AIGC（人工智能內(nèi)容自動生成技術(shù)）代表著AI技術(shù)從感知、理解世界到生成、創(chuàng)造世界的躍遷，正推動人工智能迎來下一個時代。經(jīng)過了2022年的預(yù)熱，2023年AIGC領(lǐng)域?qū)⒂瓉砀蟀l(fā)展。AIGC生成內(nèi)容的類型不斷豐富、質(zhì)量不斷提升，也將有更多的企業(yè)積極擁抱AIGC。在這個背景下，騰訊研究院正式發(fā)布《AIGC發(fā)展趨勢報告2023：迎接人工智能的下一個時代》。報告從技術(shù)發(fā)展和產(chǎn)業(yè)生態(tài)、應(yīng)用趨勢、治理挑戰(zhàn)等維度，對AIGC的發(fā)展趨勢進行了深入思考。報告指出，AIGC將作為生產(chǎn)力工具，不斷推動聊天機器人、數(shù)字人、元宇宙等領(lǐng)域發(fā)展。AIGC技術(shù)讓聊天機器人接近人類水平日益成為現(xiàn)實，AIGC也在大大提升數(shù)字人的制作效能，并且使其更神似人。在元宇宙領(lǐng)域，AIGC在構(gòu)建沉浸式空間環(huán)境、提供個性化內(nèi)容體驗、打造智能用戶交互等方面發(fā)揮重要作用。

AIGC發(fā)展趨勢報告（2023）簡介

2022年是 AIGC（AI-Generated Content，人工智能生成內(nèi)容）爆火出圈的一年，不僅被消費者追捧，而且備受投資界關(guān)注，更是被技術(shù)和產(chǎn)業(yè)界競相追逐。

2022年9月23日，紅杉中國發(fā)表文章《生成式AI：一個創(chuàng)造性的新世界》，認為AIGC會代表新一輪范式轉(zhuǎn)移的開始。2022年10月，Stability AI 獲得約1個億美元融資，估值高達10億美元，躋身獨角獸行列。Stability AI發(fā)布的開源模式 Stability Diffusion ，可以根據(jù)用戶輸入的文字描述（稱為提示詞，prompts）自動生成圖像，即文生圖（Text-to-Image，T2I）。Stability Diffusion、DALL-E 2、Midjourney 等可以生成圖片的 AIGC 模型引爆了 AI 作畫領(lǐng)域，AI 作畫風(fēng)行一時，標志人工智能向藝術(shù)領(lǐng)域滲透。

2022年12月，Open AI 的大型語言生成模型 ChatGPT 刷爆網(wǎng)絡(luò)，它能勝任刷高情商對話、生成代碼、構(gòu)思劇本和小說等多個場景，將人機對話推向新的高度，讓網(wǎng)友不禁懷疑 ChatGPT 是否已經(jīng)具備人類智能。全球各大科技企業(yè)都在積極擁抱 AIGC，不斷推出相關(guān)技術(shù)、平臺和應(yīng)用。

01 AIGC技術(shù)和產(chǎn)業(yè)生態(tài)迎來發(fā)展快車道

1、生成算法、預(yù)訓(xùn)練模式、多模態(tài)等AI技術(shù)累計融合，催生了AIGC的大爆發(fā)

一是基礎(chǔ)的生成算法模型不斷突破創(chuàng)新；二是預(yù)訓(xùn)練模型引發(fā)了AIGC技術(shù)能力的質(zhì)變；三是多模態(tài)技術(shù)推動了AIGC的內(nèi)容多邊形，讓AIGC具有了更通用的能力。

總的來看，AIGC在2022年的爆發(fā)，主要是得益于深度學(xué)習(xí)模型方面的技術(shù)創(chuàng)新。不斷創(chuàng)新的生成算法、預(yù)訓(xùn)練模型、多模態(tài)等技術(shù)融合帶來了AIGC技術(shù)變革，擁有通用性、基礎(chǔ)性、多模態(tài)、參數(shù)多、預(yù)練數(shù)據(jù)量大、生成內(nèi)容高質(zhì)穩(wěn)定等特征的AIGC模型成為了自動化內(nèi)容生產(chǎn)的“工廠”和“流水線”。

2、AIGC產(chǎn)業(yè)生態(tài)加速形成和發(fā)展，走向模型及服務(wù)（MaaS）的未來

目前，AIGC產(chǎn)業(yè)生態(tài)體系的雛形已現(xiàn)，呈現(xiàn)為上中下三層架構(gòu)：

第一層為上游基礎(chǔ)層，也就是由預(yù)訓(xùn)練模型為基礎(chǔ)搭建的AIGC技術(shù)基礎(chǔ)設(shè)施層。由于預(yù)訓(xùn)練模型的高成本和技術(shù)投入，因此具有較高的進入門檻。

第二層為中間層，即垂直化、場景化、個性化的模型和應(yīng)用工具。預(yù)訓(xùn)練的大模型是基礎(chǔ)設(shè)施，在此基礎(chǔ)上可以快速抽取生成場景化、定制化、個性化的小模型，實現(xiàn)在不同行業(yè)、垂直領(lǐng)域、功能場景的工業(yè)流水線式部署，同時兼具按需使用、高效經(jīng)濟的優(yōu)勢。

第三層為應(yīng)用層，即面向C端用戶的文字、圖片、音視頻等內(nèi)容生成服務(wù)。在應(yīng)用側(cè)，側(cè)重滿足用戶的需求，將AIGC模型和用戶的需求無縫銜接起來實現(xiàn)產(chǎn)業(yè)落地。

隨著數(shù)字技術(shù)與實體經(jīng)濟融合程度不斷加深，以及互聯(lián)網(wǎng)平臺的數(shù)字化場景向元宇宙轉(zhuǎn)型，人類對數(shù)字內(nèi)容總量和豐富程度的整體需求不斷提高。AIGC作為當(dāng)前新型的內(nèi)容生產(chǎn)方式，已經(jīng)率先在傳媒、電商、影視、娛樂等數(shù)字化程度高、內(nèi)容需求豐富的行業(yè)取得重大創(chuàng)新發(fā)展，市場潛力逐漸顯現(xiàn)。與此同時，在推進數(shù)實融合、加快產(chǎn)業(yè)升級的進程中，金融、醫(yī)療、工業(yè)等各行各業(yè)的AIGC應(yīng)用也都在快速發(fā)展。

02 消費端：AIGC牽引數(shù)字內(nèi)容領(lǐng)域全新變革

1、AIGC有望塑造數(shù)字內(nèi)容生產(chǎn)與交互新范式，成為互聯(lián)網(wǎng)的內(nèi)容生產(chǎn)基礎(chǔ)設(shè)施

數(shù)字內(nèi)容邁入強需求、視頻化、拼創(chuàng)意的螺旋式升級周期，AIGC在這階段的發(fā)展迎合了這一需要。AIGC正在成為越來越多地參與數(shù)字內(nèi)容的創(chuàng)意性生成工作，以人機協(xié)同的方式釋放價值，成為未來互聯(lián)網(wǎng)的內(nèi)容生產(chǎn)基礎(chǔ)設(shè)施。

2、AIGC的應(yīng)用生態(tài)和內(nèi)容消費市場逐漸繁榮

而今在內(nèi)容消費領(lǐng)域，AIGC已經(jīng)重構(gòu)了整個應(yīng)用生態(tài)。作為當(dāng)前新型的內(nèi)容生產(chǎn)方式，AIGC已經(jīng)率先在傳媒、電商、影視、娛樂等數(shù)字化程度高、內(nèi)容需求豐富的行業(yè)取得重大創(chuàng)新發(fā)展，市場潛力逐漸顯現(xiàn)。2022年，AIGC發(fā)展速度驚人，迭代速度呈現(xiàn)指數(shù)級爆發(fā)，谷歌、Meta、百度等平臺型巨頭持續(xù)布局，也有Stability AI、Jasper AI等獨角獸創(chuàng)業(yè)公司問世。根據(jù)6pen預(yù)測，未來五年10%-30%的圖片內(nèi)容由AI參與生成，有望創(chuàng)造超過600億以上市場空間，若考慮到下一代互聯(lián)網(wǎng)對內(nèi)容需求的迅速提升，國外商業(yè)咨詢機構(gòu)Acumen Research and Consulting預(yù)測，2030年AIGC市場規(guī)模將達到1100億美元。

3、AIGC將日益成為未來3D互聯(lián)網(wǎng)的基礎(chǔ)支撐

互聯(lián)網(wǎng)向下一代技術(shù)升級和演進的重要方向是從“在線”走向“在場”，邁向3D互聯(lián)網(wǎng)時代，AIGC將成為打造虛實集成世界的基石。AIGC為3D互聯(lián)網(wǎng)帶來的價值，既包括3D模型、場景、角色制作能效的提升，也能像AI作畫那樣，為創(chuàng)作者激發(fā)新的靈感。

4、聊天機器人和數(shù)字人成為新的、更包容性的用戶交互界面，不斷拓展應(yīng)用領(lǐng)域

（1）聊天機器人：2022年12月1日，美國人工智能研究公司Open AI研發(fā)的聊天機器人產(chǎn)品ChatGPT正式對外開放，一經(jīng)推出便火遍全網(wǎng)，截止12月12日已擁有超過100萬名用戶，而ChatGPT正是典型的文本生成式AIGC。

（2）數(shù)字人：首先AIGC大大提升了數(shù)字人的制作效能。用戶可以上傳圖片/視頻，通過AIGC生成寫實類型的數(shù)字人，具有生成過程較短、成本低、可定制等特點。其次，AIGC支撐了AI驅(qū)動數(shù)字人多模態(tài)交互中的識別感知和分析決策功能，使其更神似人。

5、AIGC將作為生產(chǎn)力工具來推動元宇宙發(fā)展

近期，Linkedln做了一個調(diào)查，向Linkedln用戶征集他們最希望了解哪個元宇宙相關(guān)的技術(shù)主題，76%的受訪者選擇了AIGC。只有通過AIGC，元宇宙才可能以低成本、高效率的方式滿足海量用戶的不同內(nèi)容需求。首先，AIGC為構(gòu)建沉浸式的元宇宙空間環(huán)境提供了核心基礎(chǔ)設(shè)施技術(shù)，將成為元宇宙的生產(chǎn)力工具。其次，AIGC將作為生產(chǎn)力工具為元宇宙用戶提供個性化內(nèi)容體驗。同時，AIGC將賦予用戶更多的創(chuàng)作權(quán)力和自由，促進創(chuàng)新并提升元宇宙的用戶體驗。最后，AIGC也將作為用戶交互界面的一部分在元宇宙中發(fā)揮作用。

03 產(chǎn)業(yè)端：合成數(shù)據(jù)牽引人工智能的未來

1、合成數(shù)據(jù)為AI模型訓(xùn)練開發(fā)提供強大助推器，推動實現(xiàn)AI2.0

人工智能的發(fā)展應(yīng)用離不開數(shù)據(jù)，但真實世界數(shù)據(jù)面臨著難以獲取、質(zhì)量差、標準不統(tǒng)一等諸多問題。為此，計算機模型技術(shù)或算法生成的合成數(shù)據(jù)，作為真實數(shù)據(jù)的廉價替代品，日益被用于創(chuàng)造精準的AI模型。

2、合成數(shù)據(jù)助力破解AI“深水區(qū)”的數(shù)據(jù)難題，持續(xù)拓展產(chǎn)業(yè)互聯(lián)網(wǎng)應(yīng)用空間

合成數(shù)據(jù)背后的生成式AI被Gartner評為2022年銀行和投資服務(wù)領(lǐng)域越來越受歡迎的三項技術(shù)之一。原因是能夠通過合成數(shù)據(jù)以成本更低、易規(guī)模化、隱私保護合規(guī)的方式提供接近真實世界的數(shù)據(jù)。

3、合成數(shù)據(jù)產(chǎn)業(yè)加快成為數(shù)據(jù)要素市場新賽道，科技大廠和創(chuàng)新企業(yè)搶先布局

合成數(shù)據(jù)對人工智能未來發(fā)展的巨大價值使其加速成為AI領(lǐng)域的一個新產(chǎn)業(yè)賽道。一方面，國外的主流科技公司紛紛瞄準合成數(shù)據(jù)領(lǐng)域加大投入與布局。

另一方面，合成數(shù)據(jù)作為AI領(lǐng)域的新型產(chǎn)業(yè)，相關(guān)創(chuàng)新創(chuàng)業(yè)方興未艾，合成數(shù)據(jù)創(chuàng)業(yè)公司不斷涌現(xiàn)，合成數(shù)據(jù)領(lǐng)域的投資并購持續(xù)升溫，開始涌現(xiàn)了合成數(shù)據(jù)即服務(wù)（synthetic data as serve，SDaaS ）這一發(fā)展前景十分廣闊的全新商業(yè)模式。

4、合成數(shù)據(jù)加速構(gòu)建AI賦能、數(shù)實融合的大型虛擬世界

展望未來，可以從三個方面來理解大型虛擬世界為什么成為AI數(shù)實融合的關(guān)鍵場景。

第一，大型虛擬世界可以提供人工智能開發(fā)所需的數(shù)據(jù)和場景，為AI應(yīng)用開發(fā)提供“加速度”。第二，大型虛擬世界為各行各業(yè)訓(xùn)練開發(fā)AI提供了試驗田。第三，在大型虛擬世界中通過AI連通虛擬與現(xiàn)實，實現(xiàn)AI數(shù)實融合。

ChatGPT商業(yè)化意義

（報告出品方：中信證券）

1. ChatGPT通過大模型突破AI瓶頸，GPT-4多模態(tài)應(yīng)用帶動商業(yè)化加速

概述：ChatGPT為NLP下的AI大模型，性能和使用體驗超預(yù)期

ChatGPT是自然語言處理（NLP）下的AI大模型，通過大算力、大規(guī)模訓(xùn)練數(shù)據(jù)突破AI瓶頸。2022年11月，OpenAI推 出ChatGPT，ChatGPT基于GPT-3.5，使用人類反饋強化學(xué)習(xí)技術(shù)，將人類偏好作為獎勵信號并微調(diào)模型，實現(xiàn)有邏輯 的對話能力。

ChatGPT本質(zhì)上是通過超大的統(tǒng)計語言模型，對詞語序列的概率分布進行建模，利用上下文信息預(yù)測后續(xù)詞語出現(xiàn)的概 率分布，其表現(xiàn)的超預(yù)期反映了在算力水平提升的情況下大語言模型技術(shù)路線的成功，通過對大規(guī)模的未標注的文本數(shù)據(jù) 進行訓(xùn)練，突破了AI發(fā)展的技術(shù)瓶頸。根據(jù)《瞭望》新聞周刊報道，OpenAI為了讓ChatGPT的語言合成結(jié)果更自然流 暢，使用了45TB的數(shù)據(jù)、近1萬億個單詞來訓(xùn)練模型，訓(xùn)練一次的成本高達千萬美元，一個月的運營成本需要數(shù)百萬美元。

概述：OpenAI傾力打造ChatGPT，獲得微軟有力加持

ChatGPT出自美國AI創(chuàng)業(yè)公司OpenAI，是AI大模型領(lǐng)域的領(lǐng)軍者。OpenAI在2015年由Sam Altman、Peter Thiel、Reid Hoffman、Elon Musk等人創(chuàng)辦。公司成立之初，即確定了包括制造“通用”機器人和使用自然語言的聊天機器人的發(fā)展 目標。2019年，OpenAI獲得來自微軟的10億美元投資，為Azure云端平臺服務(wù)開發(fā)AI技術(shù)。2018年起，OpenAI開始發(fā)布 GPT（Generative Pre-trained Transformer）模型，2020年發(fā)布GPT-3，可以完成答題、寫論文、代碼生成等任務(wù)，被視 為人工智能競賽的里程碑事件，并直至ChatGPT的推出引起AI的熱潮。

除了NLP領(lǐng)域，OpenAI還在多模態(tài)領(lǐng)域取得成就，包括發(fā)布了AI圖像生成器DALL-E2，對音頻轉(zhuǎn)錄編輯器Descript、AI筆 記應(yīng)用Mem等進行投資。

演變：GPT-1—無監(jiān)督預(yù)訓(xùn)練+有監(jiān)督微調(diào)

GPT-1發(fā)布于2018年6月，參數(shù)量達1.17億，預(yù)訓(xùn)練數(shù)據(jù)量約5GB。GPT-1包含預(yù)訓(xùn)練和微調(diào)兩個階段，考慮到自然語言 處理任務(wù)中有標簽的語料少，GPT-1先在大量的無標簽數(shù)據(jù)上訓(xùn)練語言模型，然后在下游具體任務(wù)（如分類、常識推理、 自然語言推理等）的有標簽數(shù)據(jù)集上進行微調(diào)。1）在無監(jiān)督訓(xùn)練中，GPT-1采用Transformer的架構(gòu)，即標準的語言模型 的目標函數(shù)，通過前面的詞預(yù)測后面的詞；2）在有監(jiān)督訓(xùn)練中，采用標準的分類目標函數(shù)，僅需對第一階段預(yù)訓(xùn)練的語 言模型做出很小的結(jié)構(gòu)改變，即可應(yīng)用于各種下游任務(wù)。

GPT-1使用了BooksCorpus數(shù)據(jù)集來訓(xùn)練語言模型，其中有7000余本未出版的書籍。具體表現(xiàn)上，在有監(jiān)督學(xué)習(xí)的12項 任務(wù)中，GPT-1在其中9項上的表現(xiàn)優(yōu)于專門訓(xùn)練的受監(jiān)督模型。

演變：GPT-2—無監(jiān)督預(yù)訓(xùn)練+多任務(wù)學(xué)習(xí)

GPT-2發(fā)布于2019年2月，參數(shù)量達15億，預(yù)訓(xùn)練數(shù)據(jù)量約40GB。GPT-1使用的概率條件模型為p(output|input)，GPT-2 使用相同的無監(jiān)督模型學(xué)習(xí)多個任務(wù)，將概率條件模型修改為p(output|input, task) ，期望模型對不同任務(wù)的相同輸入產(chǎn) 生不同的輸出。此外，GPT-2采取Zero-shot設(shè)定，不需要下游任務(wù)的標注信息，而是根據(jù)給定的指令理解任務(wù)。因此 GPT-2的核心思想在于多任務(wù)學(xué)習(xí)。

GPT-2訓(xùn)練的數(shù)據(jù)集來自社交新聞平臺Reddit，共有約800萬篇文章，體積超40GB。具體表現(xiàn)上，在8個語言模型任務(wù) 中，僅通過Zero-Shot學(xué)習(xí)，GPT-2在其中7個上領(lǐng)先。GPT-2表明，隨著模型容量和數(shù)據(jù)量增大，GPT模型的潛力仍有望 進一步顯現(xiàn)。

展望：GPT-4—此前外界預(yù)期參數(shù)量變化不大、使用門檻有望降低

GPT-4備受業(yè)界期待，訓(xùn)練成本控制有望帶動商業(yè)潛力的極大增強。ChatGPT的突出表現(xiàn)使得外界對GPT-4十分期待， 自2021年以來便有報道稱GPT-4“即將推出” ，OpenAI公司CEO Sam Altman今年受StrictlyVC采訪時表示GPT-4將在 “有信心可以安全且負責(zé)任地運行時”推出。外界此前也曾預(yù)期，GPT-4的推出或分階段進行，例如GPT-3也是先開放給 合作伙伴、付費用戶和學(xué)術(shù)機構(gòu)，才在2022年底開放給公眾。

在參數(shù)量上，針對有傳言稱GPT-4參數(shù)量將達到百萬億，OpenAI公司CEO Sam Altman予以否定。此外，AI專家Alberto Romero預(yù)測，GPT-4的重點在數(shù)據(jù)處理優(yōu)化上，因此其使用門檻有望降低，我們預(yù)計訓(xùn)練成本的控制將帶動其商業(yè)潛力 的增強。

展望：GPT-4—最新消息稱推出在即、支持多模態(tài)

最新消息稱GPT-4將于下周推出，支持多模態(tài)應(yīng)用，開啟通往人工通用智能之路。根據(jù)德國科技媒體“heise在線”報 道，當(dāng)?shù)貢r間3月9日，微軟德國公司首席技術(shù)官Andreas Braun在名為“AI in Focus - Digital Kickoff”的活動中透露稱 “將在下周推出GPT-4，它將是一個多模態(tài)模型，會提供完全不同的可能性——例如視頻”。這意味著GPT-4可以管理不 同語言數(shù)據(jù)的輸入和輸出，也能夠做到輸出圖像甚至視頻。在活動上，微軟AI技術(shù)專家對多模態(tài)AI的應(yīng)用案例進行了介 紹，例如能夠?qū)㈦娫捄艚械恼Z音直接記錄成文本，這為微軟位于荷蘭的一家大型客戶節(jié)省500個工作小時/天。

GPT-4對多模態(tài)的支持使得外界對模型潛力的預(yù)期進一步強化，原因在于多模態(tài)感知是建立人工通用智能（AGI）的重要 一步，基于此能夠執(zhí)行人類水平的一般任務(wù)。

商業(yè)模式：C端推出訂閱制會員，B端提供調(diào)用API接口

ChatGPT迅速走紅，以訂閱制服務(wù)B端、C端客戶，成本控制下將有效加速商業(yè)化落地。ChatGPT自年初以來，持續(xù)出 圈，截至2023年1月末月活突破1億，成為史上增長最快的消費者應(yīng)用。考慮到計算資源所牽涉的龐大訓(xùn)練成本、運行成 本，ChatGPT的商業(yè)化路徑已正在探索、明確中。

商業(yè)模式—1）C端：OpenAI發(fā)布ChatGPT Plus訂閱計劃，每月收費20美元，相較于免費版本，即便在高峰時段用戶也 能正常訪問ChatGPT，響應(yīng)時間更快，可以優(yōu)先使用新功能，有望引領(lǐng)AI技術(shù)變現(xiàn)新模式；2）B端：OpenAI發(fā)布 ChatGPT API，開發(fā)者可以將ChatGPT集成到產(chǎn)品中，價格為$0.002/1k token，相較于GPT-3.5降低90%，我們預(yù)計成 本控制后有望快速帶動GPT相關(guān)應(yīng)用爆發(fā)。根據(jù)微信公眾號“智東西” ，生鮮電商Instacart、跨境電商Shopify、照片分 享應(yīng)用Snap、單詞背誦應(yīng)用Quizlet等已率先接入ChatGPT API。

2.Transformer架構(gòu)支撐GPT走向多模態(tài)，構(gòu)筑AIGC領(lǐng)域核心基石

GPT采用的Transformer架構(gòu)在NLP領(lǐng)域已躋身主流

GPT沿用主流Transformer模型，該模型采用自注意力機制，在NLP上表現(xiàn)優(yōu)于RNN（循環(huán)神經(jīng)網(wǎng)絡(luò)）。2017年，谷歌 在《Attention is All You Need》中提出Transformer模型，可用于文本摘要、機器翻譯等NLP任務(wù)。在NLP方面， Transformer模型的自注意力（self-attention）機制可以為輸入序列中的任意位置提供上下文，進而模型能夠一次性處理 所有輸入數(shù)據(jù)，而非RNN一次只處理一個單詞的情況，由此模型可以減少訓(xùn)練時間，能夠在更大的數(shù)據(jù)集上進行訓(xùn)練。目前，基于Transformer的預(yù)訓(xùn)練語言模型已成為NLP領(lǐng)域的主流。

Transformer也可用于CV領(lǐng)域，相較于CNN實現(xiàn)性能巨大提升

Transformer也可用于CV（計算機視覺）領(lǐng)域，表現(xiàn)出巨大的性能提升。CV領(lǐng)域此前更多由CNN（卷積神經(jīng)網(wǎng)絡(luò)）主 導(dǎo)，而Transformer憑借著自注意力機制，表現(xiàn)出了巨大的性能提升。根據(jù)微軟亞洲研究院，Transformer在圖像分類、物 體檢測等任務(wù)中刷新了測評記錄，例如2020年Transformer被首次應(yīng)用于圖像分類任務(wù)，結(jié)合海量的預(yù)訓(xùn)練數(shù)據(jù)，ViT在 ImageNet-1K的validation評測集上取得88.55%的準確率。Transformer也在視頻動作識別、視覺自監(jiān)督學(xué)習(xí)、圖像復(fù)原、 圖像分割等視覺任務(wù)中取得優(yōu)異成績。谷歌提出的ViT-MoE模型目前在參數(shù)量上領(lǐng)先，達到了150億。

Transformer支撐下GPT有望走向多模態(tài)，構(gòu)筑AIGC領(lǐng)域核心基石

GPT有望基于Transformer延伸至多模態(tài)，構(gòu)筑AIGC核心基石，GPT-4或?qū)崿F(xiàn)領(lǐng)跑。當(dāng)前，基于Transformer的多模態(tài)學(xué) 習(xí)成為AI領(lǐng)域的研究熱點，研究者們提出了大量的Transformer變體。鑒于Transformer具有較少的特定于模態(tài)的架構(gòu)假 設(shè)，以及生成式預(yù)訓(xùn)練、大模型&大數(shù)據(jù)路線的成功，Transformer能夠聯(lián)動CV與NLP，通過聯(lián)合建模完成，打破CV與 NLP領(lǐng)域之間的壁壘。微軟亞洲研究院2022年推出BEiT-3預(yù)訓(xùn)練模型，在目標檢測、實例分割、語義分割、視覺推理、 圖片描述生成等任務(wù)上取得了SOTA的遷移性能。我們認為，基于Transformer架構(gòu)，GPT未來有望延伸至多模態(tài)，助力 內(nèi)容創(chuàng)作由UGC、PGC全面走向AIGC，賦能通用領(lǐng)域以及金融、教育、醫(yī)療、傳媒等垂直行業(yè)。

3.通用與垂直場景多點開花，GPT變革內(nèi)容生成與交互方式

通用場景：搜索引擎—GPT+文本&圖像&視頻重塑搜索結(jié)果呈現(xiàn)方式

搜索引擎接入GPT后結(jié)果呈現(xiàn)方式大為變化，或影響行業(yè)盈利模式與競爭格局。用戶使用傳統(tǒng)的搜索引擎時，需要手動 翻閱搜索結(jié)果，判斷是否為所需要的信息；而當(dāng)搜索引擎接入GPT后，用戶可直接獲得答案集合。盡管受制于訓(xùn)練語料、 成本等因素，答案準確性有待商榷，但在結(jié)果呈現(xiàn)方式上實現(xiàn)了變革，未來或與傳統(tǒng)的搜索引擎相結(jié)合。如進一步實現(xiàn)多 模態(tài)，搜索結(jié)果將更加豐富。微軟在Bing中上線ChatGPT能力并開啟測試，以聊天方式展示搜索結(jié)果，并可在對話中推 薦廣告。微軟必應(yīng)官方博客宣布，目前Bing日活突破1億，集成搜索+聊天功能的Bing預(yù)覽版自推出以來總聊天次數(shù)已超 過4500萬次。鑒于微軟可能掀起搜索行業(yè)的第二次變革并顛覆此前的盈利模式，谷歌在2月初展示由大型語言模型LaMDA 驅(qū)動的類ChatGPT應(yīng)用——Bard，并計劃大范圍推廣。

通用場景：辦公軟件—GPT+文本&圖像打造效率型生產(chǎn)力工具

GPT有望融入辦公流程，率先推動辦公軟件轉(zhuǎn)型為智能辦公平臺。微軟將于3月16日召開名為“Future of Work with AI” 的發(fā)布會，預(yù)計將展示ChatGPT類技術(shù)在Teams、Word、Outlook等生產(chǎn)力套件中的應(yīng)用。我們認為，在GPT的賦能之 下，辦公軟件作為效率型生產(chǎn)力工具的屬性將更加突出，功能上將更加智能化，用戶有望享受到智能辦公平臺所帶來的便 利性與效率大幅提升。例如，在Word中，GPT將能夠幫助用戶生成文本，或?qū)⑽臋n集匯總為關(guān)鍵點，使得用戶快速理解 和分析信息；在Outlook中，GPT可以處理收件箱文本，幫助用戶更快捷地撰寫或回復(fù)電子郵件；在Excel中，能夠根據(jù)提 示提取數(shù)據(jù)，如要求“按照利潤列出世界前五大公司”后，生成Excel公式或制作可視化圖表。

垂直場景：教育—GPT+文本&對話&翻譯催化啟發(fā)式、個性化教學(xué)

GPT有望催化“啟發(fā)式”教學(xué)模式，加快教育領(lǐng)域的個性化、多樣化變革探索。ChatGPT可以理解為一名“全能教 師” ，即便是小眾、冷門的領(lǐng)域，也能夠給出相對有邏輯的回答。我們認為，GPT技術(shù)將催化“啟發(fā)式”教學(xué)模式，引導(dǎo) 學(xué)生更加積極主動地進行思考、發(fā)問，并與“全能教師”進行對話探討，這有別于傳統(tǒng)的應(yīng)試教學(xué)模式。

垂直場景：金融—GPT+文本&對話賦能客戶服務(wù)、投研支持

GPT有望對金融行業(yè)的經(jīng)營、管理、產(chǎn)品營銷及客戶服務(wù)等方面產(chǎn)生巨大影響。近年來，金融機構(gòu)在合規(guī)趨嚴、人力成 本上升等因素的影響下，對于數(shù)字化建設(shè)的意愿強烈。考慮到ChatGPT在內(nèi)容生成等方面的突出表現(xiàn)，我們認為，GPT 有望率先落地對外的客戶服務(wù)與對內(nèi)的投研支持。以銀行業(yè)為例，電子客服仍處于AB判斷階段，引入GPT將更好地服務(wù) 于客戶需求；在證券、基金業(yè)，個人投資者存在的大量疑惑將可通過GPT解決，機構(gòu)投資者在投研中也將獲得來自GPT 的協(xié)作。GPT有望重構(gòu)金融行業(yè)客戶服務(wù)端，也有望進一步增強機構(gòu)內(nèi)部的投研能力，助力經(jīng)營效率提升與成本優(yōu)化。

垂直場景：醫(yī)療—醫(yī)療信息化廠商卡位核心系統(tǒng)，助力構(gòu)建GPT能力

醫(yī)療信息化公司作為醫(yī)療機構(gòu)信息化底座提供者，有望助力構(gòu)建GPT能力。根據(jù)復(fù)旦大學(xué)附屬華山醫(yī)院信息中心主任黃 虹在接受第一財經(jīng)采訪時透露的情況，醫(yī)院內(nèi)部落地GPT的場景包括：就醫(yī)導(dǎo)診，以提升醫(yī)療效率；構(gòu)建內(nèi)部知識庫，以 提升臨床研究效率；匯集歷史病歷，輔助醫(yī)生提升電子病歷書寫效率。考慮到醫(yī)院本身在信息化能力上的相對薄弱，我們 認為以創(chuàng)業(yè)慧康、衛(wèi)寧健康、醫(yī)渡等為代表的醫(yī)療信息化公司作為醫(yī)院內(nèi)部系統(tǒng)的供應(yīng)商，有望幫助醫(yī)院構(gòu)建GPT能力。

互聯(lián)網(wǎng)醫(yī)療平臺卡位線上問診，GPT有望助力問診效率大幅提升。2020年疫情爆發(fā)以來，互聯(lián)網(wǎng)醫(yī)院憑借著突破時空限 制、免接觸等優(yōu)勢，迎來快速發(fā)展。平安好醫(yī)生、阿里健康、京東健康等平臺搭建了輕問診模式，主要通過自有醫(yī)生、外 部簽約醫(yī)生提供問診服務(wù)。我們認為，GPT可以用于在線問診支持，為用戶提供基本的、常規(guī)化的問診服務(wù)。這將助力互 聯(lián)網(wǎng)醫(yī)療平臺實現(xiàn)問診效率的大幅提升，問診服務(wù)的供給能力將不再受制于鏈接的醫(yī)生數(shù)量。

垂直場景：圖像視頻—GPT+圖像&視頻強化內(nèi)容智能化生產(chǎn)與處理

GPT有望改變圖像視頻領(lǐng)域內(nèi)容生產(chǎn)模式，多模態(tài)提高信息輸出豐富度。圖像視頻行業(yè)新老業(yè)態(tài)交織，構(gòu)成相對多元， 以生產(chǎn)和傳播文字、圖像、藝術(shù)、影像、聲音等形式存在，包括報紙、圖書、廣播、電影、電視、動漫等諸多細分領(lǐng)域。從產(chǎn)業(yè)鏈條來看，圖像視頻行業(yè)主要涉及信息采集、制作、分發(fā)、傳播等，我們認為GPT將主要影響產(chǎn)業(yè)鏈前端的采集、 制作。結(jié)合中國信通院《AIGC白皮書》，我們預(yù)計在GPT賦能之下，特別是對多模態(tài)的延伸，圖像視頻行業(yè)有望進一步 提高寫稿機器人、采訪助手、視頻智能剪輯、合成主播等新興應(yīng)用的供給能力，既改變內(nèi)容生產(chǎn)模式，也滿足信息接收者 對豐富內(nèi)容的需求。

ChatGPT在傳媒行業(yè)的應(yīng)用場景示例

（報告出品方/作者：浙商證券，姚天航）

ChatGPT火爆的背后 算法革新+算力支持+數(shù)據(jù)共振

ChatGPT火爆全球，成為現(xiàn)象級互聯(lián)網(wǎng)產(chǎn)品

ChatGPT是一個由OpenAI開發(fā)的大型語言模型，它使用自然語言處理和深度學(xué)習(xí)技術(shù)，可以理解語言內(nèi)容和語境，能夠承認錯 誤、挑戰(zhàn)不正確的前提、拒絕不適當(dāng)?shù)恼埱螅ㄟ^生成自然語言文本的形式與用戶交互，從而能夠應(yīng)用于各種語言任務(wù)和應(yīng)用。

從AlphaGo到ChatGPT，AI技術(shù)發(fā)展叩響AGI之門

AlphaGo喚起AGI暢想。AlphaGo的成功使市場對AI 技術(shù)產(chǎn)生空前期待，預(yù)想AI將由專用人工智能(ANI)走 向通用人工智能(AGI)，實現(xiàn)人類同等能力的任務(wù)執(zhí)行。AGI遇技術(shù)難關(guān)，發(fā)展相對停滯。隨后幾年間面向AGI 的應(yīng)用和底層技術(shù)的發(fā)展不盡如人意，遇數(shù)據(jù)、能耗、 語義理解、可解釋性等瓶頸，技術(shù)未出現(xiàn)明顯突破。

ChatGPT文本交互能力更上一個臺階。ChatGPT在文字 創(chuàng)作與語言交互等方面的能力令人驚喜，一定程度上實 現(xiàn)了人類同等能力，提升讀寫效率，逐漸向AIGC靠近。或為AGI實現(xiàn)帶來曙光。雖然在大量用戶體驗下 ChatGPT仍暴露出部分反饋偏差問題，但驗證了基于大 型語言模型(LLM)實現(xiàn)AGI具有可能性，重塑AI發(fā)展前景。

OpenAI商業(yè)化探索，B端流量收費與C端訂閱收費并行

B端：提供API接口實施流量收費。OpenAI向用戶提供語言、圖像、音頻等不同類型模型的API 接口，通過用戶使用模型的流量收費。其中ChatGPT對應(yīng)API 由其背后的AI模型gpt-3.5-turbo提供支持。此外，OpenAI還向用戶提供嵌入模型和微調(diào)模型，支持用戶 根據(jù)自定義需求進行模型定制。

C端：提供產(chǎn)品訂閱服務(wù)收取費用。OpenAI于2023年2月新推出ChatGPT Plus版本，對該版本的 使用者收取20美元/月的訂閱費用。ChatGPT Plus版本較免費 公開使用的ChatGPT模型具有更快的響應(yīng)速度，在應(yīng)用高峰期 能更順暢的使用模型，且訂閱者能夠優(yōu)先使用新功能，以向 ChatGPT模型的深度用戶提供更快捷的服務(wù)。

數(shù)字內(nèi)容生產(chǎn)新方式 AIGC

AIGC：產(chǎn)業(yè)鏈逐步形成，玩家百花齊放，商業(yè)模式持續(xù)探索

以ChatGPT為代表的AIGC行業(yè)，上游主要包括數(shù)據(jù)供給方、算法/模型機構(gòu)、創(chuàng)作者生態(tài)以及底層配合工具等， 中游主要包括文字、圖像、音頻、視頻等數(shù)字內(nèi)容的處理加工方，下游主要是各類數(shù)字內(nèi)容分發(fā)平臺、消費方及相關(guān)服務(wù)機構(gòu)等。

文本生成：NLP重要任務(wù)標之一，神經(jīng)網(wǎng)絡(luò)生成法為主流趨勢

文本生成(Text Generation)是自然語言處理(NLP)的重要任務(wù)之一，從非語言的表示生成人類可以理解的文本，文本→文本、 數(shù)據(jù)→文本都是文本生成任務(wù)關(guān)注的。

文本生成：Transformer架構(gòu)實現(xiàn)并行處理，提升模型訓(xùn)練效率

RNN架構(gòu)局限在于無法并行運算。RNN計算是有時序依賴的，需要用到前一個時間步或者后一個時間步的信息，這導(dǎo)致它難 以并行計算，只能串行計算。GPU的并行化能夠大大加速計算過程，如果模型不能夠并行計算，會導(dǎo)致運算速度很低。

Transformer架構(gòu)引入Self-attention自注意力機制可取代RNN。2017年，Google發(fā)布《Attention is All You Need》Transformer模型通過采用Self-Attention 自注意力機制，完全拋棄了傳統(tǒng)RNN在水平方向的傳播，只在垂直方向上傳播，只需要不斷 疊加Self-Attention層即可。這樣，每一層的計算都可以并行進行，可以使用GPU進行加速。

音頻生成：TTS應(yīng)用發(fā)展成熟，AI樂曲創(chuàng)作未來可期

音頻生成主要應(yīng)用于流行歌曲、樂曲、有聲書的內(nèi)容創(chuàng)作，以及視頻、游戲、影視等領(lǐng)域的配樂創(chuàng)作，目前在眾多場景已獲 初步發(fā)展，在部分場景已廣泛應(yīng)用、趨于成熟。常見音頻生成中，TTS文字轉(zhuǎn)語音是最普遍使用的落地應(yīng)用，而創(chuàng)意性音頻 生成有助于激發(fā)創(chuàng)作者靈感，促進樂曲二創(chuàng)、輔助編曲。

圖像生成：從GAN到Diffusion，技術(shù)持續(xù)迭代，能力更進一竿

生成式對抗網(wǎng)絡(luò)(GAN)的提出標志著AIGC圖像生成可實現(xiàn)，進入快速發(fā)展階段。GAN由生成器和判別器兩部分組成，生成器 將抓取數(shù)據(jù)、產(chǎn)生新的生成數(shù)據(jù)，并將其混入原始數(shù)據(jù)中送交判別器區(qū)分。這一過程將反復(fù)進行，直到判別器無法以超50%的 準確度分辨出真實樣本。

擴散模型(Diffusion Model)成為圖像生成領(lǐng)域的重要發(fā)現(xiàn)，有望超越GAN，成為新一代圖像生成主流模型。Diffusion Model在 2015年被提出，于2020年在Denoising Diffusion Probabilistic Models研究中名聲大噪，目前Google的Imagine與OpenAI的 DALL·E 2等熱門圖像生成軟件都基于此模型。

Diffusion Model簡化模型訓(xùn)練過程中數(shù)據(jù)處理的難度，解決了GAN穩(wěn)定性問題，提高生成圖片的質(zhì)量。Diffusion模型的工作 原理是通過逐漸添加高斯噪聲來破壞訓(xùn)練數(shù)據(jù)。通過一張神經(jīng)網(wǎng)絡(luò)“生成器”來進行逆轉(zhuǎn)破壞過程(去噪)，從純噪聲中合成數(shù)據(jù)， 直到產(chǎn)生干凈的樣本。GAN模型在訓(xùn)練過程中需要兩張神經(jīng)網(wǎng)絡(luò)“生成器”與“判別器”，穩(wěn)定性很難平衡，而Diffusion Model只有 一張神經(jīng)網(wǎng)絡(luò)，解決了穩(wěn)定性問題，同時簡化了數(shù)據(jù)處理過程，且更加靈活。

圖像生成：圖像屬性編輯普遍應(yīng)用，創(chuàng)意圖像生成應(yīng)用落地較少

圖像生成可簡要劃分為圖像屬性編輯、圖像局部生成及更改、以及端到端的圖像生成。其中，前兩者的落地場景為圖像編輯工 具，而端到端的圖像生成則對應(yīng)創(chuàng)意圖像及功能性圖像生成兩大落地場景。圖像屬性編輯大量應(yīng)用落地，圖像局部生成及更高 目前有部分應(yīng)用落地，端到端圖像生成底層原理明確，未來有望規(guī)模化應(yīng)用。

由于圖像的生成復(fù)雜度遠高于文字，在整體生成上，目前仍然難以達到穩(wěn)定可靠的生成高質(zhì)量圖像。但隨著GAN、Diffusion Model等模型的不斷迭代，圖像生成發(fā)展將非常快速。

視頻生成：分幀生成圖像連接成視頻，視頻屬性編輯已普遍應(yīng)用

視頻生成強調(diào)將視頻切割成幀，再對每一幀的圖像進行處理，與圖像生成原理類似。視頻生成難度遠高于圖像生成，生成視頻 的質(zhì)量與流暢度取決于很多因素，包括數(shù)據(jù)集規(guī)模、訓(xùn)練模型復(fù)雜度、特征提取準確性以及合成視頻算法有效性；由于模型訓(xùn) 練量要求過大，目前模型只能實現(xiàn)幾秒鐘的短視頻生成，未來有望隨著模型的迭代實現(xiàn)中視頻和長視頻的生成。視頻生成應(yīng)用場景主要包括視頻屬性編輯、視頻自動剪輯、視頻部分編輯，前者已大量應(yīng)用，后兩者還處于技術(shù)嘗試階段。

跨模態(tài)生成：目前未大規(guī)模落地，文字生成圖像取得突破

跨模態(tài)生成是指將一種模態(tài)轉(zhuǎn)換成另一種模態(tài)，同時保持模態(tài)間語義一致性。主要集中在文字生成圖片、文字生成視頻及圖片 /視頻生成文字。文字生成圖片：2022年被稱為“AI繪畫“之年，多款模型軟件證明基于文字提示得到效果良好的圖畫的可行性，Diffusion Model受到廣泛關(guān)注。文字生成視頻：普遍以Token為中介，關(guān)聯(lián)文本和圖像生成，逐幀生成所需圖片，最后逐幀生成完整視頻。但由于視頻生成會面臨不同幀之間連 續(xù)性的問題，對生成圖像間的長序列建模問題要求更高，以確保視頻整體連貫流程。按技術(shù)生成難度和生成內(nèi)容，可區(qū)分為拼湊式生成和完全從 頭生成。圖片/視頻生成文字：具體應(yīng)用包括視覺問答系統(tǒng)、配字幕、標題生成等，這一技術(shù)還將有助于文本—圖像之間的跨模態(tài)搜索。代表模型包括 METER、ALIGN等。

策略生成：主要應(yīng)用展望在游戲行業(yè)，其余場景發(fā)展較緩

策略生成是指生成一個可以在給定環(huán)境下執(zhí)行任務(wù)的算法。普遍采用深度強化學(xué)習(xí)技術(shù)(早期曾采用決策樹及監(jiān)督學(xué)習(xí))，其本 質(zhì)原理是讓AI感知環(huán)境、自身狀態(tài)并基于特定目標決定當(dāng)下需要執(zhí)行的動作，然后基于下一個狀態(tài)給到系統(tǒng)的反饋進行獎勵或 懲罰，最終使系統(tǒng)在不斷的“強化”過程中優(yōu)化“策略”。策略生成可應(yīng)用于游戲智能(Game AI)、虛擬人交互、機器人控制、智慧交通等領(lǐng)域。游戲智能是決策生成目前應(yīng)用最為廣泛和明確的場景。由于游戲本身存在于計算機虛擬環(huán)境，并產(chǎn)生大量數(shù)據(jù)，因此游戲本身 為AI提供了極佳的研發(fā)場景；而在其他業(yè)務(wù)場景中，還需先搭建能夠充分還原現(xiàn)實因素的虛擬環(huán)境，并合理設(shè)置Reward等關(guān) 鍵因素，目前距離現(xiàn)實應(yīng)用較遠。國內(nèi)多家AI企業(yè)已在嘗試這一方向，但如何精準完成環(huán)境學(xué)習(xí)仍然具有關(guān)鍵意義。

新時代生產(chǎn)力工具， AIGC賦能內(nèi)容生產(chǎn)

AIGC+游戲：高效輔助游戲測試，保證質(zhì)量并降低成本

游戲測試通常是游戲開發(fā)周期中的一大關(guān)鍵 環(huán)節(jié)，其目的是保證游戲質(zhì)量，減少發(fā)布后 的風(fēng)險，并為玩家提供更好的游戲體驗。在 游戲測試中，測試人員將會對不同的測試目 標使用不同的測試技術(shù)，就游戲玩法、游戲 流程內(nèi)容、游戲系統(tǒng)、機型適配等進行測試， 記錄游戲中發(fā)現(xiàn)的問題，并通過管理工具報 告Bug，向開發(fā)人員反饋問題。

伴隨游戲生產(chǎn)量的增長以及游戲復(fù)雜度的提 高，游戲測試的需求爆發(fā)，而AI可以在游戲 測試中執(zhí)行一些自動化任務(wù)，如執(zhí)行基本的 功能測試、性能測試、兼容性測試等，以實 現(xiàn)更高效地測試。但AI目前還無法像人類測 試人員那樣進行用戶體驗、情感反饋等測試。

AIGC+廣告營銷：加快案頭工作效率，提供廣告營銷思路

AI技術(shù)支持能快速縮短耗時，較大提升前期準備效率。前期準備過程中時間占比70%的資料收集整理等案頭工作可通過ChatGPT等模型抓取大數(shù)據(jù)縮短耗時；占比20%的調(diào)研訪談、頭 腦風(fēng)暴產(chǎn)生靈感等創(chuàng)意工作可以通過AI運算快速實現(xiàn)。

AIGC+互聯(lián)網(wǎng)：AIGC激活內(nèi)容平臺，互為供給加速發(fā)展

互聯(lián)網(wǎng)內(nèi)容平臺將作為重要數(shù)據(jù)來源。圖文 內(nèi)容社區(qū)的內(nèi)容庫可以作為大語言模型的語 料庫，提高模型自主學(xué)習(xí)和深度挖掘能力。這樣，無論是知乎用戶10年前的回答，還是 小紅書用戶的冷門筆記，抑或是豆瓣上的海 量書評、影評，都可以被AI有效地檢索、利 用和生成，展現(xiàn)出新的價值。

AIGC將成為平臺重要的內(nèi)容形式。AI技術(shù) 將顯著降低內(nèi)容制作門檻，提高內(nèi)容制作效 率，增加內(nèi)容供給，如今已有不少內(nèi)容創(chuàng)作 者利用AI輔助生成圖文，視頻及音頻內(nèi)容， 同時也有AI直接生成的內(nèi)容，未來AIGC有望 成為內(nèi)容平臺供給的重要形式。

AIGC+娛樂：開啟元宇宙之匙，基礎(chǔ)設(shè)施拔地而起

AIGC在元宇宙內(nèi)容生產(chǎn)方面發(fā)揮了重要作用：元宇宙旨在構(gòu)建用戶的第二空間，為了讓用戶獲得沉 浸式的體驗，內(nèi)容生產(chǎn)者需要提供各種類型的虛擬內(nèi)容。與第一空間不同的是，元宇宙內(nèi)的內(nèi)容是 原生的，能夠刺激用戶的全感官。在這樣的背景下，僅靠PGC和UGC產(chǎn)生的內(nèi)容數(shù)量遠遠不足以支 撐一個完整的第二空間。因此，AI協(xié)助內(nèi)容生產(chǎn)成為必然趨勢。大量個性化、多元化的數(shù)字內(nèi)容將 顯著提升用戶體驗。

數(shù)字人是元宇宙的關(guān)鍵要素：數(shù)字人是元宇宙中最早落地的應(yīng)用場景之一，也是連接用戶情感與VR、 AR等硬件設(shè)備的交互中介。如果AR/VR看作是元宇宙的入口，在元宇宙中占據(jù)核心位置，那么數(shù)字 人可被看作是元宇宙的關(guān)鍵要素。

AIGC是元宇宙中用戶交互界面的重要組成部分：在元宇宙中，智能NPC可以由AIGC生成并驅(qū)動，而 ChatGPT則可以作為語言模型集成到智能體中，使它們成為元宇宙中逼真的虛擬助手或伙伴，能夠執(zhí) 行“智能”動作和復(fù)雜任務(wù)。

AI基礎(chǔ)數(shù)據(jù)服務(wù)

（報告出品方：國金證券）

1. AI 基礎(chǔ)數(shù)據(jù)服務(wù)脫胎于專業(yè)數(shù)據(jù)標注需求，2025 年國內(nèi)百億規(guī)模可期

1.1 產(chǎn)業(yè)圖譜：AI 基礎(chǔ)數(shù)據(jù)服務(wù)脫胎于專業(yè)數(shù)據(jù)采標分工需求

國內(nèi) AI 基礎(chǔ)數(shù)據(jù)服務(wù)產(chǎn)業(yè)主要包括上游數(shù)據(jù)產(chǎn)生及產(chǎn)能資源、中游訓(xùn)練數(shù)據(jù)生產(chǎn)、下游 AI 算法研發(fā)三大產(chǎn)業(yè)環(huán)節(jié)。其中，部分產(chǎn)業(yè)環(huán)節(jié)重合度較高，AI 基礎(chǔ)數(shù)據(jù)服務(wù)商主要脫 胎于專業(yè)數(shù)據(jù)采標分工需求。

上游主要包括數(shù)據(jù)生產(chǎn)者和數(shù)據(jù)生產(chǎn)組織者，主要提供原料數(shù)據(jù)的采集服務(wù)。

中游主要由基礎(chǔ)數(shù)據(jù)服務(wù)商構(gòu)成，通過數(shù)據(jù)處理能力和項目管理能力完成訓(xùn)練數(shù)據(jù)集 結(jié)構(gòu)設(shè)計、數(shù)據(jù)加工和質(zhì)量檢測等工作，為下游客戶提供訓(xùn)練數(shù)據(jù)產(chǎn)品和相關(guān)服務(wù)。AI 基礎(chǔ)數(shù)據(jù)服務(wù)整體可分為兩大類，一種是具備自有的標注基地或全職標注團隊， 這類企業(yè)也參與產(chǎn)業(yè)上游部分直接提供產(chǎn)能資源，另一種是依靠眾包或外包模式，專 注于數(shù)據(jù)產(chǎn)品的開發(fā)與項目執(zhí)行。

下游包括科技公司、行業(yè)企業(yè)、AI 公司和科研單位等，主要負責(zé)算法研發(fā)。部分下 游 AI 公司擁有自主的標注工具，也可通過 AI 中臺獲取一些通用標注工具，少數(shù)數(shù)據(jù) 需求大的企業(yè)還孵化了自主的數(shù)據(jù)服務(wù)團隊。

1.2 發(fā)展歷程：站在人工標注市場出清與機器標注迭代的十字路口

理論層面：數(shù)據(jù)工程系 AI 工程基礎(chǔ)環(huán)節(jié)，核心在于高效的數(shù)據(jù)標注。AI 工程=數(shù)據(jù)工程+ 模型工程。其中，數(shù)據(jù)工程主要包括數(shù)據(jù)采集與數(shù)據(jù)標注，約占 AI 工程時長的 80%；模 型工程主要包括模型訓(xùn)練與模型部署，約占 AI 工程時長的 20%。數(shù)據(jù)工程是 AI 工程的 前置且基礎(chǔ)環(huán)節(jié)，直接影響到模型的質(zhì)量與精度。數(shù)據(jù)工程的核心在于高效的數(shù)據(jù)標注， Garbage in garbage out 效應(yīng)顯著。

實踐層面：AI 模型訓(xùn)練數(shù)據(jù)需求規(guī)模大，訓(xùn)練數(shù)據(jù)質(zhì)量不佳、效率低下情況普遍。據(jù)Dimensional Research 全球調(diào)研報告，72%的受訪者認為至少使用超過 10 萬條訓(xùn)練數(shù)據(jù) 進行模型訓(xùn)練，才能保證模型有效性和可靠性，96%的受訪者在訓(xùn)練模型的過程中遇到訓(xùn) 練數(shù)據(jù)質(zhì)量不佳、數(shù)量不足、數(shù)據(jù)標注人員不足等難題。為應(yīng)對訓(xùn)練數(shù)據(jù)所帶來的多方面 挑戰(zhàn)，AI 企業(yè)開始從第三方購買原料數(shù)據(jù)收集、訓(xùn)練數(shù)據(jù)生產(chǎn)和數(shù)據(jù)專家咨詢等服務(wù)。

AI 數(shù)據(jù)工程發(fā)軔于 AI 產(chǎn)業(yè)落地元年，系 AI 下游應(yīng)用的基礎(chǔ)且必備環(huán)節(jié)。目前行業(yè)處于市 場格局漸趨清晰，新老技術(shù)面臨迭代，下游需求加速釋放的關(guān)鍵節(jié)點。

產(chǎn)業(yè)初生期（2010~2016）：2010 年語音識別和計算機視覺領(lǐng)域產(chǎn)生重大突破，國 內(nèi)開始萌生 AI 概念。后續(xù)數(shù)年，早期的 AI 基礎(chǔ)數(shù)據(jù)服務(wù)門檻較低，質(zhì)量參差不齊。

產(chǎn)生成長期（2016~2022）：近五年來，供給側(cè)高烈度的業(yè)內(nèi)競爭加速市場出清，需 求側(cè)對產(chǎn)業(yè)落地以及垂直場景的定制化數(shù)據(jù)采標需求逐漸凸顯。最終引致行業(yè)頭部企 業(yè)浮出水面，行業(yè)格局逐漸清晰。

產(chǎn)業(yè)成熟期（2022~至今）：2022 年以來，AIGC 產(chǎn)品集中爆發(fā)，高 level 自動駕駛 需求加速釋放。傳統(tǒng)人工標注的效率已不能完全滿足算法需求，行業(yè)護城河轉(zhuǎn)向自動 化機器標注技術(shù)，預(yù)計產(chǎn)業(yè)將進入向技術(shù)要市場的新階段。

1.3 市場規(guī)模：AI 快速落地疊加數(shù)據(jù)量指數(shù)級躍升，2025 年國內(nèi)百億規(guī)模可期

國內(nèi) AI 市場規(guī)模超百億美金，約占全球市場 10%份額。目前，AI 已在金融、醫(yī)療、交通、 安防等多個垂直場景深度落地，且應(yīng)用場景拓展勢能強勁，商業(yè)化進程加速。從全球市場 看，據(jù) IDC，2021 年全球 AI 產(chǎn)業(yè)規(guī)模達 885.7 億美元，預(yù)計 2025 年將達到 2,218.7 億 美元，CAGR 高達 25.8%。從國內(nèi)市場看，據(jù) IDC，2022 年我國 AI 產(chǎn)業(yè)規(guī)模或達 116 億美元，預(yù)計未來數(shù)年仍保持兩位數(shù)增長。以 2021 年計，國內(nèi) AI市場規(guī)模約占全球 10%， 國內(nèi)市場成長潛力巨大，國內(nèi)企業(yè)出海空間廣闊。

全球數(shù)據(jù)量呈指數(shù)式增長，中國數(shù)據(jù)量增速跑贏全球。據(jù) IDC，全球每年生產(chǎn)的數(shù)據(jù)量將 從2018年的33ZB猛增至2025年的175ZB，其中結(jié)構(gòu)化數(shù)據(jù)僅占到全部數(shù)據(jù)量的20%， 其余 80%都是以文件形式存在的非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)，日志文件、機器數(shù)據(jù)等占非 結(jié)構(gòu)化數(shù)據(jù)的 90%，產(chǎn)生了源源不斷的數(shù)據(jù)清洗與標注需求。相比之下，中國的數(shù)據(jù)量 增速領(lǐng)跑全球，平均每年增速比全球快 3%。2018 年，中國的數(shù)據(jù)量為 7.6ZB，占全球總 量的 23.4%，預(yù)計到 2025 年將增至 48.6ZB，占全球總量的 27.8%，CAGR 高達 30.4%。

中國 AI 基礎(chǔ)數(shù)據(jù)服務(wù)行業(yè)市場規(guī)模 2025 年有望突破百億。一方面，隨著算法模型、技 術(shù)理論和應(yīng)用場景的優(yōu)化和創(chuàng)新，AI 產(chǎn)業(yè)對訓(xùn)練數(shù)據(jù)的拓展性需求和前瞻性需求均快速 增長；另一方面，隨著業(yè)內(nèi)對訓(xùn)練數(shù)據(jù)需求類型的增加以及對服務(wù)標準要求的提高，產(chǎn)業(yè) 鏈的專業(yè)化分工將愈加清晰，專業(yè)化的訓(xùn)練數(shù)據(jù)服務(wù)提供商將扮演更加重要的角色。據(jù)艾瑞咨詢，2019 年中國 AI 基礎(chǔ)數(shù)據(jù)服務(wù)行業(yè)市場規(guī)模達 30.9 億元，其中圖像類、語 音類、NLP 類數(shù)據(jù)需求規(guī)模占比分別為 49.7%、39.1%和 11.2%。預(yù)計 2025 年國內(nèi) AI 基礎(chǔ)數(shù)據(jù)服務(wù)行業(yè)市場規(guī)模將突破 100 億元，年復(fù)合增長率高達 21.8%。

1.4 政策支持：近五年國家政策加持國內(nèi) AI 產(chǎn)業(yè)發(fā)展

近五年國家系列政策推動國內(nèi) AI 產(chǎn)業(yè)蓬勃發(fā)展。《“十四五”規(guī)劃》指出要加快數(shù)字化發(fā) 展，建設(shè)數(shù)字中國，同時打造數(shù)字經(jīng)濟新優(yōu)勢，充分發(fā)揮海量數(shù)據(jù)和豐富應(yīng)用場景優(yōu)勢， 促進數(shù)字技術(shù)與實體經(jīng)濟深度融合，賦能傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升，催生新產(chǎn)業(yè)新業(yè)態(tài)新模式，壯 大經(jīng)濟發(fā)展新引擎。在國家頂層設(shè)計的支持下，我國 AI 基礎(chǔ)數(shù)據(jù)服務(wù)行業(yè)穩(wěn)步發(fā)展，行 業(yè)訓(xùn)練資源庫等細分應(yīng)用領(lǐng)域的產(chǎn)業(yè)價值逐步凸顯。

2. AI 大模型催生高要求新需求，專業(yè)化數(shù)據(jù)集及 AI 訓(xùn)練師需求利好優(yōu)質(zhì)專業(yè)數(shù)據(jù)提供廠商

2.1 場景特質(zhì)：AI 大模型時代無監(jiān)督/半監(jiān)督訓(xùn)練成為主流，RLHF 催生新興需求

大模型時代無監(jiān)督/半監(jiān)督訓(xùn)練成為主流。AI 模型的訓(xùn)練方法主要包括監(jiān)督學(xué)習(xí)和無監(jiān)督 學(xué)習(xí)兩種典型方式，后隨模型訓(xùn)練數(shù)據(jù)量的增加衍生出半監(jiān)督學(xué)習(xí)方法。AI 訓(xùn)練方法的 發(fā)展歷經(jīng)“監(jiān)督-無監(jiān)督-監(jiān)督-無監(jiān)督/半監(jiān)督”4 個階段，在目前的大模型階段，無監(jiān)督/ 半監(jiān)督訓(xùn)練再次成為主流。監(jiān)督學(xué)習(xí)與無監(jiān)督學(xué)習(xí)的主要區(qū)別在于是否使用帶有人工標注 的數(shù)據(jù)集訓(xùn)練數(shù)據(jù)，半監(jiān)督學(xué)習(xí)則是使用大量未標注數(shù)據(jù)+少量標注數(shù)據(jù)進行訓(xùn)練。

大模型時代“基礎(chǔ)模型+微調(diào)”成為 AI 開發(fā)新范式，RLHF 微調(diào)技術(shù)催生更高要求的數(shù)據(jù) 標注需求。AI 大模型由海量數(shù)據(jù)通過無監(jiān)督學(xué)習(xí)訓(xùn)練得到，本身并不能直接應(yīng)用于具體 任務(wù)，必須經(jīng)過微調(diào)才可投入應(yīng)用。微調(diào)是指基于大規(guī)模基礎(chǔ)模型，在現(xiàn)有訓(xùn)練得到的模 型參數(shù)之上，針對特定任務(wù)類型、應(yīng)用特定場景的數(shù)據(jù)對模型進行二次訓(xùn)練。通俗來說， 大規(guī)模基礎(chǔ)模型為AI提供了基礎(chǔ)知識，而微調(diào)則是讓AI獲特定領(lǐng)域知識，并賦予其組織、 應(yīng)用知識的能力。以近日備受關(guān)注的 ChatGPT 為例，在其微調(diào)技術(shù) RLHF（強人工反饋） 系統(tǒng)當(dāng)中：

第一步，預(yù)訓(xùn)練階段。模型首先需要在標注完備的大數(shù)據(jù)集上進行預(yù)訓(xùn)練，得到監(jiān)督 學(xué)習(xí)模型。

第二步，交互獎勵階段。模型與專業(yè)的人工智能訓(xùn)練師進行交互，專業(yè)標注人員會對 ChatGPT 生成的回答進行標注、評估和反饋，給出一個針對回答的分數(shù)或者標簽。這些標注數(shù)據(jù)可以作為強化學(xué)習(xí)過程中的“獎勵函數(shù)”來指導(dǎo) ChatGPT 的參數(shù)調(diào)整， 得到獎勵模型。

第三步，迭代優(yōu)化階段。基于獎勵模型的獎勵函數(shù)以 PPO（一種使用兩個神經(jīng)網(wǎng)絡(luò) 的強化學(xué)習(xí)算法）的方式微調(diào)監(jiān)督學(xué)習(xí)訓(xùn)練出來的生成模型，基于強化學(xué)習(xí) loss 持 續(xù)迭代生成模型，最終幫助模型進行強化學(xué)習(xí)和不斷優(yōu)化。

2.2 場景需求：預(yù)訓(xùn)練階段高質(zhì)量專業(yè)數(shù)據(jù)集+交互獎勵階段人工智能訓(xùn)練師

伴隨業(yè)界大模型市場競爭的白熱化，RLHF 系統(tǒng)也將得到進一步的推廣及迭代使用，從而 帶來兩大類新興數(shù)據(jù)標注需求。一是預(yù)訓(xùn)練階段催生 AI 廠商對于標注完善、清洗完備的 各類專業(yè)化場景數(shù)據(jù)集的需求；二是交互獎勵階段催生 AI 廠商對于具備專業(yè)的事實判斷 與規(guī)范的價值判斷的人工智能訓(xùn)練師的需求。目前，上述兩類新興需求尚未得到充分有效的市場供給，利好海天瑞聲這類優(yōu)質(zhì)專業(yè)數(shù)據(jù) 解決方案提供商。針對 RLHF 預(yù)訓(xùn)練階段需求，由于傳統(tǒng)數(shù)據(jù)采標廠商的主流商業(yè)模式 以銷售工具系統(tǒng)和標注服務(wù)為主，所以普遍缺少自有數(shù)據(jù)，較少經(jīng)營出售精準數(shù)據(jù)集的服 務(wù)。針對 RLHF 交互獎勵階段需求，聚焦專業(yè)垂類的模型訓(xùn)練師則更為稀缺，市場藍海 亟待業(yè)務(wù)開拓。

2.3 場景價值：超大規(guī)模預(yù)訓(xùn)練模型推動訓(xùn)練數(shù)據(jù)數(shù)級躍升，市場需求持續(xù)延展

超大規(guī)模預(yù)訓(xùn)練模型推動訓(xùn)練數(shù)據(jù)指數(shù)級躍升。自 OpenAI 于 2020 年推出 GPT-3 以來， 谷歌、華為、智源研究院、中科院、阿里巴巴等企業(yè)和研究機構(gòu)相繼推出超大規(guī)模預(yù)訓(xùn)練 模型，包括 Switch Transformer、DALL·EMT-NLG、盤古、悟道 2.0、紫東太初和 M6 等。目前，預(yù)訓(xùn)練模型參數(shù)數(shù)量、訓(xùn)練數(shù)據(jù)規(guī)模按照 300 倍/年的趨勢增長，繼續(xù)通過增大模 型和增加訓(xùn)練數(shù)據(jù)仍是短期內(nèi)主流演進方向，RLHF 技術(shù)的推廣使用或?qū)⑼苿佑?xùn)練數(shù)據(jù)市 場需求持續(xù)延展。

3. 自動駕駛領(lǐng)域訓(xùn)練數(shù)據(jù)需求方興未艾，海天瑞聲發(fā)力布局

3.1 場景特質(zhì)：自動駕駛客戶需求全棧式閉環(huán)數(shù)據(jù)解決方案

自動駕駛場景對于 AI 數(shù)據(jù)服務(wù)需求較為剛性。自動駕駛基礎(chǔ)數(shù)據(jù)主要是道路交通圖像、 障礙物圖像、車輛行駛環(huán)境圖像等，需求方以科技公司、汽車廠商和高精地圖廠商為主。L3 級別以上的自動駕駛系統(tǒng)需對雷達、攝像頭等傳感器采集的點云和圖像數(shù)據(jù)進行抽取、 處理和融合，構(gòu)建車輛行駛環(huán)境，為預(yù)測和決策做依據(jù)。目前自動駕駛的視覺技術(shù)主要應(yīng)用有監(jiān)督的深度學(xué)習(xí)，是基于已知變量和因變量推導(dǎo)函數(shù)關(guān)系的算法模型，需要大量的標 注數(shù)據(jù)對模型進行訓(xùn)練和調(diào)優(yōu)。近幾年，汽車廠商在 ADAS 和自動駕駛方向的投入明顯， 對于數(shù)據(jù)的采集和標注需求也逐年增加，汽車廠商有望成為需求主力。

自動駕駛領(lǐng)域?qū)τ诨A(chǔ)數(shù)據(jù)服務(wù)商提出更高要求，業(yè)內(nèi)客戶需要全棧式閉環(huán)數(shù)據(jù)解決方案。數(shù)據(jù)獲取和處理能力是自動駕駛企業(yè)的核心競爭要素之一，自動駕駛能力取決于高效的數(shù) 據(jù)閉環(huán)和數(shù)據(jù)的利用效率，并能利用大量有效數(shù)據(jù)訓(xùn)練智能駕駛算法。因此，自動駕駛客 戶要求數(shù)據(jù)服務(wù)商能夠提供閉環(huán)數(shù)據(jù)解決方案，以滿足智能駕駛業(yè)務(wù)數(shù)據(jù)處理量大、數(shù)據(jù) 處理需求迭代頻次高等特點，專業(yè)知識、服務(wù)經(jīng)驗及準入資質(zhì)將成為衡量的重要標準。

3.2 場景需求：自動駕駛領(lǐng)域數(shù)據(jù)標注分為 2D 圖像標注與 3D 點云標注

自動駕駛領(lǐng)域的數(shù)據(jù)可分為車載攝像頭采集的 2D 圖像數(shù)據(jù)和激光雷達采集的 3D 點云數(shù) 據(jù)。一般而言，低 level 的自動駕駛技術(shù)以 2D 圖像數(shù)據(jù)為主，3D 點云標注數(shù)據(jù)是中高 level 自動駕駛技術(shù)的基礎(chǔ)訓(xùn)練數(shù)據(jù)，在自動駕駛領(lǐng)域中發(fā)揮著愈發(fā)重要的作用。3D 點云標注 數(shù)據(jù)在自動駕駛領(lǐng)域的應(yīng)用可以分為兩個方面，一是基于場景理解和目標檢測的實時環(huán)境 感和處理，二是 SLAM（即時定位與地圖構(gòu)建）加強定位。

2D 標注：通過精確理解來自可見光攝像頭的信息，尋找能夠創(chuàng)建用于目標物體的可 擴展邊界框。

3D 點云標注：通過識別和跟蹤場景中的對象，了解汽車前方和周圍的場景。將點云 數(shù)據(jù)和視頻流合并到要標注的場景中。

視頻對象和事件跟蹤 3D 點云標注：鎖定隨時間移動的對象，并標注時間事件。在多 幀視頻和 LiDar 場景中跟蹤進入和離開本體中的關(guān)注區(qū)域的對象（如其他汽車和行 人）。在整個視頻中，無論對象進入和離開視線的頻率如何，都會保持對其特性的一 致理解。

3.3 場景價值：自動駕駛訓(xùn)練數(shù)據(jù)市場方興未艾，2025 年國內(nèi)市場規(guī)模或達 25 億元

自動駕駛約占我國 AI 基礎(chǔ)數(shù)據(jù)服務(wù)市場規(guī)模的 35%，2025 年市場規(guī)模或達 25 億元。自 動駕駛的視覺技術(shù)主要應(yīng)用于有監(jiān)督的深度學(xué)習(xí)，需要大量的標注數(shù)據(jù)對模型進行訓(xùn)練和 調(diào)優(yōu)。目前該領(lǐng)域的數(shù)據(jù)采集和標注需求已成為AI基礎(chǔ)數(shù)據(jù)服務(wù)的主要下游之一。據(jù)IDC， 2020 年我國自動駕駛領(lǐng)域占 AI 基礎(chǔ)數(shù)據(jù)服務(wù)市場規(guī)模的 35%，系第一大下游場景。另 據(jù)艾瑞咨詢，2025 年我國自動駕駛 AI 基礎(chǔ)數(shù)據(jù)服務(wù)市場規(guī)模或達 24.9 億元，預(yù)計 18~25 年 CAGR 高達 23.2%，跑贏 AI 基礎(chǔ)數(shù)據(jù)服務(wù)整體增速 21.8%。

4. 國內(nèi)市場集中度趨勢性收斂，海天瑞聲具備領(lǐng)先優(yōu)勢

4.1 發(fā)展趨勢：品牌商價值效應(yīng)凸顯，國內(nèi)市場集中度持續(xù)收斂

品牌數(shù)據(jù)服務(wù)商未來將替代中小型供應(yīng)商成為市場主要供應(yīng)力量。我國 AI 基礎(chǔ)數(shù)據(jù)服務(wù) 行業(yè)主要市場主體包括需求方自建基礎(chǔ)數(shù)據(jù)團隊與基礎(chǔ)數(shù)據(jù)服務(wù)商（品牌數(shù)據(jù)服務(wù)商、中 小數(shù)據(jù)服務(wù)商）。截至 2019 年，中小數(shù)據(jù)供應(yīng)商是主要供應(yīng)力量，占比高達 47%。其中 百度眾包、海天瑞聲分居 top2，占比分別為 11.0%、8.0%，2019 年行業(yè) CR5 僅為 26.2%。結(jié)合本文 1.2 部分分析可知，近年間需求端垂直場景及專業(yè)化需求凸顯，業(yè)務(wù)門檻提高；供給端競爭加劇擠壓中低端業(yè)務(wù)利潤空間，加速市場出清。預(yù)計當(dāng)前我國 AI 基礎(chǔ)數(shù)據(jù)服 務(wù)行業(yè)市場主要以品牌數(shù)據(jù)供應(yīng)商與需求方自建團隊為主，行業(yè)龍頭逐漸浮出水面，中小 供應(yīng)商份額顯著下降。

業(yè)內(nèi)品牌數(shù)據(jù)商包括海外巨頭 Appen、國內(nèi)領(lǐng)軍廠商海天瑞聲、慧聽數(shù)據(jù)、標貝科技等：

Appen：1996 年成立于澳大利亞，面向機器學(xué)習(xí)和人工智能開發(fā)的高質(zhì)量人工標注 數(shù)據(jù)集，于 2015 年 1 月于澳大利亞證券交易所上市。Appen 在采集并豐富語音、文 字、圖像和視頻等各種數(shù)據(jù)類型上積累多年經(jīng)驗，與全球技術(shù)、汽車和電子商務(wù)公司， 以及政府部門建立了合作。

海天瑞聲：成立于 2005 年，是國內(nèi)領(lǐng)先的訓(xùn)練數(shù)據(jù)提供商。主要從事訓(xùn)練數(shù)據(jù)的研 發(fā)設(shè)計、生產(chǎn)及銷售業(yè)務(wù)。目前已成為同時具備核心技術(shù)、產(chǎn)品資源、優(yōu)質(zhì)客戶為一體的本土訓(xùn)練數(shù)據(jù)提供企業(yè)。核心收入來源為數(shù)據(jù)資源定制服務(wù)。

慧聽科技：成立于 2011 年，業(yè)務(wù)包括語音識別、語音合成、語音評測、語言文本類、 多媒體類等多領(lǐng)域數(shù)據(jù)制作，以及語音合成、語音識別、輸入法系統(tǒng)的研發(fā)等。公司 提供服務(wù)涵蓋語音訓(xùn)練數(shù)據(jù)制作、音樂數(shù)據(jù)制作標注、語音質(zhì)量評測等，經(jīng)營模式包 括定制開發(fā)和自有訓(xùn)練數(shù)據(jù)產(chǎn)品銷售。

標貝科技：成立于 2016 年，主要提供智能語音交互相關(guān)服務(wù)，包括語音合成整體解 決方案，以及語音合成、語音識別、圖像識別等數(shù)據(jù)服務(wù)，經(jīng)營模式包括定制開發(fā)和 自有訓(xùn)練數(shù)據(jù)產(chǎn)品銷售。

4.2 競爭格局：業(yè)內(nèi)主要玩家發(fā)展各有側(cè)重，Appen 及海天瑞聲具備領(lǐng)先優(yōu)勢

據(jù) IDC，2021 年海天瑞聲在國內(nèi) AI 基礎(chǔ)數(shù)據(jù)服務(wù)行業(yè)市占率高達 12.9%，位居第一。其 技術(shù)實力、語種/方言覆蓋能力、專利及軟著數(shù)量、成品訓(xùn)練集數(shù)量均位居行業(yè)前列。相 比之下，Appen 在覆蓋區(qū)域、語種/方言覆蓋能力等方面更具優(yōu)勢。慧聽科技與標貝科技 則在音樂領(lǐng)域具備差異化業(yè)務(wù)覆蓋能力。

在語音類數(shù)據(jù)產(chǎn)品中，海天瑞聲在結(jié)構(gòu)方面的差異主要體現(xiàn)在覆蓋的噪聲類型、錄音通道 數(shù)量、錄音文本內(nèi)容類型等方面。相比之下，海天瑞聲的訓(xùn)練數(shù)據(jù)產(chǎn)品結(jié)構(gòu)整體而言可覆 蓋更豐富的錄音文本內(nèi)容類型、噪音環(huán)境類型、錄音通道數(shù)量，Appen 則在稀有語言覆 蓋數(shù)量上更勝一籌。

在自然語言訓(xùn)練數(shù)據(jù)產(chǎn)品中，不同自然語言訓(xùn)練數(shù)據(jù)產(chǎn)品的結(jié)構(gòu)差異主要體現(xiàn)在文本來源、 內(nèi)容、標注屬性等方面。Appen 具備更為豐富的產(chǎn)品數(shù)量與更為全面的語言覆蓋能力， 海天瑞聲在上述指標上緊隨其后。

在計算機視覺訓(xùn)練數(shù)據(jù)產(chǎn)品中，海天瑞聲在結(jié)構(gòu)方面的差異主要體現(xiàn)在人像識別檢測相關(guān) 數(shù)據(jù)產(chǎn)品領(lǐng)域。主要玩家均可覆蓋不同類型的人臉、姿勢、場景等，因計算機視覺數(shù)據(jù)產(chǎn) 品個性化特征較強，各類訓(xùn)練數(shù)據(jù)產(chǎn)品在具體的人臉類型、姿勢范圍、場景等方面具備一 定差異。與 Appen 相比，海天瑞聲的 OCR 訓(xùn)練數(shù)據(jù)產(chǎn)品可覆蓋更多語種的光學(xué)字符識 別需要，具備廣泛性、強適用性特征。

4.3 他山之石：Appen 發(fā)展復(fù)盤，全球 AI 基礎(chǔ)數(shù)據(jù)服務(wù)巨頭的崛起之路

Appen 系 AI 基礎(chǔ)數(shù)據(jù)服務(wù)行業(yè)全球巨頭，經(jīng)歷爆發(fā)式成長后收入利潤短期雙雙回落。Appen 成立于 1996 年，面向機器學(xué)習(xí)和人工智能開發(fā)的高質(zhì)量人工標注數(shù)據(jù)集，于 2015 年于澳大利亞證券交易所上市。2015~2019 年，公司經(jīng)歷了爆發(fā)式成長期，營收增速一 度沖高至 100%以上，同期凈利率接近 10%。2020~2022 年，受到全球疫情及公司內(nèi)生 發(fā)展階段調(diào)整影響，2022 年公司營收規(guī)模相較 2021 年回落 13.1%，凈利率由 9.1%回落 至 5.9%。

Appen 業(yè)務(wù)類型齊全，客戶質(zhì)量較高。Appen 主要業(yè)務(wù)類型包括數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理 與模型評價三大類。其中，數(shù)據(jù)采集環(huán)節(jié)基于公司預(yù)先標記完備的海量數(shù)據(jù)集為下游客戶 提供大量其所需的高質(zhì)量數(shù)據(jù)，數(shù)據(jù)集語種覆蓋范圍領(lǐng)先優(yōu)勢較大。數(shù)據(jù)預(yù)處理環(huán)節(jié)，公 司具備全類型數(shù)據(jù)標注能力。模型評價環(huán)節(jié)，公司通過用戶測試及針對客戶競爭對手的性 能基準測試，診斷模型潛在問題，并為此提供能夠優(yōu)化模型的訓(xùn)練數(shù)據(jù)。公司主要客戶質(zhì) 量較高，包括 Google、Amazon、Microsoft 等知名 IT 巨頭。

Appen 位居同業(yè)員工量能及數(shù)據(jù)標注技術(shù)前列。全球范圍來看，Appen 位居全球 AI 基礎(chǔ) 數(shù)據(jù)服務(wù)行業(yè)收入體量首位。其員工量能（數(shù)量及質(zhì)量）與數(shù)據(jù)標注技術(shù)領(lǐng)先程度均位居 行業(yè)頭部，緊隨之后的是 Telus 和 Lionbrigde。以數(shù)據(jù)堂、海天瑞聲為代表的國內(nèi)頭部廠 商距離 Appen 等海外大廠仍存在一定差距。

編輯：黃飛

?