21世紀經(jīng)濟報道 記者郭美婷 蔡姝越 實習生胡暄悅 麥子浩 廣州、上海報道

編者按：

(資料圖)

在2023年過去的幾個月里，各大公司搶灘大模型、GPT商用化探索、算力基礎設施看漲……如同15世紀開啟的大航海時代，人類交往、貿(mào)易、財富有了爆炸性增長，空間革命席卷全球。變革同時，也帶來了秩序的挑戰(zhàn)，數(shù)據(jù)泄露、個人隱私風險、著作權侵權、虛假信息......此外，AI帶來的后人類主義危機已然擺在桌面，人們該以何種姿態(tài)迎接人機混雜帶來的迷思？

此刻，尋求AI治理的共識、重塑新秩序成了各國共同面對的課題。南財合規(guī)科技研究院將推出AI契約論系列報道，從中外監(jiān)管模式、主體責任分配、語料庫數(shù)據(jù)合規(guī)、AI倫理、產(chǎn)業(yè)發(fā)展等維度，進行剖析，以期為AI治理方案提供一些思路，保障負責任的創(chuàng)新。

在AIGC高速成長的浪潮下，其關聯(lián)產(chǎn)業(yè)鏈上的各環(huán)節(jié)均在醞釀著一場技術“質(zhì)變”。

“賣鏟人”英偉達近期成了這波技術浪潮下的最大贏家之一。由于其主營產(chǎn)品GPU（圖形處理器）在生成式AI應用中提供不可或缺的底層硬件動力，英偉達在近日交出的一季報中預測，其在2024財年Q2的銷售額或將達到110億美元。年初至今，這家美國公司股價漲幅已猛增166%，市值逼近萬億。

“這一切的引爆點皆是生成式AI技術。”英偉達CEO黃仁勛在接受媒體采訪時表示。他同時指出，目前，CPU（中央處理器）的發(fā)展速度已經(jīng)放緩，加速計算（Accelerated Computing）成為了未來探索的大方向。

“緊接著，殺手級應用出現(xiàn)了。”黃仁勛說。

回過頭來看，今年以來，各路AI大模型紛紛涌現(xiàn)，搭載大模型的ChatGPT、Bard、New Bing、文心一言、通義千問等生成式AI應用亦層出不窮。

雖然這些應用是否已成為“Killer App”還有待商榷，但不可否認的是，ChatGPT在推出僅兩月后便交出了日活突破1億的成績單，足以證明AIGC應用的商業(yè)價值和發(fā)展前景已被市場認可。

不過，盡管生成式AI技術以革新產(chǎn)業(yè)的面貌席卷了科技界，催化了生產(chǎn)流程升級轉型，行業(yè)也在密切關注，在這項技術“野蠻生長”的背后，它的產(chǎn)業(yè)鏈具體是由哪些環(huán)節(jié)構成？在各層級產(chǎn)業(yè)鏈深入探索這項技術的過程中，可能會遇上哪些“暗礁”？

產(chǎn)業(yè)鏈圖譜：數(shù)據(jù)-算力-模型-應用

嚴格來說，業(yè)內(nèi)熱議的AI大模型實際上分為兩類：決策式AI和生成式AI。

決策式AI主要應用于推薦系統(tǒng)和風控系統(tǒng)的輔助決策、用于自動駕駛和機器人的決策智能體，生成式AI則通過學習歸納已有數(shù)據(jù)后生成全新的內(nèi)容，也能解決判別問題。而掀起這輪AI技術浪潮的正是后者。

“AIGC”又稱“生成式AI”（Generative AI）AIGC(AI-Generated Content)即人工智能自動生成內(nèi)容，被認為是繼專業(yè)生產(chǎn)內(nèi)容(PGC)、用戶生產(chǎn)內(nèi)容(UGC)之后的新型內(nèi)容創(chuàng)作方式。其萌芽可以追溯到上世紀50年代。

彼時，人們開始探索如何利用人工智能技術來生成各種類型的內(nèi)容，但受制于所在時代的科技水平，AIGC的應用始終停留在實驗室中。

2006年，深度學習算法取得巨大突破。接下來人工智能技術的持續(xù)進步，AIGC逐漸被應用于電影、游戲、音樂等多個領域，并在2021年底ChatGPT的嶄露頭角而進入大規(guī)模爆發(fā)時代。

發(fā)展至今， AIGC產(chǎn)業(yè)鏈已經(jīng)逐漸成形。業(yè)內(nèi)普遍將其分為四層架構：數(shù)據(jù)層、算力層、算法/模型層、商業(yè)化應用層。

（AIGC產(chǎn)業(yè)鏈圖譜。制圖/南財合規(guī)科技研究院、21世紀經(jīng)濟報道記者）

數(shù)據(jù)層包括數(shù)據(jù)提供、數(shù)據(jù)分析以及標注等環(huán)節(jié)。AIGC的誕生需要海量的數(shù)據(jù)資源，公開資料顯示，ChatGPT基于8000億個單詞的語料庫（或45TB的文本數(shù)據(jù)），包含了1750億個參數(shù)。8000億是ChatGPT的訓練數(shù)據(jù)，1750億是它從這些訓練數(shù)據(jù)中所學習、沉淀下來的內(nèi)容。

算力層指AI訓練的基礎設施，包括數(shù)據(jù)中心、服務器，以及高性能的AI芯片。據(jù)華泰證券測算，訓練一次ChatGPT模型（13億參數(shù)）需要的算力約27.5PFlop/s-day，即以1萬億次每秒的速度進行計算，需要耗時27.5天；而ChatGPT單月運營需要算力約4874.4PFlop/s-day。

算法/模型層主要包括自然語言處理（NLP）、計算機視覺（CV）、音視頻、多模態(tài)等各種大模型和算法。當前，國內(nèi)正在上演“百模大戰(zhàn)”，百度、阿里巴巴、騰訊等大廠紛紛在大模型領域持續(xù)發(fā)力。

商業(yè)化應用層則涵蓋文本、音頻、圖片、影片的生成等，目前更多地與互聯(lián)網(wǎng)行業(yè)結合，未來或將進一步賦能傳統(tǒng)行業(yè)的數(shù)字化轉型。

人工智能公司亮風臺高級產(chǎn)品總監(jiān)魏超群告訴21世紀經(jīng)濟報道記者，若將AIGC整體產(chǎn)業(yè)鏈架構比作一家工廠，那么生產(chǎn)的原材料就是大數(shù)據(jù)，算力充當著日夜運轉的機器，算法或模型是忙忙碌碌的工人，最終生產(chǎn)出來的產(chǎn)品是AIGC在各場景下的應用。

“這幾個層次相互制約、相互促進?！?/strong>魏超群提到，從發(fā)展歷程來看，最初制約AI發(fā)展的是算力上的不足，在算力獲得突破后，模型才得以繼續(xù)訓練。后來，算法又成為了瓶頸，而數(shù)據(jù)是破題良方。隨著喂養(yǎng)數(shù)據(jù)量的提高，算法的性能也隨之提升。

因此，AIGC的火熱出圈，也為其背后的產(chǎn)業(yè)鏈打開了一片市場。據(jù)東吳證券預計，AIGC在內(nèi)容生成中的滲透率將快速提升，應用規(guī)模快速擴增，預計2030年AIGC市場規(guī)模將超過萬億元人民幣。

新的機遇已然出現(xiàn)?！半m然目前產(chǎn)業(yè)鏈的部分賽道已經(jīng)形成了贏者通吃的局面，如CPU和GPU的行業(yè)龍頭已經(jīng)出現(xiàn)。在大模型層面，各家的優(yōu)劣還無法做出比較，估計未來也很難形成贏者通吃的局面，因為谷歌發(fā)展多年的AI，結果最后被微軟超過了。所以目前市場的局面還不太明朗?！蔽撼罕硎尽?/p>

除了目前仍處于風口浪尖的AI大模型的開發(fā)外，亮風臺預判，算力基礎設施企業(yè)跟隨著AI行業(yè)發(fā)展，能夠保持一定增長，但不會為非常熱門的投資方向，其盈利能力也較為有限。但AI大模型的提升亟需更加精準的數(shù)據(jù)，從事數(shù)據(jù)清洗、轉換、分類等的企業(yè)也可能成為下一個風口。

發(fā)展危機：大模型和數(shù)據(jù)風險

AIGC產(chǎn)業(yè)欣欣向榮的背后，存在潛藏的風險。

單從技術上看，天使投資人、知名互聯(lián)網(wǎng)專家郭濤認為，我國硬件基礎設施發(fā)展迅速，政策支持和資金扶持力度都較大，但技術發(fā)展相對歐美仍有一定落后。當然，在某些垂直領域，如人臉識別等大規(guī)模應用場景和生態(tài)支撐相關的技術，我國又是超前的。同時，我國的應用落地速度也更快，AIGC的技術在客服、數(shù)字人、制造、設計等領域已經(jīng)有一定規(guī)模的應用。

另外，AI大模型和大數(shù)據(jù)處理分別作為當下和未來下一個行業(yè)風口，同時也是最容易帶來安全和倫理風險的環(huán)節(jié)。

多位受訪專家提到了數(shù)據(jù)層的數(shù)據(jù)安全和隱私保護問題。而訓練數(shù)據(jù)的不合規(guī)，也往往將進一步引發(fā)后續(xù)模型及其所生成內(nèi)容的倫理風險。

北京大成律師事務所高級合伙人肖颯認為，當前數(shù)據(jù)層根據(jù)AI在訓練、測試、生成等階段受到監(jiān)管規(guī)定的不同，而存在不同的風險和義務。數(shù)據(jù)收集時，存在侵犯個人信息或他人數(shù)據(jù)權益的風險；在數(shù)據(jù)處理階段，存在使用、泄漏商業(yè)秘密之風險；在數(shù)據(jù)跨境階段，存在數(shù)據(jù)跨境流通違法的風險。

北京理工大學法學院助理教授裴軼則向21記者指出，與互聯(lián)網(wǎng)平臺中的“推薦算法”不同，生成式算法可以從頭開始生成全新的數(shù)據(jù)，而不僅僅是基于已有數(shù)據(jù)的推薦或預測，通常需要大量的訓練數(shù)據(jù)來學習數(shù)據(jù)的分布。

這種特性給AIGC產(chǎn)業(yè)鏈上的企業(yè)及消費者均帶來了不確定性。對于利用AI大模型生成內(nèi)容的消費者而言，由于AIGC生成的內(nèi)容可能缺乏人工審核和驗證，存在信息準確性和可信度的問題，可能對消費者造成誤導和損害；同時，在AIGC應用中，消費者的個人信息可能被用于生成個性化內(nèi)容。這可能涉及到個人隱私和數(shù)據(jù)安全的風險，例如未經(jīng)授權的數(shù)據(jù)收集、濫用個人信息等；此外，AIGC算法的訓練數(shù)據(jù)和算法本身可能存在偏見，導致生成的內(nèi)容偏向特定人群或產(chǎn)生歧視性結果。這可能對用戶的體驗、公平性和社會平等性產(chǎn)生負面影響。

面向企業(yè)，裴軼表示，企業(yè)在使用AIGC技術時，需要確保遵守適用的法律法規(guī)，尤其是涉及用戶數(shù)據(jù)和隱私保護的規(guī)定；此外，企業(yè)應對使用AIGC技術所產(chǎn)生的內(nèi)容質(zhì)量和準確性承擔責任，如果生成的內(nèi)容存在錯誤、冒犯性言論或不當信息，可能損害企業(yè)的形象和聲譽；版權和知識產(chǎn)權同樣值得關注，使用AIGC技術生成的內(nèi)容可能涉及他人的版權和知識產(chǎn)權；最后，還要關注AIGC技術應用過程中可能存在的人工智能失控的風險，如果算法出現(xiàn)錯誤、意外的結果或者被濫用，可能導致不可預見的后果和潛在的法律責任。

（AIGC各產(chǎn)業(yè)鏈環(huán)節(jié)中可能存在的風險。制圖/南財合規(guī)科技研究院、21世紀經(jīng)濟報道記者）

統(tǒng)籌：王俊

記者：郭美婷 蔡姝越 胡暄悅 麥子浩

制圖：蔡姝越