区块链行业深度:AIGC的商业化之路展望

类别:行业 机构:国盛证券有限责任公司 研究员:金郁欣/宋嘉吉 日期:2023-01-28

  去年我们在AIGC 首篇深度报告《AIGC:Web3 时代的生产力工具》中阐述了该技术的变革及带来的产业变化,随着ChatGPT 的走火,大家经常问起:AIGC 的商业化之路怎么走?AIGC 如何赚钱?——我们访谈了数十家国内外的AIGC 团队,同时看到1 月初微软宣布了与OpenAI 的深度合作,将AI技术整合进现有产品,并为开发者提供AzureOpenAI 云服务,允许其开发自己的AI 应用,AIGC 曙光已现,本文将着重探讨其商业化之路。

      AIGC 带来的商业模式变革——AI 的显性化。随着自然语言技术(NLP)进一步降低AI 的使用和触达门槛,以及伴随着AIGC 生成算法的优化与改进,我们发现AIGC 的商业化落地速度和效果表现将超预期,一些如Jasper 这样的初创企业已经开始产生了营收。这意味着AI 正以越来越显性的方式产生商业模式。AI 已经不再像过去那样与硬件、系统等一起打包进行商业化落地了。对于普通人来说也不再是一门遥不可及的尖端技术。

      To B 仍是AIGC 的主要商业模式。虽然AIGC 使C 端用户以较低的门槛使用AI 生成内容,但就目前来看,to B 仍然是核心商业模式。对于B 端客户来说,他们的需求和付费意愿是较为稳定的,这主要有以下两个核心原因:对于B 端带来的效率提升和成本下降,如用AIGC 抓取信息后根据已有模板完成新闻或一些产品的测评;能够填补原本很难完成的需求鸿沟。

      面向C 端的AIGC,以SaaS 订阅为主。随着AI 模型与算力的发展突破了可用的临界点,AIGC 对个体的赋能也不容忽视,且将以SaaS 订阅为主。第一是作为效率工具,AIGC 产品能够在信息获取、格式整理和工作流等各个流程提高个人用户的效率;第二是作为创作工具,像剪辑、修图软件一样,AIGC 能够大幅度降低大众用户的创作门槛。效率工具例如Notion 发布的NotionAI,尤其值得关注AI 模型作为基础设施集成到已有的工作流中。

      AIGC 未来应用普及的背后,将产生巨大的算力市场。根据OpenAI 的研究,AI 训练所需算力指数增长,且增长速度超越硬件的摩尔定律。AI 模型大算力的背后需要高昂的算力成本,GPT-3 训练的算力成本超过400 万美元。尽管AI 模型往往会选择开源,但数据集和训练成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。在未来AIGC 随着B 端和C 端的商业化落地的实现,算力集群的建设和云服务都会受益,同时考虑到英伟达A100、H100 出口受限,相关国产算力芯片将有机会获得增量市场。

      AIGC 社区的价值。近期在与各个创业团队的沟通过程中,我们发现行业一个重要的关注点会放在AIGC 与Web3.0 的结合,以及AIGC 与社区的融合。AIGC 让用户的创作门槛的降低,有助于加强社区的互动和发展,同时降低了平台的内容成本。社区用户对内容的探讨与偏好能为AIGC 模型提供优质的反馈,以便后续优化增强产品力。NFT 能够确权作品和链接社区,AIGC与NFT 社区的结合探索,或将产生值得期待的商业创新。

      AIGC 投资框架:软硬件与数据集。生成算法、NLP 与算力决定AIGC 能否运行,而高质量的数据集决定了AIGC 质量与商业模式。软件层面主要包括自然语言处理技术:谷歌、微软、科大讯飞、拓尔思;AIGC 生成算法模型及数据集:英伟达、Meta、百度、蓝色光标、视觉中国、昆仑万维。算力层包括:中兴通讯、澜起科技、新易盛、天孚通信、宝信软件、中际旭创等。

      风险提示:技术创新不及预期;政策监管风险。