今天分享的是 AIGC专题系列 深度研究报告：《 AIGC专题：2023年AIGC场景应用展望研究报告 》。

（报告出品方：艾瑞咨询）

报告共计： 44 页

从ChatGPT的爆火看AIGC的技术发展

Transformer类架构的发展带动多模态融合，为范式转变奠定基础。

在图像生成领域内，CNN类架构是一个重要的里程碑，尤其擅长图像分类和目标检测任务，但由于难以生成高分辨率任务、难以捕捉图像全局结构和语义信息。近年来，Transformer类架构在图像生成领域也开始逐渐被应用，在自然语言处理领域的机器翻译任务中，Transformer已经成为了一种主流的模型架构。在图像生成领域，Transformer类架构可以有效地捕捉图像的全局结构和语义信息，同时也可以生成高分辨率、通真的图像，多模态架构逐渐成为了图像生成领域的研究热点。多模态架构可以建立统一的、跨场景/任务的模型，将不同类型的数据(如图像、文本、音频等)融合起来，极大地拓展了人工智能认知并理解世界的能力边界。多模态学习在不同模态间搭建了桥梁，使得基础模型通过迁移学习和规模涌现达到能力跃迁成为可能，极大加速了通用模型的演进。

“成熟”的AIGC大模型需要哪些要素?

大模型是一场综合战斗，需要兼顾技术、人力和资本要素。

产业的发展是对于技术条件、人才条件和资本条件的综合试炼场，其中技术条件无疑是核心的核心。AIGC技术主要由算法、算力和数据构成，三者互为因果。

通用基础的AIGC大模型发展重点

技术能力是大模型发展基石，算力、算法和数据三者互为推手。