AIGC行业专题报告：从AI技术演进看AIGC，奇点临近，未来已来

人工智能：新一轮生产力革命。

人工智能：新一轮生产力革命。1）人工智能（AI）基于机器学习和数据分析的方法，赋予机器人类的能力，从而实现解放人力、降本提效的目的。从C 端用户需求来看，人工智能解决的是与人相关的娱乐、出行、健康等生活场景中的痛点；2）AI 在 C 端的应用分为两方面：a）对原有劳动力的替代与生产力效率的提升：如语音识别、智能客服、机器翻译等；b）需求创造：如基于 AI 算法的“千人千面”的信息分发（如抖音、快手、小红书等）、内容生成（AIGC）、人机交互（如 ChatGPT 等）、辅助驾驶、安防等。

算法创新及算力进步、数据爆发，催化本轮人工智能奇点将至。1）人工智能的技术演进经历了符号主义、连接主义和行为主义，在行为主义思想中引入了连接主义的理念，最终诞生引导 AI 落地的深度学习技术；2）深度学习技术的出现，改变了传统 AI 的技术路线，解决了传统机器学习算法无法处理大量数据、准确率遭遇瓶颈的问题，使得 AI 从理论上具备了工程化落地的可能；3）基于摩尔定理的算力提升，互联网及数字经济的快速发展带来的数据量井喷，使得 AI 最终从设想走向场景落地，在语音识别、图像识别等领域的计算准确度都实现了突破性进展并得到广泛应用。

从算法推荐到内容生成，AIGC 有望引发新一轮内容与平台投资机遇。1）结合 AI 技术特点，我们认为 AI 能够创造价值的领域必须必备以下三点要素：有适合的商业化场景：行业内存在需求，AI 能够为行业带来降本提效；存在海量、多维数据；算力及开发成本具备合理的商业化回报可能；2）从传媒互联网的实践来看，基于 AI 算法推送的信息分发模型已经为 web 2.0 时代主流的信息组织模式，并诞生出以字节跳动、快手、小红书等为代表典型产品和商业案例；3）内容生成（AIGC）时代的大门正在打开：海量的数据资源、快速提升的算力水平和不断降低的单位算力成本开销、基于深度学习的预训练大模型构建的通用大模型显著降低应用开发门槛，数字化的高渗透率赋予充裕场景应用可能；从 PGC 到 AIGC，内容生产的大爆炸将重塑内容与平台生态、商业模式，新一轮产业机遇渐行渐近。