来源:同花顺
1月28日,国盛证券发布一篇通信行业的研究报告,报告指出,AIGC的商业化之路展望。
报告具体内容如下:
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。
ToB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,toB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。
声明:本文引用第三方机构发布报告信息源,并不保证数据的实时性、准确性和完整性,数据仅供参考,据此交易,风险自担。
免责声明:本文来自网络收录或投稿,观点仅代表作者本人,不代表芒果财经赞同其观点或证实其描述,版权归原作者所有。转载请注明出处:https://www.mgcj.net/982068.html
温馨提示:投资有风险,入市须谨慎。本资讯不作为投资理财建议。