（报告出品方/作者：中信建投证券，武超则、杨艾莉、杨晓玮）
AI：从判别决策到创造生成
AI：决策式AI与生成式AI对比
AI模型可大致分为决策式/分析式AI（Discriminant/Analytical AI）和生成式AI （Generative AI）两类。决策式AI：学习数据中的条件概率分布，根据已有数据进行分析、判断、预测，主要应用模型有用于推荐系 统和风控系统的辅助决策、用于自动驾驶和机器人的决策智能体。 生成式AI：学习数据中的联合概率分布，并非简单分析已有数据而是学习归纳已有数据后进行演技创造，基 于历史进行模仿式、缝合式创作，生成了全新的内容，也能解决判别问题。
决策式AI：推荐系统、图像识别等已创造巨大市场
2016年，人工智能技术全面爆发，决策式AI开始大规模应用，包括推荐系统、计算机视觉、自然语言处理等。 全球人工智能市场规模从2016年的约600亿美元发展到2021年的近3000亿美元，在推荐系统、计算机视觉、自 然语言处理等技术加持下，亚马逊、字节、商汤、特斯拉等公司快速发展。 我们认为，生成式AI经过前期技术积累进入爆发期，随着技术与应用的进一步成熟，后续市场空间更为广阔。
决策式AI应用：推荐系统助力电商、视频等行业快速发展
电商推荐：深度挖掘用户和物品的关联关系，将商品、店铺精准推送给用户。2003年，亚马逊将协同过滤推荐 算法应用到电商行业，凭借推荐商品与用户需求精准匹配、大幅降低用户检索用时，推荐算法在电商交易中心逐 渐成为资源配置的核心。 推荐系统显著提升电商平台销售额。2006年，据VentureBeat，亚马逊的个性化推荐系统为其贡献了35%以 上的销售额；2015年，京东基于大数据个性化推荐算法的订单占到总订单的10%。 新闻、音乐、视频等推荐：分析用户长期兴趣和短期兴趣，根据兴趣标签将内容实时推送给用户。推荐算法通 过对用户观看、停留、点赞等行为的实时分析，精准刻画用户画像，将用户可能感兴趣的内容推荐给用户，降低 人工运营规则的摄入，显著提高了用户粘性。
决策式AI应用：图像识别推动自动驾驶市场快速增长
自动驾驶：AI智能分析、识别路况，渗透率不断提升。借助决策式AI，自动驾驶汽车可分析判别各种路况，并可 对多种物体进行识别与跟踪，从而提高行车的安全性，例如行人、空旷行驶空间、地上标注、红绿灯、车辆等。 目前自动驾驶市场规模快速增长，据Research And Markets，2021年全球无人驾驶汽车的市场规模约273亿美 元，2026年全球无人驾驶汽车市场规模将达到594亿美元，年复合增长率为16.84%。
带动产业链发展，多环节均有高市值上市公司及高估值公司。判别式AI为自动驾驶汽车提供核心技术支持，自动 驾驶汽车的销售则带动整个相关产业链的发展，如车用无线通信技术V2X、高精度地图、激光雷达、芯片、 ADAS驾驶辅助系统、智能车解决方案等。多个产业链环节均有高估值、大市值公司诞生，例如蔚来汽车（造 车）、商汤科技（激光雷达、V2X、ADAS等）、Momenta（高精度地图）等。
生成式AI：范式升级，应用多元
生成式AI VS Web 3.0 ：不仅是web3.0的生产工具，更是人工智能的新范式
生成式AI可以作为Web3.0的生产工具，但Web3.0中的应用仅是其应用的冰山一角。 Web3.0围绕去中心化的理念展开，结合区块链、智能合约、加密货币等技术，核心是产生的数据由用户拥有， 能够改变用户数据及原创内容等均由互联网中心化实体控制的现状，在创作者经济中取得更好的平衡从而提 升用户创作内容的积极性。生成式AI在内容领域的应用能够满足用户不断提升的创作需求，但这仅是其应用的 冰山一角。 生成式AI在广大垂直领域的应用带来的是AI用途的结构性改变以及生产力的进一步提高，未来可能创造巨大 的市场价值。
生成式AI VS Web 3.0 ：不追求生产关系的重塑，但将大幅度提升和创造生产力
创造是生成式AI的核心，本质是对生产力的大幅度提升和创造。生成式AI通过从数据中学习要素，进而生成 全新的、原创的内容或产品，不仅能够实现传统AI的分析、判断、决策功能，还能够实现传统AI力所不及的创 造性功能。生成式AI已催生了营销、设计、建筑和内容领域的创造性工作，并开始在生命科学、医疗、制造、 材料科学、媒体、娱乐、汽车、航空航天进行初步应用，为各个领域带来巨大的生产力提升。
生成式AI将促进生产关系高效发展，而不是像Web3.0重塑生产关系。Web3.0通过底层的分布式与去中心化、 密码学的应用、加密货币的结算方式，为集体协作、分工、收益提供了更好的结算方式，去中心化自治组织 （Decentralized Autonomous Organization，DAO）将是常见的组织形态，打破了原有的生产关系。生成式 AI不是打破传统的生产关系，而是通过提高生产力促进现有生产关系高效发展。
资本：海外一级投资涌入
多家生成式AI公司进入Madrona、高盛、微软、亚马逊网络服务和 PitchBook联合发布的2022年智能应用前40 名榜单（Intelligent Applications 40，IA40）。IA40招募了来自40多家顶级风险投资和投资公司的50多名风险 投资人，提名并投票选出塑造智能应用未来的顶级公司，这些公司自成立以来募资超160亿美元，今年募资超过 50亿美元，其中包括Runway、Jasper、Copy.ai在内的14家生成式AI相关公司，占比达35%。
技术：模型迭代
变分自编码器（Variational Autoencoder，VAE）：2013年由Diederik P. Kingma和Max Welling提出，编码器 将原始高维输入转换为对潜在空间的概率分布描述，从中采样输入解码器，得到新生成的结果，可用于图像生成、 语音合成等，生成的图像较为模糊。
生成式对抗网络（Generative Adversarial Nets，GAN）：2014年由Ian J. Goodfellow等人提出，模型由生成 器和判别器组成，以图像生成为例，生成器输入训练噪声后生成图像，判别器用来判断图像是真实的还是由生成 器生成的，随着训练不断进行，生成器水平提升，判别器不再分辨图像真伪，固定生成器对判别器进行驯良，直 到判别器能够分辨图像真伪，固定判别器再次训练生成器，不断循环，获得生成效果好的生成器。GAN模型能够 生成图像、3D模型甚至视频，但对输出结果控制较弱，易产生随机结果。
生成式AI应用：内容制作，从辅助人到“替代”人
生成式AI应用：娱乐媒体内容制作
当前阶段生成式AI最常见的应用场景为娱乐媒体内容的辅助生产。以文字续写或纠错、文字转语音、文字生成语 音、图像智能编辑、视频智能剪辑等方式替代既有创意产生后的专业性机械劳动，同时通过内容生成满足用户的 娱乐需求或者为其提供创作灵感。
随着生成式AI的不断成熟，部分专业内容生产者将被替代。数据、算力的进一步提升将带来具有更强生成效果的 AI，能够根据用户需求生成个性化定制内容终稿，并且AI生成内容达到专业内容生产者水平且具有独特新颖的创 意，从而替代部分文字作者、翻译人员、插画创作者、配音人员、音乐制作人、视频编辑人员等等。
AIGC：生成式AI在娱乐媒体领域的应用
AIGC（AI-Generated Content）指利用人工智能技术自动生成的内容，是继专业生成内容（PGC）和用户生成 内容（UGC）之后一种新型生成内容的方式。国际上被称为人工智能合成媒体（AI-generated Media或Synthetic media），是通过人工智能算法对数据或媒体进行生产、操作和修改的统称。
AI绘画作品出圈、一级投资活跃，2022年AIGC爆发式发展。2022年8月，在美国科罗拉多州举办的新兴数字艺 术家竞赛中，参赛者提交AIGC绘画作品《太空歌剧院》获得了此次比赛“数字艺术/数字修饰照片”类别一等奖， 而参赛者没有绘画基础，通过AI绘图软件MidJourney耗时80个小时创作了该作品。AI绘画技术发展快速，从年初 的技艺生疏到目前能够生成专业级别的图像仅过去几个月的时间，目前国外已有Stable Diffusion Midjourney等多 个成熟的AIGC平台。其中技术领先的AI公司Open AI当前估值或达290亿美元，Stable Diffusion背后的Stability AI 估值也达到10亿美元。
文本生成：对话机器人、新闻稿撰写广泛应用
文本生成是生成式AI最早应用的领域之一，已经在对话机器人、内容续写、新闻稿撰写、诗歌小说创作等领域具 有广泛的应用。 对话机器人：包括问答型机器人、闲聊型机器人、任务型机器人、知识图谱型机器人、多轮对话机器人，在智能 客服场景中能够显著降低企业人力成本。 新闻稿撰写：在全球范围具有广泛的应用，很多新闻机构使用AI生成稿件，尤其是体育、天气、股市交易变动、 公司业绩报道等结构性新闻报道。自然语言生成公司Automated Insights仅在2014年就产生了10亿篇新闻文章， 每秒可撰写多达2000篇新闻报道，用户包括雅虎、美联社等。
音频生成：语音生成广泛应用，大厂均有布局
自动语音生成：将文本转化为语音，广泛应用于新闻阅读、有声书、出行导航、通知播报、视频配音等领域。目 前，谷歌、微软、亚马逊、腾讯、阿里、百度、科大讯飞等均推出了相关平台，支持在不同场景下将文本转化为 流畅逼真的语音。 谷歌Text-to-Speech：谷歌基于DeepMind 的语音合成专业技术打造，支持40多种语言、220多种语音和参数 调整，并且支持用户上传自己录制的音频来训练自定义语音模型。 科大讯飞在线语音合成：提供了100+发音人，支持多语种、多方言和中英混合，可灵活配置音频参数，只需 用户上传15分钟录音便能够生成专属声音。
生成式AI应用：多行业垂直应用
代码生成：大厂广泛布局，极大提升编程效率
代码生成：生成式AI将自然语言翻译成代码，极大提升了计算机编程的智能化、自动化，使得程序员能够在相 同时间内编写更多的代码，同时提高debug的效率。目前，OpenAI、微软、谷歌、亚马逊、华为等均在AI代码 生成领域有所布局。
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 等十几种编程语言，其中最为擅长Python。具有将注释变成代码、为代码生成 注释、代码自动补全、查找可用库或API、代码检查、代码重构、代码语言转换等功能，是Github Copilot的 底层支持，目前免费开放，需要通过API或 Playground 访问。
代码生成：ChatGPT调试代码表现优于传统搜索引擎
ChatGPT：2022年11月由OpenAI推出，是一个对话语言模型，但在代码生成领域具有优秀的表现，能够将 自然语言转为代码、找出代码的问题并给出修改意见，且支持用户和AI连续对话，在调试代码过程中的使用 体验优于传统的搜索引擎。
代码生成：Github Copilot每年节约开发人员成本或达百亿美元
Github Copilot：2021年6月由微软旗下GitHub推出，由OpenAI Codex 提供支持，可以集成到Neovim, JetBrains IDEs, Visual Studio, and Visual Studio Code等编辑器中，支持 Python、JavaScript、TypeScript、 Java、Ruby 和 Go 等编程语言。可以根据上下文自动写代码，包括文档字符串、注释、函数名称、代码， 只要用户给出提示，就可以写出完整的函数。
Github Copilot每年节约开发人员成本或达百亿美元。在2021年6月-2022年6月中，超过120万开发者注册 使用 GitHub Copilot 预览版，在启用的文件中，有近 40% 的代码是由 Copilot 编写的。以使用人数120万、 开发人员时薪20-200美元，Copilot每年可节省开发成本48-1920亿美元。
海内外发展：多家科技巨头、初创公司积极布局
创业公司崭露头角，科技巨头积极布局
国外多家生成式AI创业公司获得大笔融资且拥有较高估值。主要包括OpenAI、 Stability AI、 Midjourney、 Jasper等，其中OpenAI技术积累最强，发布了多款生成式AI底层算法，估值或达290亿美元。 国内外科技巨头在生成式AI领域多有布局。国内公司百度、腾讯、阿里、字节、网易等及国外公司谷歌、Meta、 微软等均推出了生成式AI的应用产品，其中谷歌通过谷歌大脑、旗下Deepmind布局最为丰富。
Open AI：提供底层算法，开发水平强、算法通用性高的AI技术公司
OpenAI是一家大型人工智能研究公司。公司AI开发水平处于第一梯队，研发人员包括世界著名AI专家，2022年 6月，量子计算专家、ACM计算奖得主Scott Aaronson宣布将加盟公司。公司以实现安全的通用人工智能（AGI） 为核心宗旨。 2015年成立之初，公司为一家非营利性研究机构，2019年接受微软10亿美元的注资，由非营利性机构转为盈利 性公司。公司的投资者包括微软 、Reid Hoffman’s charitable foundation和 Khosla Ventures。The Information称公司2021年估值已经达200亿美元。 据Semafor报道，微软正商谈以 290 亿美元估值，向 OpenAI 投资 100 亿美元，这笔投资还将引入其他风投公司。 2022年公司收入约2500万-4000万美元，以290亿美元的估值测算，市销率达725-1160倍。
综合应用：游戏行业的案例
游戏：市场规模近2000亿美元，玩家数量达30.6亿近全球总人口的40%
全球游戏市场规模不断扩大，预计2022年将达1968亿美元。据Newzoo，全球游戏市场规模由2016年的1011亿 美元增长到2021年的1927亿美元，五年市场规模增长近一倍，预计2022年将达1968亿美元，2025年将增长至 2257亿美元。
游戏玩家数量不断增长，预计2022年达到32亿，占全球总人口的40%。据Newzoo，2021年全球游戏玩家数量 为30.6亿人，预计2022年将达32亿人，以目前全球总人口80亿计算，游戏玩家占全球总人口的比例达到40%。 预计2025年全球游戏玩家数量将增长至35.3亿人，2020-2025年复合增长率为4.2%。
游戏制作：游戏产业的基础，受不可能三角的限制
游戏行业的竞争主要集中在制作环节和营销环节，优良的游戏制作是营销的基矗
传统游戏制作存在“质量、速度、成本”中只能有两个的不可能三角。在保证游戏质量的前提下，游戏制作只有 两条路径可选，一是大量开发人员同时制作一款游戏，而大型团队管理、开发效率较低，开发成本势必提高；二 是精简团队成员，制作周期长达几年甚至十几年。
通常优质3A大作的开发时间成本和金钱成本均很高。以销量超4600万份的《荒野大镖客：救赎 2》为例，游戏拥 有超过28平方英里接近真实景象的地图和1000个NPC，即使专职开发人员超1200人，也用了8年完成，成本近3亿 美元。专职开发人员少于《荒野大镖客：救赎 2》的《星际公民》，已开发10年之久，仍处于Alpha版本测试阶 段，预计还需要较长时间才能完整上线。
报告节选：
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
精选报告来源：【未来智库】。
