行业投资评级 - 无明确投资评级信息 报告的核心观点 - AIGC技术在全球范围内迅速发展，中美两国在AI领域的进展对全球具有深远影响，AIGC技术在多个行业和应用场景中展现出巨大的市场潜力和商业价值，但也面临技术门槛、算力成本、语料获取难度等挑战[51][77][80] 应用场景：代码研发 金融业 - 中国银行业对金融科技的总投入达到2793.2亿元，其中人员开支为172.5亿元；证券行业对金融科技的投入为417亿元，人员投入为105.9亿元；行业头部的六大行累计科技人员达到9.48万人，金融领域对系统开发的成本支出较大[1] - 海通证券与商汤科技合作，基于海通证券的数据基础，商汤大模型构建了完整的思维链，提供代码智能补全与对话问答服务，有效提高开发效率[2] 信息技术与软件开发业 - 2024年全球IT支出预计将达到5.26万亿美元，全球软件开发人员总数将达到2870万；2023年企业软件工程师使用AI代码助手的比例不到10%，预计到2028年将达到75%[3] - 头部大模型的参数超过100亿，训练和推理过程中需要消耗大量计算资源[4] - 中国程序员数量约为700万人，IT研发人员群体庞大，研发人才意味着庞大的研发支出，提升研发效率对于科技巨头降本增效意义巨大[92] - 全球598家知名企业中，63%的企业正在试用、部署或已经部署了AI代码助手[105] AIGC厂商进展 - 华为云：盘古大模型[93] - 智谱AI：CodeGeeX代码大模型[93] - 阿里云：AI编程助手通义灵码[93] - 百度：Comate[93] - 微软：GitHub Copilot X[93] - 亚马逊：CodeWhisperer[93] - 商汤科技：日日新SenseNova 5.0，包含代码生成及补全[104] - 软通动力：软通天璇2.0平台，包括代码补全能力等[84] - 宇信科技：开发助手CodePal，提供代码补全、自动化bug检测、代码规范检查等功能[91] 应用场景：金融业 应用价值 - 金融业是单位数据产出量最高的行业，生成式人工智能将大幅提升内部运营效率，提高获客能力，提升产品设计创新能力，和加强风险防控能力，有望为金融业带来3万亿规模的增量商业价值[22] - 以一家拥有约两万名员工的区域性国际银行为例，初步梳理了该银行前中后台相关部门应用生成式AI的潜力和效益，预计在首年即可为该银行节省约1.5亿美元的成本，占整体薪酬总包的7%左右[22] 应用难度 - 金融行业涉及的业务逻辑复杂且高度专业化，需要深入理解相关的业务流程和规则，同时需要满足开发者在多种编程语言、框架和场景下的需求[90] - 金融领域的数据安全系数要求高，隐私风控等要求本地化部署大模型成本高[108] - 金融产品类型丰富，客户的个性化服务需求较高，且金融行业出于合规等原因，对数据安全和隐私保护要求极高，对所生成的回复内容准确度和合规要求也极高，整体实现的逻辑复杂性较高，逻辑难度较大[71] 环境现状 - 我国银行业42家上市银行中，有6家已经公布大模型技术开发与应用信息[106] - 中国工商银行已经形成代码推演预测、代码自动生成、代码检索复用等能力，并以IDE插件的形式整合到开发中心，有效提升研发效能；编码助手生成代码量占总代码量的比值达到40%[91] - 国金证券以aiXcoder代码大模型为核心引擎，结合国金证券三十年金融行业软件资产沉淀及人工智能生态融合，共同构建了一个代码大模型的工程化应用框架[91] 应用场景：客服&销售智能体 金融业 应用价值 - 根据中国银行业协会数据，截至2022年末，银行业金融机构客服从业人员为4.38万人，全年人工处理来电6.41亿人次，70%的客服中心与远程银行提供智能语音机器人服务，84%的客服中心与远程银行提供智能文本机器人服务；保守估计AIGC客服机器人可解决约50%的客服工作，估算市场规模约18.5亿元[46] 应用难度 - 在高频问题回复、通知和客户回访等业务场景中较易实现，算力成本低；在高端客户开发和维护、复杂产品问题回复等业务场景中较难实现，且考虑合规对于所回复信息的严格监管要求，算力成本较高[57] - 语料获取难度高，公开语料较少，金融机构间出于合规等原因，语料不互通；语料规模相对较大，整体语料成本高[58] 环境现状 - 同花顺成功落地财经领域自然语言、语音问答系统"i问财"，提供多维度的股票、基金、债券数据，投资者输入自然语言问句搜索想要的数据和信息[59] - 美国银行利用AIGC技术完善其智能化客服，回答客户相关产品和服务问题，如客户可以询问不同类型贷款的利率，或者不同投资账户的功能等[59] - 招商银行2021年推出智能财富助理"AI小招"，基于大数据技术，通过知识沉淀与机器训练，为客户提供收益查询、涨跌分析、市场热点解读、产品推荐、资产配置建议等财富管理综合服务[59] 零售电商业 应用价值 - 根据商务部数据，2023年我国全年网上零售额15.42万亿元；根据京东集团年报，2023年全年营收10847亿元，其中商品收入8712亿元；保守估计AIGC客服机器人可解决约50%的客服工作，估算市场规模约132亿元[63] 应用难度 - 降低成本类场景：对于传统电商、跨境电商、电商运营等，其主要诉求是降低运营成本，通过AIGC提供多语言客服，以及生成图片、视频、商品描述和文案等服务，从而降低人力成本，提升运营效率，这类需求的实现逻辑难度相对较低[72] - 提升销售类场景：对于内容电商等，其主要诉求是通过制作内容、展示商品、获取流量和增加销售额，虽然对成本并不敏感，但更注重销售额和ROI，希望通过AIGC创造出与真人类似甚至更好的转化率，以提升销售额，这类需求的实现逻辑难度相对较高[64] - 降低成本类场景：内容创作对创意要求相对较低，可从通用场景中作参考，其算力成本相对较低[65] - 提升销售类场景：需要创意类内容创作，其算力成本较高，且其算力要求会随着场景对销售需求的增长而增长[65] - 降低成本类场景：语料获取难度相对较低，对大型电商而言有大量语料可供训练，对创业公司而言有语料获取难度[66] - 提升销售类场景：语料获取难度高，需要把toC的创意积累并转化为know-how，再进一步作为语料进行应用[66] 环境现状 - 京东目前形成了包括"智能情感客服"、"商家客服小智"、"AI导购助手"、"智能调度"、"智能辅助"和"智能管理"在内的智能客服服务矩阵[67] - Amazon利用AIGC技术提供个性化购物体验，如个性化推荐和自动生成的产品描述，提升了商品页面的丰富度和吸引力[67] - 抖音推出"即创"商家AIGC工具箱，专注于智能创意生产与管理分析，同时兼容开放生态，提供视频创作、图文生成、直播工具等多种场景服务，让商家免费生成数字人视频、图文素材、短视频脚本、直播脚本、直播背景等[67] 应用场景：医疗&医药科学研究 药物研发 应用价值 - 大模型技术通过深入分析海量蛋白质数据，揭示生物分子的内在规律，使得研究人员能够设计出具有特定功能的新型蛋白质；与传统AI技术相比，大模型提供了多任务预训练能力，能够更灵活地处理特定领域的任务，如药物相互作用和分子性质预测，同时，算法创新如PSG算法进一步提升了预测准确度，从而整体提高了药物研发的效率和成功率[74] 应用难度 - 靶点发现与验证、大分子与小分子药物开发、药物筛选等过程具有高度的科学复杂性，需要处理和分析大量的生物医学数据；大模型需要整合多组学数据、解析蛋白质结构、预测化合物活性等，技术难度极高[132] - 通过AI大模型完全模拟药物研发的这一过程对算力的要求极高，足量的训练数据仍然是一大瓶颈，算力成本可能非常高昂[113] - 语料获取可能面临版权、隐私和商业机密等问题，获取高质量、大规模的语料具有一定难度；当前行业大量的药物研发数据主要掌握在大型药企中，属于药企核心资产，往往不会轻易把数据分享出来[113] 环境现状 - 全球AI+药物研发相关融资总事件达104起，总金额为36.01亿美元[131] - 2023年美国的AI药物研发融资事件为48起，融资总额占全球的80%[38] - 2023年中国的AI药物研发融资事件32起，融资总额占全球的10%[115] - 全球700多家AI制药公司布局的环节包括：早期药物开发（392家）、数据处理（235家）、临床开发（149家）、端到端药物开发（83家）、临床前发展（57家）及药物再利用（26家）；从当前的进展来看，落地主要集中在药物发现和临床前研发阶段，AI制药的强项还是在前端，即在早期药物发现阶段[142] 辅助医疗 应用价值 - 通过大模型分析图像和文本，快速识别病理特征，提高诊断的准确性和速度，从而降低医疗成本并提升医疗服务的经济价值；通过智能化诊断建议缩小了医疗服务差距[38] 应用难度 - 模型具备高度的准确性和可靠性；此外，医疗数据的标准化和隐私保护也是应用中的难点[39] - 各级医疗机构的业务系统相对独立，数据较难实现共享，可供训练的真实场景数据集有限[135] 环境现状 - 医院和诊所是主要应用场景之一；在这些机构中，落地应用主要集中在医学影像诊断、临床决策支持、患者管理和病历记录等[132] - 上海市第一人民医院通过蚂蚁大模型提高病史书写效率，通过结合关键信息输入和语音识别，该模型能自动生成病历，将原本5至10分钟的病史记录工作缩短至15至20秒[118] - 瑞金医院通过"浦医"2.0提升影像诊断、数字病理和虚拟手术等的应用效能[118] - 首都医科大学附属北京天坛医院联合北京理工大学团队合作推出"龙影"大模型（RadGPT），基于该模型研发的首个"中文数字放射科医生""小君"已实现通过分析MRI图像描述快速生成超过百种疾病的诊断意见，平均生成一个病例的诊断意见仅需0.8秒[118] 应用场景：知识管理&内容创作 应用价值 - 2024年我国AI大模型市场规模有望达到216亿元；文生图/文生视频将大量减少企业外包成本；从真人形象采集到数字人视频生成仅需5分钟，24h播放最新内容；2分钟就可产出100条创意，三步即可生成数字人广告，为客户在营销过程中低成本提质增效[110] 应用难度 - 这类技术处于快速发展阶段，其技术门槛、运算资源需求以及数据需求都较高；这类系统需要大量的高质量图像和视频数据进行训练，而获取这类数据是一项挑战[110] - 文生视频的人工智能模型参数通常在10亿至100亿级别；这样的参数量级意味着需要大量的算力来支持模型的训练和推理过程[111] - 深度学习模型通常需要大量的数据进行训练，以便能够泛化到各种可能的输入条件；因此，所需的语料规模可能非常之大，可能需要数十万甚至几百万的配对文本和视频样本[112] 环境现状 - 七火山科技在3月7日宣布，经过深度学习和人工智能领域前沿技术的深入研究，Etna模型正式发布；Etna模型不仅能够根据用户的文本提示创建长达15秒的逼真视频，而且实现了4K分辨率和60帧每秒的超高流畅度[127] - 爱诗科技创立于2023年4月，专注解决AI视频大模型及应用，海外版产品PixVerse于2024年1月正式上线，目前已是全球用户量最大的国产AI视频生成产品[13] - 生数科技3月12日宣布完成新一轮数亿元融资[12] 投融资规模 - Pika 6月份完成近6亿B轮融资，Pika总融资额已达1.35亿美元[25] - 筷子科技内容商业AIGC视频应用平台筷子科技完成近5000万元融资[25] - 硅心科技2023年完成数千万元人民币A+轮融资[10] - 爱诗科技完成亿级人民币A1轮融资[18] - Fancytech已完成近亿元B轮融资[18] - 沃丰科技自成立至今获得了5轮融资，累计融资金额超7亿元人民币[62] - 智齿科技从2015年至今，共完成7轮融资，最新一轮D轮融资1亿美元[62] - 乐言科技2024年4月完成由中金资本旗下基金、上海人工智能产业投资基金领投的数亿元人民币D轮融资[73] - FancyTech成立于2020年4月，2023年9月完成近亿元B轮融资[70] - 智谱AI 2023年10月宣布年内已累计获得超25亿元融资[123] - Hippocratic AI 2023年成立至今已累计融资金额1.2亿美元，最近一轮融资为2024年3月的A轮，融资金额5300万美元，公司估值5亿美元[40] - Abridge 2018年成立至今已累计融资2.12亿美元，最近一轮融资为2024年2月的C轮，融资金额1.5亿美元，公司估值8.5亿美元[40] - 百川智能2024年7月完成了A轮融资，总融资金额达50亿人民币，将以200亿估值开启B轮融资[37] - 生数科技3月12日宣布完成新一轮数亿元融资[12] - 筷子科技内容商业AIGC视频应用平台筷子科技完成近5000万元融资[25] - 硅心科技2023年完成数千万元人民币A+轮融资[10] - 爱诗科技完成亿级人民币A1轮融资[18] - Fancytech已完成近亿元B轮融资[18] - 沃丰科技自成立至今获得了5轮融资，累计融资金额超7亿元人民币[62] - 智齿科技从2015年至今，共完成7轮融资，最新一轮D轮融资1亿美元[62] - 乐言科技2024年4月完成由中金资本旗下基金、上海人工智能产业投资基金领投的数亿元人民币D轮融资[73] - FancyTech成立于2020年4月，2023年9月完成近亿元B轮融资[70] - 智谱AI 2023年10月宣布年内已累计获得超25亿元融资[123] - Hippocratic AI 2023年成立至今已累计融资金额1.2亿美元，最近一轮融资为2024年3月的A轮，融资金额5300万美元，公司估值5亿美元[40] - Abridge 2018年成立至今已累计融资2.12亿美元，最近一轮融资为2024年2月的C轮，融资金额1.5亿美元，公司估值8.5亿美元[40] - 百川智能2024年7月完成了A轮融资，总融资金额达50亿人民币，将以200亿估值开启B轮融资[37]