2023AIGC厂商全景报告-爱分析.docx

2023AIGC厂商全景报告关键发现n 通用大模型市场当前虽入局者众多，但终局将高度集中，未来将由 5-6 家厂商主导；应用层厂商及甲方企业应着眼终局，从大算力、巨量数据集、端到端 AI 工程化能力以及应用生态伙伴等维度综合考虑，慎重选择合作伙伴n 中大型企业虽倾向于大模型的私有化部署，但由于中美博弈下 GPU 算力资源紧张且短期无法有效解决、C 端应用受多重制约，使得国内行业大模型与通用大模型发展并驾齐驱未来，行业大模型市场整体百花齐放，但垂直领域仍将头部集中n AIGC 应用层面，能源、金融、传媒、营销、数字办公等行业走在前列，甲方 AIGC 落地面临路径选择、法律法规及内容安全等多重挑战，目前落地价值主要以价值增强和效率提升为主n To B 市场，底层平台收费将是整个 AIGC 生态中最主要、最稳定收费模式，产业发展中后期，按产出内容付费、订阅式付费等结果性付费模式占比将持续增加n To C 市场的成功的关键是寻找到有足够用户粘性和智能化痛点的场景，ChatGPT、Midjourney拉高了用户对于通用人工智能产品的预期，使得 C 端产品的订阅收费，短期内难度更高未来，C 端可能出现免费模式，也可能在某些场景中，形成超级入口级软件或硬件。

n 行业大模型市场，甲方企业需要端到端的 AI 服务能力，甚至希望能够直接应用具有大模型能力的 SaaS 服务，实现自大模型到上层应用软件的一体化集成，以降低大模型应用门槛这要求行业大模型厂商不仅具备 AI 核心技术，还需要有 AI 工程化能力、深刻行业 Know-hown AIGC+数字办公的应用场景中，甲方企业希望数字办公产品能够“好用、有用、安全”，不仅要 足够智能，还需要覆盖数字办公的核心场景、与企业其他业务及管理系统打通，并且确保数据 和信息安全因此，不仅要求数字办公厂商对数字办公领域有深刻洞察，还需要有对底层大模 型的集成与产品化能力，保证产品的兼容性与安全性，确保数字办公产品的价值落地目录1. 研究范围 12. 市场洞察 52.1 通用大模型市场格局及其对科技厂商与甲方企业的影响 52.2 行业大模型市场成因及市场格局判断 62.3 AIGC 落地应用进展、挑战及商业模式分析 73. 厂商全景地图 114. 市场分析与厂商评估 14行业大模型 14灵伴智能：为长音频数字内容生成领域提供从模型到上层应用的一体化 AI 智能解决方案 18拓尔思：自研拓天大模型，聚焦大模型行业化落地，初期锁定传媒、金融、政务等优势领域 21数字办公 25钉钉：融合通义大模型能力，以钉钉斜杠“/”为入口，以自然语言和快捷指令赋能数字办公 295. 入选厂商列表 33研究范围定义1. 研究范围近年来，随着移动互联网为代表的数字经济的快速发展，国内数字内容的消费需求持续快速增长，从 质量、数量角度均进入升级通道。

以往分别由专家、用户所主导的 PGC、UGC 数字内容生产模式，已逐渐无法完全满足数字内容的多样性、效率需求，基于人工智能技术的 AIGC，能够深刻、广泛赋能数字内容生产的各类场景和内容创作者技术方面，深度学习模型不断迭代，Transformer 迅速取代 RNN 系列变种，跻身主流模型架构基础， Diffusion、CLIP 等新一代各模态基础生成算法的诞生和应用，使得人工智能内容生成百花齐放，产出效果趋于逼真，为基于 AI 的内容生成即 AIGC 提供了可能从基础设施角度，AIGC 需要 GPU 算力、网络及存储等硬件基础设施的全方位支撑，国内过去在互联网及移动互联网时代所积累的云计算、数据中心、算力中心等领先全球的数字化基础设施，为 AIGC 的落地运行提供了坚实基础政策层面，党中央、国务院历来高度重视人工智能产业的发展，几乎每年都会有相应政策出台2023 年 4 月，中央政治局首次提及通用人工智能，为我国人工智能产业尤其是通用人工智能的发展奠定了总基调在中央会议精神的指引下和产业发展需要的驱动下，地方政府政策积极跟进，促进人工智能 产业政策的进一步落地5 月最后两天，北上深三地接连出台相关支持政策，大力支持国产大模型为代表的人工智能产业的发展。

例如，深圳市在所发布的《深圳市加快推动人工智能高质量发展高水平 应用行动方案（2023—2024 年）》中提出了包括“千行百业＋AI”在内的十八项举措，要力争创建全球人工智能先锋城市总之，被 ChatGPT 引爆后，在需求、技术、基础设施、政策等多重因素合力助推下，AIGC 领域将迎来爆发式增长，AIGC 有望成为 Web3 时代的重要生产力工具图 1：AIGC 市场全景地图本次报告爱分析将 AIGC 的全景地图分为三部分：其一，基础层基础层主要包括 AI 芯片、基础生成算法、数据集等，这些构成了大模型产生的基础例如，大模型由于模型参数巨大、需要的预训练数据规模庞大，因此，对算力有极高要求，以英伟达的 A100 芯片为例，ChatGPT 能够“大力出奇迹”，也正是数千张甚至上万张 A100 芯片所组成的算力基础设施提供强大算力保证的结果其二，模型层模型层是 AIGC 的核心，整体由通用大模型、行业大模型两部分构成，是应用层的能力基础通用大模型，核心是通过大规模无标注数据的训练，形成可“举一反三”的强大泛化能力和 迁移学习能力而行业大模型，则是面向垂直领域，基于自建模型或利用通用大模型，引入行业语料 进行模型的进一步训练，以提升对行业/领域应用场景的支撑能力。

其三，应用层大模型能力具备后，核心是让模型与千行百业的具体业务场景相结合，产生具体应用价值通过大模型的能力赋能及提示词的交互赋能，甚至是整合了大模型能力的前端应用（如 SaaS），可以让大模型在各行业、企业价值链各环节落地生根爱分析综合考虑企业关注度、行业落地进展等因素，选取其中的行业大模型、数字办公这两个特定市 场进行重点分析本报告主要面向组织的产研部门、业务部门及管理部门，通过对行业大模型、数字办公市场的需求定 义和代表厂商的能力解读，为企业行业大模型、数字办公产品的落地与应用提供厂商选型参考厂商入选标准：本次入选报告的厂商需同时符合以下条件：n 厂商的产品服务满足各市场定义的厂商能力要求；n 已有公测/邀测产品，或已有付费客户并已进行了部分业务的落地应用市场洞察2. 市场洞察2.1 通用大模型市场格局及其对科技厂商与甲方企业的影响通用大模型市场当前参与者类型虽多，但市场终局将高度集中，科技厂商及甲方企业需着眼终局，慎 重选择通用大模型合作伙伴n 当前，通用大模型的参与者类型众多从目前的情况来看，有智源研究院等科研院所，有 BAT、华为、科大讯飞等互联网大厂，有商汤科技等老牌 AI 厂商，也有智谱 AI、光年之外等专注AI 领域的创业企业，甚至知乎等拥有一定语料优势的互联网企业。

n 从竞争格局来看，通用大模型市场，最终可能会由 5-6 家大模型厂商来主导由于存在大算力、巨量数据集等高进入壁垒以及模型客观存在的“反馈-迭代”飞轮效应和持续的大资金投入要求， 是典型无差别竞争要素主导驱动，加之大模型落地需要模型方、前端应用开发服务商、工具开发 服务商甚至是数据服务商等完整的价值生态来整体协作以确保价值落地，单一厂商难以打穿整个 价值链，生态化将成为必然趋势，这势必会反向加固进入和竞争壁垒，进一步巩固既有市场格局 因此，通用大模型市场未来将趋于集中n 国内的商业生态趋向于自建而非开放，因此，对国内的科技厂商、甲方企业而言，应以终为始， 慎重选择当前的通用大模型合作伙伴一方面，从以云计算、移动互联网等为代表的国内信息产业演进历程来看，国内的商业逻辑趋向于构建商业闭环而非美国为代表的开放商业生态，因此， 商业生态间的兼容性相对较差，打通适配成本高昂另一方面，通用大模型从模型构建到预训练再到对外应用，从影响要素层面离不开大算力、巨量数据集、端到端 AI 工程化能力以及应用生态伙伴的协同发力，站在当前视角，为最大化减少投资失误，科技厂商及甲方企业需综合考虑以 上因素，慎重选择具有优秀“长跑能力”的通用大模型合作伙伴。

9图 2：AIGC 主要细分市场“倒金字塔”型逻辑示意2.2 行业大模型市场成因及市场格局判断行业大模型与通用大模型并行发展，未来整体百花齐放，但垂直领域仍将头部集中n 受算力和 C 端商业化进程制约，国内市场上行业大模型与通用大模型并驾齐驱，并行发展从业界实践来看，与国外不同的是，国内出现了通用大模型与行业大模型并行发展的局面一方面， 很多中大型企业都期望通用大模型能够实现私有化部署，这对 GPU 为代表的算力产生了很高要求在中美博弈大背景下，A100、H100 为代表的芯片被美国列入禁止出口商品名单，加之国内信创进展和适配需要时间，算力制约问题在可预见的周期内无法得到有效解决，甲方企业需要寻 找对算力要求相对低、同时兼顾对垂直领域有良好模型效果的解决方案；另一方面，C 端由于受到B 端商业化开发进程的影响，同时受到《生成式人工智能服务管理办法（征求意见稿）》的制约，使得 C 端市场在短期内很难找到突破口和变现场景，而受政策监管相对偏少的 B 端市场成为国内大模型厂商寻找中短期增长路径和方向的重要选择n 行业大模型市场整体将“百花齐放”，但各行业/垂直领域市场格局仍将头部集中。

由于天然的更靠近客户，行业大模型不仅需要有一定的 AI 技术能力，更重要的是对于各垂直行业和领域有充分的行业 know-how 的理解和行业预料积累，因此，行业大模型市场更多依赖行业经验和进入市场的时间等个性化竞争要素驱动，未来市场会整体将呈现“百花齐放”的基本格局，不同行业 间较难出现横向集中，而对于各具体行业，模型效果驱动下，市场仍会头部集中2.3 AIGC 落地应用进展、挑战及商业模式分析应用层面，能源、金融、传媒、营销、数字办公等领域应用靠前，甲方 AIGC 落地面临路径选择、法律法规及内容安全等多重制约，目前落地主要以价值增强和效率提升为主，商业模式层面仍在探索， B 端对底层能力或对最终结果付费将是主流，C 端有待突破n 从AIGC 的落地进展来看，各行业落地进展不尽相同，能源、金融、传媒、营销领域、数字办公应用进度靠前甲方在落地 AIGC 时，势必会经历从观望到探索、试点再到陆续上线的过程，并且不同行业由于存在场景丰富度、数字化程度、容错率等特征差异和预算充裕度差异，使得各行业 AIGC 的落地进程将千差万别结合目前调研情况来看，国内 AIGC 的落地主要以能源领域（代码生成、文档生成、图片生成等）、银行证券（智能投研、智能风控等）、传媒领域（内容智能 生成、搜索推荐等）、营销领域（文生图、文案生成等）、数字办公（智能会议纪要、智能群聊 摘要、文档内容生成等）为代表，制造、医药、汽车等其他领域将逐步展开。

n 从AIGC 的落地挑战来看，甲方企业 AIGC 落地面临路径选择、法律法规及内容安全等多重挑战企业初始试点场景选择及后续 AIGC 应用场景的拓展路径，将对企业落地 AIGC 的整个可行性形成较大影响，需慎重选择与评估；另外，行业相关法律法规也将对 AIGC 的应用形成制约如金融行业，AIGC 智能投顾是否能够属于独立民事主体、能否具有从业资格等尚无定论，。