深度解析對比中國和硅谷的AIGC賽道_區塊鏈:TIGC幣

文：Jenny Xiao (肖文泉)、Jay Zhao

去年12月，ChatGPT火爆出圈，資本和科技界迅速開始討論AIGC技術的潛力和前景。而中國和硅谷很快成為了這場討論的中心。

AIGC在硅谷持續升溫，眾多頂級VC紛紛發布相關行研。2022年9月，紅杉資本發布了一篇叫做《生成式AI：一個創造性的新世界》的文章，指出AIGC應用將在未來幾年大量落地，AI生成的文字、圖片、視頻將逐漸走入人們的生活。

今年春節剛過，騰訊研究院又推出《AIGC發展趨勢報告2023：迎接人工智能的下一個時代》，預測未來五年10%-30%的互聯網圖像將由AI生成，AIGC市場到2030年可能達到1100億美元的規模。

不少業內人士認為中國的AIGC產業處于發展的初期，底層技術和應用層面和國外還有較大的差距。雖然國內眾多廠商開始布局AIGC，但是目前的商業模式還不成熟。技術層面的不足也限制了應用端的發展。

但事實上，中國是美國市場之外唯一一個擁有完整的AIGC產業鏈的國家。中國的AIGC產業很可能發展出和硅谷完全不一樣的生態系統。

今天，我們就帶大家來深入解析對比中國和硅谷的AIGC賽道，看看國內的AIGC行業和國外到底有什么區別，未來又會有什么樣的發展趨勢。

當全世界把目光放到了ChatGPT上時，中國的AIGC模型也正在飛速發展。

從AIGC模型數量上來看，全世界前十的AIGC模型研發者中，中國機構占了四個。其中有學院派的BAAI智源研究院和清華大學，也有產業界的百度和阿里巴巴研究院。頂級的西方AI機構谷歌、Meta還有OpenAI當然也榜上有名。值得一提的是，除了英美之外，雖然以色列有AI21，加拿大有Cohere，只有中國有多家機構在研發AI模型。

深度科技風投First Star第三支基金擬募資4000萬美元，將專注于區塊鏈、AI等領域:9月17日消息，根據美國證券交易委員會披露文件顯示，深度科技風投First Star旗下第三支基金計劃募資4000萬美元，以支持區塊鏈、人工智能、機器學習和機器人等領域的早期階段初創公司，目前該公司尚未披露新基金募資結束時間。

另據PitchBook數據顯示，First Star在2014年推出的首支基金曾成功募資1000萬美元，隨后又在2019年推出了第二支基金，該基金募資規模達到2500萬美元。（雅虎財經）[2022/9/17 7:02:59]

中國企業近幾年在自主研發上下的功夫也為AIGC產業打下了基礎。比如，百度的飛槳PaddlePaddle和華為MindSpore開源框架。這些框架和國外常用框架（比如TensorFlow和PyTorch）的不兼容可能會限制國產框架的發展，但是例如Ivy這樣的框架轉換器或許能成為中西方AI框架的橋梁。

在社區層面，在2013年開發出來的Gitee成為了號稱“中國GitHub”的開源技術社區。如今，很多大模型都在Gitee上開源，比如中科院的紫東太初大模型。Gitee社區也吸引到了超過800萬開發者用戶。可見Gitee社區和國產框架都成為了中國AIGC發展不可或缺的軟件設施。

在硬件層面，國產的芯片也稱為了訓練AIGC模型的常見之選。在訓練2000億參數的超大盤古模型的過程中，來自華為的團隊調用了超過2000塊華為昇騰910芯片。而2600億參數的百度ERNIE 3.0 Titan還有千億參數紫東太初模型也是在華為昇騰系列的芯片上訓練出來的。

元宇宙基礎設施平臺Ethanim與日本鏈游Mechaverse War達成深度戰略合作:3月14日消息，元宇宙基礎設施平臺Ethanim與日本鏈游項目元宇宙機甲征服游戲Mechaverse War達成深度戰略合作。雙方將發揮各自在元宇宙底層技術、鏈游開發和生態建設方面的優勢和能力，共同推動元宇宙產業發展。Mechaverse War旨在打造世界上第一個Metaverse的實時戰略機甲征服游戲平臺。（prnewswire）[2022/3/14 13:55:51]

AIGC模型十大開發機構

從預訓練語言模型的參數量來看，很多中國的模型其實并不比西方遜色。但是站在用戶體驗的角度，ChatGPT確實要領先于中國的語言模型，還有西方其他公司的模型。中國的開發者總能夠趕上西方的領頭羊，但是這個技術追趕的過程卻需要2-3年。比如，OpenAI在2020年6月推出GPT-3模型，中國的智源、華為、百度在差不多一年之后才研發出了體量與之相當的模型，又用了一段時間才讓模型的技能和GPT-3相媲美。

預訓練語言模型參考量

在一定程度上，中國的AIGC底層技術也受益于西方的開源運動。在StabilityAI發布Stable Diffusion模型之后不久，國內的IDEA研究院封神榜團隊很快就訓練出了名為“太乙”的中文版Stable Diffusion。與原版的Stable Diffusion不同，太乙Stable Diffusion可以更好地理解中文的語言文化環境。

ARK首席執行官：顛覆性創新似乎處于深度價值領域:金色財經報道，ARK首席執行官Catherine Wood再其官網發布了《創新股并非泡沫：我們相信它們處于深度價值領域》研究文章，Catherine Wood表示，在五年的投資時間范圍內，我們對這些平臺的預測表明，我們今天的策略可以在未來五年內實現 30-40% 的復合年回報率。換句話說，如果我們的研究是正確的，我相信我們對創新的研究是金融界最好的。那么我們的戰略將在未來五年內實現三倍至五倍的價值。然而，隨著今年接近尾聲，投資者似乎對“穩扎穩打”更感興趣，并更接近基準，我們認為，在未來十年內，這些基準不太可能產生平均回報。就像 ARK 早期對電動汽車特斯拉和比特幣的研究和投資一樣，顛覆性創新似乎處于深度價值領域。根據我們過去八年的研究，未來十年超過 200 萬億美元。[2021/12/22 7:55:56]

在之前的一篇文章里，我們分析過美國的AIGC產業，提到了希望很多AIGC垂直領域已經殺成了一片紅海。比如，文案編輯和市場營銷領域的文字生成類產品已經有數十家創業公司在做了。圖像生成類的產品在Stable Diffusion和DALLE-2出現之后也迅速開始卷了起來。

然而，中國的AIGC產業大多還是一片藍海。兩張市場地圖對比不難看出中國的AIGC公司要比西方少得多，有些領域甚至還沒有出現很多初創公司。

上海將推動工業互聯網平臺與區塊鏈等深度融合:上海市經濟信息化委相關人士昨日表示，上海將推動工業互聯網平臺與5G、人工智能、區塊鏈等深度融合，打造10個“5G+工業互聯網”先導應用。（上海證券報）[2020/7/29]

中國的AIGC市場地圖

西方的AIGC產業是不是比國內要擁擠很多？

這一方面是由于中國的底層技術要比美國落后幾年，還不足以支持商業化落地。就在幾年前，李開復老師在《AI Superpowers》一書里指出，中國雖然在AI技術層面不及美國，但是在應用端卻走在了美國的前面。或許這一說法適用于預測型AI（“predictive AI”，比如人臉識別、推薦算法）的時代，但是在生成型AI（“generative AI”）的時代，應用和底層技術結合得更緊密，中國在應用方面也可能要追趕美國的步伐。

中國在應用層的滯后也是由國內B2B產業的特性決定的。西方的文字和圖像生成類產品主要都是面向2B的市場的，而中國的B2B市場要比西方小很多，中國企業往往不愿意在軟件上花錢，而更愿意去購買服務。這就極大地降低了初創公司想要進入2B類文字、圖像生成SaaS賽道的意愿。我們未來在國內可能看到企業打著賣服務的旗號賣軟件--用戶的體驗和買服務無異，而后端的服務卻是由AI軟件提供的。

另外，與美國橫向SaaS模式不同，中國的AIGC的SaaS很有可能會采取縱向的發展模式。這種模式的特點在于，聚焦于特定的應用領域，比如電商、短視頻、金融，而不是追求產品的通用化。這種發展模式彌補了中國在模型通用能力上的不足，也利用了在垂直領域積累的大量的專業數據。

北京銀行業績發布會透露：將深度學習區塊鏈技術:北京銀行召開業績發布會，北京銀行副行長魏德勇表示，“北京銀行未來幾年的零售戰略關注以下三個方向：一是，進一步優化操作流程，實現全面數字化轉型，北京銀行已經和騰訊阿里等展開合作。二是，數據深度學習，包括運用智能投顧和區塊鏈等。三是，拓展主要的零售客群。”[2018/4/27]

中國市場的獨特性也決定了中國會發展出和西方不一樣的AIGC生態系統和不一樣的垂直應用。

這意味著中國的AIGC應用雖然比美國慢了一步，但是簡單粗暴的“復制到中國”（“copy-to-China”）模式并行不通。還是拿文字生成領域來講，中國高質量的數據集少、市場營銷以視頻形式為主、企業不愿意在軟件上花錢，這就意味著類似于美國的Jasper.ai和copy.ai這樣的文字生成的通用SaaS，在中國就很難獲得很大的2B市場。

中國文字生成產品主要在做2C的業務，并且業務的性質也和美國很不一樣。學術類寫作、英文寫作還有翻譯成了中國文字類AIGC產品的重點。眾多產品都提供這種服務，比如火龍果寫作、秘塔科技還有寫作狐。

在2B領域，中國的初創公司選擇了專攻垂直領域，而不是追究產品的通用性。一個典型的例子就是瀾舟科技。在研發出了孟子大模型之后，瀾舟科技并沒有繼續追求模型的通用性，而是專攻金融領域的NLP分析服務。

中國的AIGC的另一個獨特之處就是在AI視頻領域有著比較強的競爭力。特別是虛擬人和短視頻方面，中國的公司更加懂得結合實用性和娛樂性，而西方的公司的產品往往只有實用性。

我們就拿中國的小冰和英國的Synthethia虛擬人公司來做個對比。Synthethia做出來的虛擬人跟普通公司白領無異，而小冰生成的萬科虛擬員工崔筱盼卻長著一副明星臉。

中國的虛擬人產業近幾年逐漸人們的視野。不論是清華大學首位虛擬學生“華智冰”，還是冬奧會上谷愛凌的虛擬分身，每次虛擬人的亮相都能夠引起輿論關注。比起專注于2B賽道的西方公司，中國的AIGC公司因為要做2C的業務，所以特別懂得吸睛引流。

咪咕的谷愛凌虛擬人分身在2022年冬奧會上首秀

雖然目這個產業的商業模式還不成熟，但是技術上一旦有了突破，中國公司的市場營銷能力將成為其強大的國際競爭力。

但與此同時，中國在AIGC開發工具領域的初創公司甚少，比如在AI代碼生成，還有零代碼、少代碼的工具領域基本上沒有什么創業公司。這可能是因為開發工具領域語言、文化隔閡小、政策約束少，像GitHub這樣的西方公司可以比較容易進入中國市場。而中國企業在B2B、B2D產品制作能力上的不足也讓中國的開發工具產品很難和西方大廠競爭。

說了這么多，我們在最后想對中國的AIGC產業做出三大預測，供大家參考。

一是，中國會重點發展AIGC的底層技術，形成自主的模型和基礎設施。近些年美國政府對華的一系列科技制裁，讓國內的各大公司擔憂自己哪一天會不會也成為美國的打擊對象。想要維持AIGC領域的發展，中國的企業和學術研究院必須要投入更多的研發費用，投入到真正的核心技術研發上，形成獨立的產業鏈。

二是，由于中國國內市場的局限性，出海是很多2B的AIGC企業的必然之選。在AIGC領域，已經有一些初創公司打造出了國際化的企業形象，進入了東南亞、歐洲、北美等海外市場。AI語音助手創業公司賽舵科技研發出了多語種的AI語音生成系統，涵蓋了超過20種東南亞語言和方言。而高領資本和GGV投的AI模特公司ZMO.ai在中國成立，相繼在美國和加拿大成立了辦公室，打入北美市場。

ZMO.ai生成的AI模特

三是，政策監管和法律倫理問題將成為AIGC發展的一個重要挑戰。去年12月，國家互聯網辦公室發布《互聯網信息服務深度合成管理規定》，進一步規范AIGC產出的文字、圖像和視頻內容，規范了個人信息在深度合成中的應用。此前，不少AIGC公司都陷入了侵犯產權、個人信息和產出虛假內容的尷尬境地，包括OpenAI的代碼生成軟件Codex也因為抄襲GitHub開發者的代碼而被告上法庭。如何能在發展技術的同時，遵守法律法規、倫理原則，成為AIGC企業面對的一大難題。

硅谷之外，中國的AIGC產業已經開始崛起。不論是從技術發展還是投資創業的角度來看，中國的AIGC產業相當活躍。中國的AIGC公司面臨著和西方公司同樣的挑戰，比如尋找成熟的商業模式、發展下一代AIGC技術，還有遵循法規倫理。與此同時，中國的AIGC也要面對額外的壓力，比如美國政策的打擊還有技術層面的不足。

跟互聯網和移動手機時代一樣，中國的AIGC生態必定和西方不一樣。當美國的AIGC公司重點發展B2B業務的同時，中國公司很有可能會首先進入電商、物流還有大消費市場，并且很有可能在國際市場上和西方企業一爭高下。

中國的AIGC還處于萌芽期。未來，AIGC產業必將改變我們的生活，中國企業也一定能夠加入這股浪潮。

注：本文作者為硅谷Leonis Capital風險投資基金Jenny Xiao (肖文泉) 和Jay Zhao 

36氪

媒體專欄

閱讀更多

金色早8點

金色財經

Odaily星球日報

歐科云鏈

Arcane Labs

深潮TechFlow

MarsBit

澎湃新聞

BTCStudy

鏈得得

Tags：AIGIGCSTA區塊鏈AIG幣TIGC幣STABLEX區塊鏈工程專業學什么

BNB