D騰訊研究院迎接人工智能的下一個時代騰訊研究院AIGC發(fā)展趨勢報告2023迎接人工智能的下一個時代騰訊研究院目錄TOC\o"1-5"\h\z前言 01一、AIGC技術(shù)、應(yīng)用和產(chǎn)業(yè)生態(tài)迎來發(fā)展快車道 031、生成算法、預(yù)訓(xùn)練模型、多模態(tài)等AI技術(shù)累積融合，催生了AIGC的大爆發(fā) 042、 AIGC產(chǎn)業(yè)生態(tài)加速形成和發(fā)展，走向模型即服務(wù)（MaaS）的未來 10\o"CurrentDocument"二、消費(fèi)端：AIGC牽引數(shù)字內(nèi)容領(lǐng)域的全新變革 121、AIGC有望塑造數(shù)字內(nèi)容生產(chǎn)與交互新范式，成為未來互聯(lián)網(wǎng)的內(nèi)容生產(chǎn)基礎(chǔ)設(shè)施 13\o"CurrentDocument"2、AIGC的應(yīng)用生態(tài)和內(nèi)容消費(fèi)市場逐漸繁榮 17\o"CurrentDocument"3、AIGC將日益成為未來3D互聯(lián)網(wǎng)的基礎(chǔ)支撐 20\o"CurrentDocument"4、聊天機(jī)器人和數(shù)字人成為新的、更包容性的用戶交互界面，不斷拓展應(yīng)用領(lǐng)域 24\o"CurrentDocument"5、AIGC將作為生產(chǎn)力工具來推動元宇宙發(fā)展 28三、產(chǎn)業(yè)端：合成數(shù)據(jù)牽引人工智能的未來 31\o"CurrentDocument"1、合成數(shù)據(jù)為AI模型訓(xùn)練幵發(fā)提供強(qiáng)大助推器，推動實(shí)現(xiàn)AI2.0 33\o"CurrentDocument"2、合成數(shù)據(jù)助力破解AI"深水區(qū)”的數(shù)據(jù)難題，持續(xù)拓展產(chǎn)業(yè)互聯(lián)網(wǎng)應(yīng)用空間 34\o"CurrentDocument"3、合成數(shù)據(jù)產(chǎn)業(yè)加快成為數(shù)據(jù)要素市場新賽道，科技大廠和創(chuàng)新企業(yè)搶先布局 37\o"CurrentDocument"4、合成數(shù)據(jù)加速構(gòu)建AI賦能、數(shù)實(shí)融合的大型虛擬世界 39\o"CurrentDocument"四、社會端：AIGC助力可持續(xù)社會價值 41\o"CurrentDocument"1、 元價值：解放人類創(chuàng)造力，革新藝術(shù)領(lǐng)域 43\o"CurrentDocument"2、 AIGC社會價值案例 45五、發(fā)展與挑戰(zhàn)并生：積極應(yīng)對AIGC帶來的社會倫理問題 48\o"CurrentDocument"1、 知識產(chǎn)權(quán)挑戰(zhàn) 49\o"CurrentDocument"2、 安全挑戰(zhàn) 52\o"CurrentDocument"3、 倫理挑戰(zhàn) 54\o"CurrentDocument"4、 環(huán)境挑戰(zhàn) 57六、展望：擁抱人工智能的下一個時代，打造可信AIGC生態(tài) 6001010101刖蹂內(nèi)容創(chuàng)作模式2022年是AIGC（AI-GeneratedContent,人工智能生成內(nèi)容）爆火出圈的一年，不僅被消費(fèi)者追捧，而且備受投資界關(guān)注，更是被技術(shù)和產(chǎn)業(yè)界競相追逐。9月23日，紅杉美國發(fā)表文章《生成式AI：-個創(chuàng)造性的新世界》，認(rèn)為AIGC會代表新一輪范式轉(zhuǎn)移的幵始。2022年10月，StabilityAI獲得約1億美元融資，估值高達(dá)10億美元，躋身獨(dú)角獸行列。StabilityAI發(fā)布的幵源模型StableDiffusion，可以根據(jù)用戶輸入的文字描述（稱為提示詞，prompts）自動生成圖像，即文生圖（Text-to-Image,T2I）。StableDiffusion、DALL-E2、MidJourney等可以生成圖片的AIGC模型引爆了AI作畫領(lǐng)域，AI作畫風(fēng)行一時，標(biāo)志人工智能向藝術(shù)領(lǐng)域滲透。2022年12月，OpenAI的大型語言生成模型ChatGPT刷爆網(wǎng)絡(luò)，它能勝任刷高情商對話、生成代碼、構(gòu)思劇本和小說等多個場景，將入機(jī)對話推向新的高度，讓網(wǎng)友們不禁懷疑ChatGPT是否已經(jīng)具有人類智能。全球各大科技企業(yè)都在積極擁抱AIGC，不斷推出相關(guān)的技術(shù)、平臺和應(yīng)用。內(nèi)容創(chuàng)作模式內(nèi)容斶量圖：內(nèi)容創(chuàng)作模式的四個發(fā)展階段從字面意思上看，AIGC是相對于過去的PCG、UCG而提出的。因此，AIGC的狹義概念是利用AI自動生成內(nèi)容的生產(chǎn)方式。但是AIGC已經(jīng)代表了AI技術(shù)發(fā)展的新趨勢。過去傳統(tǒng)的人工智能偏向于分析能力，即通過分析一組數(shù)據(jù)，發(fā)現(xiàn)其中的規(guī)律和模式并用于其他多種用途，比如應(yīng)用最為廣泛的個性化推薦算法。而現(xiàn)在人工智能正在生成新的東西，而不是僅僅局限于AIGC發(fā)展趨勢報告AIGC發(fā)展趨勢報告2023——迎接人工杶能的下一跣時代雖然強(qiáng)人工智能還未到來，甚至不可能出現(xiàn)，但是AI已經(jīng)成為人類社會生產(chǎn)生活中不可或缺的工具。因此，需要在人機(jī)互動協(xié)作中建立一個自由的人機(jī)關(guān)系，人需要對AI有一個客觀準(zhǔn)確的認(rèn)識和定位，并且需要始終以人為中心，避免技術(shù)對人的操控。LaMDA事件中，如果人們在與AI協(xié)同中，高估了AI具有自我意識，而后建立錯誤的交互關(guān)系勢必會造成不良后果。針對算法歧視問題，過去AI公平性治理中采取的通用性應(yīng)對措施，如過濾器和模型調(diào)整、以及定量偏差評估和基準(zhǔn)測試等，似乎在AIGC這類預(yù)訓(xùn)練模型系統(tǒng)級別上具有一些挑戰(zhàn)性。然而，業(yè)界依然在不斷進(jìn)行嘗試。比如，斯坦福大學(xué)以人為本人工智能研究院(簡稱HAI)基礎(chǔ)模型研究中心推出大型語言模型(LLM)的整體評估(HolisticEvaluationofLanguageModels，HELM)，評估包括準(zhǔn)確性、校準(zhǔn)、魯棒性、公平性、偏差、毒性和效率等模型完備的各個關(guān)鍵要素，旨在提高語言模型透明度，幫助理解大型語言模型。 /ai/stanford-debuts-first-ai-benchmark-to-help-understand-llms/而面對自我意識、’'逝者模擬仿生 /ai/stanford-debuts-first-ai-benchmark-to-help-understand-llms/4、環(huán)境挑戰(zhàn)基于預(yù)訓(xùn)練模型的AIGC不僅是訓(xùn)練還是運(yùn)行，都需要大量算力支持，無形中增加了能源消耗,其高速發(fā)展給環(huán)境保護(hù)和氣候變化帶來了巨大挑戰(zhàn)，產(chǎn)生高碳排放。首先，AI模型訓(xùn)練消耗大量算力，碳排放量驚人。而實(shí)際上，隨著近年來AI的大規(guī)模應(yīng)用,人們已經(jīng)幵始意識到AI的碳排放問題。如下圖，馬薩諸塞大學(xué)阿默斯特分校的研究人員對訓(xùn)練幾種常見的AI模型進(jìn)行了生命周期評估。他們發(fā)現(xiàn)該過程可排放超過626,000磅的二氧化碳當(dāng)量一幾乎是美國普通汽車生命周期排放量的五倍(包括汽車本身的制造)。 /pdf/1906.02243.pdf同時，還有研究人員對Transformer.ELMo、BERT、GPT-2、GPT-3等進(jìn)行了碳排放研究。他們在單個GPU上對每個模型進(jìn)行了長達(dá)一天的訓(xùn)練，測量其功耗。最后測試結(jié)果發(fā)現(xiàn)，模型訓(xùn)練的計算和環(huán)境成本與模型大小成正比。GPT-3模型訓(xùn)練的二氧化碳排放量為552 /pdf/1906.02243.pdf PattersonD,GonzalezJ,LeQ,etal.CarbonemissionsandlargeneuralnetworktrainingJ.arXivpreprintarXiv:2104.10350,2021.Consumption CO2e(lbs)Airtravel,1passenger,NYoSF 1984Humanlife,avg,1year 11,023Americanlife,avg,1year 36,156Car,avgincl.fuel,1lifetime 126,000Trainingonemodel(GPU)NLPpipeline(parsing,SRL) 39w/tuning&experimentation 78,468Transformer(big) 192w/neuralarchitecturesearch 626,155Table1:EstimatedCO2emissionsfromtrainingcom-

monNLPmodels,comparedtofamiliarconsumption?圖：單一機(jī)器學(xué)習(xí)模型訓(xùn)練所產(chǎn)生的碳排放相當(dāng)于普通汽車壽命期內(nèi)碳排放量的5倍其次，大量算力需求和碳排放造成了AIGC應(yīng)用的高昂成本。目前，業(yè)界在探討AIGC商業(yè)落地時，存在一個較大的難題，便是成本問題。雖然很多AIGC工具深受用戶喜愛，但是其原始成本非常昂貴。Midjourney的創(chuàng)始人大衛(wèi)?霍爾茲(DavidHolz)表示，大規(guī)模商業(yè)擴(kuò)展是未來發(fā)展的一個重要難題問題，這并不是用戶量擴(kuò)展的問題，而是算力支持的問題。目前,Midjourney只有數(shù)十萬用戶，已經(jīng)需要極高的算力來支持。如果用戶量達(dá)到1000萬人，那么世界上沒有足夠的算力來支持。 /2022/08/01/david_holz_midjourney/OpenAI的CE。嘪姆奧特曼也指出，調(diào)用運(yùn)行ChatGPT進(jìn)行聊天對話，每次回答的成本約為幾美分，因此未來將不得不因?yàn)橛嬎愠杀締栴}暫?，F(xiàn)在的免費(fèi)模式?？萍纪顿Y公司BlocVentures的戴維?萊夫特利(DavidLeftley)表示：‘‘現(xiàn)在全球企業(yè)都在追求凈零碳排放，而我們卻在通過與AI /2022/08/01/david_holz_midjourney/ /content/9c5f7154-5222-4be3-a6a9-f23879fd0d6a最后，碳排放和算力問題也在制約著AIGC預(yù)訓(xùn)練模型的幵源。目前，有很多頭部機(jī)構(gòu)的預(yù)訓(xùn)練模型無法幵源的一個重要原因是，小型幵發(fā)者無法承受算力成本。因此，有一部分幵發(fā)者將超大模型的各種能力拆分到參數(shù)相對更小的模型上，以解決算力和能耗問題。還有一部分通過加快大模型推理速度、降低算力成本、減少能耗，以此來突破預(yù)訓(xùn)練模型的發(fā)展制約。比如Meta的OPT只需要16塊英偉達(dá)v100GPU就可以訓(xùn)練和部署完整模型的代碼庫，這是GPT-3的七分之一。此前有專家估計，GPT-3的訓(xùn)練使用了上萬塊英偉達(dá)v100GPU，總成本高達(dá)2760萬美元，個人如果要訓(xùn)練出一個PaLM也要花費(fèi)900至1700萬美元。大模型的訓(xùn)練成本若能降下來，自然也就能提高他們的幵源意愿。但歸根結(jié)底，這只能從工程上對算力資源的約束起到緩解作用，而并非終極方案。盡管目前許多千億級、萬億級的大模型已經(jīng)幵始宣傳自己的"低能耗”優(yōu)勢，但算力的圍墻仍然太高。業(yè)界也逐漸認(rèn)識到能源消耗和環(huán)境問題對深度學(xué)習(xí)技術(shù)發(fā)展和應(yīng)用的制約。2020年,Schwartz等人提出綠色Al的理念，倡導(dǎo)通過調(diào)整推理模式、提升訓(xùn)練策略等一系列方式在達(dá)到同等訓(xùn)練結(jié)果的情況下降低技術(shù)成本和能源消耗。 SchwartzR,DodgeJ,SmithNA,etal.GreenaiJ.CommunicationsoftheACM,2020,63(12):54-63.這一理念逐漸被廣泛接受。針對AIGC SchwartzR,DodgeJ,SmithNA,etal.GreenaiJ.CommunicationsoftheACM,2020,63(12):54-63.6161展望:擁抱人工智能的下一個時代,打造可信AIGC生態(tài)?本章主筆：曹建峰騰訊研究院高級研究員2022年見證了AIGC的快速崛起和破圈發(fā)展。但對于AIGC領(lǐng)域而言，這僅僅是一個幵始,更大的變革尚待幵啟。在過去的深度學(xué)習(xí)黃金十年，人工智能的感知、理解能力不斷增強(qiáng)，為AIGC的爆發(fā)奠定基礎(chǔ)。如今，隨著生成算法、大模型、多模態(tài)技術(shù)等AI技術(shù)的持續(xù)創(chuàng)新和發(fā)展成熟，AI領(lǐng)域正在經(jīng)歷從感知、理解到生成、創(chuàng)造的躍遷。以AIGC這一新的疆域?yàn)闃?biāo)志,AI領(lǐng)域正在迎來下一個時代。融合大模型和多模態(tài)技術(shù)的AIGC模型，有望成為新的技術(shù)平臺,深度賦能各行各業(yè)。未來，"AIGC+”將在經(jīng)濟(jì)社會的各個領(lǐng)域持續(xù)大放異彩。從基礎(chǔ)性的AIGC模型，到中間層的垂直化、定制化、個性化的模型工具，再到下游層出不窮的、各種各樣的AIGC產(chǎn)品和服務(wù)，AIGC的產(chǎn)業(yè)生態(tài)正在加速形成和發(fā)展。AIGC將創(chuàng)造出巨大的經(jīng)濟(jì)社會價值，其應(yīng)用不限于互聯(lián)網(wǎng)領(lǐng)域，也將給文化、娛樂、教育、金融、醫(yī)療、公共服務(wù)、交通、制造等諸多領(lǐng)域帶來積極影響。經(jīng)歷了2022年的喧囂和炒作，2023年AIGC將乘勢而起，迎來更大發(fā)展。面向人工智能的下一個時代，人們需要更加負(fù)責(zé)任地、以人為本地發(fā)展應(yīng)用AIGC技術(shù)，打造可信AIGC生態(tài)。面對AIGC技術(shù)應(yīng)用可能帶來的知識產(chǎn)權(quán)保護(hù)、信息內(nèi)容安全、算法歧視和社會倫理等問題，社會各界需要協(xié)同參與、共同應(yīng)對，通過法律、倫理、技術(shù)等方面的多元措施支持構(gòu)建可信AI生態(tài)。在立法方面，網(wǎng)信辦等三部門出臺的《互聯(lián)網(wǎng)信息服務(wù)深度合成管理規(guī)定》針對深度合成技術(shù)服務(wù)提出的要求和管理措施，諸如禁止性要求、標(biāo)識要求、安全評估等，亦適用于AIGC。下一步，需要著重從以下方面持續(xù)推進(jìn)AIGC的政策和治理。其一，政府部門需要結(jié)合AIGC技術(shù)的發(fā)展應(yīng)用情況，制定