簡單、快捷、便宜、質(zhì)量還高。9.9元的某AI相機火了，只需要湊夠20余張照片，交給AI去分析，就能得到一套寫真照，其精修程度絲毫不亞于專業(yè)照相館的水平。

如同網(wǎng)友的感嘆，AI先干掉了照相館，生成式AI正在進入我們的生活，并快速改變原有的行業(yè)格局。在A股投資市場，今年上半年，與人工智能相關(guān)的TMT行業(yè)獲得了巨大關(guān)注，也成為上半年表現(xiàn)最亮眼的行業(yè)。

以該AI相機軟件為代表的生成式AI，其產(chǎn)業(yè)概況如何？除了AI相機軟件這類應(yīng)用外，生成式AI產(chǎn)業(yè)還有哪些機會有待被挖掘？本期風(fēng)向?qū)槟崂斫馕觥?/span>

9.9元的AI相機能干什么？

這款A(yù)I相機軟件已經(jīng)推出了30多款寫真模板，可以用于商務(wù)寫真、時尚海報、證件照、校園照、懷舊黑白風(fēng)、古風(fēng)隨拍等。

該款軟件的功能基于微調(diào)（fine tuning）后的Stable Diffusion開源繪畫模型。這里的Stable Diffusion是一款基于擴散過程的深度學(xué)習(xí)模型，可以支持文生圖、圖生圖、內(nèi)補繪制和外補繪制等任務(wù)。

據(jù)媒體報道，該AI相機團隊在Stable Diffusion基礎(chǔ)上，使用“低秩適應(yīng)”（Low-Rank Adaptation，即LoRA）方法對模型進行了微調(diào)。

而LoRA是一種輕量級優(yōu)化方法，與傳統(tǒng)LLM訓(xùn)練方法不同，LoRA可以在少量數(shù)據(jù)集上微調(diào)模型，從而使模型更好適應(yīng)新任務(wù)，并降低模型的存儲和計算成本。

擴散模型去噪過程

圖片來源：華泰證券、Benlisquare

用通俗的話來說，上述過程就如同一位廚師在為你烹飪專屬的菜肴，Stable Diffusion是廚師，他會根據(jù)你提供的信息（比如你提交的照片）來不斷嘗試將不同食材組合到一起，通過不斷的嘗試，直到最后生產(chǎn)出你想要的菜肴。

值得注意的是，上述模型屬于開源模型，反倒是算力資源是此類AI圖片生成軟件的競爭關(guān)鍵。

生成式AI的商業(yè)模式？

了解了這款A(yù)I相機軟件的秘密，我們不妨來梳理下現(xiàn)階段生成式AI的發(fā)展?fàn)顩r。

從商業(yè)模式的角度看，我們可以將AI分為四個層次，即

• 基礎(chǔ)設(shè)施層（AI芯片、AI計算集群、AI云服務(wù)）；
• 通用大模型層（生成式AI大模型）；
• 行業(yè)模型層（金融、醫(yī)療、零售、制造、安全）；
• 場景應(yīng)用層（文本生成、圖像生成、音頻生成、視頻生成、數(shù)字人）。

其中，應(yīng)用層最接近消費者，擁有最大變現(xiàn)的潛力。

基礎(chǔ)設(shè)施層，很好理解，人工智能的發(fā)展從深度學(xué)習(xí)時代進入到大模型時代，大規(guī)模預(yù)訓(xùn)練模型的參數(shù)量呈現(xiàn)指數(shù)級上升，需要高性能算力的支撐。目前，大規(guī)模預(yù)訓(xùn)練模型訓(xùn)練算力是以往的10到100倍。

據(jù)中國信通院撰寫的《中國算力發(fā)展指數(shù)白皮書（2022年）》，過去10年用于AI訓(xùn)練模型的計算資源激增，AI 訓(xùn)練的計算復(fù)雜度每年猛增10倍，人工智能計算已成為主流的計算形態(tài)，全球智能算力規(guī)模將由2021年232EFlops快速增長至2030年的52.5ZFlops，十年間的復(fù)合年化回報率超過80%。

數(shù)據(jù)來源：信通院

在通用大模型方面，2017年，海外知名科技公司發(fā)布具有標(biāo)志性意義的Transformer模型，該模型的解碼模塊成為GPT模型的核心要素，通過引入注意力機制，可實現(xiàn)更大規(guī)模的并行計算，明顯減少模型的訓(xùn)練時間，使得大規(guī)模AI模型得以應(yīng)用。

BERT模型、LaMDA模型在信息提取能力以及安全性等方面不斷提升。最新推出的PaLM-E模型具有很強的泛化和遷移能力，在完成視覺語言和通用語言任務(wù)的同時，可處理多模態(tài)數(shù)據(jù)（語言、視覺、觸覺等），實現(xiàn)指導(dǎo)機器人完成相應(yīng)任務(wù)的功能。

具體應(yīng)用方面，以圖像生成為例，其技術(shù)場景劃分為圖像屬性編輯、圖像局部生成及更改、端到端的圖像生成。其中，前兩者落地場景為圖像編輯工具，端到端的圖像生成則對應(yīng)創(chuàng)意圖像生成及功能性圖像生成兩大落地場景。

目前，圖像編輯工具的使用已較為廣泛，相關(guān)產(chǎn)品較為豐富；創(chuàng)意圖像生成大多以NFT等形式呈現(xiàn)，功能性圖像大多以營銷類海報/界面、LOGO、模特圖、用戶頭像為主。

從商業(yè)收費模式的情況看，多數(shù)生成式AI產(chǎn)業(yè)尚未建立成熟的變現(xiàn)方式，大部分產(chǎn)品仍處于免費試用“流量吸引+平臺改良”階段。

從全球情況來看，生成式AI的主流營收模式有如下幾類：作為底層平臺收費、按產(chǎn)出內(nèi)容收費、軟件訂閱服務(wù)收費、模型訓(xùn)練收費、具體屬性收費。其中最具長期增長潛力，并將占據(jù)主要市場規(guī)模的模式為：作為底層平臺收費，即按照數(shù)據(jù)請求量和實際算量進行定價和計算。

投資視角看下半年AI發(fā)展？

數(shù)據(jù)、算力和算法作為AI三要素，是決定AI發(fā)展的重要基礎(chǔ)。近年來全球數(shù)據(jù)規(guī)模持續(xù)增長，IDC預(yù)計到2025年全球數(shù)據(jù)規(guī)模將達到175ZB，為人工智能模型訓(xùn)練提供海量數(shù)據(jù)資源。

從算力的視角看，高性能AI芯片的推出為大規(guī)模預(yù)訓(xùn)練模型提供重要算力支撐，而伴隨技術(shù)的不斷發(fā)展，Transformer、BERT、LaMDA、ChatGPT等模型實現(xiàn)快速迭代優(yōu)化。在數(shù)據(jù)、算力和模型的共同推動下，全球生成式AI產(chǎn)業(yè)得以迅速發(fā)展，相關(guān)場景應(yīng)用也不斷豐富。

嘉實基金大科技研究總監(jiān)王貴重認(rèn)為，本輪人工智能最直接影響的領(lǐng)域就是信息生成和信息交互，可以進一步的提升信息生產(chǎn)和人機交互效率，它將改變?nèi)藗児ぷ?、學(xué)習(xí)、娛樂、醫(yī)療以及彼此交流的方式，甚至未來隨著算力成本的下降，我們每一個人有一個AI助理也不是不可能。而未來隨著多模態(tài)的落地，機器人也會變成可能。幾乎每一個行業(yè)都會被AI影響和改變。在大機會面前不要機會，在大技術(shù)變革面前最優(yōu)策略是擁抱，無論投資還是生活。

王貴重認(rèn)為，下半年重點關(guān)注兩個方向。第一是，曾經(jīng)被互聯(lián)網(wǎng)改變的行業(yè)會再一次被AI改變。首先是內(nèi)容，無論是一維媒介文字，二維媒介圖片，三維媒介視頻，四維媒介游戲，還是社交、搜索、短視頻、電商，我們用的互聯(lián)網(wǎng)應(yīng)用都會集成AI功能。

第二是軟件行業(yè)，軟件會從功能軟件到智能軟件，軟件的能力會進一步提升，幫我們做更多的事情，交互也會更加友好。無論是辦公、OA、CRM、ERP，甚至一些專業(yè)的畫圖、EDA等工具。

*風(fēng)險提示：基金投資需謹(jǐn)慎。投資人應(yīng)當(dāng)閱讀《基金合同》《招募說明書》《產(chǎn)品資料概要》等法律文件，了解基金的風(fēng)險收益特征，特別是特有風(fēng)險，并根據(jù)自身投資目的、投資經(jīng)驗、資產(chǎn)狀況等判斷是否和自身風(fēng)險承受能力相適應(yīng)?；鸸芾砣顺兄Z以誠實信用、謹(jǐn)慎盡責(zé)的原則管理和運用基金資產(chǎn)，但不保證基金一定盈利或本金不受損失。過往業(yè)績不預(yù)示其未來業(yè)績，其他基金業(yè)績不構(gòu)成本基金業(yè)績的保證。