有潜力通过自动化各种任务、提高效率和实现新的商业方法来转变商业模式。
以下是人工智能改变商业模式的一些方式：
自动化：AI可以自动执行各种任务，如数据输入、客户服务和供应链管理。这样可以减少对人力的需求，提高效率，从而降低成本，增加利润。
改善决策：AI可以分析大量数据，并提供帮助公司做出更好决策的见解。例如，人工智能可用于优化定价、识别新机会和预测客户行为。
个性化：人工智能可以用来为个人客户提供个性化的产品和服务。这可以帮助企业更好地开展营销工作，提高客户满意度。
新商业模式：AI可以实现以前不可能的新商业模式。例如，由AI驱动的聊天机器人可以使企业提供24/7的客户支持，即使在关机的情况下也是如此。
在此之前，我们关注的AI主要集中在安全、网络监控等领域。
2020年，AI安全领域已经达到453亿的市场规模，成为最大容量、最快的商业落地赛道之一。预计2025年这一规模将达到900亿。但在这个领域，基本上是用硬件和系统打包的。
随着自然语言技术(NLP)进一步降低AI的使用和触达门槛，以及AIGC生成算法的优化和改进，我们发现AIGC的商业化速度和效果非常好，一些像Jasper这样的初创公司已经开始产生收入。这意味着人工智能正在以越来越主导的方式产生商业模式。
以2021年成立的Jasper为例，成立当年营收就达到了4500万美元，获得了7万用户。2022年的营收也预计为7500万美元。
从Jasper的官网来看，它以类似SAAS的服务形式收费，分为初级、高级、定制三种模式。然而，在用户规模和内容生成方面，中国一些领先的AIGC公司也在2022年迅速起步。预计2023年开始产生收入和利润并不困难，但能否形成SaaS订阅模式还有待观察。
以Jasper为例，它不仅集成了各种模型算法，包括GPT3、NeoX、T5等。还使用了量身定制的学习模型——，根据实际业务需求搭建界面和原始工作流程，让AI在日常生活中更容易使用。同时，由于各种模型的集成，它可以区分特定用例或行业的最佳模型组合。
这种方法有助于避免过度依赖任何一个来源，并使最终产出更好。在Japer的用户界面上，我们可以看到它提供了上百个垂直模板，比如新品推广邮件模板。这样的设计可以进一步帮助用户完成精准输出，更好的吸引用户使用。
这也是为什么Jasper成立两年就能吸引到IBM、Airbnb这样的大客户。
随着技术的进步，AI不再用硬件、系统等包装。像过去一样商业化。不再是普通人遥不可及的前沿科技。AI已经成为普通人可以轻松使用、提高效率的工具，这预示着AI的商业模式更加显性。
2.to B仍然是AIGC的主要商业模式。虽然AIGC使C端用户能够以更低的门槛使用AI生成内容，但目前来看，To B仍然是最核心的商业模式。对于C端用户来说，缺乏长期持久的需求，大部分只是一时的好奇体验。
对于B端客户来说，他们的需求和支付意愿是相对稳定和长期的，这主要有以下两个核心原因：
削减成本
AIGC取代了一些原本应该由原创者承担的工作，比如网站内容编辑、美工等。假设人工成本为100万，AIGC可以降低50%以上，企业就有足够的动力更换机器。其实这个过程正在发生，尤其是一些垂直领域，比如体育、金融、汽车等。
早在2018年，路透社就推出了AI新闻写作工具Lynx Insight Service，其主要目的是将编辑工作中机器擅长的领域分配给机器，比如数据挖掘、识别数据规则，将编辑擅长的内容交给人类，比如设置问题、赋予任务权重、理解上下文等。
这类似于我们之前尝试与聊天GPT写一份研究报告。未来人主要负责把握大方向，提出问题，而AI负责收集、处理、汇总、整合信息。
除了以上形式，更常见的是通过AI快速抓取信息和数据，嵌入到设定的模板后形成稿件。这常见于大家熟悉的“惊奇”新闻和“汽车垂直媒体”的汽车参数对比。除了新闻文章，AIGC生成的图片也用于新闻稿或自媒体插图或封面。相比原来在素材库找图的效果，更适合文章，也降低了找美工的成本，提高了效率。但在这个领域，文字的需求大于图片，一方面是因为作品的完成，另一方面也是因为自身的市场空间。
跨越B端需求缺口
有些to B申请具有项目制的特点，很难被满足，这就是所谓的需求缺口。比如IP矩阵的构建，在需要构建包括电影、电视、游戏、动漫、掌机等周边产品时，需要大量的原创作者来丰富IP矩阵，这是一个漫长且成本高昂的过程。内容提供者因为工作量巨大而无法提供大量原创稿件，需求者因为看不到内容而无法买单。
在未来，基于AIGC，原创内容提供商可以用少量的稿件和模型的帮助产生大量的内容。由于扩散模型的存在，这种“白盒黑盒”式的内容生成甚至具有“二次创作”的意义。如果能在AIGC的帮助下跨越需求缺口，大规模的B端项目会更容易实现。
我们以二级市场为例。行业进入爆发期，产业链趋于成熟。2020年，国内整体市场规模已经超过1000亿，预计2023年泛二次元用户规模将达到5亿。围绕二次元IP形成的新衍生产品矩阵，包括潮玩、虚拟偶像、服装、线下娱乐，市场巨大，也是当前发展的重点。
在时装、虚拟偶像、服装的设计制作过程中，需要挑选设计师，完成设计流程。在AIGC的帮助下，这个过程的效率可以大大提高。
在原有的情况下，需要安排一批设计师尝试设计出初稿，并与IP方沟通审核，导致沟通成本和初稿设计成本相对较高。以AIGC为例，设计师可以先训练自己的风格生成模型，根据IP方的要求快速设计多个初稿供选择。
这可以快速帮助识别设计师，降低沟通成本。在后续的设计制作过程中，AIGC还可以高效地生成各种类似的风格或IP内容，这将大大提高效率，降低成本。
因此，即使AIGC因技术的发展而变得流行，我们仍然认为to B是现阶段主要的商业模式方向。最核心的原因是B带来的效率提升很实用，也可以填补原本难以完成的需求对接，客户更愿意付费。
3.面向C端的AIGC，主要是SaaS订阅，随着AI模型和计算能力的发展，已经突破了可用的临界点，AIGC对个人的赋能也是值得关注的方向。在极小的边际成本下，AIGC的应用可以大大提高个人信息处理的效率和内容输出的质量，这种技术可能会反作用于生产关系的演变。
因此，面向C端的AIGC应用的商业价值可以从两个角度来讨论：
第一，作为一种效率工具，如传统的笔记、日程管理等工具，AIGC应用可以提高个人用户在信息获取、格式化、工作流等各种流程中的效率，AI模型可以作为基础设施集成到现有的工作流中；
其次，AIGC作为一个创作工具，和编辑修图软件一样，在UGC内容大行其道的今天，可以大大降低大众用户的创作门槛，强化个人媒体的IP价值。
从商业角度来看，以AIGC为底层基础设施的SaaS订阅将成为中长期趋势。目前，Midjourney等公司也进行了类似的尝试。
用户付费的逻辑在于以下几个方面：
获取信息的更有效的方法
AIGC取代搜索引擎成为下一代信息获取方式。ChatGPT上线后被广泛讨论的一个问题是：ChatGPT会取代Google吗？
传统的搜索引擎通过搜索关键词并对其相关性进行排序，为用户提供具有潜在价值的页面链接。
ChatGPT可以通过庞大的语料库直接回答用户提出的问题。比如在询问光纤光缆行业概况时，ChatGPT会直接基于用于训练的大数据集给出合理的答案，用户也可以在提问过程中进行回复。而传统的搜索引擎需要根据关键词找到合适的信息，并进行整理。
从实际体验来看，ChatGPT获得的信息质量高于搜索引擎，速度也会更快，但会有数据集的限制(比如ChatGPT对2020年以后的信息一无所知)，但在大多数场景下已经可以替代搜索引擎。
虽然ChatGPT目前处于演示阶段，但社交媒体上已经有人表示愿意付费使用，以提高效率。
从辅助表达到替代表达
在内容表达上，AIGC可以完成从辅助到替代的飞跃。效率工具在辅助表达和提升沟通效率方面做了很多尝试，比如从语法上修改用户表达的语气和措辞，提供常用的表达模板和规范。AIGC可以更进一步，按照指定的格式、语气、场景输出内容，从而代替人工表达。
以Jasper为例，主要产品是AI文本生成。通过其文本生成功能，用户可以生成Instagram标题，编写抖音视频脚本，广告营销文本，电子邮件内容等。
集成到现有工作流程中
AIGC将被纳入现有的工作流程。AI大模型作为一个基础设施，可以根据具体的使用场景和需求设计应用，也可以集成到现有的工作流中。
例如，其应用opinion是一个全平台的文档工具，支持协作、笔记、表单、看板等功能，在2021年完成了由Coatue和红杉领投的2.5亿美元C轮融资，投后估值103亿美元。
2022年，观念的用户已经达到3000万，付费用户达到400万。前段时间，opinion发布了opinion AI的测试版。opinion AI完全集成到opinion现有的工作流程中，用户可以在整理材料、管理日程和在应用程序中进行创作时使用AI辅助来提高效率。
即使是midjourney，unlimited Layout和ChatGPT也很难说是一个完整的工具。没有用户现有的工作流程，AIGC更像是一个“玩具”，但如果把这个功能嵌入到现有的工作流程中就完全不一样了。
扩展用户创造力
随着创作工具的发展和普及，更多的个人用户被称为内容创作者，这也带来了UGC的繁荣。作为内容创作工具，AIGC将进一步降低图片、视频等内容的创作门槛。
以前的配音都是通过文案自动生成的，而AIGC可以一句话生成文案，一句话生成图片甚至视频：比如在中旅，用户只需要输入文字描述，电脑就会自动生成一部作品；AIGC虚拟人可以根据拷贝的内容自动生成虚拟人程序。
这些应用程序使用户能够以相对较小的学习成本在短时间内创建更多的内容。
4.AIGC背后的计算能力AIGC背后的“计算能力”有多大？
AI训练所需的计算能力呈指数级增长，增长速度超过硬件的摩尔定律。2018年，OpenAI发表了一项研究成果，试图量化大语言模型所需的计算能力，以及计算能力需求的增长趋势。
研究发现，从2012年到2018年，训练AI所需的计算能力每3-4个月翻一番，总体呈指数级增长(摩尔定律只用了18个月就翻了一番)。从2012年到2018年，花在训练AI上的计算能力增长了30万倍，而摩尔定律同期只增长了7倍。
对于常见的大型机型(如GPT-3、NLG、地鼠等。)，petaFLOPS-days常用来衡量计算力。这个单元意味着每秒执行1万亿次浮点运算的设备，需要全天不间断运行。相比之下，英伟达的旗舰产品RTX3090在标准功率下的浮点计算能力约为35 TFLOPs，每秒可处理35万亿次计算。1 petaFLOPS-days意味着它需要在最高计算能力下运行29天。即使使用目前最快的超级计算机，这个训练过程理想情况下也要超过一周。
未来AIGC普及的背后，将是一个巨大的计算能力市场。
AI模型计算能力大的背后是很高的计算成本。以GPT-3为例，模型的参数多达1750亿个，训练所需的计算能力高达3650 PFLOPS-day。
根据Lambda的计算，以V100理想状态下28 TFLOPS的计算能力和云计算最少三年的成本，完成GPT-3的训练需要460万美元，下一代GPT-4的参数会更多。
虽然AI模型往往选择开源，但是数据集和训练结果是一个团队的内部资产，这意味着每个AI产品都需要支付自己的训练成本。
目前大多数创业团队都部署在云端，因为一个单独的计算集群是非常昂贵的。目前高端的A100产品大概在6-9万元，1000张A100卡加上CPU、硬盘、存储、机房电源等配套设施的硬件投入近亿。
未来，随着AIGC B端和C端的商业化，计算能力集群和云服务的建设将受益。同时，考虑到NVIDIA A100和H100出口有限，相关国产计算能力芯片将有机会获得增量市场。
5.AIGC社区的价值——未来金矿在最近与各创业团队的交流中，我们发现行业的一个重要焦点将是AIGC与Web3.0的结合，以及AIGC与社区的融合。
这种结合趋势主要体现在：AIGC可以帮助社区互动和文化发展；社区可以对AI模型进行反馈；AIGC和NFT的结合产生了一种新的商业模式。
低门槛的表达可以让更大的用户参与到社区互动中。相比UGC平台，AIGC可以进一步降低用户参与创作的门槛和成本；创作门槛的进一步降低，有助于社群的互动和发展，降低平台的内容成本。比如暴走漫画，最初通过漫画工具降低了用户的表达门槛，大量流行段子诞生，丰富了整个“暴走IP”社区。AIGC提供给用户的创意远远超过传统的内容社区，或将诞生新的平台商业模式。
社区对AIGC作品的反馈可以为AI模型提供训练反馈。
以图像生成为例，同一个关键词在不同的平台上可能会有不同的效果，比如在A平台上效果很好，而在B平台上效果很差。其中一个重要的原因就是模型的训练，同一模型下不同的训练方法也会导致结果的巨大差异。
在监督学习下，训练者需要对AIGC生成的内容进行反馈，从而调整算法的参数，直到算法的效果令人满意。ChatGPT免费在线产品演示的一个重要原因是通过开放的用户交互来收集更多的反馈数据。
社区对内容的讨论和偏好可以为AIGC模式提供高质量的反馈，从而优化和提升未来的产品力。
当AIGC涉及到知识产权相关领域时，传统的版权授权体系很难与之匹敌。这种问题在UGC时代经常出现，比如粉丝的二代行为。NFT的标记性使得创作者和二次创作者与受众之间的联系更加多样化。我们也看到了包括BAYC、Cryptopunks在内的NFT持有者已经形成了专属的粉丝社群，NFT与粉丝经济的结合也在探索中。
由于过程的随机性，AIGC不太可能重复生成内容，它会生成一个类似数字指纹的种子。与NFT的结合，可以将内容生产的作者与内容本身绑定，也可以与内容的原创IP关联。有巨大的探索和尝试空间。硅谷和新加坡的很多团队都参与其中，后续的研究我们会继续跟进。
6.报告摘要：AIGC的软件、硬件和数据集范围从PGC到UGC再到AIGC。AIGC可以让人类突破内容生产力的束缚，高效生成优质内容，让人类进入真正的元宇宙。如果AIGC能满足元宇宙的需求，独立完成高质量、高精度的内容，AIGC的技术水平还需要一些发展。我们可以将其分为两个维度：软件层面主要包括自然语言处理技术、AIGC生成算法模型和数据集，硬件层面主要包括计算能力和通信网络。
催化剂：1)第二季度新GPT4车型的发布。2)微软在搜索引擎和办公软件中集成了AIGC功能。
从主题投资的角度来看，我们认为2022年AIGC概念推出后，2023年行业将爆发，包括新车型的发布和各领域“AIGC”的落地。
一方面对现有的——短视频、游戏等杀手级应用产生颠覆性的影响。或者进一步扩大内容和提高沉迷度，同时为社交和广告提供新的工具；另一方面，在Web3开放、共建的价值观下，UGC和AIGC的内容将更具吸引力，二次创作和开放想象的浪潮将会到来。
科技创新不如预期的风险提示：AIGC科技发展不如预期。底层硬件技术的发展，如超级计算机和计算能力，不如预期。
政策监管风险：目前AIGC还处于比较初级的阶段，未来是否会有针对AIGC作品的相关知识产权或其他法律监管规定尚不明确。
——————————————————
报告归原作者所有，仅供学习！如有侵权，请删除私信，谢谢！
报告来自远瞻智库报告中心——远瞻智库| 3亿人有用的知识平台。
