作者：曲向軍，韓峰，胡藝蓉，王喆宸

沒有好問題，就沒有好答案： 為什么生成式AI全球增速都這么快？ 為什么中國的增速遠高于全球？ 中國的短板有哪些？能補上嗎？ 與傳統AI相比，生成式AI（GenAI）擁有四大優勢，包括自動化和效率提升、個性化和定制化、創造性和創新能力、可解釋性和透明度。GenAI可通過提高生產效率、推動創新能力和改變競爭格局三大方式，為全球經濟創造巨大價值。 麥肯錫全球董事合伙人韓峰曾說過，銀行業應用GenAI的價值潛力主要來自“4C”：編程加速（Coding）、內容提煉/虛擬專家（Concision）、客戶互動（Customer engagement）以及內容生成（Content generation）。 比如，在編程加速方面，GenAI能夠解讀并生成代碼，使銀行的代碼編寫效率提升55%；通過虛擬專家，銀行一線人員能從非結構化數據中歸納提取洞見、解讀文本，快速訪問所有相關信息以即時滿足客戶請求；在客戶互動領域，使用聊天機器人完成客戶觸達和數據收集，未來5-10年80%以上的客戶互動可被自動化；內容生成方面，GenAI可應用于生成文本、圖像等內容。 本文來自《麥肯錫中國金融業CEO季刊》，版權歸麥肯錫所有。該季刊主要圍繞生成式AI（以下簡稱“GenAI”）主題，通過4大章節共8篇文章，全面深入分析了GenAI對各主要行業的影響、價值鏈投資機會、中國GenAI市場現狀和未來趨勢以及企業如何布局GenAI，從而真正挖掘其價值。

速看（TLDR）： 總體來看,中國生成式AI市場正處于高速增長期,技術和應用正在迅速發展。 1 全球生成式AI市場規模正在高速增長，2022年達400億美元，2032年預計達1.3萬億美元，復合增速42%。2022年中國生成式AI市場規模約660億元人民幣，2020-2025年復合增速可達84%，有望占全球比重14%。 2 中國生成式AI應用集中在電商、傳媒、娛樂和游戲等行業,大多數傳統行業還處于小規模試點。 3 中國生成式AI企業商業模式還在探索，主要包括云資源售賣、API調用、SaaS收費等。 4 中國在基礎設施和底層技術上存在一定制約，但正快速追趕，特別是在行業應用模型方面。 5 生成式AI也帶來負面影響,中國面臨的主要風險是模型幻覺、惡意使用和信息泄露。中國已經出臺管理規定,美歐也在制定相關法規,對生成式AI展開監管。

正文： 隨著ChatGPT的火爆出圈，GenAI成為各行各業關注和熱議的話題。全球科技巨頭和AI廠商紛紛下場，唯恐錯過此番科技盛宴。行業翹楚和媒體將GenAI浪潮類比昔日的移動互聯網機遇，認為它將對全球經濟和各個行業帶來深遠影響，企業也將迎來重大變革機遇。 GenAI蓬勃發展產業規模也在高速增長，投資者紛紛入局。2022年GenAI市場收入為400億美元，預計2027年及2032年將分別達到3,990億美元和13,040億美元，2022~2032年復合增長率達42%。

中國市場，2022年規模約人民幣660億元，2020~2025年復合增速將達到84% ，2025年中國GenAI市場將占全球市場規模（2,170億美元）的14%。

由于內容較多一共178頁，下面主要為大家介紹中國GenAI市場現狀和未來趨勢。

市場規模

2022年全球GenAI市場整體收入為400億美元，預計2027年及2032年將分別達到3990億美元和1.3萬億美元，2022~2032年復合增長率高達42%。 到2025年，GenAI產生的數據將占所有生成數據的10%（2021年僅為1% 2）。

預計2022~2035年全球市場規模增量主要來源于訓練側硬件、廣告應用和軟件。其中，在訓練側硬件方面的增量約4,440億美元，僅GenAI基礎設施服務（GenAI as a service）一項，增量就有2,448億美元，年復合增長率將達到60%； 在廣告應用方面，相關年復合增長率將達到125%，增量達1924億美元；而軟件方面，在約2,800億美元的增量中，GenAI助理軟件增量可觀，達890億美元，年復合增長率有望達到70%。

2022年中國GenAI市場規模約人民幣660億元，預計2020~2025年復合增速將達84%，到2025年將占全球市場規模（2,170億美元）的13%。

與此同時，近兩年國內GenAI融資市場熱度持續上升，前十大融資事件總規模達8.7億美元。 其中，某領先的端到端AI制藥公司、光某大模型初創公司等頭部企業獲得逾2億美元的單筆融資，多輪融資累計規模分別超3億美元、2.5億美元。

技術棧

（一）專用硬件：基礎建設資源受限，但國產化進程不斷加速。

由于無法獲得高端GPU（圖形處理器）芯片A100與H100，國內大模型研發機構在算力上遭遇瓶頸。為應對上述困境，中國本土芯片研發廠商加強科研，在算力技術上實現重要突破。

目前，中國市場可以獲得的A800 GPU芯片，傳輸速度僅為頂尖產品A100的70%。由于AI技術發展高度依賴先進GPU，需借助芯片進行大量模型訓練和擴展，部分國內科研機構和科技企業因此受到較大影響，尤其在目前大模型參數量快速膨脹、算力需求顯著增加的情況下。

為了應對算力瓶頸，國內領先算力芯片公司力求在產品端實現突破。例如，國內某量產商業人工智能芯片廠商，在頭部大型云服務提供商旗下一款知識增強大語言模型產品中，實現了對部分業務場景的部署。 某專注于通用GPU芯片及解決方案研發及銷售的高科技公司和另一計算機圖形芯片設計公司則希望開發出接近高端芯片性能的產品。

全球領先的ICT（信息與通信）基礎設施和智能終端提供商旗下的人工智能處理器則被用于內部大模型開發訓練。 目前，國產GPU的算力規模大多在1000TOPS以內，上述某計算機圖形芯片設計公司已能達到2000TOPS，但距離國際領先的H100芯片高達4000TOPS的算力仍有一定差距。

（二）云平臺：全球競爭格局趨同，未來國內GenAI廠商將依賴云平臺完成模型訓練與調整。

在云平臺領域，國內和海外市場均呈現頭部廠商占據絕對主導地位的壟斷格局。2022年，國內四家頭部廠商占據國內79% 4的市場份額；在海外市場，截至2023年一季度，前三大廠商占據全球65%的市場份額。

通用大模型需要海量數據作訓練用途，但中文網站數量從全球來看占比僅為1.4% （英文網站占比達54% ），可用作訓練的公開中文語料庫（含文本、圖片、視頻等素材）往往數量有限、質量不均。

與此同時，國內用戶在網站和移動端App產生的海量數據，基于保護用戶隱私的原因，大部分也未能應用在大模型訓練上，對模型訓練的效率和精度都造成不利影響。 盡管在訓練數據上受到諸多限制，中國通用大模型技術仍然不斷追趕國際領先水平，參數規模緊跟國際領先水準并實現快速提升。

相較于適用于多領域、多任務的通用大模型，行業大模型更依賴于開發者對垂直場景的理解和海量行業數據支持，在算力受限的背景下，行業大模型更有可能成為中國GenAI廠商的制勝賽道。 就行業大模型而言，國內市場正呈現差異化競爭格局：某頭部互聯網大廠的行業大模型根植于游戲、廣告、內容創作等多媒體領域，成為提升廣告和游戲場景創作效率的生產力工具；

國內前三的超大規模云服務商開發的產業級知識增強大模型則憑借其對中文語言的強大理解能力，賦能汽車行業售后服務與知識庫構建、醫療行業單據識別、社科行業版權保護與詞條管理等； 某全球領先的ICT（信息與通信）基礎設施和智能終端提供商旗下的包含NLP、CV、多模態和科學計算的中文大模型則在工業物流、新藥研發、氣象預測等領域得到廣泛應用。

（三）基礎模型：通用大模型數量可觀，行業大模型可能是國產GenAI的出路。

在通用大模型方面，截至2023年5月，中國已發布79個10億參數級以上的大模型，在大模型發布數量上位居全球第二，僅次于美國。在全球模型發布數量前十的GenAI大模型廠商中，中國研發機構及廠商占據4席。

通用大模型需要海量數據作訓練用途，但中文網站數量從全球來看占比僅為1.4% （英文網站占比達54% ），可用作訓練的公開中文語料庫（含文本、圖片、視頻等素材）往往數量有限、質量不均。

與此同時，國內用戶在網站和移動端App產生的海量數據，基于保護用戶隱私的原因，大部分也未能應用在大模型訓練上，對模型訓練的效率和精度都造成不利影響。 盡管在訓練數據上受到諸多限制，中國通用大模型技術仍然不斷追趕國際領先水平，參數規模緊跟國際領先水準并實現快速提升。

（四）模型庫和工具：國內外圍繞開源模型，涌現出大模型工具獨立廠商。

海外市場圍繞可自由調整代碼的開源模型，已涌現出一批獨立廠商，可實現模型訓練和微調、模型部署、模型應用開發等細分技術功能。隨著國內GenAI市場的不斷發展，各種開發和維護工具等也將逐漸成熟。

（五）應用：中國創業公司尚處于早期階段，聚焦領域相對集中。

中國GenAI領域的創業公司融資輪次靠前，集中在天使輪到Pre-A輪之間，融資金額大多小于1億元人民幣，正處于方興未艾的發展初期，行業潛力巨大。

其中，某全球領先的跨國科技公司旗下的人工智能聊天機器人作為準獨角獸企業，于2022年11月完成10億元A+輪融資，投后估值約10億美元。

反觀海外GenAI行業，科創企業規模體量相對較大，涌現出多家細分應用領域獨角獸企業，其中某總部位于倫敦的全球化AI研究型企業估值高達38億美元。

中國GenAI垂直應用領域主要聚焦文本、圖像和音視頻生成，海外市場則在上述領域以外出現了大量基于GenAI的開發平臺、數據分析平臺及代碼編寫平臺，其原因在于海外以早期程序語言（如COBOL）編寫的系統較多，許多企業面臨較高編程人力成本，因此對編程輔助軟件有較高需求。

同時，目前中國GenAI企業目標客群多為終端用戶，而海外市場存在大規模企業客戶群體，隨著中國SaaS市場成熟以及企業付費意愿提升，預計國內文本生成和圖像生成初創企業將快速拓展至企業客戶市場。

商業化應用? ?

中國GenAI行業的商業化應用呈現出兩大特點：一是行業分布集中，主要集中在商業化發展較成熟的優勢產業；二是大部分企業尚處于積極探索自身商業模式的早期階段。

（一）中國GenAI應用集中于商業化發展成熟的優勢產業

中國GenAI企業利用國內垂直場景優勢，將GenAI優先應用于商業化基礎設施較完善的新興行業中；而歐美同行則利用當地成熟的SaaS市場，將GenAI應用到高科技、通信及各種傳統行業（如醫療、教育等），應用范圍更加廣泛。

在國內，GenAI應用發展最迅速的領域包括電商、傳媒、娛樂和游戲，尤其是數字虛擬人和電商視頻營銷，而大部分傳統行業（如金融、能源、教育等）仍處于小規模試點階段。 GenAI應用得以在互聯網電商平臺蓬勃發展，原因在于中國擁有優質的電商和供應鏈生態以及龐大的消費者群體，為GenAI應用落地提供了契機。

典型的行業應用案例包括視頻行業的某生成式AI的3D短視頻內容廠商、電商行業的某領先GenAI視頻大模型研發企業以及游戲行業的某互聯網平臺旗下的游戲與AI研究和應用機構等。 上述企業中，生成式AI的3D短視頻內容廠商能夠基于文本生成3D視頻內容，并通過抖音、快手、B站等短視頻平臺進行推廣，極大提高了短視頻內容生產者的創作效率；

GenAI視頻大模型研發企業則深耕電商行業，以AI生成虛擬人主播，賦能各行業、各品牌電商；游戲與AI研究和應用機構則利用人工智能打造AI陪玩、AI競技機器人，并通過自然語言技術賦予非玩家角色人設，使其能夠在游戲中與玩家互動對話。

（二）中國市場GenAI商業模式尚在探索中

目前，大部分中國市場的GenAI創業公司剛剛完成標準化產品輸出，開始進入初級商業化探索階段，市場上主流的商業模式包括云資源售賣、模型API調用、SaaS收費、素材收費等。

由于國內企業對軟件的付費意愿不高、市場有待進一步培育，以及企業對SaaS部署方式存在數據安全方面的顧慮，大規模應用GenAI的商業模式仍有待探索。 在歐美市場，SaaS付費訂閱模式已基本成熟，一眾海外GenAI企業紛紛構建起可持續的SaaS商業模式。

風險管理

GenAI賦能各行各業的同時，也帶來了諸如公平性受損、侵犯知識產權、信息泄露、惡意使用、安全威脅、模型幻覺及第三方風險等負面影響和挑戰。其中，模型幻覺、惡意使用、信息泄露三大風險值得重點關注。

惡意使用：不當使用模型輸出可能會帶來欺詐、虛假信息傳播等負面影響，中國GenAI應用豐富、用戶群體龐大，所面臨的惡意使用風險較為突出，但由于國內在實名認證，內容合規，和打擊虛假信息等方面落實到位，有利于追溯惡意使用源頭，從而防范和控制相關風險。 信息泄露：用于模型訓練的隱私或敏感信息可能會被GenAI應用作為輸出內容，同時人工智能模型存儲系統內的個人信息也可能面臨網絡攻擊和泄漏，因此需要在內部部署數據、又處于強監管下的重點行業和企業，需要主動防范信息泄露風險。

安全威脅：不僅負責任的AI（RAI-Responsible AI）受到監管和企業關注，安全的AI（SAI-Securing AI)也逐漸進入企業和公眾視野，特別是AI系統全生命周期安全保護。有效的AI威脅管理直接影響到防范信息泄露和惡意使用。近期全國信息安全標準化技術委員會起草了相關評估規范和標準，為算法提供者給與了機器學習算法生命周期安全指導意見7，也可為監管評估提供參考。

模型幻覺：模型輸出結果不符合事實。模型幻覺普遍存在于國內外所有的GenAI模型和應用，但因為國內大模型的研發經驗和技術實力尚有提升空間，且中文語料相比英文更為復雜，讓模型幻覺問題變得更加棘手。

為規范GenAI的應用，中國早在2022年已經開始布局AI相關監管，例如2022年3月發布了互聯網信息服務算法推薦管理規定，2022年11月發布了互聯網信息服務深度合成管理規定。 2023年7月，國家網信辦聯合國家發展改革委、教育部、科技部等7部門發布《生成式人工智能服務管理暫行辦法》，對模型訓練過程中可能涉及的數據歧視、知識產權保護、個人隱私及肖像權保護等作出明確規定，行業監管框架進一步完善。

放眼海外，美國國家標準與技術研究院于2023年1月發布了AI風險管理框架，著力為AI開發，治理，和運營提供風險控制最佳實踐。歐盟則于2023年6月通過《人工智能法案》授權草案，對不同等級的人工智能所承擔的責任和義務進行劃分，通過風險定級來實現分層治理，并著力推動跨產業的人工智能立法，以進一步防范人工智能可能帶來的多重風險。

結語

當下全球人工智能市場正處于高速增長階段，本文從市場規模、技術棧、商業化應用和風險管理四大維度，對國內外GenAI行業的發展現狀和趨勢進行了深入淺出的分析。

盡管目前國內外市場在諸如大模型開發、應用布局、商業模式等多個領域都存在較大差異，我們看到中國GenAI行業正在不斷追趕國際領先水平，預計未來中國GenAI相關技術和應用將逐漸成熟，并進一步探索出適合自身發展的商業模式。 ?

編輯：黃飛