
關(guān)鍵結(jié)論?
1. 區(qū)別于Generative AI和Synthetic media,AIGC中的跨模態(tài)生成和策略/線索生成應(yīng)當(dāng)?shù)玫街匾?,這兩者也是AIGC長(zhǎng)期的重要價(jià)值增長(zhǎng)點(diǎn)。?
2. 按照模態(tài)區(qū)分,AIGC可分為音頻生成、文本生成、圖像生成、視頻生成及圖像、視頻、文本間的跨模態(tài)生成,細(xì)分場(chǎng)景眾多,跨模態(tài)生成需要重點(diǎn)關(guān)注。Game AI和虛擬人生成是目前變現(xiàn)較為明確的兩大綜合賽道,預(yù)計(jì)對(duì)原行業(yè)產(chǎn)生整體性影響。?
3. 以下技術(shù)要素值得關(guān)注:長(zhǎng)/開(kāi)放式文本生成、NeRF模型、Diffusion模型、跨模態(tài)大型預(yù)訓(xùn)練模型、小樣本學(xué)習(xí)及自監(jiān)督算法、強(qiáng)化學(xué)習(xí)及環(huán)境學(xué)習(xí)。以下技術(shù)場(chǎng)景值得關(guān)注:閑聊式文本生成、個(gè)性化營(yíng)銷文本、富情感及細(xì)節(jié)TTS、拼湊式視頻生成、基于文本的AI繪畫(huà)、語(yǔ)音復(fù)刻。?
4. 除降本增效、提供參考外,AIGC的以下兩點(diǎn)價(jià)值更值得關(guān)注:對(duì)不同模態(tài)元素進(jìn)行二次拆解組合,改變內(nèi)容生產(chǎn)邏輯及形式;和其他AI系統(tǒng)或數(shù)據(jù)庫(kù)進(jìn)行聯(lián)動(dòng),有實(shí)現(xiàn)高度個(gè)性化/高頻優(yōu)化。?
5. 我國(guó)AIGC行業(yè)仍處于剛剛起步階段,距離大規(guī)模驗(yàn)證和體系化發(fā)展仍有距離,“模塊分拆+個(gè)性化推薦”的“泛AIGC”形式預(yù)計(jì)將有所發(fā)展。

































