人工智能行業從CHAT~GPT到生成式AI（Generative AI）：人工智能新范式重新定義生產力-230129（100頁）.pdf

《人工智能行業從CHAT~GPT到生成式AI（Generative AI）：人工智能新范式重新定義生產力-230129（100頁）.pdf》由會員分享，可在線閱讀，更多相關《人工智能行業從CHAT~GPT到生成式AI（Generative AI）：人工智能新范式重新定義生產力-230129（100頁）.pdf（100頁珍藏版）》請在三個皮匠報告上搜索。

1、從從CHATCHAT-GPTGPT到生成式到生成式AIAI（Generative AIGenerative AI）：）：人工智能新范式，重新定義生產力人工智能新范式，重新定義生產力證券研究報告證券研究報告 行業深度報告行業深度報告發布日期：2023年1月29日本報告由中信建投證券股份有限公司在中華人民共和國（僅為本報告目的，不包括香港、澳門、臺灣）提供，由中信建投（國際）證券有限公司在香港提供。同時請參閱最后一頁的重要聲明。分析師：武超則分析師：武超則SAC編號：S1440513090003SFC編號：BEM208分析師：楊艾莉分析師：楊艾莉SAC編號：S1440519060002SFC編號：

2、BQI330研究助理：楊曉瑋研究助理：楊曉瑋 1 1核心觀點核心觀點 近期人工智能研究公司近期人工智能研究公司OpenAI推出的聊天機器人模型推出的聊天機器人模型CHAT-GPT不斷不斷出圈出圈，據據 Semafor援引知情人士報道援引知情人士報道，微軟正商談以微軟正商談以 290 億美元估值億美元估值，向向 OpenAI 投資投資 100 億美元億美元，一切一切均指向人工智能模型的新范式均指向人工智能模型的新范式“生成式生成式AI模型模型（Generative Model）”。此前的決策式此前的決策式AI模型模型（Discriminant Model）是根據已有數據進行分析是根據已有數據進行

3、分析、判斷判斷、預測預測，典典型應用為內容的智能推薦型應用為內容的智能推薦（短視頻短視頻）、自動駕駛等；而生成式自動駕駛等；而生成式AI更強調學習歸納后進行演更強調學習歸納后進行演繹創造繹創造，生成全新的內容生成全新的內容，本質是對生產力的大幅度提升和創造本質是對生產力的大幅度提升和創造，已催生了營銷已催生了營銷、設計設計、建筑和內容領域的創造性工作建筑和內容領域的創造性工作，并開始在生命科學并開始在生命科學、醫療醫療、制造制造、材料科學材料科學、媒體媒體、娛樂娛樂、汽車汽車、航空航天進行初步應用航空航天進行初步應用，為各個領域帶來巨大的生產力提升為各個領域帶來巨大的生產力提升。2 2前言：微

4、軟，百億美金級別的選擇（前言：微軟，百億美金級別的選擇（1）資料來源：微軟，Semafor，The information，中信建投 繼繼2019年向年向OpenAI注資注資10億美元之后億美元之后，微軟與微軟與OpenAI的合作進入第三階段的合作進入第三階段。此前據 Semafor 援引知情人士報道，微軟正商談以 290 億美元估值，向 OpenAI 投資 100億美元。2019年，微軟即開始與OpenAI進行合作。到了2021年，微軟向OpenAI投資10億美金。根據微軟對外的聲明根據微軟對外的聲明，在與在與OpenAI新的合作階段中新的合作階段中，微軟將有以下計劃微軟將有以下計劃 Sup

5、ercomputing at scale：微軟將增加對專業超算系統開發和部署的投資，以加速OpenAI突破性的獨立AI研究。微軟還將繼續構建Azure的AI基礎結構，以幫助客戶在全球范圍內構建和部署各自的AI應用程序。New AI-powered experiences：微軟將在其消費者和企業產品中部署OpenAI模型，并引入基于OpenAI技術的新型數字體驗。包括微軟的Azure OpenAI服務，該服務使開發人員能夠通過直接訪問OpenAI模型來構建尖端的AI應用程序。Exclusive cloud provider：作為OpenAI的獨家云供應商，Azure將為OpenAI 在研究、產品

6、和API服務中的所有工作負載提供支持。此外據媒體報道此外據媒體報道，微軟還計劃將微軟還計劃將ChatGPT整合進旗下搜索引擎必應整合進旗下搜索引擎必應（Bing），提高必應提高必應在搜索引擎市場的市占率；同時在搜索引擎市場的市占率；同時Chat-GPT功能引入功能引入Office，用于部分文本的生成和問答用于部分文本的生成和問答。3 3前言：微軟，百億美金級別的選擇（前言：微軟，百億美金級別的選擇（2）資料來源：微軟，OpenAI，中信建投 OpenAI表示表示，來自微軟的投資將使來自微軟的投資將使其其能獨立研究開發出更安全能獨立研究開發出更安全、有用和強大的有用和強大的 AI。根據微軟對外的

7、聲明根據微軟對外的聲明，此前其與此前其與OpenAI的合作已取得一定成績的合作已取得一定成績，并將繼續向前并將繼續向前 自 2016 年以來，微軟致力于將Azure 打造成世界級AI 超級計算機，微軟和 OpenAI推動了云超級計算技術的前沿，在 2020 年推出其第一臺 Top-5 超級計算機，隨后大規模構建了多個 AI 超級計算系統。OpenAI 使用此基礎結構來訓練其突破性模型，這些模型現已部署在 Azure 中，以支持 GitHub Copilot、DALL E 2 和 ChatGPT。雙方的創新激發了人們的想象力，并將大規模人工智能作為一種強大的通用技術平臺引入，這將在個人計算機、互

8、聯網、移動設備和云的規模上產生變革性的影響這將在個人計算機、互聯網、移動設備和云的規模上產生變革性的影響。4 4目目 錄錄第二章第二章第一章第一章AI：從判別決策到創造生成：從判別決策到創造生成生成式生成式AI：范式升級：范式升級，應用多元應用多元第三章第三章生成式生成式AI應用：內容制作應用：內容制作，從輔助人到從輔助人到“替代替代”人人第五章第五章海內外發展：多家科技巨頭海內外發展：多家科技巨頭、初創公司積極布局初創公司積極布局第四章第四章生成式生成式AI應用：多行業垂直應用應用：多行業垂直應用第六章第六章綜合應用：游戲行業的案例綜合應用：游戲行業的案例 5 5蒸汽機蒸汽機電力電力信息技術

9、信息技術人工智能人工智能大數據大數據1.1 AI正在推動第四次工業革命，進一步提升生產力正在推動第四次工業革命，進一步提升生產力資料來源：世界銀行，聯合國教科文組織，科學的歷程，中信建投18世紀世紀19-20世紀世紀20世紀后期世紀后期21世紀世紀-第一次工業革命第一次工業革命第二次工業革命第二次工業革命第三次工業革命第三次工業革命第一次信息革命第一次信息革命第四次工業革命第四次工業革命第二次信息革命第二次信息革命機器替代人力大規模工業生產替代個體手工生產電能成為主要能源，社會生產力遠超蒸汽時代動力提高：發動機、電動機等信息傳輸效率提高：電報、無線電通訊等原子能、電子計算機和空間技術的發展，其

10、中電子計算機為核心電子計算機替代部分腦力勞動，少部分模擬人的智能活動人工智能、物聯網、生物技術等人工智能為主要驅人工智能為主要驅動力動力，數據成為重數據成為重要的生產要素要的生產要素決策式決策式AI：實現分：實現分析功能析功能生成式生成式AI：實現創：實現創造性功能造性功能 6 61.2 AI：從決策到：從決策到生成生成，AI技術與應用迎來跨越發展技術與應用迎來跨越發展資料來源：Dynabench:Rethinking Benchmarking in NLP,Google Scholar,indigox.me，公司官網，中信建投2011年以前年以前2012年至今年至今前神經網絡前神經網絡專家系

11、統專家系統概率推論概率推論神經網絡神經網絡基礎模型基礎模型 大規模模型大規模模型AI學科成立學科成立1956感知器模型感知器模型解答特定領域解答特定領域的問題的問題1980sProlog&Lisp專家系統專家系統機器語言翻譯機器語言翻譯2014GAN生成圖像但生成圖像但分辨率不高分辨率不高生成式生成式AI急速發展急速發展決策式決策式/分析式分析式AI時代時代1990s機器學習算法機器學習算法IBM 沃森沃森益智問答益智問答打敗人類打敗人類2011大數據大數據推薦算法推薦算法2012DNNs物體識別物體識別自動駕駛自動駕駛2017Transformer能夠完成能夠完成大多數大多數NLP任務任務2

12、020GPT-3 網絡結構進化網絡結構進化為后續大型模為后續大型模型打下基礎型打下基礎1994GroupLens首個自動首個自動化推薦系統化推薦系統2021CLIP由文本生成由文本生成的高清具有的高清具有獨創性圖像獨創性圖像AI繪畫繪畫2022DALL E2 以以40億個文億個文本本-圖像對為圖像對為訓練數據訓練數據實現文本到實現文本到圖像跨模態圖像跨模態2014人類平均水平線人類平均水平線AI的急速發展使得的急速發展使得AI模型在手寫識別、語音識模型在手寫識別、語音識別、圖像識別、閱讀理解、語言理解等領域的別、圖像識別、閱讀理解、語言理解等領域的表現加速超越人類平均水平表現加速超越人類平均水

13、平 7 71.3 AI：決策式：決策式AIAI與生成式與生成式AIAI對比對比類型類型決策式決策式AIAI生成式生成式AIAI技術路徑技術路徑已知數據分別求解輸出類別標簽，區分不同類型數據,例如將圖像區分為貓和狗分析歸納已有數據后創作新的內容，例如生成逼真的貓或狗的圖像成熟程度成熟程度技術成熟，應用廣泛，輔助提高非創造性工作效率2014年開始快速發展，近期發展速度呈指數級爆發，部分領域應用落地應用方向應用方向推薦系統、風控系統、決策智能體等內容創作、科研、人機交互以及多個工業領域應用產品應用產品人臉識別、精準廣告推送、金融用戶評級、智能輔助駕駛等文案寫作、文字轉圖片、視頻智能配音、智能海報生成

14、、視頻智能特效、代碼生成、語音人機交互、智能醫療診斷等 AI模型可大致分為決策式模型可大致分為決策式/分析式分析式AI（Discriminant/Analytical AI）和生成式和生成式AI（Generative AI）兩類兩類。決策式決策式AI：學習數據中的條件概率分布，根據已有數據進行分析、判斷、預測，主要應用模型有用于推薦系統和風控系統的輔助決策、用于自動駕駛和機器人的決策智能體。生成式生成式AI：學習數據中的聯合概率分布，并非簡單分析已有數據而是學習歸納已有數據后進行演技創造，基于歷史進行模仿式、縫合式創作，生成了全新的內容生成了全新的內容，也能解決判別問題也能解決判別問題。表：決

15、策式表：決策式AIAI與生成式與生成式AIAI對比對比資料來源：Learn Open CV，海外獨角獸，中信建投 8 81.4 決策式決策式AI：推薦系統、圖像識別等已創造巨大市場：推薦系統、圖像識別等已創造巨大市場資料來源：沙利文，公司官網，中信建投010002000300040005000600070002016201720182019202020212022E2023E2024E2030E圖：全球人工智能市場規模及預測（億美元）圖：全球人工智能市場規模及預測（億美元）2016年年，人工智能技術全面爆發人工智能技術全面爆發，決策式決策式AI開始大規模應用開始大規模應用，包括推薦系統包括推薦

16、系統、計算機視覺計算機視覺、自然語言處理等自然語言處理等。全球人工智能市場規模從2016年的約600億美元發展到2021年的近3000億美元，在推薦系統、計算機視覺、自然語言處理等技術加持下，亞馬遜、字節、商湯、特斯拉等公司快速發展。我們認為我們認為，生成式生成式AI經過前期技術積累進入爆發期經過前期技術積累進入爆發期，隨著技術與應用的進一步成熟隨著技術與應用的進一步成熟，后續市場空間更為廣闊后續市場空間更為廣闊。2015及以前決策式決策式AIAI大規模應用大規模應用生成式生成式AIAI大規模大規模成熟應用成熟應用AIAI技術積累技術積累生成式生成式AIAI部分部分應用趨于成熟應用趨于成熟決策

17、式決策式AIAI全面爆發全面爆發決決策策式式AI推薦系統推薦系統電商：廣告、商品電商：廣告、商品推薦推薦娛樂：新聞、視頻、娛樂：新聞、視頻、音樂、游戲等推薦音樂、游戲等推薦圖像識別圖像識別人臉識別：人臉識別：Face ID身份認證身份認證自動駕駛自動駕駛內容審核內容審核文本分類、情感分文本分類、情感分析、規則引擎等析、規則引擎等生成式生成式AIAI爆發爆發生生成成式式AI內容內容科研科研建筑建筑航天航天醫療醫療材料材料能源能源計算機計算機 9 91.4.1 決策式決策式AI應用：推薦系統助力電商、視頻等行業快速發展應用：推薦系統助力電商、視頻等行業快速發展資料來源：華為云，VentureBea

18、t，CSDN，中信建投 電商推薦：深度挖掘用戶和物品的關聯關系電商推薦：深度挖掘用戶和物品的關聯關系，將商品將商品、店鋪精準推送給用戶店鋪精準推送給用戶。2003年，亞馬遜將協同過濾推薦算法應用到電商行業，憑借推薦商品與用戶需求精準匹配、大幅降低用戶檢索用時，推薦算法在電商交易中心逐漸成為資源配置的核心。推薦系統顯著提升電商平臺銷售額推薦系統顯著提升電商平臺銷售額。2006年，據VentureBeat，亞馬遜的個性化推薦系統為其貢獻了35%以上的銷售額；2015年，京東基于大數據個性化推薦算法的訂單占到總訂單的10%。新聞新聞、音樂音樂、視頻等推薦：分析用戶長期興趣和短期興趣視頻等推薦：分析用

19、戶長期興趣和短期興趣，根據興趣標簽將內容實時推送給用戶根據興趣標簽將內容實時推送給用戶。推薦算法通過對用戶觀看、停留、點贊等行為的實時分析，精準刻畫用戶畫像，將用戶可能感興趣的內容推薦給用戶，降低人工運營規則的攝入，顯著提高了用戶粘性。圖：推薦系統精準刻畫用戶畫像準確推送圖：推薦系統精準刻畫用戶畫像準確推送用戶用戶電商電商媒體媒體資訊資訊觀看、停留時長、點贊、評論瀏覽、點擊、收藏、購買推薦商品推薦新聞、音樂、視頻等用戶數據用戶數據行為數據行為數據商品、資訊數據商品、資訊數據決策式決策式AI實時分析實時分析用戶特征用戶特征興趣標簽興趣標簽商品、資訊特征商品、資訊特征畫像描繪興趣挖掘特征引擎推薦結

20、果列表 10101.4.1 決策式決策式AI應用：字節跳動憑精準推送應用：字節跳動憑精準推送1010年內估值超年內估值超30003000億美元億美元資料來源：36氪，鈦媒體，晚點LatePost，QuestMobile，富途資訊，中信建投 字節跳動：字節跳動：AI驅動抖音驅動抖音、頭條精準推薦內容頭條精準推薦內容，10年內年內估值估值超超3000億美元億美元。憑借判別式AI等先進算法對用戶畫像的學習，抖音、頭條等字節系產品，將內容與廣告等高效、精準推薦給用戶，快速驅動自身用戶數、業績與估值增長。用戶數量方面用戶數量方面，據QuestMobile，抖音2022年9月月活7.1億，全國移動互聯網用

21、戶滲透率50%；2021年12月，今日頭條月活3.3億，遠高于傳統新聞資訊平臺；收入收入方面方面，據晚點LatePost及華爾街日報，字節收入由2016年的60億元，上升到2021年的4391億元，CAGR達136%；市值方面市值方面，據創業家及胡潤研究院2021全球獨角獸榜，字節跳動市值由2014年的5億美元，上升至2021年的3375億美元。圖：圖：20212021年底各大新聞資訊平臺年底各大新聞資訊平臺MAUMAU（億）（億）0123456782017-022017-062017-102018-022018-062018-102019-022019-062019-102020-02202

22、0-062020-102021-022021-06 2021-102022-022022-06圖：抖音主站月活（億）圖：抖音主站月活（億）圖：字節跳動市值變化（十億美元）圖：字節跳動市值變化（十億美元）0.5112075140337.50501001502002503003504002014201620172018202020210.00.51.01.52.02.53.03.5 11111.4.2 決策式決策式AI應用：圖像識別推動自動駕駛市場快速增長應用：圖像識別推動自動駕駛市場快速增長資料來源：IDC，零壹智庫，中信建投 自動駕駛：自動駕駛：AI智能分析智能分析、識別路況識別路況，滲透率不

23、斷提升滲透率不斷提升。借助決策式AI，自動駕駛汽車可分析判別各種路況，并可對多種物體進行識別與跟蹤，從而提高行車的安全性，例如行人、空曠行駛空間、地上標注、紅綠燈、車輛等。目前自動駕駛市場規?？焖僭鲩L目前自動駕駛市場規?？焖僭鲩L，據據Research And Markets，2021年全球無人駕駛汽車的市場規模約年全球無人駕駛汽車的市場規模約273億美億美元元，2026年全球無人駕駛汽車市場規模將達到年全球無人駕駛汽車市場規模將達到594億美元億美元，年復合增長率為年復合增長率為16.84%。帶動產業鏈發展帶動產業鏈發展，多環節均有高市值上市公司及高估值公司多環節均有高市值上市公司及高估值公司

24、。判別式AI為自動駕駛汽車提供核心技術支持，自動駕駛汽車的銷售則帶動整個相關產業鏈的發展，如車用無線通信技術V2X、高精度地圖、激光雷達、芯片、ADAS駕駛輔助系統、智能車解決方案等。多個產業鏈環節均有高估值、大市值公司誕生，例如蔚來汽車（造車）、商湯科技（激光雷達、V2X、ADAS等）、Momenta（高精度地圖）等。圖：全球自動駕駛汽車銷量及預測（萬輛）圖：全球自動駕駛汽車銷量及預測（萬輛）公司名稱業務市值特斯拉造車;L4自動駕駛5785億美元蔚來汽車造車;L4自動駕駛1400億港元小鵬汽車造車;L4自動駕駛485億港元理想汽車造車;L4自動駕駛1469億港元商湯科技激光雷達;V2X;AD

25、AS算法620億港元寒武紀V2X;自動駕駛芯片;ADAS算法255億人民幣表：自動駕駛產業鏈上市公司市值（億美元，截至表：自動駕駛產業鏈上市公司市值（億美元，截至20222022年年1111月月2424日）日）公司名稱業務估值公司名稱業務估值哪吒汽車造車70億蘑菇車聯V2X;L4 自動駕駛30億滴滴自動駕駛L4 自動駕駛34億地平線V2X;自動駕駛芯片;ADAS 算法30億文遠知行造車;L4自動駕駛33億奇點汽車造車;L4自動駕駛27億小馬智行造車;L4 自動駕駛31億酷哇機器人造車;車聯網;高精度地圖25億Momenta高精度地圖31億千尋位置高精度地圖21億表：自動駕駛產業鏈非上市公司估值

26、（億美元，截至表：自動駕駛產業鏈非上市公司估值（億美元，截至20222022年年2 2月）月）010002000300040005000600020202021202220232024L1L2L3-L5 12121.4.2 決策式決策式AI應用：應用：AI四小龍多領域開創“四小龍多領域開創“AI+”新業態”新業態資料來源：公司官網，中信建投 AI四小龍：在多場景探索計算機視覺應用四小龍：在多場景探索計算機視覺應用。借助判別式AI，商湯科技、曠視科技、依圖科技、云從科技對C端、B端、G端的各大應用場景進行智能分析，提高信息的判別分析效率、節省人力成本，并為用戶及時提供決策反饋。四家公司均獲得了較

27、高的估值。商湯科技：商湯科技：將人工智能基礎設施、智能駕駛、人/物檢測、SLAM、圖像生成、智能決策為核心，應用領域涵蓋智能駕駛、身份驗證、城市管理、游戲AI、VR/AR等，11月24日市值620億港元。曠視科技：曠視科技：專注于圖像/視頻的分析與理解，以人臉識別為核心，業務場景包括城市治理、樓宇園區管理、實名認證、通行考勤等，據胡潤全球獨角獸榜，2021年估值270億元。依圖科技：依圖科技：聚焦于人臉識別、自然語言處理等領域，解決方案包括城市管理、智慧醫療等據胡潤全球獨角獸榜，2020 年估值140億元。云從科技：云從科技：建立視覺、語言、環境認知系統，應用于智慧交通、金融、教育等領域，11

28、月24日市值131億元。類型應用場景商湯科技曠視科技依圖科技云從科技C端手機人臉3D重建、手機圖像處理、手機人臉解鎖方案等手機安全、認證、影像等解決方案汽車高級輔助駕駛系統、智能座艙車主身份驗證、司機駕駛狀態分析B端金融互聯網金融、線下金融、智慧網店、會員識別等卡證信息錄入、身份認證智能網點、刷臉取款解決方案智慧網點、智慧識人、票據OCR、風控解決方案醫療智慧診療平臺Care.ai醫療智能全棧式產品解決方案教育AI基礎教育、智慧校園教育行業數字化物流倉儲物流數字化制造工廠制造數字化G端安防方舟城市級開放視覺平臺、人臉動態比對服務器等產品城市管理、樓宇園區管理數字化解決方案城市安全、智慧園區AI

29、+人像大數據、智慧社區實有人口、智慧園區安防解決方案交通人群分析系統民航旅客出港服務、航站樓管理服務、民航大數據服務零售智慧商業解決方案零售行業數字化解決方案顧客識別、軌跡熱區、4D店標準化解決方案智慧門店綜合、智慧4D專營店智慧案場人臉識別解決方案表：表：AIAI四小龍四小龍AIAI應用場景應用場景 13131.4.3 決策式決策式AI應用：內容審核顯著降低人工成本應用：內容審核顯著降低人工成本資料來源：公司官網，中信建投 決策式決策式AI通過通過規則引擎規則引擎、文本分類文本分類、圖像分類等進行內容審核圖像分類等進行內容審核，廣泛應用于搜索引擎廣泛應用于搜索引擎、社交平臺社交平臺、電子商務

30、電子商務、新聞網站等領域新聞網站等領域，以確保內容符合法律法規和公司政策以確保內容符合法律法規和公司政策，保護用戶隱私和安全保護用戶隱私和安全，大幅降低了各公司人工審核的大幅降低了各公司人工審核的成本成本，并提高了內容質量并提高了內容質量，建立了用戶信任建立了用戶信任。規則引擎：規則引擎：通過預定義的規則檢查內容是否包含某些敏感詞匯以決定是否通過審核。文本分類：文本分類：按照一定的體系或標準對文本進行自動分類標記，包括情感分析、意圖識別、主體分類等，例如識別評論是積極的還是消極的、將文本按照政治、軍事、體育等進行分類等。圖像分類：圖像分類：將圖像內容進行分類，例如將圖像分入動物、植物、風景、人

31、像等不同的類別。應用領域應用領域名稱名稱應用場景應用場景搜索引擎谷歌網頁敏感詞審核、內容審核、廣告審核等百度社交平臺Facebook對用戶發布的文字、圖像、視頻的進行審核，屏蔽侮辱、攻擊性、暴力、色情等違法違規信息以及虛假信息等Twitter微信微博電子商務京東商品內容審核、商品宣傳圖審核、違法宣傳標語過濾、評論審核、虛假評論及惡意評論的過濾等淘寶新聞網站Reuters智能新聞分類、虛假新聞識別過濾、評論審核等表：內容審核應用場景表：內容審核應用場景 14141.4.4 決策式決策式AI應用：谷歌開發多款模型替代人力分析應用：谷歌開發多款模型替代人力分析資料來源：谷歌，Google Schol

32、ar，36氪，中信建投 谷歌深耕人工智能領域谷歌深耕人工智能領域，不僅開發出了多個圖像識別不僅開發出了多個圖像識別、人臉識別人臉識別、語音識別算法語音識別算法，替代了常見的人類能夠完成替代了常見的人類能夠完成的分析性工作的分析性工作，還推出了天氣預測還推出了天氣預測、流行病預測等模型流行病預測等模型，實現了優于常人的決策結果實現了優于常人的決策結果。名稱名稱時間時間應用應用Building High-level FeaturesUsing Large Scale Unsupervised Learning2012訓練人工神經網絡從無標注圖像識別特征，例如識別圖像中的人臉、貓臉等TensorFl

33、ow2015包含一系列機器學習算法，支持多種編程語言，方便用戶訓練、開發、部署機器學習模型。不僅支持判別式模型，也支持生成式模型不僅支持判別式模型，也支持生成式模型AlphaGo2015通過對大量數據學習如何做出圍棋決策，擊敗世界頂尖圍棋選手，后續用于金融領域預測股票價格、自動駕駛領域判斷路況等FaceNet2015使用深度卷積網絡，高精度識別人臉圖像之間的差別Wide&Deep2016基于Embedding和多層感知機的推薦算法，在推薦領域有廣泛的應用Joint Speech Recognition and Speaker Diarization via Sequence Transduct

34、ion 2018集成語音識別和說話人分類系統，判斷誰在什么時候說了什么Building Damage Detection in Satellite Imagery Using Convolutional Neural Networks2019使用衛星遙感圖像分析建筑物的損壞程度，為救災決策提供幫助MetNet2020通過觀測數據預測天氣，能夠以1km的解析度、兩分鐘的時間間隔預測未來8小時內的降雨量A prospective evaluation of AI-augmented epidemiology to forecast COVID-19 in the USA and Japan2021

35、模擬政策變化對新冠確診人數和死亡病例的影響表：谷歌部分決策式表：谷歌部分決策式AIAI模型梳理模型梳理 1515目目 錄錄第二章第二章第一章第一章AI：從判別決策到創造生成：從判別決策到創造生成生成式生成式AI：范式升級：范式升級，應用多元應用多元第三章第三章生成式生成式AI應用：內容制作應用：內容制作，從輔助人到從輔助人到“替代替代”人人第五章第五章海內外發展：多家科技巨頭海內外發展：多家科技巨頭、初創公司積極布局初創公司積極布局第四章第四章生成式生成式AI應用：多行業垂直應用應用：多行業垂直應用第六章第六章綜合應用：游戲行業的案例綜合應用：游戲行業的案例 16162.1 生成式生成式AI

36、VS Web 3.0：不僅是：不僅是web3.0的生產工具，更是人工智能的新范式的生產工具，更是人工智能的新范式資料來源：Gartner，陀螺科技，雷鋒網，中信建投 生成式生成式AI可以作為可以作為Web3.0的生產工具的生產工具，但但Web3.0中的應用僅是其應用的冰山一角中的應用僅是其應用的冰山一角。Web3.0圍繞去中心化的理念展開，結合區塊鏈、智能合約、加密貨幣等技術，核心是產生的數據由用戶擁有，能夠改變用戶數據及原創內容等均由互聯網中心化實體控制的現狀，在創作者經濟中取得更好的平衡從而提升用戶創作內容的積極性。生成式AI在內容領域的應用能夠滿足用戶不斷提升的創作需求，但這僅是其應用的

37、冰山一角。生成式生成式AI在廣大垂直領域的應用帶來的是在廣大垂直領域的應用帶來的是AI用途的結構性改變以及生產力的進一步提高用途的結構性改變以及生產力的進一步提高，未來可能創造巨大未來可能創造巨大的市場價值的市場價值。圖：生成式圖：生成式AIAI與與Web3.0Web3.0生成式生成式AIWeb3.0人工智能內容創作設計科研計算機建筑航天醫療材料能源 17172.1 生成式生成式AI VS Web 3.0：不追求生產關系的重塑，但將大幅度提升和創造生產力：不追求生產關系的重塑，但將大幅度提升和創造生產力資料來源：中國管理信息化，雷鋒網，中信建投 創造是生成式創造是生成式AI的核心的核心，本質是

38、對生產力的大幅度提升和創造本質是對生產力的大幅度提升和創造。生成式AI通過從數據中學習要素，進而生成全新的、原創的內容或產品，不僅能夠實現傳統AI的分析、判斷、決策功能，還能夠實現傳統AI力所不及的創造性功能。生成式AI已催生了營銷、設計、建筑和內容領域的創造性工作，并開始在生命科學、醫療、制造、材料科學、媒體、娛樂、汽車、航空航天進行初步應用，為各個領域帶來巨大的生產力提升。生成式生成式AI將促進生產關系高效發展將促進生產關系高效發展，而不是像而不是像Web3.0重塑生產關系重塑生產關系。Web3.0通過底層的分布式與去中心化、密碼學的應用、加密貨幣的結算方式，為集體協作、分工、收益提供了更

39、好的結算方式，去中心化自治組織（Decentralized Autonomous Organization，DAO）將是常見的組織形態，打破了原有的生產關系。生成式AI不是打破傳統的生產關系，而是通過提高生產力促進現有生產關系高效發展。圖：生成式圖：生成式AIAI與與Web3.0Web3.0對生產關系的影響對生產關系的影響傳統傳統Web3.0生產關系生產關系生產力生產力反作用作用生成式生成式AIAI生產關系生產關系生產力大幅提高生產力大幅提高反作用促進生產關系高效發展DAO形式的形式的分布式生產關系分布式生產關系 18182.2 生成式生成式AI：“最有商業前景的人工智能技術”：“最有商業前景

40、的人工智能技術”資料來源：Gartner，中信建投 Gartner將生成式將生成式AI列為最有商業前景的人工智能技術列為最有商業前景的人工智能技術。根據其發布的根據其發布的2022年人工智能技術成熟度曲線年人工智能技術成熟度曲線，預計生預計生成式成式AI 2-5內將進入生產成熟期內將進入生產成熟期，發展潛力與應用空間巨大：發展潛力與應用空間巨大：2025年，生成式AI產生的數據將占到所有數據的10%，而2021年生成式AI產生的數據不到所有數據的1%；2025年，30%的大型組織出站消息將由生成式AI生成；2025年，50%的藥物發現與研發將使用生成式AI；2027年，30%的制造商將使用生成

41、式AI提高產品研發效率。圖：圖：20222022年人工智能技術成熟度曲線年人工智能技術成熟度曲線生成式人工智能 19192.3 資本：海外一級投資涌入資本：海外一級投資涌入 多家知名風投公司看好生成式多家知名風投公司看好生成式AI賽道：賽道：紅杉資本官網9月19日發布的文章生成式AI：充滿創造力的新世界中提到：“生成式AI有潛力產生數萬億美元的經濟價值”。Coatue發布的AI2022：爆發認為規?；黄剖沟肁I在短時間內變得指數級強大，其應用場景迅速突破。2022年10月，Stability AI完成1.01億美元融資，估值10億美元，投資方包括Coatue、Lightspeed Ventu

42、rePartners和OShaughnessy Ventures。公司由前英國對沖基金經理Emad Mostaque于2020年成立。2022年10月，Jasper完成1.25億美元融資，估值達15億美元，投資者包括Coatue、Bessemer VenturePartners、IVP等多家機構。2019年，OpenAI獲得微軟10億美元投資，2021年OpenAI 估值已達200億美元。表：風投機構視角下的生成式表：風投機構視角下的生成式AIAI資料來源：公司官網，中信建投This incredible AI renaissance is happening simultaneously a

43、cross many diverse fields and verticals.This is not a coincidence:scaling breakthroughs have enabled AI to become exponentially more powerful in a very short period of time.Engineers are now taking this technology breakthrough and applying it everywhere they can.20202.3 資本：海外一級投資涌入資本：海外一級投資涌入 多家生成式多

44、家生成式AI公司進入公司進入Madrona、高盛高盛、微軟微軟、亞馬遜網絡服務和亞馬遜網絡服務和 PitchBook聯合發布的聯合發布的2022年智能應用前年智能應用前40名榜單名榜單（Intelligent Applications 40，IA40）。IA40招募了來自40多家頂級風險投資和投資公司的50多名風險投資人，提名并投票選出塑造智能應用未來的頂級公司，這些公司自成立以來募資超160億美元，今年募資超過50億美元，其中包括Runway、Jasper、Copy.ai在內的14家生成式AI相關公司，占比達35%。表：表：20222022年年IA40IA40（生成式（生成式AIAI公司用虛

45、線框出）公司用虛線框出）資料來源：公司官網，中信建投 21211.E+001.E+011.E+021.E+031.E+041.E+051.E+061.E+071.E+081.E+091.E+101.E+111.E+121.E+131.E+141.E+151.E+161.E+171.E+181.E+191.E+201.E+211.E+221.E+231.E+2419521954195619581960196219641966196819701972197419761978198019821984198619881990199219941996199820002002200420062008201

46、02012201420162018202020222.4 技術：技術：2022年是拐點年是拐點資料來源：COMPUTE TRENDS ACROSS THREE ERAS OF MACHINE LEARNING，Google Scholar，中信建投 前期架構前期架構、模型模型、數據數據、算力的積累與提升算力的積累與提升架構改進：架構改進：深度神經網絡的學習能力和模型的大小呈正相關，但規模越大訓練難度越高，需要對結構進行改進，擁有更強并行性的Transformer架構帶來了深度神經網絡參數量從最早的幾萬到目前的數千億的躍升。模型發展：模型發展：GPT-3、CLIP、Diffusion、DALL

47、E2等模型的提出極大提升了AI處理NLP、跨模態、生成問題的能力。數據增多：數據增多：擁有的優質訓練數據越多，算法從中學習的效果越好。隨著數字時代的到來，生成數據的工具和軟件越來越普遍，數據總量呈指數增長，可供AI訓練的數據質量和數量均有很大提升。算力提升：算力提升：大規模深度學習模型的參數和數據量達到了一定量級，需要相應算力的支撐，目前，大規模模型的訓練算力是原來的10到100倍。圖：用于訓練機器學習經典算法的算力圖：用于訓練機器學習經典算法的算力用于AI訓練的算力增長符合摩爾定律，大約每20個月翻一番深度學習的出現加速了性能的擴展，用于AI訓練的算力大約每6個月翻一番大規模模型出現，其訓練

48、算力是原來的是原來的10到100倍深度學習出現深度學習出現大規模模型出現大規模模型出現訓練算力（FLOPs）圖：生成式圖：生成式AIAI關鍵模型關鍵模型/架構架構20222021202020192018201720142013DALL E2對比語言圖像預訓練對比語言圖像預訓練(CLIP)、擴散模型、擴散模型GPT-3 GPT-2生成式預訓練（生成式預訓練（GPT）變換器架構（變換器架構（TransformerTransformer）生成對抗網絡（生成對抗網絡（GAN）變分自編碼器（變分自編碼器（VAE）22222.5 技術：模型迭代技術：模型迭代資料來源：freeCodeCamp，Google

49、 Scholar，中信建投 變分自編碼器變分自編碼器（Variational Autoencoder，VAE）：2013年由Diederik P.Kingma和Max Welling提出，編碼器將原始高維輸入轉換為對潛在空間的概率分布描述，從中采樣輸入解碼器，得到新生成的結果，可用于圖像生成、語音合成等，生成的圖像較為模糊。生成式對抗網絡生成式對抗網絡（Generative Adversarial Nets，GAN）：2014年由Ian J.Goodfellow等人提出，模型由生成器和判別器組成，以圖像生成為例，生成器輸入訓練噪聲后生成圖像，判別器用來判斷圖像是真實的還是由生成器生成的，隨著訓

50、練不斷進行，生成器水平提升，判別器不再分辨圖像真偽，固定生成器對判別器進行馴良，直到判別器能夠分辨圖像真偽，固定判別器再次訓練生成器，不斷循環，獲得生成效果好的生成器。GAN模型能夠生成圖像、3D模型甚至視頻，但對輸出結果控制較弱，易產生隨機結果。圖：圖：GANGAN模型示意圖模型示意圖圖：圖：VAEVAE模型示意圖模型示意圖 23232.5 技術：架構升級，能力質變技術：架構升級，能力質變資料來源：中國信通院，Google Scholar，中信建投 Transformer：2017年由Google團隊提出，采用自注意力機制，按輸入數據各部分重要性的不同而分配不同的權重,僅用attention

51、來做特征抽取,網絡結構的進化帶來了參數量和模型層數的提高，引起了生成式AI技術能力的質變；并行化優勢允許其在更大的數據集上進行訓練,這也促成了GPT等預訓練模型的發展。視覺視覺Transformer（ViT）：2020年由Google團隊提出，將Transformer應用在圖像分類領域。ViT將輸入圖片分為16x16個patch，再將每個patch投影為固定長度的向量送入Transformer，后續操作與原始Transformer相同。ViT通過將人類先驗經驗知識引入網絡結構設計，獲得了更快的收斂速度、更低的計算代價、更多的特征尺度、更強的泛化能力，能夠更好地學習和編碼數據中蘊含的知識，正在成

52、為視覺領域的基礎網絡架構。以ViT為代表的視覺大模型賦予了AI感知、理解視覺數據的能力，提升了AI的感知能力。圖：圖：ViTViT模型示意圖模型示意圖圖：圖：TransformerTransformer模型示意圖模型示意圖 24242.5 技術：技術：快速進化快速進化資料來源：中國信通院，OpenAI，Google Scholar，中信建投 GPT-3升級升級自然語言處理自然語言處理，CLIP實現文本與圖像互相理解實現文本與圖像互相理解GPT：2018年由OpenAI提出，參數量1.17億，預訓練數據量約5GB，基于Transformer模型充分利用海量無標注文本進行預訓練，賦予文本大模型在小

53、數據集、零數據集下的理解和生成能力,提升了生成式AI的認知能力。2020年GPT-3推出，參數量達1750億，預訓練數據量達45TB，除自然語言推理、句子關系判斷、問答、常識推理、分類等常見NLP任務外，GPT-3在撰寫文章、編寫SQL語句、編寫JavaScript代碼等困難任務也有優異表現，入選了麻省理工科技評論2021年“十大突破性技術”。CLIP：2021年由OpenAI提出，利用文本信息監督視覺任務自訓練，訓練數據集為40億個“文本-圖像”對，采用Transformer模型對圖像的patch序列進行建模，將不同模態的原始數據映射到統一或相似的語義空間，實現不同模態信號間的相互理解，擁有

54、尋找不同模態數據間關系的能力，基于此能夠實現不同模態數據間轉化與生成，進一步可以根據圖片生成對應語言描述也可以根據語言提示生成對應的圖片，極大豐富了生成式AI技術的應用廣度，為AIGC帶來了更多的可能性。圖：圖：CLIP模型示意圖模型示意圖圖：圖：GPT模型示意圖模型示意圖 25252.5 技術：技術：快速進化快速進化資料來源：OpenAI，雷鋒網，Google Scholar，騰訊科技，中信建投 Diffusion與與DALL E2實現高質量圖像產出實現高質量圖像產出擴散模型擴散模型（Diffusion model）：擴散模型的概念最早在 2015年“Deep Unsupervised Le

55、arning using NonequilibriumThermodynamics”中被提出。2020年“Denoising Diffusion Probabilistic Models”中提出DDPM模型用于圖像生成。擴散模型通過給圖像增加高斯噪聲破壞訓練數據來學習，找出逆轉噪聲過程的方法，利用學習到的去噪聲方法實現從隨機輸入中合成新的圖像。該算法在分子圖生成中可以進行藥物分子和蛋白質分子的生成。DALL E2：2022年4月由OpenAI提出，基于CLIP實現文本與圖像的聯系，基于Diffusion從視覺語義生成圖像，使用先驗模型實現從文本語義到相應視覺語義的映射，最終實現以下功能：1）根

56、據文本生成圖片；2）將圖像擴展到畫布之外；3）根據文本對圖像進行編輯，實現添加或刪除元素；4）給定一張圖片生成保持原風格的變體。圖：圖：擴散擴散模型算法示意圖模型算法示意圖圖：圖：DALL E2模型示意圖模型示意圖 26262.6 跨過恐怖谷：人類對生成式跨過恐怖谷：人類對生成式AI的好感度隨其擬人程度的增加而增加的好感度隨其擬人程度的增加而增加資料來源：Researchgate，抖音，中信建投 恐怖谷效應：恐怖谷效應：1970年由日本機器人專家森政弘提出的關于人類對機器人和非人類物體感覺的假設，隨著類似人類物體的擬人程度增加，人類對其的好感度呈現“增-減-增”的曲線，當類似人類的物體與人類相

57、像到一定程度后，人類對其好感度會下降呈現一個情感反應的低谷，即恐怖谷，而當其與人類的相似程度繼續上升，人類對其的好感會隨之增加。生成式生成式AI跨過了恐怖谷跨過了恐怖谷。隨著技術的發展，生成式AI越來越多的能力接近人類甚至超越人類，人們對其不是反感而是熱衷于使用，例如抖音中AI繪畫特效使用人數已經超過2700萬人，AI會話工具ChatGPT發布5天用戶即超百萬，人類對生成式AI的好感正隨著其能力的提升、與人類相似程度的提升而增加，說明生成式AI已經成功跨過了恐怖谷。圖：圖：生成式生成式AI已經跨過恐怖谷已經跨過恐怖谷圖：圖：抖音抖音AI繪畫特效繪畫特效使用人數超使用人數超2700萬萬好好感感度

58、度+-與人類相似程度與人類相似程度工業機器人工業機器人人型機器人人型機器人生成式生成式AIAI恐怖谷恐怖谷 2727 根據紅杉資本的預測：后續基本模型的發展將繼續推進生成式根據紅杉資本的預測：后續基本模型的發展將繼續推進生成式AIAI應用發展應用發展，預計預計20232023年文本領域和代碼領域的應年文本領域和代碼領域的應用已經成熟用已經成熟。圖像圖像/視頻視頻/3 3D D/游戲領域的成熟應用仍需要一定的發展時間游戲領域的成熟應用仍需要一定的發展時間，20252025年以后的應用發展進程僅為推測年以后的應用發展進程僅為推測。2.7 生成式生成式AI技術演進展望技術演進展望資料來源：sequo

59、ia，中信建投圖：生成式圖：生成式AIAI相關應用發展進程時間表相關應用發展進程時間表20202020年之前年之前20222022年年20202020年年20232023年？年？20252025年？年？約約20302030年？年？文本領域文本領域代碼領域代碼領域圖像領域圖像領域視頻視頻/3D/3D/游戲領域游戲領域詐騙垃圾信息識別翻譯基礎問答回應基礎文案撰寫初稿更長的文本二稿垂直領域的文案撰寫實現可精調（科學論文等）終稿，水平高于人類平均值終稿，水平高于專業寫手單行代碼補足多行代碼生成更長的代碼更精確的表達支持更多語種領域更垂直根據文本生成初版應用程序根據文本生成終版應用程序，比全職開發者水平

60、更高藝術圖標攝影模仿（產品涉及、建筑等）終稿（產品涉及、建筑等）終稿，水平高于專職藝術家、設計師和攝影師視頻和3D文件的基礎版/初稿二稿AI版Roblox可依個人夢想定制的游戲與電影大規模實現難度：接近成熟初級嘗試成熟應用 2828目目 錄錄第二章第二章第一章第一章AI：從判別決策到創造生成：從判別決策到創造生成生成式生成式AI：范式升級：范式升級，應用多元應用多元第三章第三章生成式生成式AI應用：內容制作應用：內容制作，從輔助人到從輔助人到“替代替代”人人第五章第五章海內外發展：多家科技巨頭海內外發展：多家科技巨頭、初創公司積極布局初創公司積極布局第四章第四章生成式生成式AI應用：多行業垂直

61、應用應用：多行業垂直應用第六章第六章綜合應用：游戲行業的案例綜合應用：游戲行業的案例 29293.1 生成式生成式AI應用：娛樂媒體內容制作應用：娛樂媒體內容制作資料來源：Sequoia，中信建投 當前階段生成式當前階段生成式AI最常見的應用場景為娛樂媒體內容的輔助生產最常見的應用場景為娛樂媒體內容的輔助生產。以文字續寫或糾錯、文字轉語音、文字生成語音、圖像智能編輯、視頻智能剪輯等方式替代既有創意產生后的專業性機械勞動，同時通過內容生成滿足用戶的娛樂需求或者為其提供創作靈感。隨著生成式隨著生成式AI的不斷成熟的不斷成熟，部分專業內容生產者將被替代部分專業內容生產者將被替代。數據、算力的進一步提

62、升將帶來具有更強生成效果的AI，能夠根據用戶需求生成個性化定制內容終稿，并且AI生成內容達到專業內容生產者水平且具有獨特新穎的創意，從而替代部分文字作者、翻譯人員、插畫創作者、配音人員、音樂制作人、視頻編輯人員等等。機器機器輔助人輔助人 輔助大批量內容生產輔助大批量內容生產 改進內容生產人工操作流程，生成內容初稿改進內容生產人工操作流程，生成內容初稿 替代既有創意產生后的專業性機械勞動替代既有創意產生后的專業性機械勞動機器機器“替代”人“替代”人 AI生成內容達到專業水準生成內容達到專業水準 根據用戶需求生成個性化定制內容終稿根據用戶需求生成個性化定制內容終稿 替代部分專業內容生產者替代部分專

63、業內容生產者圖圖：生成式：生成式AIAI在娛樂媒體內容領域的應用在娛樂媒體內容領域的應用 30303.2 AIGC：生成式：生成式AI在娛樂媒體領域的應用（在娛樂媒體領域的應用（1）資料來源：rct ai，36氪，中信建投 AIGC（AI-Generated Content）指利用人工智能技術自動生成的內容指利用人工智能技術自動生成的內容，是繼專業生成內容是繼專業生成內容（PGC）和用戶生成和用戶生成內容內容（UGC）之后一種之后一種新型生成內容的方式新型生成內容的方式。國際上被稱為人工智能合成媒體（AI-generated Media或Syntheticmedia），是通過人工智能算法對數據

64、或媒體進行生產、操作和修改的統稱。AI繪畫作品出圈繪畫作品出圈、一級投資活躍一級投資活躍，2022年年AIGC爆發式發展爆發式發展。2022年8月，在美國科羅拉多州舉辦的新興數字藝術家競賽中，參賽者提交AIGC繪畫作品太空歌劇院獲得了此次比賽“數字藝術/數字修飾照片”類別一等獎，而參賽者沒有繪畫基礎，通過AI繪圖軟件MidJourney耗時80個小時創作了該作品。AI繪畫技術發展快速，從年初的技藝生疏到目前能夠生成專業級別的圖像僅過去幾個月的時間，目前國外已有Stable Diffusion Midjourney等多個成熟的AIGC平臺。其中技術領先的AI公司Open AI當前估值或達290億

65、美元，Stable Diffusion背后的StabilityAI 估值也達到10億美元。圖：內容生成的四個階段圖：內容生成的四個階段專業生成內容專業生成內容專業創意團隊生產內容，對專業性要求高，內容質量高用戶生成內容用戶生成內容用戶自由創作內容，對技術要求不高，內容質量參差不齊AI輔助生成內容輔助生成內容用戶和專業團隊在AI的協助下生成內容，具有較高的生產效率AI生成內容生成內容人工智能技術自動生成內容，生產內容的質量、效率、自由度均較高受限于人的制造能力、想象能力、知識水平受限于人的制造能力、想象能力、知識水平所產出的內容數量和質量有限所產出的內容數量和質量有限圖：圖：AIAI繪畫作品繪畫

66、作品太空歌劇院太空歌劇院獲獎出圈獲獎出圈 3131 AICGAICG大幅度降低了數字內容生產的成本大幅度降低了數字內容生產的成本，打破了數字內容生產受到人類想象能力和知識水平的限制打破了數字內容生產受到人類想象能力和知識水平的限制，廣泛應用于廣泛應用于文本生成文本生成、音頻生成音頻生成、圖像生成圖像生成、視頻生成視頻生成、跨模態生成及游戲領域跨模態生成及游戲領域，其廣泛應用能夠滿足數字經濟時代日益增其廣泛應用能夠滿足數字經濟時代日益增長的數字內容供給需求長的數字內容供給需求。3.2 AIGC：生成式：生成式AI在內容創作領域的應用（在內容創作領域的應用（2）資料來源：AIGC/AI生成內容產業

67、展望報告，中信建投表表：AIGCAIGC應用場景及所處發展階段應用場景及所處發展階段類型類型應用場景應用場景所處階段所處階段文本生成文本生成新聞播報等結構化寫作廣泛應用，技術細節待提升劇情續寫、營銷文本等非結構化寫作底層技術明確，預計1-2年將規?；瘧脙热萃扑]、文章潤色等輔助性寫作廣泛應用，技術細節待提升智能客服、聊天機器人等交互式文本寫作廣泛應用，技術細節待提升文本交互游戲等底層技術明確，預計1-2年將規?；瘧靡纛l生成音頻生成語音克隆廣泛應用，技術細節待提升由文本生成播報、虛擬人歌聲等特定語音廣泛應用，技術細節待提升作曲、編曲、自動作詞等樂曲/歌曲的生成廣泛應用，技術細節待提升圖像生成圖

68、像生成去除水印、提高分辨率、濾鏡等圖像編輯工具廣泛應用，技術細節待提升按照特定屬性生成畫作、根據指定要求生成功能性圖像底層技術明確，預計1-2年將規?；瘧靡曨l生成視頻生成刪除特定主體、生成特效、跟蹤剪輯等視頻屬性編輯廣泛應用，技術細節待提升視頻換臉等視頻部分剪輯底層技術明確，預計1-2年將規?；瘧脤μ囟ㄆ芜M行檢測及合成等視頻自動剪輯底層技術待完善，增長可期跨模態生成跨模態生成根據文字生成創意圖像底層技術明確，預計1-2年將規?；瘧酶鶕D片素材生成視頻底層技術明確，預計1-2年將規?；瘧酶鶕淖稚蓜撘庖曨l底層技術待完善，增長可期根據圖像或視頻生成文字底層技術待完善，增長可期游戲游戲A

69、I Bot底層技術明確，預計1-2年將規?；瘧肗PC邏輯及劇情底層技術明確，預計1-2年將規?；瘧?3232 文本生成是生成式文本生成是生成式AIAI最早應用的領域之一最早應用的領域之一，已經在對話機器人已經在對話機器人、內容續寫內容續寫、新聞稿撰寫新聞稿撰寫、詩歌小說創作等領域具詩歌小說創作等領域具有廣泛的應用有廣泛的應用。對話機器人：對話機器人：包括問答型機器人、閑聊型機器人、任務型機器人、知識圖譜型機器人、多輪對話機器人，在智能客服場景中能夠顯著降低企業人力成本。新聞稿撰寫：新聞稿撰寫：在全球范圍具有廣泛的應用，很多新聞機構使用AI生成稿件，尤其是體育、天氣、股市交易變動、公司業績報

70、道等結構性新聞報道。自然語言生成公司Automated Insights僅在2014年就產生了10億篇新聞文章，每秒可撰寫多達2000篇新聞報道，用戶包括雅虎、美聯社等。3.2.1 文本生成：對話機器人、新聞稿撰寫廣泛應用文本生成：對話機器人、新聞稿撰寫廣泛應用資料來源：騰訊云，GIJN，Automated Insights,中信建投圖圖：騰訊云對話機器人：騰訊云對話機器人圖圖：Automated InsightsAutomated Insights為雅虎生成的體育新聞為雅虎生成的體育新聞 3333 內容續寫：內容續寫：基于給定的文本續寫新的內容，續寫的內容包括文學創作、商業寫作、教學內容等，

71、典型應用有Google推出的Wordcraft、OpenAI推出的GPT-3等。WordcraftWordcraft:2021年由谷歌推出，作者和AI以對話的形式共同編輯故事，支持續寫、擴寫、改寫、生成大綱等功能，能夠極大提升寫作效率，激發創作者靈感。文學創作：文學創作：2017年微軟研發的AI“小冰”出版了人類歷史上第一部人工智能詩集陽光失了玻璃窗，其中包含139首現代詩；2018年，AI創作的小說1 The Road出版；2022年谷歌子公司DeepMind發布劇本寫作AI-Dramatron，能夠從一句話表述的戲劇沖突中生成劇本標題、角色、場景、對話；越來越多的AI文學創作平臺進入公眾視

72、野，AI創作的內容包括劇本、詩歌、小說、對聯等等。3.2.1 文本生成：內容續寫、文學創作部分達到專業水平文本生成：內容續寫、文學創作部分達到專業水平資料來源：Google,微軟，京東，DeepMind，中信建投圖：圖：WordcraftWordcraft圖：圖：陽光失了玻璃窗陽光失了玻璃窗 3434 1111月月3030日日，OpenAIOpenAI發布語言模型發布語言模型ChatGPTChatGPT，該模型采用對話的形式該模型采用對話的形式與人進行交互與人進行交互，可以回答后續問題可以回答后續問題、承認錯誤承認錯誤、挑戰不正確的前提挑戰不正確的前提、拒絕不適當的請求拒絕不適當的請求。Cha

73、tGPTChatGPT不僅在日常對話不僅在日常對話、專業問題回答專業問題回答、信息檢索信息檢索、內容續寫內容續寫、文學創作文學創作、音樂創作等方面展現出強大的能力音樂創作等方面展現出強大的能力，還具有生成代碼還具有生成代碼、調試代碼調試代碼、為代碼生成注釋的能力為代碼生成注釋的能力。ChatGPTChatGPT發布后發布后5 5天用戶已超百萬天用戶已超百萬，而而OpenAIOpenAI之前發布的之前發布的GPTGPT-3 3用了將近兩年的時間才突破用了將近兩年的時間才突破100100萬用戶萬用戶。3.2.1 文本生成：文本生成：ChatGPT集大成集大成資料來源：OpenAI，中信建投圖：圖：

74、ChatGPTChatGPT回答專業問題回答專業問題圖：圖：ChatGPTChatGPT創作的小說大綱創作的小說大綱 3535 ChatGPTChatGPT是基于是基于GPTGPT-3 3.5 5系列微調的結果系列微調的結果，通過基于人類反饋的強化學習通過基于人類反饋的強化學習（ReinforcementReinforcement LearningLearning fromfrom HumanHumanFeedbackFeedback，RLHFRLHF）進行訓練：進行訓練：收集演示數據訓練監督策略：收集演示數據訓練監督策略：從提示數據集中抽取提示輸入并人工給出期待輸出，此數據用來微調GPT-3

75、.5；收集比較數據訓練獎勵模型：收集比較數據訓練獎勵模型：人工對模型輸出的答案以及人工答案按照符合程度進行排序，此數據用于訓練獎勵模型；使用近端優化策略使用近端優化策略(PPO)(PPO)優化獎勵模型：優化獎勵模型：在提示數據集中抽取新的提示輸入，PPO模型由監督策略初始化，模型根據提示輸出后由獎勵模型計算獎勵值，PPO使用獎勵值更新策略參數，然后更新PPO，持續迭代優化。3.2.1 文本生成：文本生成：ChatGPT通過基于人類反饋的強化學習訓練通過基于人類反饋的強化學習訓練圖圖：ChatGPTChatGPT通過通過RLHFRLHF訓練訓練資料來源：OpenAI，中信建投 3636 GPTG

76、PT-3 3于于20202020年年5 5月發布月發布，能夠生成高質量文本能夠生成高質量文本，截止截止20212021年年3 3月月，已經有超過已經有超過300300個應用程序提供個應用程序提供GPTGPT-3 3 驅動的搜驅動的搜索索、對話對話、文本完成和其他文本完成和其他AIAI功能功能，GPTGPT-3 3平均每天生成平均每天生成4545億字億字。目前目前GPTGPT-3 3已應用于：從客戶評論中識別主題并已應用于：從客戶評論中識別主題并生成摘要生成摘要、為虛擬人生成對話對話使其與人自然交流為虛擬人生成對話對話使其與人自然交流、提高語義搜索的準確率等提高語義搜索的準確率等。ChatGPT

77、ChatGPT相較于相較于GPTGPT-3 3具有支持多輪對話具有支持多輪對話、易于修正易于修正、人機交互效果更好人機交互效果更好、更快更快、更高效等優勢更高效等優勢，且目前免費使用且目前免費使用，用戶已超百萬用戶已超百萬，更適合應用于人工智能客服更適合應用于人工智能客服、搜索引擎搜索引擎、智能客服智能客服、虛擬人虛擬人、代碼編程代碼編程、文學創作等領域文學創作等領域。3.2.1 文本生成：以文本生成：以GPT-3和和ChatGPT為例的應用及展望為例的應用及展望資料來源：PWC，wind，公司公告，中信建投圖：圖：GPTGPT-3 3驅動的虛擬人驅動的虛擬人LucyLucy圖：圖：Viabl

78、eViable使用使用GPTGPT-3 3生成客戶反饋摘要生成客戶反饋摘要 3737 自動語音生成：將文本轉化為語音自動語音生成：將文本轉化為語音，廣泛應用于新聞閱讀廣泛應用于新聞閱讀、有聲書有聲書、出行導航出行導航、通知播報通知播報、視頻配音等領域視頻配音等領域。目目前前，谷歌谷歌、微軟微軟、亞馬遜亞馬遜、騰訊騰訊、阿里阿里、百度百度、科大訊飛等均推出了相關平臺科大訊飛等均推出了相關平臺，支持在不同場景下將文本轉化為支持在不同場景下將文本轉化為流暢逼真的語音流暢逼真的語音。谷歌谷歌TextText-toto-SpeechSpeech：谷歌基于DeepMind 的語音合成專業技術打造，支持40

79、多種語言、220多種語音和參數調整，并且支持用戶上傳自己錄制的音頻來訓練自定義語音模型?？拼笥嶏w在線語音合成：科大訊飛在線語音合成：提供了100+發音人，支持多語種、多方言和中英混合，可靈活配置音頻參數，只需用戶上傳15分鐘錄音便能夠生成專屬聲音。3.2.2 音頻生成：語音生成廣泛應用，大廠均有布局音頻生成：語音生成廣泛應用，大廠均有布局資料來源：Google，科大訊飛，中信建投圖：谷歌圖：谷歌TextText-toto-SpeechSpeech圖：圖：科大訊飛在線語音合成科大訊飛在線語音合成 3838 歌曲生成：歌曲生成：AIAI作詞作詞、作曲作曲、編曲等編曲等，具體包括由旋律生成歌詞具體包

80、括由旋律生成歌詞、由歌詞生成旋律由歌詞生成旋律、不同曲風旋律生成不同曲風旋律生成、和弦生成和弦生成、音樂續寫等音樂續寫等，可應用于音樂欣賞可應用于音樂欣賞、游戲音效游戲音效、實體場景配樂等多個領域實體場景配樂等多個領域。天工樂府天工樂府SkyMusicSkyMusic：2022年由昆侖萬維推出的商業級作曲AI模型，支持31種語種的歌詞生成、多曲風旋律生成、多軌道編曲、VOCAL生成和智能縮混等，已在全球多個音視頻平臺發行近20首AI生成歌曲。PlayformPlayform AIAI：與音樂專家合作使用AI續寫了貝多芬第十交響樂，完成了兩個完整的超過20分鐘的樂章，第十交響樂于2021年成功由

81、波恩貝多芬管弦樂團演出。3.2.2 音頻生成：歌曲生成已有商業級模型，應用場景廣闊音頻生成：歌曲生成已有商業級模型，應用場景廣闊資料來源：昆侖萬維，Playform AI，騰訊音樂，Youtube，中信建投圖：天工樂府作曲專輯上線流媒體平臺圖：天工樂府作曲專輯上線流媒體平臺圖：圖：AIAI續寫貝多芬續寫貝多芬第十交響樂第十交響樂 39393.2.3 圖像生成：快速出圈，多款應用火爆圖像生成：快速出圈，多款應用火爆資料來源：The New York Times，TechCrunch，SiliconANGLE，公司官網，中信建投 2022年下半年年下半年，AI由文本生成圖像快速出圈由文本生成圖像快

82、速出圈，多款應用火爆多款應用火爆。目前對大眾開放的圖片生成模型主要包括StableDiffusion、OpenAI的DALL-E 2、Midjourney等，三款模型中，僅Stable Diffusion開源，累計使用人數最多，在全渠道有超1000萬用戶。谷歌于2022年五月推出了由文本生成高清圖像的模型Imagen，其官網展示了Imagen生成的高清圖像，并宣稱Imagen 生成的圖像已經全線超越了 DALL-E 2，但該模型尚未對外公開使用。表：表：Stability AIStability AI、MidjourneyMidjourney、OpenAIOpenAI、谷歌產品對比、谷歌產品對

83、比Stable DiffusionStable DiffusionMidjourneyMidjourneyDALLDALL-E 2E 2ImagenImagen使用效果使用效果開發公司開發公司Stability AIMidjourneyOpenAI谷歌推出時間推出時間2022.082022.072022.042022.05是否開源是否開源是否否否是否是否To CTo C是是是暫未對外公開是否有內容創作限制是否有內容創作限制否是是-圖片處理圖片處理本地云端云端-使用人數（使用人數（22.1122.11）超1000萬超300萬超150萬-40403.2.3 圖像生成：快速出圈，多款應用火爆圖像生成

84、：快速出圈，多款應用火爆資料來源：Midjourney，DALL-E 2，Stable Diffusion，Analytics India Magazine，中信建投 由于底層算法和訓練數據的不同由于底層算法和訓練數據的不同，Stable Diffusion、Midjourney和和DALL-E 2創作的圖片畫風和效果有所差異創作的圖片畫風和效果有所差異。MidjourneyMidjourney：創作更像是繪畫，而非照片。據公司創始人Holz介紹，這是有意為之，但也不排除公司未來會推出創作寫實圖片的版本。DALLDALL-E 2E 2：創作更寫實。底層算法使DALL-E 2更適合圖片修復（in

85、painting）。Stable DiffusionStable Diffusion：有一些突出的問題，比如人類和動物的四肢不自然；不能理解復雜的原創內容等。4141 視頻智能編輯：視頻智能編輯：使用AI對視頻進行編輯，包括刪除視頻特定主體、自動跟蹤剪輯、視頻特效生成、自動添加特定內容、視頻美顏等，大大降低了視頻編輯的專業門檻，提升了視頻剪輯效率，目前已廣泛應用于視頻創作領域，具體應用包括剪映、百度智能創作平臺、抖音、美圖等。剪映：剪映：字節旗下視頻剪輯軟件，支持AI智能字幕、曲線變速、智能摳像、文本閱讀等。3.2.4 視頻生成：智能編輯為主，生成有待發展視頻生成：智能編輯為主，生成有待發展資

86、料來源：剪映，中信建投圖：圖：剪映視頻智能摳圖剪映視頻智能摳圖 4242 視頻生成：視頻生成：目前由智能視頻生成雖有部分應用，但生成的視頻時長較短，且部分視頻無法準確再現真實世界的運作方式，AI視頻生成技術到成熟應用還有一段距離。MakeMake-A A-VideoVideo：2022年9月由Meta推出，支持由文字描述生成短視頻，也支持輸入圖像制作視頻及輸入視頻創作視頻的變體。但其生成的視頻存在時長較短、清晰度較低、無法復現現實中的動作或邏輯等問題。3.2.4 視頻生成：智能編輯為主，生成有待發展視頻生成：智能編輯為主，生成有待發展資料來源：Meta AI，中信建投圖：圖：MakeMake-

87、A A-VideoVideo根據文字描述生成的視頻根據文字描述生成的視頻圖：圖：MakeMake-A A-VideoVideo生成的部分視頻存在缺陷生成的部分視頻存在缺陷 4343 ImagenImagen VideoVideo：2022年10月由Google推出，能根據文字描述生成 1280*768 分辨率（720P）、每秒 24 幀、長128幀的視頻片段，與Make-A-Video相比生成的視頻更加高清,但其生成的視頻仍有部分扭曲和抖動。PhenakiPhenaki：2022年10月由Google推出，能根據 200 個詞左右的提示語生成 2 分鐘以上的長鏡頭，講述一個連貫完整的故事，但生

88、成的視頻質量較低。3.2.4 視頻生成：智能編輯為主，生成有待發展視頻生成：智能編輯為主，生成有待發展資料來源：Google，中信建投圖：圖：Imagen VideoImagen Video根據文字描述生成的視頻根據文字描述生成的視頻圖：圖：PhenakiPhenaki根據文字描述生成的根據文字描述生成的長長視頻視頻 4444 百度智能創作平臺：百度智能創作平臺：百度AI推出的一站式內容創作助手平臺，涵蓋文章創作、視頻生成和視頻智能編輯。落地媒體機構超過20家，包括人民日報新媒體、新華社、央視網、百家號、好看視頻等。視頻創作：視頻創作：作為綜合型視頻創作平臺，基于多模態創作技術，為內容創作者和

89、機構提供AI賦能創作工具，支持圖文轉視頻、圖表動畫、虛擬主播、語音快剪、智能字幕等多種功能。目前，百度智能創作平臺自動創作的短視頻數量已超過15萬條。3.2.4 視頻生成：百度推出綜合型視頻智能創作平臺視頻生成：百度推出綜合型視頻智能創作平臺資料來源：百度AI，中信建投圖圖：百度智能創作平臺的視頻創作功能：百度智能創作平臺的視頻創作功能 4545 全球娛樂及媒體市場規模超全球娛樂及媒體市場規模超2 2.3 3萬億美元萬億美元。據普華永道，2021年全球娛樂及媒體行業的總收入約為2.34萬億美元，中國市場收入達3586億元，占比約15%。預計2026年全球娛樂及媒體行業的總收入約為2.93萬億美

90、元，CAGR為4.6%。在各細分子行業中均有千億級別上市公司誕生，其中綜合型公司市值更高，騰訊、WALT DISNEY市值分別達3176億美元、1802億美元。3.3 內容生產環節價值巨大：全球娛樂娛樂市場規模內容生產環節價值巨大：全球娛樂娛樂市場規模2.3萬億美元，各賽道均有千億市值公司萬億美元，各賽道均有千億市值公司資料來源：PWC，wind，公司公告，中信建投表：娛樂及媒體行業典型內容公司市值及表：娛樂及媒體行業典型內容公司市值及20212021年收入年收入細分行業細分行業公司公司市值（億美元，市值（億美元，截至截至20222022年年1111月月2424日）日）收入（億美元，收入（億美

91、元，20212021）廣播電視廣播電視SIRIUS XMSIRIUS XM2522528787FOXFOX160160136136COMCAST CORPCOMCAST CORP1541154111641164新聞新聞News CorpNews Corp105105100100出版出版PearsonPearson85854646電影電影Warner BrosWarner Bros279279122122視頻視頻快手科技快手科技284284127127愛奇藝愛奇藝1001004848游戲游戲Activision BlizzardActivision Blizzard5755758888音樂音樂S

92、potify TechnologySpotify Technology151151109109綜合型綜合型騰訊騰訊31763176880880WALT DISNEYWALT DISNEY18021802729729 4646 高質量內容是娛樂及媒體行業的核心高質量內容是娛樂及媒體行業的核心。高質量內容為娛樂媒體行業的基礎，內容創作者在其中扮演了重要的一環，為各類媒介帶來了用戶流量及使用時長的增長。以視頻平臺為例，IBM 商業價值研究院對 42 個國家或地區將近21000 名消費者的調查顯示，57%的受訪者認為收到高質量的專屬視頻內容是對視頻提供商保持忠誠的關鍵動因。3.3 內容生產環節價值巨大

93、：內容生產者處于產業鏈核心地位內容生產環節價值巨大：內容生產者處于產業鏈核心地位資料來源：IBM 商業價值研究院，IDC，中信建投表：表：AIAI在媒體行業在媒體行業應用架構應用架構 4747 決策式決策式AIAI在娛樂媒體領域的應用集中在內容分發環節在娛樂媒體領域的應用集中在內容分發環節，提升分發環節的效率實現了千人千面提升分發環節的效率實現了千人千面，而不是對生產力的而不是對生產力的提升提升。生成式生成式AIAI能夠創作新的內容能夠創作新的內容，改變了傳統的娛樂媒體內容由人工生產的方式改變了傳統的娛樂媒體內容由人工生產的方式，帶來的生產力的提升與突破帶來的生產力的提升與突破。3.4 生成式

94、生成式AI在娛樂媒體領域：不再是改變分發關系，而是升級生產力在娛樂媒體領域：不再是改變分發關系，而是升級生產力資料來源：中信建投傳統內容生產與分發傳統內容生產與分發人工生產內容人工生產內容數量、質量有限數量、質量有限平臺平臺用戶用戶熱點推送熱點推送主動檢索主動檢索決策式決策式AI精準推送精準推送人工生產內容人工生產內容數量、質量有限數量、質量有限平臺平臺用戶用戶生成式生成式AI提高生產力提高生產力AI生產內容生產內容數量、質量極大提升數量、質量極大提升平臺平臺按需生成按需生成用戶用戶精準精準推送推送精準精準推送推送主動檢索主動檢索 4848 AIAI目前在娛樂媒體領域的應用以內容分發為主目前在

95、娛樂媒體領域的應用以內容分發為主，在內容生產階段有部分輔助應用在內容生產階段有部分輔助應用，后期將走向大規模輔助內容創后期將走向大規模輔助內容創作甚至大規模替代人類創作作甚至大規模替代人類創作。機器輔助人階段：生成式機器輔助人階段：生成式AIAI大幅度降低內容生產成本和門檻大幅度降低內容生產成本和門檻，為內容公司降本增效為內容公司降本增效，現有互聯網娛樂巨頭有現有互聯網娛樂巨頭有望獲得更高利潤望獲得更高利潤。機器機器“替代替代”人階段：用戶只需要輸入指令便可以得到人階段：用戶只需要輸入指令便可以得到AI創作的所需內容創作的所需內容，內容分發環節重要性下降內容分發環節重要性下降，現有現有互聯網娛

96、樂巨頭面臨從互聯網娛樂巨頭面臨從“精準提供符合用戶需求的內容精準提供符合用戶需求的內容”到到“提供符合用戶需求的內容生產工具提供符合用戶需求的內容生產工具”的挑戰的挑戰。3.5 生成式生成式AI為現有互聯網娛樂巨頭帶來機遇和挑戰為現有互聯網娛樂巨頭帶來機遇和挑戰分發環節價值讓位于內容生產環節分發環節價值讓位于內容生產環節資料來源：PWC，IBM 商業價值研究院，公司公告，中信建投表：表：AIAI在娛樂媒體內容領域的應用在娛樂媒體內容領域的應用AI內容內容分發階段分發階段AI輔助輔助生產階段生產階段AI獨立獨立創作階段創作階段內內容容生生產產內容生產成本較高初級、重復性內容由AI生成，降低內容生

97、產成本除極專業內容外均可由AI生成，大幅度降低內容生產成本和門檻內容生產成本降低內容生產成本降低效率提高效率提高占收入比重內容分發內容分發內容消費內容消費平臺分發技術提升，促進內容精準投放與推廣多數內容由用戶根據需求生成或平臺為客戶個性化生成后推送給用戶，分發環節重要性降低用戶為消費者用戶為消費者用戶可集消費者與生用戶可集消費者與生產者于一身產者于一身 49493.5.1 階段一：機器輔助人：大規模內容輔助創作，提質增效階段一：機器輔助人：大規模內容輔助創作，提質增效資料來源：量子位，京東，淘寶，網易云音樂，Stability，Jasper，中信建投 生成式生成式AI輔助創作輔助創作，大幅度降

98、低了內容生產的成本大幅度降低了內容生產的成本，降低了創作門檻：降低了創作門檻：價格方面：人工創作價格偏高；生成式AI存在大量免費應用，部分收費的專業版本價格也遠低于人工創作。速度方面：人工創作由于體力、腦力的限制，創作速度存在上限；而生成式AI輔助創作僅需幾分鐘甚至幾秒鐘便能夠完成，其單純的創作時間消耗可以忽略。效果方面：人工創作的效果因人而異，專業門檻較高，且不易統一；而生成式AI輔助創作降低了圖片、音頻的創作門檻，使得沒有專業技能的人也能夠完成自己的作品，在部分領域已經能夠達到專業水準，生成式AI創作的詩歌、小說、音樂、圖片具有發表，部分獲得專業獎項。內容內容產品形態產品形態創作方式創作方

99、式價格價格速度速度效果對比效果對比文字文字小說/新聞稿/聊天對話單獨人工30-1000元/千字5000字/天AI糾錯、補全高于人工平均水平，AI續寫部分達到專業水平AI智能糾錯、句子補全、自動續寫免費-10元/千字最快達上萬字/秒，時間幾乎可忽略圖片圖片繪畫/圖片單獨人工幾十元/張起1小時/張起AI編輯、創作圖片優于非專業人士，部分達到專業水平AI編輯圖片、輔助甚至單獨創作免費-0.4元/張1張不超過1分鐘音頻音頻/音樂音樂音樂單曲/專輯單獨人工作曲3000元/首起配音20/千字起2天/首起AI作曲作詞降低創作門檻，少部分達到專業水平AI輔助作曲、創作歌詞、智能配音免費-10元/首幾分鐘/首圖

100、圖：生成式：生成式AIAI輔助創作與輔助創作與單獨人工創作的對比單獨人工創作的對比 50503.5.1 階段一：機器輔助人：大規模內容輔助創作，降低人工成本階段一：機器輔助人：大規模內容輔助創作，降低人工成本資料來源：騰訊研究院，視覺中國、愛奇藝、閱文集團、騰訊音樂、騰訊、中信建投 典型內容行業的制作典型內容行業的制作、版權成本通常占比不低版權成本通常占比不低。如視覺中國2014-2021年累計支付給供稿方的版權費為15億，占收入的比重為28%；愛奇藝2021年內容成本為207億，占收入比重為68%；騰訊的VAS業務，21年成本為1386億（包括游戲、視頻、音樂等內容成本），占VAS收入的比重

101、為48%。制作制作/版權成本的背后通常是人力成本版權成本的背后通常是人力成本，AIGC有望降低人力成本有望降低人力成本。以游戲研發為例，其過程中傳統的資本支出、固定投入較少，開發人員的人力成本為主要支出。除開市場調研、策劃與發行階段，在要素構建環節（如美術模型貼圖、音效設計、動作設計），若用AIGC進行部分替代，則整體制作成本將明顯降低。領域領域公司公司成本項成本項2014-2021年累計年累計圖片圖片視覺中國視覺中國向供稿方支付版權許可&服務費（億）15占收入比重28%領域領域公司公司2017 2018 2019 2020 2021長視頻長視頻愛奇藝愛奇藝內容成本（億）12621122220

102、9207占收入比重73%84%77%70%68%文字文字/閱讀閱讀閱文集團閱文集團內容分銷成本（億）2 6 12 12 占收入比重4.4%6.8%14.0%13.3%音樂音樂騰訊音樂騰訊音樂服務成本（億，包括內容成本/分成等）103150175190占收入比重54%59%60%61%游戲游戲/視頻視頻/音樂音樂騰訊騰訊VAS業務成本（億）6147409411213 1386占VAS收入比重40%42%47%46%48%表：典型內容公司在制作、版權端的成本及占收入比重的情況表：典型內容公司在制作、版權端的成本及占收入比重的情況市場調研市場調研要素構建要素構建美術資源美術資源音樂音效音樂音效動作動

103、作模型、貼圖、場景音樂設計動作捕捉策劃策劃地圖地圖故事背景故事背景任務關卡任務關卡圖：游戲研發流程（虛線框中為圖：游戲研發流程（虛線框中為AIAI可替代過程）可替代過程）51513.5.1 階段一：機器輔助人：國內市場空間可達千億階段一：機器輔助人：國內市場空間可達千億資料來源：伽馬數據，中國互聯網絡信息中心、中國演出行業協會、國際唱片業協會、中國音樂家協會及中國電影局；弗若斯特沙利文 我們以內容制作成本可我們以內容制作成本可AI化制作比例化制作比例，對對AIGC的理論市場空間進行匡算的理論市場空間進行匡算 1、內容制作成本：內容制作成本：按照各典型行業的市場空間預計的內容（或版權）成本占比進

104、行匡算。如2021年游戲行業市場規模2965億，游戲行業盈利能力較強&毛利高，預計其中制作成本占比25%；如直播行業主播分成比例慣例為五五分成，因此此處按照50%匡算主播分成成本；其他行業以此類推。2、可可AI化比例：化比例：當前AI圖片、AI音樂相對較為成熟，預計未來可AI化的比例分別為55%、50%，而AI應用在視頻類（直播/劇集/電影/綜藝）的技術發展相對緩慢，預計可AI化的比例相對較低。綜上，我們預計國內AIGC在B端市場的理論空間為1000億左右。表：表：AIGCAIGC國內理論市場空間測算國內理論市場空間測算內容類型內容類型市場規模（億市場規模（億元，2021）元，2021）*內容

105、/版權成*內容/版權成本占收入比重本占收入比重內容制作成本內容制作成本（億元，匡算）（億元，匡算）*未來可AI化*未來可AI化制作的比例制作的比例AIGC市場測算AIGC市場測算空間（億元）空間（億元）游戲游戲2,965 25%741 30%222.38 短視頻短視頻2,255 10%226 35%78.93 直播直播1,936 50%968 30%290.40 劇集劇集902 70%631 10%63.14 電影電影583 60%350 20%69.96 綜藝綜藝564 75%423 25%105.75 在線音樂在線音樂440 60%264 50%132.00 圖片版權圖片版權280 30%

106、84 55%46.20 網絡文學網絡文學209 35%73 20%14.63 合計合計10,13410,134 37%37%3,7603,760 27%27%1,0231,023 52523.5.2 階段二：機器“替代”人：為娛樂媒體領域帶來顛覆性變革階段二：機器“替代”人：為娛樂媒體領域帶來顛覆性變革資料來源：中信建投 隨著技術的不斷發展隨著技術的不斷發展，生成式生成式AI技術發展到能夠替代大部分專業生產者的階段技術發展到能夠替代大部分專業生產者的階段，將為娛樂媒體領域帶來顛覆性將為娛樂媒體領域帶來顛覆性變革變革，我們做出以下展望：我們做出以下展望：內容總量指數級增長：內容總量指數級增長：內

107、容生產效率極大提升，每個用戶都可以成為內容創作者，生產效率和創作人數的增長將帶來內容總量的爆發。內容質量達到甚至超越專業人員創作水平：內容質量達到甚至超越專業人員創作水平：目前，生成式AI在文字生成、圖像生成等領域創作的內容已經可以媲美部分專業人員，隨著技術的不斷發展，生成式AI創作的內容質量或超越專業人員創作水平。3D內容內容、交互性內容占比大大增加：交互性內容占比大大增加：3D內容、交互性內容制作難度大、成本高，生成式AI的發展將大幅降低3D內容、交互性內容的制作門檻，疊加消費者對高質量內容的需求，3D內容、交互性內容占所有內容的比例將大大提高。決定公司核心競爭力的因素由內容質量變為生成式

108、決定公司核心競爭力的因素由內容質量變為生成式AI水平：水平：目前，決定娛樂媒體領域公司核心競爭力的主要因素是內容的質量，但生成式AI將為以往的內容創作者帶來更高效的創作方式，也會將部分原來的內容消費者轉變為集內容創作和消費于一身的角色，屆時生成式AI水平將直接決定內容質量以及創作者、消費者的體驗，成為決定公司核心競爭力的因素。圖：生成式圖：生成式AIAI成熟后為娛樂媒體領域帶來的顛覆性變革成熟后為娛樂媒體領域帶來的顛覆性變革內容數量及質量內容數量及質量3D內容、交互性內容占比內容、交互性內容占比公司核心競爭力公司核心競爭力內容質量內容質量生成式生成式AIAI水平水平 53533.5.2 階段二

109、：機器“替代”人：階段二：機器“替代”人：虛擬人集成內容創作工具，成為下一代互聯網應用入口虛擬人集成內容創作工具，成為下一代互聯網應用入口資料來源：acg人物資料網，虎嗅，品玩，極客網，騰訊網，中信建投 最早的虛擬人不具有智能交互功能最早的虛擬人不具有智能交互功能。2007年初音未來出現，能夠輸入音調、歌詞等將人類聲音合成為歌聲，僅是一個虛擬的人物形象，按照人工既定的設計表演，不具有實時交互功能。早期虛擬人僅具有語音交互功能早期虛擬人僅具有語音交互功能，只聞其聲不見其人只聞其聲不見其人。2011年Apple在iPhone 4S中內置Siri，用戶可以通過語音與Siri聊天，用戶可通過Siri進

110、行撥打電話、設置鬧鐘、記錄待辦事項、播放音樂等收集控制。后期出現的小度、小愛等以智能音響為代表的智能家居，也是僅具有語音交互控制功能，不具有鮮活的可視形象。目前的虛擬人智能程度增強目前的虛擬人智能程度增強，以以AI驅動為核心驅動為核心。多數虛擬人支持捏臉、智能語音交互、表情動作變化、情緒變動等等，形象更加真實，動作自然。目前虛擬人制作以AI驅動為核心，動捕、渲染、形象庫等環節由AI完成，大幅度降低了制作成本。未來虛擬人集成生成式未來虛擬人集成生成式AI后后，將成為元宇宙的入口將成為元宇宙的入口，是用戶創作的生產力工具集合是用戶創作的生產力工具集合。虛擬人集成生成式虛擬人集成生成式AI后將后將更

111、為個性化更為個性化，不僅具有交互不僅具有交互、陪伴陪伴、控制功能控制功能，成為元宇宙的入口成為元宇宙的入口，還具有創作能力還具有創作能力，成為生產力工具集合的成為生產力工具集合的形象代表形象代表，未來有望成為通用人工智能助手的形象代表未來有望成為通用人工智能助手的形象代表。圖：虛擬人發展歷程及展望圖：虛擬人發展歷程及展望初音未來初音未來僅為表現形象僅為表現形象Siri、小度等、小度等語音交互語音交互洛天依洛天依AI驅動、多種交互驅動、多種交互集成生成式集成生成式AI的虛擬人的虛擬人千人千面千人千面元宇宙入口元宇宙入口生產力工具集合生產力工具集合 54543.5.2 階段二：機器“替代”人：階段

112、二：機器“替代”人：未來虛擬人雛形已現未來虛擬人雛形已現Adobe Sensei資料來源：Adobe，中信建投 Adobe Sensei：2016年由Adobe推出的人工智能平臺，能夠為Adobe家族中各種產品提供設計和數字支持，處于不斷更新中，目前已經被嵌入到幾十種Adobe產品之中，在一些產品中，人類只需要向Sensei發出指令便可以完成復雜的專業操作。我們認為我們認為，Adobe Sensei已經具備了未來虛擬人的雛形已經具備了未來虛擬人的雛形，可以通過人類的指令完成部分可以通過人類的指令完成部分專業內容創作專業內容創作，隨著技術的發展隨著技術的發展，Adobe Sensei可能具有獨特

113、的虛擬形象并支持語音交互可能具有獨特的虛擬形象并支持語音交互，成為成為Adobe產品范產品范圍內的通用人工智能助手圍內的通用人工智能助手。圖：圖：通過文字指令為圖片在通過文字指令為圖片在PhotoshopPhotoshop中添加元素中添加元素圖：圖：通過文字指令為在通過文字指令為在ExpressExpress中生成藝術字中生成藝術字 55553.5.2 階段二：機器“替代”人：階段二：機器“替代”人：未來虛擬人雛形已現未來虛擬人雛形已現DeepMind Gato資料來源：DeepMind，中信建投 DeepMind Gato：2022年由DeepMind推出的“通才”AI模型，能夠根據指令完成

114、注釋圖像、交互式聊天、玩小游戲、關節力矩控制、在現實中使用機械臂堆疊積木、在模擬 3D 環境中導航等數百種任務。相較于相較于AdobeSensei，Gato不僅集成了生成式不僅集成了生成式AI，而是具備了未來集成通用人工智能的虛擬人的內核而是具備了未來集成通用人工智能的虛擬人的內核。圖：圖：GatoGato能夠完成的部分功能能夠完成的部分功能 5656目目 錄錄第二章第二章第一章第一章AI：從判別決策到創造生成：從判別決策到創造生成生成式生成式AI：范式升級：范式升級，應用多元應用多元第三章第三章生成式生成式AI應用：內容制作應用：內容制作，從輔助人到從輔助人到“替代替代”人人第五章第五章海內

115、外發展：多家科技巨頭海內外發展：多家科技巨頭、初創公司積極布局初創公司積極布局第四章第四章生成式生成式AI應用：多行業垂直應用應用：多行業垂直應用第六章第六章綜合應用：游戲行業的案例綜合應用：游戲行業的案例 57574.1 生成式生成式AI應用：多行業垂直應用應用：多行業垂直應用生成式生成式AIAI多行業應用多行業應用代碼生成代碼生成OpenAIOpenAICodexCodexChatGPTChatGPT微軟微軟GitHub CopilotGitHub Copilot亞馬遜亞馬遜CodeWhispererCodeWhisperer谷歌谷歌DeepMindDeepMindAlphaCodeAlp

116、haCode華為華為PanGuPanGu-CoderCoder藥物研發藥物研發英矽智能英矽智能Chemistry42Chemistry42蛋白質蛋白質結構預測結構預測谷歌谷歌DeepMindDeepMindA Al lphaFold2phaFold2MetaMetaESMFoldESMFold資料來源：Sequoia，Coatue，OpenAI，亞馬遜，Deepmind，英矽智能，GitHub，Meta，華為，中信建投 58584.2 代碼生成：大廠廣泛布局，極大提升編程效率代碼生成：大廠廣泛布局，極大提升編程效率資料來源：Coatue，OpenAI，中信建投 代碼生成：生成式代碼生成：生成式

117、AI將自然語言翻譯成代碼將自然語言翻譯成代碼，極大提升了計算機編程的智能化極大提升了計算機編程的智能化、自動化自動化，使得程序員能夠在相使得程序員能夠在相同時間內編寫更多的代碼同時間內編寫更多的代碼，同時提高同時提高debug的效率的效率。目前目前，OpenAI、微軟微軟、谷歌谷歌、亞馬遜亞馬遜、華為等均在華為等均在AI代碼代碼生成領域有所布局生成領域有所布局。Codex：2021年8月由OpenAI基于GPT-3推出，精通Python、JavaScript、Go、Perl、PHP、Ruby、Swift、TypeScript、SQL甚至 Shell 等十幾種編程語言，其中最為擅長Python。

118、具有將注釋變成代碼、為代碼生成注釋、代碼自動補全、查找可用庫或API、代碼檢查、代碼重構、代碼語言轉換等功能，是Github Copilot的底層支持，目前免費開放，需要通過API或 Playground 訪問。圖：圖：CodexCodex由英文生成由英文生成JavaScriptJavaScript代碼代碼圖：圖：CodexCodex由英文生成由英文生成太空小游戲太空小游戲 59594.2 代碼生成：代碼生成：ChatGPT調試代碼表現優于傳統搜索引擎調試代碼表現優于傳統搜索引擎資料來源：OpenAI，中信建投 ChatGPT：2022年11月由OpenAI推出，是一個對話語言模型，但在代碼生

119、成領域具有優秀的表現，能夠將自然語言轉為代碼、找出代碼的問題并給出修改意見，且支持用戶和AI連續對話，在調試代碼過程中的使用體驗優于傳統的搜索引擎。圖：圖：ChatGPTChatGPT由中文生成代碼并給出注釋由中文生成代碼并給出注釋圖：圖：ChatGPTChatGPT指出代碼錯誤并給出修改意見指出代碼錯誤并給出修改意見 60604.2 代碼生成：代碼生成：Github Copilot每年節約開發人員成本或達百億美元每年節約開發人員成本或達百億美元資料來源：微軟GitHub，中信建投 Github Copilot：2021年6月由微軟旗下GitHub推出，由OpenAI Codex 提供支持，可

120、以集成到Neovim,JetBrains IDEs,Visual Studio,and Visual Studio Code等編輯器中，支持 Python、JavaScript、TypeScript、Java、Ruby 和 Go 等編程語言?？梢愿鶕舷挛淖詣訉懘a，包括文檔字符串、注釋、函數名稱、代碼，只要用戶給出提示，就可以寫出完整的函數。Github Copilot每年節約開發人員成本或達百億美元每年節約開發人員成本或達百億美元。在2021年6月-2022年6月中，超過120萬開發者注冊使用 GitHub Copilot 預覽版，在啟用的文件中，有近 40%的代碼是由 Copilot 編

121、寫的。以使用人數120萬、開發人員時薪20-200美元，Copilot每年可節省開發成本48-1920億美元。圖：圖：GithubGithub CopilotCopilot根據提示補全代碼根據提示補全代碼表表：GithubGithub CopilotCopilot節省開發成本測算節省開發成本測算使用人數（萬人）使用人數（萬人）120開發人員薪資（美元開發人員薪資（美元/小時）小時）20-200使用使用GitHub Copilot前每年開發人員成本（億美元）前每年開發人員成本（億美元）480-4800GitHub Copilot節省開發時間節省開發時間10%GitHub Copilot節約開發人

122、員成本（億美元）節約開發人員成本（億美元）48-480GitHub Copilot節省開發時間節省開發時間20%GitHub Copilot節約開發人員成本（億美元）節約開發人員成本（億美元）96-960GitHub Copilot節省開發時間節省開發時間30%GitHub Copilot節約開發人員成本（億美元）節約開發人員成本（億美元）144-1440GitHub Copilot節省開發時間節省開發時間40%GitHub Copilot節約開發人員成本（億美元）節約開發人員成本（億美元）192-1920 61614.3 藥物研發：生成式藥物研發：生成式AI從頭設計藥物，大幅降低藥物研發成本

123、從頭設計藥物，大幅降低藥物研發成本資料來源：蛋殼研究院，埃森哲，MDPI，altexsoft，中信建投 傳統藥物研發過程需歷時傳統藥物研發過程需歷時10-15年年，花費數十億美元花費數十億美元。傳統藥物研發過程包括藥物發現、臨床前研究、臨床研究、審判上市四個階段，其中藥物發現和臨床前研究階段需要4-6年。據埃森哲，一款新藥問世的成本大約在26至67億美元（包括資金成本和失敗成本在內）。AI從頭設計藥物從頭設計藥物，大幅降低藥物研發成本大幅降低藥物研發成本。生成式AI在藥物發現中，能夠根據有關目標結構的信息創建分子，即預測候選藥物的元素（例如原子、鍵的類型等），并為特定目標生成化學實體，而不是通

124、過篩選找到它們。在人工智能驅動下，藥物發現和臨床前研究階段可由4-6年降低至1-3年，甚至更短，同時費用也大大降低。具體應用包括基于GAN的Reinforced Adversarial Neural Computer(RANC)，用于新型小分子有機結構從頭藥物設計；基于AE和GAN的LatentGAN，用于藥物從頭設計。圖：藥物研發流程圖：藥物研發流程藥物發現階段臨床前研究階段臨床研究階段審批上市階段靶點發現化合物合成篩選晶型預測藥理評估制劑研發患者招募優化設計藥物重定向檢驗審批批量生產2 2-3 3年年2 2-3 3年年5 5-7 7年年AIAI驅動：驅動：1 1-3 3年年 62624.3

125、 藥物研發：制藥公司的藥物研發：制藥公司的AlphaGo時刻時刻全球首例完全由全球首例完全由AI驅動發現的藥物分子驅動發現的藥物分子資料來源：蛋殼研究院，埃森哲，MDPI，英矽智能，altexsoft，中信建投 全球首例完全由全球首例完全由AI驅動發現的藥物分子：驅動發現的藥物分子：2021年2月，英矽智能通過新藥靶點發現平臺PandaOmics和AI分子生成、設計平臺Chemistry42，研發出特發性肺纖維化疾病新靶點以及全球首例完全由AI驅動發現的藥物分子，用時18個月，投入270萬美元，時間成本和資金成本均大大地緣傳統靶點藥物研發，被譽為制藥公司的AlphaGo時刻。目前，該藥物在進行

126、的臨床I期試驗中取得積極頂線數據，在安全性、耐受性、藥代動力學方面均表現良好。其中，AI分子生成分子生成、設計平臺設計平臺Chemistry42利用生成式對抗神經網絡利用生成式對抗神經網絡（GAN）來進行深度學習來進行深度學習，幫助生成新小幫助生成新小分子化合物分子化合物。圖：人工智能藥物發現平臺圖：人工智能藥物發現平臺 63634.4 蛋白質結構預測：蛋白質結構預測：AlphaFold 2精確預測蛋白質三維結構精確預測蛋白質三維結構資料來源：Deepmind，中信建投 蛋白質的三維形狀決定了其工作方式和作用蛋白質的三維形狀決定了其工作方式和作用，傳統破譯蛋白質三維結構的方法耗時長且成本高傳統

127、破譯蛋白質三維結構的方法耗時長且成本高。蛋白質是生命的基石，支撐著每一種生物的每一個生物過程。目前，已知有超過2億種蛋白質，每種結構不同，傳統的使用X射線衍射、冷凍電子顯微鏡等方法探測蛋白質的確切是一個漫長且昂貴的過程。1972 年，美國科學家Christian Anfinsen曾提出著名推論：理論上，蛋白質氨基酸序列可完全決定其三維結構。谷歌母公司谷歌母公司Alphabet旗下子公司旗下子公司Deepmind推出推出AlphaFold 2，實現蛋白質結構三維模型的精確預測實現蛋白質結構三維模型的精確預測。AlphaFold 2通過在數據庫中搜尋目標氨基酸的相關序列，提取學習相鄰“共進化”氨基

128、酸的信息，從而在三維空間對蛋白質結構進行預測。Deepmind 2022 年年 7 月月 28 日發布的最新版本數據庫擴展到了日發布的最新版本數據庫擴展到了2 億多個蛋白質結構億多個蛋白質結構，包括科學界已知的幾乎所有包括科學界已知的幾乎所有蛋白質蛋白質。AlphaFold團隊團隊因此獲得了因此獲得了2023年生命科學突破獎年生命科學突破獎（Breakthrough Prize in Life Sciences），這是迄這是迄今科研領域里獎金最高的生物學及醫學獎項今科研領域里獎金最高的生物學及醫學獎項。折疊折疊預測空間結構預測空間結構圖：圖：AlphaFoldAlphaFold 2 2 646

129、4目目 錄錄第二章第二章第一章第一章AI：從判別決策到創造生成，技術與應用飛速發展：從判別決策到創造生成，技術與應用飛速發展生成式生成式AI：范式升級應用多元：范式升級應用多元，萬億市場空間可期萬億市場空間可期第三章第三章生成式生成式AI應用：娛樂媒體內容制作應用：娛樂媒體內容制作，從輔助人到從輔助人到“替代替代”人人第五章第五章海內外發展：多家科技巨頭海內外發展：多家科技巨頭、初創公司積極布局初創公司積極布局第四章第四章生成式生成式AI應用：多行業垂直應用應用：多行業垂直應用，生產力大幅提高生產力大幅提高第六章第六章綜合應用：以娛樂媒體內容中制作最復雜的游戲為例綜合應用：以娛樂媒體內容中制作

130、最復雜的游戲為例 65655.1 創業公司嶄露頭角，科技巨頭積極布局創業公司嶄露頭角，科技巨頭積極布局 國外多家生成式國外多家生成式AI創業公司獲得大筆融資且擁有較高估值創業公司獲得大筆融資且擁有較高估值。主要包括OpenAI、Stability AI、Midjourney、Jasper等，其中OpenAI技術積累最強，發布了多款生成式AI底層算法，估值或達290億美元。國內外科技巨頭在生成式國內外科技巨頭在生成式AI領域多有布局領域多有布局。國內公司百度、騰訊、阿里、字節、網易等及國外公司谷歌、Meta、微軟等均推出了生成式AI的應用產品，其中谷歌通過谷歌大腦、旗下Deepmind布局最為豐

131、富。表：國內外科技巨頭布局生成式表：國內外科技巨頭布局生成式AIAI公司公司典型產品典型產品功能功能國國內內公公司司百度百度文心通過文字描述生成圖片、圖畫修復、文檔分析、蛋白質結構分析等騰訊騰訊優圖輸入多張人像圖片完成對于人像面部的3D建模、提升電影分辨率等阿里巴巴阿里巴巴Lubanner輸入圖片、風格、尺寸等，自動完成素材分析、摳圖、配色等設計，生成多套符合要求的設計方案字節跳動字節跳動剪映通過文字生成視頻、AI配字幕等網易網易網易天音通過文字生成歌曲，支持作詞、作曲、編曲、演唱全鏈路音樂創作國國外外公公司司谷歌谷歌Imagen Video、Phenaki 通過文字描述生成視頻，前者注重視頻

132、清晰度后者注重視頻長度和連貫性MetaMake-A-Video通過文字描述與圖片參考生成視頻，提供超現實、寫實及風格化三種視頻類型微軟微軟Github Copilot幫助工程師自動生成代碼，目前用戶數超過120萬，使用該工具生成的代碼已超過40%資料來源：公司官網，中信建投 66665.2 創業公司：創業公司：OpenAI等專注底層系統及應用，等專注底層系統及應用，Jasper等垂類應用四處開花等垂類應用四處開花資料來源：各公司官網，TechCrunch，SiliconANGLE，The Information，中信建投Stable DiffusionOpenAI DALL-E 2Midjou

133、rneyOpenAI GPT-3圖片圖片AIGCAIGC文本文本AIGCAIGCDreamStudioJasperCopy.aiCopysmith底層系統底層系統應用應用 底層系統：底層系統：目前海外參與研發AIGC模型的公司主要包括Stability AI、OpenAI、Midjourney，三家公司的AIGC模型均已正式向C端用戶發布，谷歌和Meta等公司也正在研發文字轉圖片的AIGC模型，但仍未對外發布。垂類應用：垂類應用：在圖片AIGC領域，Stability AI推出了基于自有模型Stable Diffusion的DreamStudio；在文本AIGC領域，應用開發商較多，且底層模型

134、多是基于OpenAI GPT-3。目前目前，專注底層系統的公司估值更高專注底層系統的公司估值更高。雖然相較應用研發商，基礎設施研發商的商業模式尚未成熟，多數還在探索階段，但因其應用場景更廣，且掌握核心技術能力，在未能實現穩定盈利的情況下，估值相對更高。但同樣可見，海外除底層算法開發公司以外海外除底層算法開發公司以外，初創公司基于開源技術初創公司基于開源技術，仍可開發應用并開展仍可開發應用并開展To C業務業務，具有一定商業化具有一定商業化潛力潛力，因此我們預計因此我們預計，國內盡管頭部互聯網公司已積極布局國內盡管頭部互聯網公司已積極布局，但中小型公司仍有業務開展余地但中小型公司仍有業務開展余地

135、。公司公司OpenAIStability AIMidjourneyJasperCopy.aiCopysmith開發內容開發內容底層模型底層模型、應用底層模型應用應用應用AIGCAIGC內容內容文本、圖片圖片、音頻圖片文本文本文本主要產品主要產品GPT-3（模型）DALL-E 2（模型）Stable Diffusion（模型）DreamStudio（應用）Midjourney（模型）Jasper（應用）Copy.ai（應用）Copysmith（應用）營業收入（營業收入（20212021）1000-5000萬美元-4500萬美元240萬美元-最新輪融資金額最新輪融資金額-1.25億美元1100萬美

136、元1000萬美元估值估值200億美元10億美元-15億美元-圖表：主要參與公司和融資情況圖表：主要參與公司和融資情況 67675.2.1 Open AI：提供底層算法，開發水平強、算法通用性高的：提供底層算法，開發水平強、算法通用性高的AI技術公司（技術公司（1）資料來源：OpenAI，華爾街日報，The Information，中信建投 OpenAI是一家大型人工智能研究公司是一家大型人工智能研究公司。公司AI開發水平處于第一梯隊，研發人員包括世界著名AI專家，2022年6月，量子計算專家、ACM計算獎得主Scott Aaronson宣布將加盟公司。公司以公司以實現安全的通用人工智能實現安全

137、的通用人工智能（AGI）為核心宗旨為核心宗旨。2015年成立之初，公司為一家非營利性研究機構，2019年接受微軟10億美元的注資，由非營利性機構轉為盈利性公司。公司的投資者包括微軟公司的投資者包括微軟、Reid Hoffmans charitable foundation和和Khosla Ventures。TheInformation稱公司2021年估值已經達200億美元。據Semafor報道，微軟正商談以 290 億美元估值，向 OpenAI 投資 100 億美元，這筆投資還將引入其他風投公司。2022年公司收入約2500萬-4000萬美元，以290億美元的估值測算，市銷率達725-1160

138、倍。我們認為我們認為，Open AI開發的底層算法系統開發的底層算法系統，雖然在短期有較大的成本投入雖然在短期有較大的成本投入，但在中長期有望創造巨大的價值但在中長期有望創造巨大的價值，類類似移動互聯網時期的安卓系統似移動互聯網時期的安卓系統。根據統計根據統計，僅僅是截止僅僅是截止2016年谷歌共通過年谷歌共通過Android操作系統獲得操作系統獲得310億美元營收億美元營收和和220億美元利潤億美元利潤，收入體量大且盈利能力強收入體量大且盈利能力強（對應凈利率為對應凈利率為71%）圖：圖：OpenAIOpenAI發展歷程發展歷程20152016201720182019202020212022

139、由馬斯克等人出資10億美元創立定位為非盈利性人工智能研究機構OpenAI Gym測試版發布Universe軟件平臺發布近端策略優化（PPO）發布創建Dota 2機器人在1v1比賽中擊敗頂級職業選手Dactyl系統發布，訓練機器手OpenAl LP成立微軟注資10億美金，變為盈利性公司GPT-2發布，15億參數GPT-3發布，1750 億參數量開放OpenAI API商用DALL-E發布CLIP發布Codex發布DALL-E 2發布ChatGPT發布 68685.2.1 Open AI：提供底層算法，開發水平強、算法通用性高的：提供底層算法，開發水平強、算法通用性高的AI技術公司（技術公司（2）

140、資料來源：OpenAI，中信建投 公司發布了多款底層算法公司發布了多款底層算法，并推出相關應用并推出相關應用API：GPT-3：在NLP任務中實現重大突破，能夠完成絕大多數NLP任務，入選了麻省理工科技評論2021年“十大突破性技術”，目前GPT-3已開源，注冊人數超100萬，基于該算法已經出現了Jasper、Copy.ai和Copysmith等。CLIP：與微軟合作發布，能夠將圖像映射到文本描述的類別中，跨越了文字語義與圖像語義的鴻溝，目前已開源，Disco Diffusion、MidJourney均基于CLIP架構及生成算法實現。Codex：基于GPT-3，具有將自然語言輸入變成代碼、代碼

141、自動補全等功能，是Github Copilot的底層支持。DALL-E 2：基于CLIP和Diffusion算法，實現了有文本生成高質量圖片，兩個半月注冊人數突破100萬，公司今年7月正式開始出售DALL-E 2 的圖像生成軟件許可，目前用戶超過150萬，每天生成200多萬張圖片。圖：圖：DALLE 2DALLE 2由英文生成圖像由英文生成圖像 69695.2.1 Open AI：ChatGPT準備推出專業付費版準備推出專業付費版資料來源：OpenAI，路透社，中信建投 ChatGPT：強大能力且用戶友好強大能力且用戶友好，發布發布5天用戶超天用戶超100萬萬，引起全球關注引起全球關注。Cha

142、tGPT不僅在對話、檢索、創作、代碼等領域展現出強大的能力，還支持直接通過網站試用該文本對話模型，而不是需要專業編程技能試用，且用戶界面友好，大大降低了用戶門檻，推動了其在全球范圍的廣泛傳播，發布5天用戶便突破了100萬。計劃推出無限制計劃推出無限制、性能更高的專業付費版本性能更高的專業付費版本。1月11日，OpenAI 總裁兼聯合創始人 Greg Brockman 在Twitter 上發布 ChatGPT 專業版問卷鏈接，根據問卷內容，我們預計ChatGPT將推出專業付費版本。據路透社報道據路透社報道，OpenAI預計今年的收入將達到預計今年的收入將達到2億美元億美元，到到 2024 年將達

143、到年將達到10億美元億美元。ChatGPT的專業付費版的專業付費版可能是其增收的嘗試之一可能是其增收的嘗試之一。圖：圖：針對針對ChatGPTChatGPT專業版的問卷專業版的問卷圖：圖：針對針對ChatGPTChatGPT專業版的問卷專業版的問卷 70705.2.2 Stability AI：用戶數快速增長、：用戶數快速增長、AIGC獨角獸獨角獸資料來源：Stability AI官網，Bloomberg，TechCrunch，中信建投 Stability AI是一家致力于開發開源是一家致力于開發開源AI工具的公司工具的公司。公司由前英國對沖基金經理Emad Mostaque于2020年成立。

144、2022年10月，公司完成1.01億美元融資，估值10億美元，投資方包括Coatue、Lightspeed Venture Partners和OShaughnessy Ventures。以以Stable Diffusion開源開源，累計使用人數最多累計使用人數最多，在全渠道有超在全渠道有超1000萬用戶萬用戶。公司開發的公司開發的AI工具生產的內容包括圖片工具生產的內容包括圖片、語言語言、音頻音頻、視頻視頻、3D模型模型、與生物學相關的內容等與生物學相關的內容等。目前已推出的主要為圖片AIGC模型和工具，分別為：Stable Diffusion：開源的文本轉圖片：開源的文本轉圖片AIGC模型模

145、型。模型由公司和德國海德堡大學的CompVis團隊、初創公司RunwayML等共同開發完成。用戶可以自由下載使用、調整代碼，甚至用于商業化用途。DreamStudio：官方推出的基于：官方推出的基于Stability Diffusion的平臺和的平臺和API。該工具使用戶不需要受限于軟件安裝、編程知識、較高的GPU性能要求。圖：圖：Stability AIStability AI推出的推出的AIGCAIGC工具工具圖片AIGC平臺基于Stable Diffusion模型音頻/音樂AIGC平臺基于Dance Diffusion模型AI和生物學結合的開源研究工具用于DNA測序、蛋白質折疊等機器學習

146、模型 71715.2.2 Stability AI：To C業務仍在早期，業務仍在早期，To B和和To G預計貢獻主要收入預計貢獻主要收入資料來源：Stability AI官網，Forbes，TechCrunch，The Verge，中信建投 為什么公司已提供開源模型為什么公司已提供開源模型，但客戶仍有定制化服務需求但客戶仍有定制化服務需求？開源的開源的Stable Diffusion不提供定制化內容不提供定制化內容。訓練模型的數據來自于包含英文標簽的LAION 5b，用戶不可以調出、調入新圖片，因此不能重新訓練模型并實現定制化。用戶需求或有差異用戶需求或有差異，需要通過調整模型和訓練數據需

147、要通過調整模型和訓練數據，從而提供定制化服務從而提供定制化服務。不同類型的公司有不同的素材要求，如游戲公司或要求畫風偏二次元，廣告公司或對格式有一定要求。因此需要公司對模型進行調整、重新訓練模型，從而達到客戶對AIGC的要求。目前目前Stability AI已與多個政府和學術機構達成合作已與多個政府和學術機構達成合作，同時通過同時通過DreamStudio服務普通用戶服務普通用戶。具體情況如下：已有商業模式：已有商業模式：DreamStudio：根據用戶對圖片像素和操縱步驟需求，每張圖片需要消耗0.2-28.2個信用幣。新注冊的用戶可以免費獲得200個信用幣，此后每100個信用幣的費用為1英鎊

148、。預期：預期：我們預計隨著公司發展和網站訪問量的提升，平臺內將會落地更多增值服務，或增加廣告業務。To B>o C已有商業模式：已有商業模式：據Forbes，公司已與多個政府和學術機構達成合作，為他們提供基于人工智能的技術服務。預期：預期：據TechCrunch，公司計劃針對企業客戶開展定制化的技術服務。72725.2.3 Midjourney：小型獨立研究實驗室，：小型獨立研究實驗室，AIGC偏向繪畫作品偏向繪畫作品資料來源：Midjourney官網，The New York Times，The Washington Post，Marktechpost，中信建投 Midjourney是一

149、家小型的獨立實驗室是一家小型的獨立實驗室。據官網，團隊共由11位成員和多位顧問組成，且自籌資金，暫未有融資記錄。團隊于2022年7月推出Midjourney，是與Stable Diffusion對標的圖片AIGC模型。9月，游戲設計師JasonAllen在美國科羅拉多州博覽會的美術比賽中，提交使用Midjourney創作的作品“Thtre Dopra Spatial”，在數字藝術/數碼攝影單元中獲得第一名。Midjourney的具體情況如下：作品類型：創作作品均是繪畫作品類型：創作作品均是繪畫，而非照片而非照片。Midjourney尤其擅長創作奇幻、科幻類型的風景照片。據公司創始人David

150、Holz介紹，不排除未來會推出創作寫實圖片的版本。服務方式：服務方式：通過第三方的Discord服務器提供付費服務。用戶創作的圖片會被分享至公共社區，一方面可以讓新用戶快速了解創作指令，另一方面其他用戶可以進行二次創作。商業模式：主要采用會員費模式商業模式：主要采用會員費模式。C端用戶可以基于使用量的需求，選擇不同套餐，每月費用在10-50美元之間；B端用戶為固定價格，每年費用為600美元。用戶數量：用戶數量：據The New York Times，在Discord服務器中已累計有超300萬用戶。圖表：使用圖表：使用MidjourneyMidjourney創作的圖片創作的圖片指令：moody,

151、dark,chiaroscuro指令：textured,summertime,warmth,bokeh,lotus on a pond in reflection,cinematic photograph圖表：圖表：Jason AllenJason Allen獲獎作品獲獎作品 73735.3 除技術領先的除技術領先的OpenAI外，其他垂直應用初創公司仍獲高融資外，其他垂直應用初創公司仍獲高融資資料來源：TechCrunch，Harvard Business Review，VentureBeat，ContentGrip.，中信建投 在技術應用層面在技術應用層面，海外的文本海外的文本AIGC工具

152、研發商競爭較為激烈工具研發商競爭較為激烈，已領先圖片已領先圖片AIGC公司公司，快速實現快速實現C端商業化端商業化。各文本AIGC工具研發商的業務形態較為相似，產品主要基于開源的OpenAI GPT-3開發，業務主要是為用戶提供廣告文案、博客文章、社媒分享等文本的內容生成服務，用戶只需輸入簡單指令，文本AIGC工具即可生成文本。該子行業參與者較多該子行業參與者較多，競爭較為激烈競爭較為激烈。Jasper是一家為主要為營銷從業人員、社媒運營人員等提供基于AI的文本生成工具的研發商，其他同類公司還包括Copy.ai、Copysmith、WriteSonic、Peppertype等。近年多家公司獲得

153、高額融資近年多家公司獲得高額融資。2022年10月，Jasper完成1.25億美元融資，估值達15億美元，投資者包括Coatue、Bessemer Venture Partners、IVP等多家機構。其他同樣基于OpenAI GPT-3、業務相近的初創公司獲得較高融資，包括Copy.ai、Copysmith等。由此可見由此可見，海外初創公司利用海外初創公司利用OpenAI、Stability AI等公司開發的開源技術等公司開發的開源技術，開發應用并開展開發應用并開展To C業務業務，仍可獲仍可獲得一定營收規模得一定營收規模，并獲得高額融資并獲得高額融資。大型大型AI公司在投入人力資源公司在投入

154、人力資源、算力資源開發大規模底層算法方面優勢明顯算力資源開發大規模底層算法方面優勢明顯，而中小型公司在垂直應用而中小型公司在垂直應用、客戶資源客戶資源、靈活適配等方面具有一定優勢靈活適配等方面具有一定優勢，可與大型公司合作獲得算法支持在細分可與大型公司合作獲得算法支持在細分領域改進算法領域改進算法，提升用戶體驗提升用戶體驗，做出成績做出成績。因此預計國內中小型公司在頭部互聯網公司入局后因此預計國內中小型公司在頭部互聯網公司入局后，仍能在應用層仍能在應用層面獲得發展空間面獲得發展空間。圖表：圖表：JasperJasper、Copy.aiCopy.ai、CopysmithCopysmith近期融資

155、情況近期融資情況JasperJasperCopy.aiCopy.aiCopysmithCopysmith成立時間成立時間202120202020底層底層AIGCAIGC模型模型OpenAI GPT-3OpenAI GPT-3OpenAI GPT-3融資時間融資時間2022.102021.102021.04融資金額融資金額1.25億美元1100萬美元1000萬美元估值估值15億美元-投資機構投資機構Coatue、Bessemer Venture Partners、IVP等Harmony Venture Labs等Wing Venture Capital、紅杉、老虎全球等20212021年營業收入

156、年營業收入4500萬美元240萬美元-74745.4 谷歌：谷歌：DeepMind某些領域表現優于某些領域表現優于OpenAI資料來源：DeepMind，中信建投 DeepMind在在2021年發布了擁有年發布了擁有2800億參數的大語言模型億參數的大語言模型Gopher，Gopher在人文科學在人文科學、社會科學社會科學、藥學藥學、通通用知識用知識、科學技術科學技術、數學等細分類別的大規模多任務語言理解基準性能測試中表現優于數學等細分類別的大規模多任務語言理解基準性能測試中表現優于GPT-3。圖：圖：GopherGopher表現表現 75755.5 百度：今年已推出多個基于百度：今年已推出多

157、個基于AIGC的數字人、“的數字人、“AI作畫”平臺等產品作畫”平臺等產品資料來源：文心一格，騰訊新聞，環球網，經濟參政報，中信建投 百度在百度在AIGC領域已有較多布局領域已有較多布局。自2020年9月15日百度推出首個虛擬偶像度曉曉以來，目前已有多位數字人，包括2月推出的首個實現AIGC的數字虛擬偶像希加加。今年百度的AIGC相關產品、數字人情況如下：AIGC技術創作高考作文：技術創作高考作文：度曉曉挑戰高考作文，利用AIGC能力，在40秒完成40篇作文?！癆I作畫作畫”文心文心 一格：一格：8月19日，百度在成都CCIG 2022大會發布AI藝術和創意輔助平臺文心 一格，即系統通過用戶輸

158、入中文關鍵詞創作圖片。百度輸入法正式推出國內首款情感陪伴型虛擬博主林開開和葉悠悠百度輸入法正式推出國內首款情感陪伴型虛擬博主林開開和葉悠悠。8月17日，兩位博主將上線百度輸入法的AI侃侃功能，為用戶提供24小時在線陪伴對話，可支持文字、語音、表情包聊天互動。百度的數字人家族在快手發布首個入駐視頻百度的數字人家族在快手發布首個入駐視頻。11月15日，百度數字人家族四位成員分別為希加加、度曉曉、林開開、葉悠悠。未來數字人家族將參與一系列活動，包括加入愛奇藝出品的闖關游戲真人秀元音大冒險，以及在快手進行24小時AI直播等。圖表：百度數字人家族入駐快手圖表：百度數字人家族入駐快手圖表：用戶在“圖表：用

159、戶在“AIAI作畫”平臺文心作畫”平臺文心一格上創作的國風作品一格上創作的國風作品 76765.5 百度：技術積累構建百度：技術積累構建AI基礎設施基礎設施資料來源：百度，中信建投 百度通過多年在人工智能領域的高投入百度通過多年在人工智能領域的高投入，形成技術積累形成技術積累。據11月9日李彥宏在“2022聯想創新科技大會”時的介紹，百度過去十年累計投入研發資金超過1000億元，連續四年在AI專利申請量和授權量上保持國內第一，憑借豐富技術積累推出了文心大模型。圖：百度文心大模型圖：百度文心大模型 77775.6 小冰公司：參與底層小冰公司：參與底層AIGC技術研發，賦予虛擬人創作能力技術研發，

160、賦予虛擬人創作能力資料來源：IT桔子，科創板日報，澎湃新聞，wind，中信建投 前微軟團隊獨立出的小冰公司完成前微軟團隊獨立出的小冰公司完成10億元融資億元融資。據科創板日報，11月7日，小冰公司宣布完成本次A+輪融資，投資方為高瓴投資、IDG資本，將用于加速AI Being小冰框架技術研發，推動數字員工普及。公司的業務情況如下：小冰公司目前運營多位小冰公司目前運營多位B端和端和C端端AI Being。AI Being是公司對虛擬人的稱呼，目前已在運營的AI Being包括紅杉中國虛擬分析師“H ng”、虛擬歌手“洛天依”、萬科集團數字員工“崔筱盼”等。AIGC技術是技術是AI Being獲得

161、創造力的重要部分獲得創造力的重要部分。根據公司公告，近期其將對人工智能數字員工（AI BeingEmployee）產品線升級，包括大模型對話引擎、3D神經網絡渲染、超級自然語音、AIGC人工智能內容生成。其中部分新技術已提前在招商局集團“招小影”、冬奧數字教練“觀君”等數字員工中交付。公司推出的虛擬人以面向公司推出的虛擬人以面向B端為主端為主，預計預計B端貢獻主要收入端貢獻主要收入，但隨著虛擬偶像的發展但隨著虛擬偶像的發展，預計預計C端收入將逐漸端收入將逐漸提升提升。圖表：小冰公司融資歷史圖表：小冰公司融資歷史融資時間融資時間輪次輪次金額金額投后估投后估值值投資方投資方2020.11.2420

162、20.11.24Pre-A輪數億元50億元北極光創投、網易2021.7.122021.7.12A輪數億元70億元高瓴投資、五源資本、Neumann Advisors、IDG資本、GGV紀源資本、北極光創投、網易2022.11.72022.11.7A+輪10億元150億元高瓴投資、IDG資本圖表：圖表：20222022年年7 7月，人工智能小冰框架與月，人工智能小冰框架與VsingerVsinger達成合作，啟達成合作，啟動為虛擬歌手洛天依定制的歌聲、語音多個動為虛擬歌手洛天依定制的歌聲、語音多個AIAI聲庫的制作企劃聲庫的制作企劃，通過，通過AIGCAIGC技術賦予虛擬人創作能力，完成從虛擬歌

163、手向真正技術賦予虛擬人創作能力，完成從虛擬歌手向真正的的AI BeingAI Being的轉變的轉變 78785.7 其他互聯網公司：積極參與底層技術研發，其他互聯網公司：積極參與底層技術研發，資料來源：字節跳動，騰訊新聞，量子位智庫，中信建投 國內頭部互聯網公司正在積極布局國內頭部互聯網公司正在積極布局AIGC業務業務。騰訊、阿里巴巴、網易、字節跳動等國內頭部互聯網公司及旗下人工智能實驗室正在基于自身業務情況，研發文本、圖片、音樂等內容的AIGC技術和工具。其中，阿里巴巴的部分技術已運用至產品中，實現提升用戶使用體驗的目的；騰訊將AIGC的底層技術應用至游戲中，基于自有產品的玩家的操作數據，

164、模擬真人玩家操作，預計未來也可用于創作虛擬玩家。各公司AIGC布局具體情況如下：公司公司業務進展業務進展騰訊騰訊文本文本AIGCAIGC：騰訊人工智能實驗室開發了一款創作輔助工具Effidit，提供智能糾錯、句子補全、短語潤色、例句推薦、論文搜索、短語補全以及云輸入法功能，有效提高寫作的水平質量。游戲：游戲：該實驗室基于自有多模態學習及生成能力，在游戲領域進行全流程布局。以“絕悟”為代表，強化學習的方法來模仿真實玩家，包括發育、運營、協作等指標類別，以及每分鐘手速、技能釋放頻率、命中率、擊殺數等具體參數，讓AI更接近正式服玩家真實表現。阿里巴巴阿里巴巴圖片圖片AIGCAIGC：阿里巴巴智能設計

165、實驗室自主研發的AI視覺物料生成系統鹿班?；趫D像智能生成技術，鹿班可以在短時間內完成大量banner圖、海報圖和會場圖的設計，提高工作效率。主要功能包括了一鍵生成海報、智能排版、設計拓展、智能創作等。圖片圖片AIGCAIGC：2020年12月，阿里巴巴在原創保護平臺推出虛擬模特“塔璣”。塔璣可以利用算法生成“獨一無二的虛擬人臉”，商家只要提交服裝平鋪圖，就可以選擇喜歡風格、人臉、表情、妝容、身型、背景圖，讓模特“穿上新款”，從提交完成到生成模特圖，最快僅需1天。網易網易音樂音樂AIGCAIGC：1月25日，網易推出一站式音樂創作平臺網易天音。用戶輸入祝福對象，選擇祝福語，就可以自動生成拜年歌

166、曲。用戶可以更換歌詞、伴奏、歌手或重寫，在設定歌名、選擇模板、點擊發布后，將作品分享給好友或分享到朋友圈。字節跳動字節跳動智能創作團隊：智能創作團隊：定位為AI&多媒體技術中臺，在計算機視覺、音視頻拍攝編輯、特效處理、語音等角度支持抖音、TikTok、剪映、西瓜等公司內眾多產品線。7979目目 錄錄第二章第二章第一章第一章AI：從判別決策到創造生成：從判別決策到創造生成生成式生成式AI：范式升級：范式升級，應用多元應用多元第三章第三章生成式生成式AI應用：內容制作應用：內容制作，從輔助人到從輔助人到“替代替代”人人第五章第五章海內外發展：多家科技巨頭海內外發展：多家科技巨頭、初創公司積極布局初

167、創公司積極布局第四章第四章生成式生成式AI應用：多行業垂直應用應用：多行業垂直應用第六章第六章綜合應用：游戲行業的案例綜合應用：游戲行業的案例 80806.1 游戲：市場規模近游戲：市場規模近2000億美元，玩家數量達億美元，玩家數量達30.6億近全球總人口的億近全球總人口的40%資料來源：Newzoo、中信建投 全球游戲市場規模不斷擴大全球游戲市場規模不斷擴大，預計預計2022年將達年將達1968億美元億美元。據Newzoo，全球游戲市場規模由2016年的1011億美元增長到2021年的1927億美元，五年市場規模增長近一倍，預計2022年將達1968億美元，2025年將增長至2257億美元

168、。游戲玩家數量不斷增長游戲玩家數量不斷增長，預計預計2022年達到年達到32億億，占全球總人口的占全球總人口的40%。據Newzoo，2021年全球游戲玩家數量為30.6億人，預計2022年將達32億人，以目前全球總人口80億計算，游戲玩家占全球總人口的比例達到40%。預計2025年全球游戲玩家數量將增長至35.3億人，2020-2025年復合增長率為4.2%。圖：全球游戲市場規模及增長率圖：全球游戲市場規模及增長率圖：全球游戲玩家及增長率圖：全球游戲玩家及增長率0.0%5.0%10.0%15.0%20.0%25.0%05001000150020002500201620172018201920

169、2020212022E市場規模（億美元）增長率0.0%1.0%2.0%3.0%4.0%5.0%6.0%7.0%8.0%9.0%10.0%0.05.010.015.020.025.030.035.02016201720182019202020212022E玩家數量（億）增長率 81816.2 游戲制作：游戲產業的基礎，受不可能三角的限制游戲制作：游戲產業的基礎，受不可能三角的限制資料來源：venturebeat，Rockstar games，Take-Two，Roberts Space Industries，中信建投 游戲行業的競爭主要集中在制作環節和營銷環節游戲行業的競爭主要集中在制作環節和營

170、銷環節，優良的游戲制作是營銷的基礎優良的游戲制作是營銷的基礎。傳統游戲制作存在傳統游戲制作存在“質量質量、速度速度、成本成本”中只能有兩個的不可能三角中只能有兩個的不可能三角。在保證游戲質量的前提下，游戲制作只有兩條路徑可選，一是大量開發人員同時制作一款游戲，而大型團隊管理、開發效率較低，開發成本勢必提高；二是精簡團隊成員，制作周期長達幾年甚至十幾年。通常優質通常優質3 3A A大作的開發時間成本和金錢成本均很高大作的開發時間成本和金錢成本均很高。以銷量超4600萬份的荒野大鏢客：救贖 2為例，游戲擁有超過28平方英里接近真實景象的地圖和1000個NPC，即使專職開發人員超1200人，也用了8

171、年完成，成本近3億美元。專職開發人員少于荒野大鏢客：救贖 2的星際公民，已開發10年之久，仍處于Alpha版本測試階段，預計還需要較長時間才能完整上線。圖：傳統游戲制作的不可能三角圖：傳統游戲制作的不可能三角表：大型表：大型3A3A游戲規模及制作成本游戲規模及制作成本質量質量成本成本速度速度貴貴差差慢慢游戲游戲荒野大鏢客：救贖荒野大鏢客：救贖 2 2星際公民星際公民地圖規模地圖規模28平方英里陸地面積超100萬平方公里NPCNPC數量數量超1000個-發售時間發售時間2018年暫未發售制作周期制作周期8年10年以上貢獻人員貢獻人員超3000人151開發人員開發人員（不含外包）（不含外包）約12

172、00人已超700人開發成本開發成本（不含營銷）（不含營銷）2.4-3億美元已眾籌5.3億美元銷量銷量4600萬份-82826.2 游戲制作：流程復雜，要素齊全游戲制作：流程復雜，要素齊全資料來源：game test cases library、中信建投 游戲制作流程復雜游戲制作流程復雜，設計開發環節最為關鍵設計開發環節最為關鍵。游戲的制作一般包括“產品立項-目標規劃-設計開發-發布運營”四個環節，制作周期一般以年為單位，制作流程的復雜程度和時間成本遠超娛樂媒體領域的其他內容。在游戲的制作流程中，設計開發環節決定了規劃的落地程度，極大程度上影響游戲質量以及玩家體驗，是最為關鍵的一環。圖：游戲制作

173、流程圖：游戲制作流程產品立項產品立項設計開發設計開發前景規劃前景規劃市場調研市場調研DemoDemo預演預演框架玩法框架玩法風格規范風格規范版本計劃版本計劃方案設計方案設計程序編碼程序編碼美術繪圖美術繪圖配置聯調配置聯調渠道渠道SDKSDK運營活動運營活動宣傳推廣宣傳推廣目標規劃目標規劃發布運營發布運營版本周期版本周期 83836.2 游戲制作：流程復雜，要素齊全游戲制作：流程復雜，要素齊全資料來源：vcgamers，游戲科學，中信建投 游戲是娛樂及媒體行業中最復雜的形式游戲是娛樂及媒體行業中最復雜的形式，構成要素包含娛樂媒體領域內容的所有形式構成要素包含娛樂媒體領域內容的所有形式。游戲包含文

174、本、圖像、音效、音樂、3D模型、動畫、電影、代碼等多種類型的資源，涵蓋了娛樂及媒體行業所有的內容形式。圖：游戲圖：游戲構成構成要素要素游戲引擎游戲引擎3D模型模型文本文本圖像圖像動畫動畫音頻音頻 84846.3 生成式生成式AI將影響游戲制作，有望打破不可能三角將影響游戲制作，有望打破不可能三角資料來源：vcgamers，a16z，中信建投 游戲是娛樂及媒體行業中對實時交互要求最高的形式游戲是娛樂及媒體行業中對實時交互要求最高的形式。游戲強調玩家交互的實時體驗，要求即時反饋，是所有娛樂形式中綜合復雜程度最高的。游戲的要素復雜游戲的要素復雜、制作門檻高也決定了生成式制作門檻高也決定了生成式AI對

175、游戲制作的影響是其他娛樂及對游戲制作的影響是其他娛樂及媒體領域的合力媒體領域的合力，創造的機會也是最大的創造的機會也是最大的。生成式生成式AI帶來的生產力提升帶來的生產力提升，將打破游戲制作的不可能三角將打破游戲制作的不可能三角。生成式AI能夠根據已有文本進行續寫、根據文本生成語音、根據主題生成音樂、根據文本生成圖像、根據二維圖像生成三維模型、根據文本生成代碼等，對游戲的策劃、音頻、美術、程序等環節的工作均帶來極大的生產力提升，大幅降低游戲制作成本，打破不可能三角。以二維游戲原畫為例，傳統原畫師根據策劃內容完成設計稿需要花費數周時間，而使用生成式AI僅需要輸入關鍵詞便能得到大量設計初稿，后續進

176、行篩選、修改即可，時間降低至幾個小時。圖：生成式圖：生成式AIAI對游戲制作的影響是所有娛樂媒體內容領域最大的對游戲制作的影響是所有娛樂媒體內容領域最大的書美術電視節目動畫電影真人電影游戲音樂新聞復雜程度實時性 85856.4 生成式生成式AI突破專業技術、經驗的限制，大幅降低游戲制作門檻突破專業技術、經驗的限制，大幅降低游戲制作門檻資料來源：LatePost，科創板日報，Innersloth，中信建投 游戲的綜合復雜程度決定游戲開發具有很高的專業技術游戲的綜合復雜程度決定游戲開發具有很高的專業技術、經驗門檻經驗門檻，資金投入和傳統資金投入和傳統AI算法積累的重要性降低算法積累的重要性降低。以

177、字節跳動為例，字節2018年組建大中型游戲研發團隊，公司在推薦算法、用戶數據積累、資金、流量渠道等方面的優勢未能讓其在游戲制作領域復刻抖音、今日頭條的成功，即使投入了數百億資金，雖然推出了表現不錯的航海王熱血航線，但仍未有自研S級游戲面世。我們認為主要原因是公司后期進入游戲市場，缺乏游戲制作經驗豐富、技術專精的管理人員和技術人員，據報道，公司試圖以技術優勢建立游戲中臺加速游戲研發，但其開發人員對游戲不夠熟悉導致中臺偏代碼思維，在便利性、使用效果方面不及網易的編輯器。生成式生成式AI制作游戲內容價格很低且不需要大量的專業技術人員制作游戲內容價格很低且不需要大量的專業技術人員，大幅降低游戲制作門檻

178、大幅降低游戲制作門檻，微型游戲制作工作室微型游戲制作工作室走進現實走進現實，同時縮短游戲制作周期同時縮短游戲制作周期。生成式AI制作游戲內容具有一次開發調試能夠多次長期復用的特點，并有專業生成式模型開發公司提供B端產品，將設計人員的創意轉化設計初稿，大幅度降低內容制作的時間和金錢成本，同時減少對專業技術人員的需求，微型游戲制作工作室成為現實。5人組成的Innersloth工作室開發出了AmongUs，Steam銷量超2000萬，全球玩家約5億人。隨著生成式AI的不斷發展，微型游戲制作工作室的數量和能夠開發的游戲規模將不斷上升。圖：圖：5 5人開發的人開發的Among UsAmong Us圖：生

179、成式圖：生成式AIAI降低游戲制作門檻降低游戲制作門檻1234技術、經驗要求技術、經驗要求開發人員數量開發人員數量極高大幅降低數百甚至上千低至個位數 86866.5 游戲創新：游戲創新：AI生成內容降本增效，生成內容降本增效，產能提升實現既有創意產能提升實現既有創意資料來源：blackshark.ai，4Gamer，原神，中信建投 游戲的創新表現在多個方面游戲的創新表現在多個方面，主要受到創意和產能兩個因素的限制主要受到創意和產能兩個因素的限制。策劃是游戲的起點策劃是游戲的起點，美術設計是到游戲形美術設計是到游戲形象象、畫面的關鍵畫面的關鍵，游戲創新依賴于策劃、美術人員的創意，而從創意到成品要

180、經過漫長的開發過程，產能也是限制游戲創新的關鍵一環。生成式生成式AI提高生產力突破產能限制實現游戲創新提高生產力突破產能限制實現游戲創新:AI生成生成3D模型助力飛行模擬器實現模型助力飛行模擬器實現3D高清全球地圖：高清全球地圖：微軟的飛行模擬器計劃開始于1976年，一直在向著高清、3D、全球地圖努力，最新版本通過與blackshark.ai合作，使用AI從2D衛星圖像生成3D模型，構建了超過15億的3D建筑模型，突破了產能的限制，飛行區域包括整個地球、超過24000個機場，且主要地標和熱門城市的地景越來越豐富。AI賦能賦能NPC打造原神高品質開放世界：打造原神高品質開放世界：開放世界游戲在上

181、世紀80年代便出現，原神開發中使用AI賦予了每個NPC不同的個性及特殊能力，打造了更為完備的高品質開放世界，獲得成功。圖：飛行模擬器真實圖：飛行模擬器真實3D3D地圖地圖圖：原神圖：原神 87876.5 游戲創新：游戲創新：AI創作突破個人創意局限，拓寬策劃設計邊界創作突破個人創意局限，拓寬策劃設計邊界資料來源：Open AI，Dungeon and Platformer Level Blending and Generation using Conditional VAEs,中信建投 生成式生成式AI通過轉型性創作通過轉型性創作、組合性創作等方式突破個人創意的局限性組合性創作等方式突破個人創

182、意的局限性，拓寬游戲策劃設計的邊界：拓寬游戲策劃設計的邊界：繼續性創作：繼續性創作：學習部分完成的要素的特征，進行繼續性創作，最常見的是AI續寫文案、生成同一風格系列的圖片等，適用于游戲策劃、設計完成部分但是想象力枯竭的情況，能夠通過大量繼續性創作擴展人的想象力。組合性創作：組合性創作：將不同領域、不同維度的原本無關的概念元素進行組合，創造出新的概念元素，能對游戲的關卡設計、地圖設計、玩法設計、原畫設計等提供全新的思路。目前圖像生成算法能夠根據輸入的文字要素生成各種風格的圖像以及超出想象的超現實動物、植物、人物形象，為游戲原畫設計打開了想象空間。2021年，AnuragSarkar和Seth

183、Cooper使用變分自編碼器（Variational auto-encoder）將不同的游戲關卡進行組合，創造出新的游戲關卡。圖：圖：VAEVAE生成的一個融合了塞爾達、銀河戰士、洛克人的關卡生成的一個融合了塞爾達、銀河戰士、洛克人的關卡圖：圖：DALLE2DALLE2基于同一要素風格生成的圖像基于同一要素風格生成的圖像 88886.6 展望：短期內游戲數量、玩法品類增加，長期有望出現定制化游戲展望：短期內游戲數量、玩法品類增加，長期有望出現定制化游戲資料來源：Steamdb。游戲設計理論，中信建投 游戲成功與否的核心是玩家體驗游戲成功與否的核心是玩家體驗，本質因素則是為玩家帶來的情緒價值本質

184、因素則是為玩家帶來的情緒價值。從表層看，決定游戲成功與否的關鍵因素包括游戲的IP、玩法、數值體系、畫質、世界觀、自由度、交互形式等，但這些因素僅是玩家體驗的外在集合，優秀的玩家體驗是一款游戲成功的核心，而游戲滿足玩家情緒需求帶來的情緒價值是玩家體驗的本質。生成式生成式AI有望有望帶來游戲數量和玩法品類的增加帶來游戲數量和玩法品類的增加，增加玩家的選擇空間增加玩家的選擇空間，帶來更好的游戲體驗帶來更好的游戲體驗，長期看可能出現長期看可能出現玩家根據自身經歷玩家根據自身經歷、情緒狀態制作的個人專屬游戲情緒狀態制作的個人專屬游戲，深度滿足情緒需求深度滿足情緒需求。2021年，全球iOS+Google

185、 Play上線移動游戲30萬款，Steam上新發行游戲11585款，截止2022年11月29日，Steam上2022年發行的游戲數量已經超過2021年的總和。預計未來全球新游戲發行數量將持續增加。圖：游戲成功的關鍵因素圖：游戲成功的關鍵因素圖：新發行的游戲數量（萬款）圖：新發行的游戲數量（萬款）情緒情緒價值價值優秀的玩家體驗優秀的玩家體驗熱門IP 玩法新穎高清畫質世界觀優秀自由度高交互性強010203040506020182019202020212025E移動游戲（iOS+Google Play）Steam游戲 89896.7 落地形式：圖像、落地形式：圖像、3D模型、動畫、音頻、模型、動畫、

186、音頻、NPC、玩家角色等均有落地（、玩家角色等均有落地（1）資料來源：Runway，網易互娛、中信建投 圖像：網易互娛圖像：網易互娛AI Lab已經實現生成式已經實現生成式AI輔助原畫線稿上色輔助原畫線稿上色、基于人臉線稿生成圖像并編輯；基于人臉線稿生成圖像并編輯；Runway、OpenAI等實現了有文本生成圖像等實現了有文本生成圖像、拓展圖像拓展圖像、為圖像增加為圖像增加/替換替換/刪除元素等刪除元素等。圖：網易互娛圖：網易互娛AI LabAI Lab線稿上色線稿上色圖：網易互娛圖：網易互娛AI LabAI Lab由線稿生成不同階段人臉圖由線稿生成不同階段人臉圖像像圖：圖：RunwayRun

187、way由文本生成圖像及為圖像替換元素由文本生成圖像及為圖像替換元素 90906.7 落地形式：圖像、落地形式：圖像、3D模型、動畫、音頻、模型、動畫、音頻、NPC、玩家角色等均有落地（、玩家角色等均有落地（2）資料來源：Runway，網易互娛，Open AI，中信建投 3D模型：網易互娛模型：網易互娛AI Lab通過人臉圖像生成人頭的通過人臉圖像生成人頭的3D模型模型，批量為游戲生成人頭模型；批量為游戲生成人頭模型；Runway通過文本為通過文本為3D模型添加紋理模型添加紋理；Open AI開源開源3D模型生成器模型生成器Point-E實現由文字生成實現由文字生成3D模型模型，且可以在單塊且可

188、以在單塊 Nvidia V100 GPU上在一到兩分鐘內生成上在一到兩分鐘內生成 3D 模型模型，速度大大提升速度大大提升。圖：網易互娛圖：網易互娛AI LabAI Lab由圖像生成由圖像生成3D3D模型模型圖：圖：RunwayRunway通過文本為通過文本為3D3D模型添加紋理模型添加紋理圖：圖：Open AIOpen AI由文字生成由文字生成3D3D模型模型 91916.7 落地形式：圖像、落地形式：圖像、3D模型、動畫、音頻、模型、動畫、音頻、NPC、玩家角色等均有落地（、玩家角色等均有落地（3）資料來源：Runway，網易互娛、中信建投 動畫：網易互娛動畫：網易互娛AI Lab實現了由

189、視頻實現了由視頻、音頻生成動畫音頻生成動畫，大幅降低了動畫捕捉成本；大幅降低了動畫捕捉成本；Runway實現了去除視頻背景實現了去除視頻背景，為動畫制作背景替換帶來便利為動畫制作背景替換帶來便利。圖：網易互娛圖：網易互娛AI LabAI Lab通過視頻、音頻生成動畫通過視頻、音頻生成動畫圖：圖：RunwayRunway去除視頻背景去除視頻背景輸入視頻輸入音頻 92926.7 落地形式：圖像、落地形式：圖像、3D模型、動畫、音頻、模型、動畫、音頻、NPC、玩家角色等均有落地（、玩家角色等均有落地（4）資料來源：小冰,中信建投 音頻：音頻：Soundful實現了通過用戶自定義輸入生成音樂實現了通過

190、用戶自定義輸入生成音樂。NPC和玩家角色：小冰成立的游戲工作室通過和玩家角色：小冰成立的游戲工作室通過AI技術完成虛擬人的創建技術完成虛擬人的創建、驅動和內容生成驅動和內容生成，并具備感知并具備感知、表達表達等無需人工干預的自動交互能力等無需人工干預的自動交互能力，降低降低NPC和游戲角色創建成本并帶來更多的交互性和細節和游戲角色創建成本并帶來更多的交互性和細節。圖：圖：SoundfulSoundful音樂生成音樂生成圖：小冰虛擬人圖：小冰虛擬人 93936.8 實測效果：二次元主題游戲原畫設計及生成實測效果：二次元主題游戲原畫設計及生成資料來源：OpenAI,中信建投 生成式生成式AI使得沒

191、有任何游戲設計或者經驗的人能夠制作出游戲原畫使得沒有任何游戲設計或者經驗的人能夠制作出游戲原畫。ChatGPT強大的強大的AI問答功能問答功能，能夠在輸入能夠在輸入要求后要求后給出文字創意給出文字創意，將文字輸入將文字輸入DALL-E 2后生成游戲原畫后生成游戲原畫，全過程無需專業設計或者美術技能全過程無需專業設計或者美術技能。二次元主題游戲原畫：二次元主題游戲原畫：ChatGPT根據需求給出“一個城市的風景，摩天大樓林立，交通繁忙。一個少年手持古劍，身著學生制服，神態憧憬?！钡奈淖衷O計，將第一部分文字設計輸入DALL-E 2即可生成如下游戲原畫。圖：二次元主題游戲原畫文字創意圖：二次元主題游

192、戲原畫文字創意圖：二次元主題游戲原畫圖：二次元主題游戲原畫 94946.8 實測效果：中國傳統仙俠主題游戲原畫設計及生成實測效果：中國傳統仙俠主題游戲原畫設計及生成資料來源：OpenAI,中信建投 仙俠主題游戲原畫：仙俠主題游戲原畫：ChatGPT根據需求給出“中國傳統仙俠游戲原畫:一個仙俠世界的風景，山川清晰可辨，云霧繚繞，一個仙女站在山頂上，手持青龍偃月刀，臉上露出堅定的表情；古典仙俠游戲原畫:一個仙俠世界的景色，碧水藍天，翠竹綠草，一個道士身著青衫，手持扇子，神情淡然；二次元仙俠游戲原畫:一個仙俠世界的背景，月亮懸掛在天空，星辰閃爍，一個美少女手持古劍，身著唐裝，神態迷人?！钡任淖衷O計，

193、將第一部分文字設計輸入DALL-E 2即可生成如下游戲原畫。圖：中國傳統圖：中國傳統仙俠主題仙俠主題游戲原畫文字創意游戲原畫文字創意圖：中國傳統仙俠主題游戲原畫圖：中國傳統仙俠主題游戲原畫 95956.8 實測效果：山海經異獸主題卡牌游戲原畫設計及生成實測效果：山海經異獸主題卡牌游戲原畫設計及生成資料來源：OpenAI,中信建投 山海經異獸主題卡牌游戲原畫山海經異獸主題卡牌游戲原畫：ChatGPT根據需求給出“山海經異獸卡牌游戲原畫:一個古代神話世界的景色，山峰險峻，河流深邃，一個異獸在山間空中盤旋，手持古劍，神態雄??；古典神話卡牌游戲原畫:一個古代神話世界的背景，云霧繚繞，水鳥飛翔，一個神仙

194、站在天涯海角，手持權杖，神態慈祥?！钡任淖衷O計，將第一部分文字設計輸入DALL-E 2即可生成如下游戲原畫。普通生成式普通生成式AI創作的上述游戲原畫仍存在部分瑕疵且畫質需要提升創作的上述游戲原畫仍存在部分瑕疵且畫質需要提升，但已經能夠為游戲策劃人員但已經能夠為游戲策劃人員、美術人員提美術人員提供足夠的創意及素材供足夠的創意及素材，隨著技術的發展隨著技術的發展，針對游戲制作的專業生成式針對游戲制作的專業生成式AI將帶來更多的創意將帶來更多的創意、素材素材，極大提升游極大提升游戲制作的生產力戲制作的生產力。圖：山海經異獸主題卡牌游戲原畫文字創意圖：山海經異獸主題卡牌游戲原畫文字創意圖：山海經異獸

195、主題卡牌游戲原畫圖：山海經異獸主題卡牌游戲原畫 96966.9 游戲領域生成式游戲領域生成式AI產業鏈圖譜產業鏈圖譜資料來源：公司官網，a16z，中信建投 目前多家國內外公司布局游戲領域的生成式目前多家國內外公司布局游戲領域的生成式AI，包括網易互娛包括網易互娛AI Lab、小冰游戲工作室小冰游戲工作室、Spellbrush等綜合型等綜合型AI游戲工作室以及專注于游戲工作室以及專注于2D圖形圖形、3D資產資產、紋理紋理、動畫動畫、建筑建筑、NPC、聊天機器人聊天機器人、音樂音樂、對話等領域的初創對話等領域的初創公司公司。圖：游戲領域生成式圖：游戲領域生成式AIAI產業鏈圖譜產業鏈圖譜NPCsA

196、I游戲工作室游戲圖形2D圖形3D資產紋理動畫世界建筑角色聊天機器人音頻音樂對話網易互娛AI Lab小冰游戲 9797風險提示風險提示 生成式生成式AI技術發展不及預期技術發展不及預期:算力支持程度不及預期算力支持程度不及預期:數據質量及數量支持程度不及預期數據質量及數量支持程度不及預期;用戶需求不用戶需求不及預期及預期:技術壟斷風險技術壟斷風險:原始訓練數據存在偏見風險原始訓練數據存在偏見風險:算法偏見與歧視風險算法偏見與歧視風險:算法魯棒性風險算法透明算法魯棒性風險算法透明度風險度風險:增加監管難度風險增加監管難度風險:政策監管風險政策監管風險:商業化能力不及預期商業化能力不及預期:相關法律

197、法規完善不及預期相關法律法規完善不及預期:版權版權歸屬風險歸屬風險:深度造假風險深度造假風險:人權道德風險人權道德風險:影響互聯網內容生態健康安全風險影響互聯網內容生態健康安全風險:企業風險識別與治理能企業風險識別與治理能力不足風險力不足風險:用戶審美取向發生變化的風險用戶審美取向發生變化的風險。9898分析師介紹分析師介紹武超則：武超則：中信建投證券研究所所長兼國際業務部負責人，董事總經理，TMT行業首席分析師。新財富白金分析師，2013-2020年連續八屆新財富最佳分析師通信行業第一名；2014-2020年連續七屆水晶球最佳分析師通信行業第一名。專注于5G、云計算、物聯網領域研究。中國證券

198、業協會證券分析師、投資顧問與首席經濟學家委員會委員。楊艾莉：楊艾莉：傳媒互聯網行業首席分析師，中國人民大學傳播學碩士，曾任職于百度、新浪，擔任商業分析師、戰略分析師。2015年起，分別任職于中銀國際證券、廣發證券，擔任傳媒與互聯網分析師、資深分析師。2019年4月加入中信建投證券研究發展部擔任傳媒互聯網首席分析師。曾榮獲2019年wind資訊傳播與文化行業金牌分析師第一名；2020年wind資訊傳播與文化行業金牌分析師第二名；2020年新浪金麒麟評選傳媒行業新銳分析師第二名。研究助理研究助理楊曉瑋楊曉瑋，評級說明評級說明投資評級標準評級說明報告中投資建議涉及的評級標準為報告發布日后6個月內的相

199、對市場表現，也即報告發布日后的6個月內公司股價（或行業指數）相對同期相關證券市場代表性指數的漲跌幅作為基準。A股市場以滬深300指數作為基準；新三板市場以三板成指為基準；香港市場以恒生指數作為基準；美國市場以標普 500 指數為基準。股票評級買入相對漲幅15以上增持相對漲幅5%15中性相對漲幅-5%5之間減持相對跌幅5%15賣出相對跌幅15以上行業評級強于大市相對漲幅10%以上中性相對漲幅-10-10%之間弱于大市相對跌幅10%以上 9999分析師聲明分析師聲明本報告署名分析師在此聲明：（i）以勤勉的職業態度、專業審慎的研究方法，使用合法合規的信息，獨立、客觀地出具本報告,結論不受任何第三方的

200、授意或影響。（ii）本人不曾因，不因，也將不會因本報告中的具體推薦意見或觀點而直接或間接收到任何形式的補償。法律主體說明法律主體說明本報告由中信建投證券股份有限公司及/或其附屬機構（以下合稱“中信建投”）制作，由中信建投證券股份有限公司在中華人民共和國（僅為本報告目的，不包括香港、澳門、臺灣）提供。中信建投證券股份有限公司具有中國證監會許可的投資咨詢業務資格，本報告署名分析師所持中國證券業協會授予的證券投資咨詢執業資格證書編號已披露在報告首頁。本報告由中信建投（國際）證券有限公司在香港提供。本報告作者所持香港證監會牌照的中央編號已披露在報告首頁。一般性聲明一般性聲明本報告由中信建投制作。發送本

201、報告不構成任何合同或承諾的基礎，不因接收者收到本報告而視其為中信建投客戶。本報告的信息均來源于中信建投認為可靠的公開資料，但中信建投對這些信息的準確性及完整性不作任何保證。本報告所載觀點、評估和預測僅反映本報告出具日該分析師的判斷，該等觀點、評估和預測可能在不發出通知的情況下有所變更，亦有可能因使用不同假設和標準或者采用不同分析方法而與中信建投其他部門、人員口頭或書面表達的意見不同或相反。本報告所引證券或其他金融工具的過往業績不代表其未來表現。報告中所含任何具有預測性質的內容皆基于相應的假設條件，而任何假設條件都可能隨時發生變化并影響實際投資收益。中信建投不承諾、不保證本報告所含具有預測性質的

202、內容必然得以實現。本報告內容的全部或部分均不構成投資建議。本報告所包含的觀點、建議并未考慮報告接收人在財務狀況、投資目的、風險偏好等方面的具體情況，報告接收者應當獨立評估本報告所含信息，基于自身投資目標、需求、市場機會、風險及其他因素自主做出決策并自行承擔投資風險。中信建投建議所有投資者應就任何潛在投資向其稅務、會計或法律顧問咨詢。不論報告接收者是否根據本報告做出投資決策，中信建投都不對該等投資決策提供任何形式的擔保，亦不以任何形式分享投資收益或者分擔投資損失。中信建投不對使用本報告所產生的任何直接或間接損失承擔責任。在法律法規及監管規定允許的范圍內，中信建投可能持有并交易本報告中所提公司的股

203、份或其他財產權益，也可能在過去12個月、目前或者將來為本報告中所提公司提供或者爭取為其提供投資銀行、做市交易、財務顧問或其他金融服務。本報告內容真實、準確、完整地反映了署名分析師的觀點，分析師的薪酬無論過去、現在或未來都不會直接或間接與其所撰寫報告中的具體觀點相聯系，分析師亦不會因撰寫本報告而獲取不當利益。本報告為中信建投所有。未經中信建投事先書面許可，任何機構和/或個人不得以任何形式轉發、翻版、復制、發布或引用本報告全部或部分內容，亦不得從未經中信建投書面授權的任何機構、個人或其運營的媒體平臺接收、翻版、復制或引用本報告全部或部分內容。版權所有，違者必究。中信建投證券研究發展部中信建投證券研究發展部中信建投（國際）中信建投（國際）北京東城區朝內大街2號凱恒中心B座12層電話：(8610)8513-0588聯系人：李祉瑤郵箱：上海上海浦東新區浦東南路528號南塔2106室電話：(8621)6882-1600聯系人：翁起帆郵箱：深圳福田區益田路6003號榮超商務中心B座22層電話：（86755）8252-1369聯系人：曹瑩郵箱：香港中環交易廣場2期18樓電話：（852）3465-5600聯系人：劉泓麟郵箱：charleneliucsci.hk