■周伟然 蒋维

近半年来，美国人工智能（AI）实验室OpenAI 发布的聊天机器人ChatGPT火爆全网，并带动相关概念股上涨。除了资本市场跟风热炒外，IT领域头部企业纷纷跟进，各互联网巨头也透露了相关项目的布局和进展。

近年来，AI技术进步迅速，特别是在自然语言生成领域成绩斐然。与此同时，AI在内容生成、写作、翻译等多个领域的应用也越来越广泛。

AIGC（人工智能生成内容）就是AI在内容生成领域的重要应用之一。AIGC可以帮助用户快速生成大量内容，包括文本、图片、视频等多种形式。AIGC的兴起改变了传统内容的生产方式，推动了内容生产效率的提高，也带来了新的安全和法律风险。

带动的投资机会

按照整个价值链来看，AIGC大致可分为应用层、模型层、基础层，其中基础层又分为框架层、平台层、算力层（云计算、芯片）、安全层等。在笔者看来，未来在应用层将有很多相关的创业及投资机会。

在内容创作领域，AIGC可以自动生成新闻报道等，提高内容的生产效率；在游戏开发领域，AIGC可以生成游戏角色、游戏场景和画面效果，提高游戏开发的效率和准确性；在电商领域，AIGC可以自动生成商品描述，提供文本、图像及视音频在内的更个性化的广告营销内容，提高销售量和转化率；在教育培训领域，AIGC可以自动生成教育内容、提供个性化的智能化教学；在科研领域，如药物研发，谷歌的AlphaFold可以准确预测蛋白质结构的3D模型，并在几乎所有生物学领域加速研究。

从数字基础设施角度看，AIGC使用的算力和调用的存储都是海量的，但就其输出特性而言，AIGC属于高算力密度的计算类数字基础设施。从AIGC的部署方式上看，中心化的计算既需要大量数据访问，也需要保持实时更新，因此未来AIGC的数字基建部署还将围绕一线城市和环一线的传统热数据区域展开。从结构上看，AIGC可能会对目前数字基础设施的形态提出更高要求，这也给行业生态发展带来机会。

未来发展瓶颈

综合来讲，AIGC未来发展的瓶颈主要集中在算力、数据和人才三大方面。

在算力方面，短期而言，中国AIGC发展的核心问题不仅仅是研发和人才的差距，在硬件上还面临美国的进口限制，导致构成算力的高功率芯片供给不足，这反向抑制了国内研发能力的提高。

在数据方面，首先，数据规模和质量将在垂直领域遇到“天花板”。目前在数据保护及数据本地化的大背景下，数据孤岛的趋势越来越明显，要做到共享行业数据进行AI模型训练有一定困难。其次，AIGC的数据采集方式可能存在合规风险。最后，对于AIGC当下的担忧还包括如何保护其收集的海量数据的隐私问题。

AIGC的知识产权归属是目前非常有争议的话题，争议内容包括训练数据所有权和产出物所有权两方面。

随着技术的进步，AIGC对于人才的需求在不断提高。目前，中国AIGC领域的人才短缺问题已成为行业发展的主要障碍，主要原因是人才培养机制不足、流动性较大、结构不合理、薪酬待遇不高等。

如何甄别投资项目

在AIGC行业投资的尽职调查过程中，我们建议关注3个不可忽视的标尺——项目本身的技术实力、技术门槛，商业模型，市场竞争力。投资人需要从项目的技术团队、产品方案、技术门槛及限制等方面入手，同时关注AIGC模型的准确性。

市场规模对于每一个以提升效率为核心的数字产品而言都是最重要的。AIGC在短期内的商业应用主要是替代传统创作方式，其市场价值集中在原创的定价体系下的提升速度和质量。然而，AIGC能否严格替代传统方式以及可替代性的边界是关键。此外，当行业应用产生竞争后，围绕初始AIGC成本的竞争带来的价格下降也将是扩大市场规模时需要面对的问题。

在应用方面，主要面临行业数据、算法、用户数量和监管等壁垒。在技术快速迭代时期，新兴技术可能不是最终解决方案，先发优势也可能变成后发优势。

不难发现，应用技术的成熟度，评估技术商业应用性，找到简单、直接的最终客户和变现方式是AIGC投资避不开的话题。

此外，不同的行业应用对AIGC的准确度有不同的衡量指标及要求，金融和医疗健康领域要求尤其高，这对AIGC产品的商业化有较大影响。当然这些准确性的指标相比传统的AI模型来说较难衡量，因此构建合适的准确度衡量指标及严谨的测试、比对方法非常关键。

为确保技术应用的长期价值，需要考虑多方面因素。虽然AIGC模型是在巨大数据集上训练的，但许多模型会从网络上抓取信息，这就需要重视数据安全和知识产权保护。此外，技术应用的可持续性也需要各方关注，应考虑如何进行维护和更新以保证其稳定性和有效性。在进行投资决策时，投资方需要充分考虑这些因素，以确保投资能够长期产生收益。

（周伟然系普华永道全球科技、媒体及通信行业主管合伙人，蒋维系普华永道中国交易战略及运营合伙人）