人工智能AIGC研究报告：AIGC势头强劲，算力、数据、算法、应用端需求空间广阔
算力、数据、算法构成AIGC领域重要支撑，需求随大模型持续推出及升级迭代快速增长
算力、数据、算法是AIGC领域的三大核心要素，推动AIGC技术持续取得突破。其中算力刻画数据处理能力，主要关联技术包括数据中心、分布式计算、边缘计算、高性能计算等。数据指以数字、文字、图像等形式表现的用于模型训练的素材，其相关技术包括数据挖掘、数据仓库、数据可视化、数据安全和隐私保护等。算法代表用系统的方法描述解决问题的策略机制，其关联技术包括机器学习、深度学习、自然语言处理、计算机视觉、推荐系统等。
AI大模型训练需要强大的数据处理能力，推动算力需求持续增长。
AI大模型训练需要强大的数据处理能力。随着大模型持续推出及升级迭代，AI算力需求持续增长。
根据IDC的数据，我国智能算力市场规模预计将从2019年的31.7EFLOPS增长至2026年的1271.4EFLOPS，CAGR高达69.4%。具体而言，算力基础设施主要包括AI服务器、AI芯片、数据中心等。
AI服务器领域，目前AI服务器以CPU+GPU形式为主，可支持大规模的深度神经网络模型训练并提高训练的精度，具有明显的计算效率优势，因此需求有望持续增长。根据TrendForce的预测，全球AI服务器（包含搭载GPU、FPGA、ASIC等）出货量预计将从2022年的85.5万台增长至2026年的236.9万台，CAGR为29.0%。
AI芯片领域，AI芯片是核心算力硬件，除CPU外，还包括高效支持AI应用的GPU、FPGA等通用芯片以及专门为特定的AI产品设计的ASIC芯片等，主要用于辅助CPU进行加速计算。AI芯片占据AI服务器的主要成本，根据IDC的数据，芯片成本在基础型服务器中约占32%，在更高性能的服务器中，芯片相关成本占比高达50%-83%。在算力需求激增的背景下，AI芯片需求有望持续增长。根据Gartner、甲子光年的数据，全球AI芯片市场规模预计将从2018年的43亿美元增长至2025年的726亿美元，2020-2025年CAGR达48.4%，而我国AI芯片市场规模预计将从2018年的61亿元增长至2023年的557亿元，CAGR达55.4%。
数据中心领域，数据中心作为算力的重要载体之一，需求将随着大模型算力需求增长而增长。根据科智咨询的数据，我国数据中心市场规模预计将从2014年的372亿元增长至2024年的6123亿元，CAGR达32.3%。
大模型复杂化需要大规模训练数据支持，数据标注是大部分AI算法有效运行的关键。
数据是算法的素材，大模型复杂化需要更大规模的训练数据支持。根据长江存储系统解决方案公众号的数据，ChatGPT的算法模型已经达到1750亿参数，用于预训练的数据量达到45TB，并且随着ChatGPT的持续迭代，模型参数和数据量也在加速增长。
受益大模型训练需求持续增长以及升级迭代，叠加数据产权保护加强，数据市场规模有望持续增长。同时，数据本身的质量会影响模型训练的效果，因此数据标注成为大部分Al算法有效运行的关键。数据标注指将原始数据进行处理，使其适用于机器学习和AI算法的学习和分析。尤其是自动化数据标注技术能够通过深度学习和计算机视觉等技术，减少人工标注需求，提高数据标注的效率和准确性，进一步推动数据服务行业发展。根据艾瑞咨询的数据，我国AI基础数据服务行业市场规模预计将从2018年的25.9亿元增长至2025年的101.1亿元，CAGR为21.5%。
预训练模型引发AIGC技术的质变，国内外厂商积极纷纷推出大模型。
预训练模型引发AIGC技术的质变，有效推进AIGC在应用端的落地。具体而言，预训练模型可分为：(1)自然语言处理(NLP)预训练模型，包括谷歌的LaMDA和PaLM、Facebook的OPT-175B和M2M-100、OpenAl的GPT系列等；(2)计算机视觉(CV)预训练模型，包括微软的Florence等;(3)多模态预训练模型，即融合文字、图片、音频、视频等多种内容形式的预训练模型，包括谷歌的Imagen和Parti、DeepMind的Gato、OpenAl的CLIP&DALL-E等。
我国企业也在不断推出自己的大模型。根据中国移动研究院，科技大厂在算力层、平台层、模型层、应用层进行四位一体的全面布局，如百度的“昆仑芯+飞桨平台+文心大模型+行业应用”、阿里的“含光800芯片+M6-OFA底座+通义大模型+行业应用”、华为“昇腾芯片+MindSpore框架+盘古大模型+行业应用”，有望提升模型训练的效率及行业的可用性。
AIGC赋能千行百业，应用端发展前景广阔
AIGC生成文本、代码、图像、视频等内容的能力持续提升，应用端发展前景广阔。大模型技术水平日益精进，感知并理解海量数据的能力持续提升，推动AIGC在文本、代码、图像、视频等内容的自动生成方面不断取得突破。在AIGC的加持下，内容生成领域在自动生成、提高丰富度和准确性、降低制作门槛及生产成本方面成效显著。同时，多模态大模型的出现使得多领域融合成为可能，提升AIGC的可用范围。因此，AIGC在自动驾驶、智慧工业、电商、游戏、文娱、金融、工业、政务、医疗越来越多的领域得到广泛应用。应用领域持续开拓推动人工智能行业持续扩容。
根据太原大数据官微公众号引用的头豹研究院数据，我国人工智能市场规模预计将从2021年的2607亿元增长至2027年的15732亿元，CAGR达34.9%，其中自动驾驶是人工智能的最大应用领域，市场份额预计将从2022年的38%提升至2027年的52%。
人工智能在自动驾驶领域意义非凡，大模型推动自动驾驶进一步发展人工智能在自动驾驶领域意义非凡，大模型推动自动驾驶进一步发展。
人工智能技术在自动驾驶领域有极重要的意义。深度学习技术可以帮助车辆精准感知和理解外部环境；深度学习技术是SLAM系统中的一项关键技术，可以实现地图创建等多项任务；深度学习技术能帮助自动驾驶汽车学习和适应周围环境，帮助其提高决策能力，提升驾驶效率及安全性。同时，大模型在自动驾驶中应用趋势明确。
根据九章智驾公众号，在云端，可以发挥大模型参数量增加带来的容量优势，用于自动驾驶数据自动标注、数据挖掘、通过蒸馏方式训练小模型等；在车端，大模型可用于合并用于不同检测任务的小模型等方面，节省车端计算环节所需的推理时间，增加自动驾驶安全性。因此，在大模型技术的推动下，自动驾驶将迎来更广阔的发展空间。根据艾媒咨询的数据，我国无人驾驶汽车行业规模预计将从2015年的30.5亿元增长至2025年的267.6亿元，CAGR为24.3%。
AIGC推动数字人更智能化、拟人化，推动数字人在众多产业得到广泛应用。
AI技术在文本、音频生成、图像、视频、3D模型生成及多模态交互等方面全面赋能数字人。具体而言，AI技术逐渐渗透到数字人建模、渲染、生成、驱动等全部环节，并使其制作成本降低、周期缩短、门槛降低，并且拟人化程度更高。根据艾媒咨询的调查数据，虚拟人被认为是2023年受AIGC技术推动作用最为明显的产业。在AIGC技术的支撑下，数字人将在短视频、教育、影视、政务、文创、直播等众多领域得到广泛应用，推动相关产业持续扩容。根据艾媒咨询的数据，我国虚拟人核心市场规模预计将从2017年的8.1亿元增长至2025年的480.6亿元，CAGR高达66.6%；同时，虚拟人所带动的市场规模预计将从2017年的80.9亿元增长至2025年的6402.7亿元，CAGR高达72.7%。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
本报告共计：40页。受篇幅限制,仅列举部分内容。
精选报告来源公众：【幻影视界】,回复关键字“202306”，获取完整PDF电子版返回搜狐，查看更多
适应人工智能驱动科研新范式
当前，随着新科技革命和产业变革深入发展，人工智能技术不断突破并向科研领域广泛渗透，为科研工作注入了新元素、新动能，对科研效率提升和范式变革形成显著催化作用，现代科研活动由此更加高效、精准，“人工智能驱动的科学研究”已成为全球人工智能新前沿，必将为未来科技发展开启全新局面。
近年来，我国人工智能技术快速发展，科研数据和算力资源日益丰富，顺应新时代新趋势，利用新技术新优势，推动人工智能赋能科学研究恰逢其时、大有可为。
应用场景是新范式的孕育土壤和实训基地，人工智能技术与科学研究互动互促需要在诸多应用场景中反复实践、不断完善，随着应用范围不断拓展延伸，科研能力持续实现智慧升级。为此，以需求为牵引谋划人工智能技术应用场景，基于促进科学研究更加紧密拥抱人工智能技术，拓展人工智能技术在数学、化学、地学、材料、生物和空间科学等重大科学领域的应用。充分发挥人工智能技术在文献数据获取、实验预测、结果分析等方面的作用，围绕具有典型代表意义和辐射带动性的基础科学、应用科学领域，创造更多实战式应用场景，融合人工智能模型算法和领域数据知识，不断探索重大科学问题研究突破的新路径、新范式，持续积累可复制可推广的经验做法。
人工智能技术在科研活动应用中涉及多专业、多环节，离不开不同类型、不同链条主体机构的合理分工和有效协作。为此，要鼓励企业运用人工智能开展关键技术研发、新产品培育等科研活动，支持高校、科研院所、新型研发机构探索人工智能技术用于重大科学研究和技术开发的先进模式，培育壮大一批跨界技术转化和企业孵化机构、科研中介服务机构，探索多元主体合作协作新机制。面向重大科学问题的人工智能模型和算法创新，发展一批针对典型科研领域的“人工智能驱动的科学研究”专用平台，推动国家新一代人工智能公共算力开放创新平台建设，支持高性能计算中心与智算中心异构融合发展，鼓励各类科研主体按照分类分级原则开放科学数据。支持成立“人工智能驱动的科学研究”创新联合体，搭建国际学术交流平台。
适应性人才是新范式突破和推广的根本源泉。提高人工智能技术在科学研究领域的应用水平，既需要人工智能和相应学科的专业人才，也离不开跨领域复合型人才为跨界沟通协作提供高效支撑，这需要多渠道构筑相关人力资源引育平台和机制。为此，要多渠道培养和汇聚跨越人工智能和专业领域的复合型人才。支持更多数学、物理等科学领域的科学家、研究人员投身相关研究，鼓励普通高校、职业院校在人工智能学科专业教学中设置科技创新类专业课程，提升人工智能专业学生科研专业素养。鼓励开展相关人才培训，通过开设研修班、开展实践交流、组织专题培训等多种形式，培养一批人工智能与专业科研能力兼顾的复合型人才。鼓励地方政府、央企、行业领军企业通过“揭榜挂帅”、联合创新等方式支持相关优秀人才和科研团队开展智慧赋能科研工作。（作者：张璐璐来源：经济日报）