豆包APP也成功破亿，而腾讯元宝、纳米AI搜索在DeepSeek大模型的强大加持下，同样脱颖而出，跻身行业TOP5。

值得一提的是，纳米AI搜索以及腾讯元宝APP在接入DeepSeek大模型后，日活跃用户规模均实现了显著提升。

就拿腾讯元宝APP来说，在接入大模型仅11天后，日活跃用户规模就突破了500万，增长势头十分迅猛。纳米AI搜索同样表现出色，2月的日活峰值达到了384.8万。

这些数据充分证明了AI大模型对于相关应用的巨大推动作用，也预示着AIGC赛道在未来将有着更为广阔的发展前景。

去年9月，亚马逊与Anthropic宣布达成战略合作协议，内容包括Anthropic将亚马逊云科技指定为其主要云服务提供商，同时亚马逊对Anthropic投资40亿美元。随后，Anthropic Claude系列模型在亚马逊云科技上线，该系列自去年4月在Amazon Bedrock上线后，迅速获得广泛采用。如今，亚马逊与Anthropic进一步深化合作关系。除了继续以亚马逊云科技为主要云服务提供商，Anthropic现将亚马逊云科技指定为其模型训练首要合作伙伴，并计划使用Amazon Trainium和Amazon Inferentia芯片训练和部署未来的基础模型。双方将继续紧密合作，不断提升Amazon Trainium的硬件和软件能力。

随着双方合作进入新阶段，Amazon Bedrock将为运行Claude模型的客户提供更卓越的性能、安全性和隐私保护。此外，合作双方将携手为亚马逊云科技的客户提供早期访问权限，以能够使用自己的数据对Anthropic模型进行微调，这项定制化功能可让亚马逊云科技的客户在一段时间独享Claude新模型。

亚马逊云科技首席执行官Matt Garman表示：“借助Anthropic基础模型在Amazon Bedrock上开发生成式AI应用的客户都给予了积极的反馈。通过在Amazon Bedrock中继续部署Anthropic模型，并与Anthropic合作开发定制化的Amazon Trainium芯片，我们将不断拓展生成式AI技术的应用边界。Anthropic的创新速度和对负责任的生成式AI的承诺令我们印象深刻，我们期待与Anthropic进一步深化合作关系。”

Anthropic联合创始人兼首席执行官Dario Amodei表示：“对于Claude来说，这是突破性增长的一年。我们与亚马逊的合作至关重要，这使Claude模型的能力得以覆盖Amazon Bedrock上数万个客户的数百万终端用户。我们期待与亚马逊的深化合作，通过使用Amazon Trainium训练并支持我们最先进的AI模型，全面释放技术潜能。”

2024年，Anthropic多次刷新大型语言模型的性能基准，Claude 3和Claude 3.5系列模型均已在Amazon Bedrock上正式可用。其中，Claude 3.5 Sonnet近期升级了包括“电脑操作”在内的高级智能体能力。根据Anthropic的测试结果，该模型在代理编码任务中的表现超越了所有公开可用的模型。由于其卓越的性能，以及在Amazon Bedrock中提供的多样化高性能模型，Arcanum AI、b.well、HackerOne、HUDstats、Forcura、Iterate、NinjaTech.ai、Rexera、Sapio Sciences、StarTree、Thematic和Tulip等客户，已将其生成式AI工作负载迁移至亚马逊云科技。

这些公司和数以万计的来自初创公司、大型企业和政府机构的客户一起，正在亚马逊云科技上使用Anthropic最先进的模型运行其核心工作负载，以获得更好的性能，以及可靠性和安全性。通过Anthropic先进的生成式AI技术和Amazon Bedrock，客户能够安全接入业内顶级基础模型，并推动其在多种应用场景中的实现，包括客户服务聊天机器人、代码助手、翻译应用、药物研发、工程设计以及复杂业务流程。这些客户包括ADP（美国自动数据处理公司）、Airtable、Alida、Amdocs、BrainBox AI、桥水基金、Broadridge、CelcomDigi、科莱恩、Cloudera、Crypto.com、Degas Ltd.、DoorDash、Dovetail、Druva、Enverus、FeatherSnap、Forcura、Genesys、英国基因组学研究所、Georgia-Pacific、GoDaddy、HappyFox、Health eCareers、iFood、Instructure、Intuit、Jaja Finance、KT、Kytes、Lawpath、LexisNexis Legal & Professional、Lili、LivTech、Lonely Planet、M1 Finance、Mend.io、三菱电机、穆迪、nCino、Netsmart、NextGen Healthcare、Nexxiot、野村控股、Parsyl、Perplexity AI、辉瑞、PGA巡回赛、Proto Hologram、理光、Rocket Companies、瑞安航空、Shield、Showpad、西门子、Swindon Borough Council、T-Mobile、TUI、Verisk、Zendesk等。

如果说2023年是大模型元年，那么2024 年则是AI应用元年，行业迎来爆发式增长 ，各类应用陆续推向市场。据QuestMobile《2024上半年AIGCAPP流量与场景研究报告》数据显示，截至2024年6月AIGCAPP MAU大于1万的AIGC APP已经分拣70+，并在持续扩张中。截至今年5月，国内已经推出超过300个大模型。其中，10亿参数规模以上的大模型已超100个。

AI硬件层出不穷。支持人工智能的个人电脑正在缓慢但稳步地渗透市场。根据 Canalys 的最新数据，2024 年第二季度全球人工智能 PC 出货量为 880 万台。在截至 6 月 30 日的三个月期间，这相当于所有笔记本电脑和台式机出货量的 14%，虽然数量不多，但意义重大。

据媒体报道，今年上半年我国电子商务发展数据发布，其中AI学习机销售额增长达136.6%。不少售价高于5000元。

虽然AI硬件出货量暴增，但对于儿童及青少年，如何紧跟时代，安全、正确的获取AIGC能力，提高认知以及学习效率？

国内有一位程序员爸爸推出一款适合儿童的AI硬件产品——小窗AI问答机。

据该程序员爸爸描述其开发小窗产品的经历:

我是吉米舟舟，一名程序员；在8年前我有了女儿，升级成为超级爸爸+程序员。

近一年在工作中使用ChatGPT、Copilot等AI工具收获巨大效率提升后，我开始思考：“怎样让女儿也能通过AI提高学习效率？”

毕竟在AI时代，有GPT4、Claude Opus这种超级私人家教而不用，依然延续照本宣科的填鸭学习法，是一种对孩子学习潜力的巨大浪费。

我尝试了在iPad上为女儿安装GPT、豆包、文心一言等APP，但很快便意识到这种方案是不可行的：触控屏幕本身“诱惑”太强了。

在无监督条件下，女儿一定会依次点击屏幕上的各种图标、菜单和超链接，最后停在某个即时反馈最强的地方：“视频网站”或是“蛋仔派对”上。

真正对孩子有帮助的AI工具，必须可以与孩子独处，而不是一部装了AI应用的智能手机。

小窗®️AI问答机并没有一块像智能设备一样的触摸屏，全过程都将以语音对话的方式与孩子交流，家长可以通过小窗微信公众号管理后台随时在手机上看到孩子的提问内容和AI回复，还能任选全球最强的AI大模型，根据孩子年龄或性别，进行个性化Prompt设置。

• 解答各种“为什么”：人文、社科、自然或逻辑、哲学、思辨

• 作为私人家教，辅导家庭作业、作文、解答学科知识点

• 在英文模式下，进行全英文口语对话，练习口语和听力

• 陪孩子聊聊天，倾听孩子的烦恼和情绪，给出建议和反馈

• 通过互联网搜索，获知一些最新的知识或者新闻动态

小窗后台家长能实时知道小朋友对哪些话题感兴趣，并进一步加以对兴趣的引导。

——————————————————————————————————————————

如您对小窗AI问答机感兴趣：请加微信：7281670联系。直接购买请扫码购买：

在峰会上，AfterShip 的 CTO James Hong 和数据总监 Harvey Pu 应 Google Cloud 邀请，分享了 AfterShip 如何激励全员拥抱 AIGC，并用 AI 提升内部效率和驱动业务增长的实践经验。

激励全员拥抱 AIGC

作为一家服务国际电商赛道的 B2B SaaS 公司，AfterShip 目前已在全球拥有 8 个办公室和 450 多名员工，客户遍及全球 133 个国家，服务超过 17,000 家付费客户。

在峰会上，James 强调了公司的使命愿景，即构建最好的自动化平台，帮助全球电商商家实现成功。为此，AfterShip 构建了一系列电商 SaaS 产品，涵盖从售前营销获客、到售后物流查询、退货换等全链路服务，旨在提升卖家的 GMV、运营效率和客户满意度。

James 从三个维度，阐述了AfterShip 全方位落地 AI 的策略：激励全员拥抱 AIGC、利用 AI 提升内部效率、以及 AI 驱动业务增长，并重点分享了 AfterShip 在「激励全员」维度的诸多实践。

为了让 AfterShip 的每个员工都能切身感受到 AIGC 的价值，早在 2023 年 5 月，AfterShip 举办了一次面向全员的 AIGC Hackathon 大赛，超过 60% 的员工自主报名参赛，入围了 30 多支队伍，激发了大量的内部创新。

在 2023 年底，AfterShip 还举办了公司级的 Hack-Day 论坛活动，展示各团队在 AI、研发效能和增长运营等领域的最佳实践。这不仅让更多的技术和能力被看见，还增进了跨团队的了解，激发了更多的交流与共创。

此外，AfterShip 的 AI 团队还推出了 AI Playground 内部体验平台，内置多个在线 demo，帮助员工更直观地体验各项 AI 能力，进一步激发全员对 AI 的兴趣。

用 AI 提升内部效率

AfterShip 数据总监 Harvey 针对“用 AI 提升效率”和“AI 驱动业务增长”这两个维度，进行了深入分享。

SaaS（软件即服务）的核心价值在于帮助企业降本增效，而这正是当前 AI 最擅长的领域。AI 是一种效率革命，与 SaaS 天然契合。

为了充分利用 AI 的效率革命，AfterShip 的 AI 团队构建了 AIGC Hub、AfterShip ChatGPT、AfterShip GPTs 等完善的内部基础设施，并组织了多次的内部培训和分享，赋能各个岗位的团队员工高效运用 AI。比如：

• 市场团队：利用 AfterShip ChatGPT 生成各类营销文案和广告图片草稿；
• 销售、客户成功团队：利用 AfterShip ChatGPT 直接生成与海外客户沟通的邮件草稿；
• 工程师团队：利用 AfterShip ChatGPT 或 Github Copilot 协助代码生成；

除了各个岗位的应用，AfterShip 各部门和 AI 团队还通过 AfterShip GPTs 平台构建了许多 AI Agent，解决特定的复杂任务。

这些 AI Agent 重塑了传统工作流，极大地提升了部门乃至整个公司的工作效率。

最典型的应用，是公司内部研发的 AI Bot 智能客服系统，在客服场景中发挥了巨大作用。

过去，AfterShip 的客户咨询都是由印度客服团队人工回答，这存在着诸多挑战：由于公司产品多、功能复杂，难以保证稳定的服务质量；纯人工客服成本高，响应时间也较长。

现在，超过 40% 的客服问题由 AI Bot 直接处理，准确率超过 95%，响应时间和客户满意度均优于人工客服，大大节省了客服成本，提升了服务质量。

用 AI 驱动业务增长

除了内部提效外，AfterShip 也逐渐加快了 AI 在业务上的落地布局。为了更好帮助卖家客户降本增效、提升收入，AfterShip 上线了全新的 E-Commerce AI 官网页面，包括 3 个核心解决方案：Catalog AI、Discover AI 以及 Logistics AI，覆盖了卖家从商品管理上架、分发及转化、到物流履约的全链路。

Catalog AI：深度理解商品、帮助卖家商品上架、管理、运营

Catalog AI 是 AfterShip 推出的商品管理与运营解决方案，旨在通过深度理解商品，来提升卖家上架效率和运营效果。该解决方案包含三个核心模块：

• 丰富商品标签：利用 AI 提升商品管理效率。
• 生成商品素材：AI 生成高质量商品素材，提升运营效率。
• 合规上架：自动理解电商平台规则，帮助商品合规上架。

在过去的 10 多年，AfterShip 已为数十个行业的品牌卖家提供服务，处理了超过 5 亿 + 商品，积累了大量数据和经验。基于这些数据及多模态 LLM 技术训练的 Catalog AI，具备极强的商品理解能力，能够支持卖家快速在不同平台上架商品，扩展销售渠道。

Harvey 举例说明道，一个拥有数万 SKU 的亚马逊卖家希望拓展到 TikTok Shop 平台销售，原本手动上架商品，可能需要一个月时间，但通过Catalog AI，三天内即可完成，大大提高了运营效率。

Discovery AI： 帮助卖家提升商品分发、营销转化效率

Discovery AI 解决方案旨在帮助卖家提升商品分发与营销转化，解决“人”与“货”的连接问题。通过利用 Recformer 架构做深度优化的个性化推荐算法，AfterShip 的 AI 团队实现了跨渠道、可解释的精准推荐，特别适合注重站外引流和测品的海外 D2C 品牌。

Discovery AI 的核心功能包括：

• 跨渠道精准推荐：结合用户行为和商品信息，提取用户兴趣和偏好标签。
• 多场景应用：在推荐、搜索等多个场景，实现人货精准匹配。
• 提升营销效率：商品个性化分发，提高营销转化率。

Harvey 介绍道：从客户案例来看，Discovery AI 平均能够帮助卖家提升 30% 的转化率，提升 10%的 AOV（平均客单价）。

Logistics AI：提升售后物流运营效率

AfterShip 的核心产品 AfterShip Tracking 已对接超过 1,000 家物流商，拥有海量的包裹数据。为进一步提升卖家的售后物流运营效率，AfterShip 推出了 Logistics AI，旨在运用 AI 构建更全、更标准、更前瞻性的物流数据能力，提升物流管理效率。

Logistics AI 的优势包括：

• 多元数据源获取：Logistics AI 会主动收集除物流商数据外的更多数据，包括天气、交通、社会事件等，提供更全面的信息。
• 数据清洗与标准化：将收集到的原始数据进行清洗和解析，转化为准确、标准化的物流数据，确保数据质量。
• 前瞻性运营能力：基于标准化数据，提供精准的物流时效预测，帮助卖家优化物流运营，提高客户满意度。

通过 Logistics AI，卖家可以获取更全面的数据，优化物流管理效率，并提供精准的物流时效预测，给消费者提供更愉悦的购物体验。

随着 AIGC 的浪潮来袭，AI 正在快速变革国际电商行业的各个方面，提升效率、降低成本、优化用户体验已成为行业共识。未来，AfterShip 还将继续加大在 AI 领域的创新和投入，始终致力于为全球电商客户提供更加智能、高效的 SaaS 解决方案，推动国际电商行业向前发展。

此外，在本次大会上高德云图还发布了基于沉浸式AI三维重建技术打造的全自动化数字孪生建模平台——“云境”；并发起“云链千帆计划”助力时空互联生态发展，加速推进产业应用落地。

高德地图副总裁、高德云图总经理董振宁表示高德致力于以技术为本，做好一张连接360行的时空活地图。“而高德云图的定位则是时空互联新基建，助力产业伙伴更好的链接人工智能时代。”

高德地图副总裁、高德云图总经理 董振宁

“如今的互联网不止于线上内容，还囊括了现实时空中的各类要素。”董振宁认为，对于各行各业来说，当前繁多场景之下的业务发展，亟需融合日趋丰富和复杂的时空信息，才能实现更完善的进化。“而高德云图将作为面向行业的技术服务平台，可以帮助产业更好的融合时空智能。”

打造时空互联新基建，技术是立身之本。本次高德云图发布的云睿时空大模型和云境AI沉浸式三维平台，即是基于当下最前沿技术、面向产业发布的“时空互联双引擎”。

据悉，高德云睿时空大模型是在Transformer和Graph架构之上深度自研、业内首个以地图点、线、面、体时空类数据为训练基础的大模型，具备千亿级时空信息与多源数据融合能力，可为企业提供基于时空维度、更加全面准确的预测分析能力。

“当前能够融合时空信息与行业数据进行训练的大模型，只此一家。”高德云图副总经理、产研负责人雷宇介绍，云睿时空大模型可覆盖交通、零售等多行业，帮助客户实现选址、铺货、交通治理、经营分析等方面的感知、预测和决策链路落地。

高德云睿时空大模型

此外，为更好的推动时空大模型演进，以及时空互联与产业的融合发展，高德云图还宣布将邀请相关领军企业以及资深专家，打造“时空实验室”，共同探索时空大模型的深度应用和拓展边界。

而云境AI沉浸式三维平台，它是基于三维隐式空间建模、人工智能深度学习的全自动化和高质量的三维重建平台，支持多种数据接入，包括不限于无人机航拍数据、激光点云数据、鱼眼相机数据，甚至普通手机/相机数据，即可实现AI全自动、高精度的三维场景还原，可广泛应用到城市数字孪生等多领域。

据介绍，该平台具备城市、园区、室内等多场景的空间重建生成能力，可为城市综合治理、园区管理、交通管理、设备管理提供更高效精确的时空智能技术支撑。

高德云境AI沉浸式三维平台效果展示

如果说高德云图是一个提供“新技能”的角色，那么拥有丰富实战经验的行业深耕企业则是各个领域的专业“老师傅”。“‘老师傅’+‘新技能’，打造数实融合的时空互联新生态，是我们的长远工作。”高德云图副总经理、商务及解决方案总经理韩鹏表示。

为大力推进生态建设，高德云图宣布发起“云链千帆计划”，前期将提供1亿元的生态发展基金，通过与产学研的广泛合作，共建10个时空实验室，推动时空大模型在多个行业的应用落地；联合行业老师傅共建100个行业产品，以切实解决行业在数实融合过程中的痛点；发展1000家行业生态伙伴，共同拓展行业市场；最后，会为产业培养10000名行业应用专家，实现人才的充分供给。

董振宁称，未来高德云图将不断开放时空新基建能力，助力360行合作伙伴创造更广阔深远的价值。“希望生态合作伙伴能够和高德云图一道，成为时空互联网基础设施的运营商。”

作为端侧最核心的屏障，终端厂商肩负着用户安全的护城河角色。在近期召开2023 亚马逊云科技re:Inforce中国站活动上，vivo首席安全官鲁京辉带来了vivo整体安全战略的实践以及如何应对AIGC安全挑战的思考。

（图：vivo首席安全官鲁京辉）

智慧终端和智慧服务构建vivo核心价值

经过20多年的发展，vivo终端产品已经开拓了全球60多个国家，全球有超过5亿活跃的vivo手机用户，全球线下销售及售后网点超过32万个。成为全球智能终端厂商中的重要一极。

鲁京辉表示，vivo目标是以设计和驱动来创造伟大的产品，以智能终端和智慧服务作为主要的载体，提供给消费者最佳的使用体验。

作为终端厂商，安全的责任体现在哪些方面？vivo公司创始人、总裁兼CEO沈炜有一段精辟的论述：数据安全和隐私保护是消费者的基本权利，是企业获得消费者信任的基石，我们要把数据安全、隐私保护与守法合规作为企业研发经营活动中绝对不可以触碰的红线和基本底线，来指导各项工作的开展。

鲁京辉在vivo的另外一个重要身份是vivo全球数据保护官。在他看来，在人工智能时代，尤其是生成式人工智能时代，数据是人工智能时代的基础设施，是人工智能技术得以发展的底层架构。推动人工智能行业的健康、有序、可持续发展，必须重视数据安全和个人信息保护，二者是人工智能有序可持续发展的“基石”。

vivo七大安全战略——PROTECT

鲁京辉介绍vivo的安全战略是缩写为“PROTECT”，由七个方面抽取的字母组成的：

第一，数据隐私保护。

第二，数据风险管理。一个企业能不能做好安全工作，核心点就是是不是有风险管理的意识。

第三，产品对象安全。

第四，关键安全技术。在做好所有工作以后，都要有相应的能力建设，这个能力建设的核心是要有关键安全技术的使能和赋能。

第五和第六，安全工程和合规管理。贯穿于整个产品研发生命周期，如何保证最终交付产品的安全质量水平，是通过安全工程和合规管理来去实现的。

第七，安全攻防。

黑灰产对整个行业都是一个严峻的挑战。鲁京辉提到一个数据，中国移动互联网生态整个产值大概10万亿，其中有20%到30%最后进入黑灰产。尤其是近一两年来黑灰产的形态变得更加复杂，过去是业务驱动数据的时代，现在是数据驱动业务。智能手机成为toC消费者生态中的集中点。用户大量的交互行为，是通过手机这个载体来完成。

鲁京辉坦言，对抗黑灰产生态非常复杂，手机厂商在其中是一个关键的点。因为手机厂商不光提供一个硬件设备，也承载了各种各样的服务。需要支撑各种各样的服务，如支付类、广告服务、视频、游戏等，背后的链条是非常复杂。

vivo在黑灰产上是坚决打击、坚决抵抗。其PROTECT战略最后一个“T”就是攻防，vivo每个月能够识别出的欺诈行为，帮助消费者挽回的损失都是百万级甚至千万级。

千镜安全范式提供多场景全链路安全防护

vivo的整体安全技术主架是以千镜安全范式闻名于行业。虽然普通用户并不了解这一底层安全核心。但vivo多年来已经构建从底层芯片、内核操作系统、框架、应用等四个层级提供多场景全链路安全防护。

这一范式的核心的主轴，是可信，包括底层硬件的可信根，包括Kernel内核和系统级可信执行环境，框架层提供的可信度量，应用上层的可信交互，以可信去勾连整个千镜安全架构。

vivo通过不同的技术服务形态去推动赋能行业，构建一个健康的可信生态。这个核心点是通过一些安全能力的开放，包括基于千镜架构设备的安全性检测、可信度量来实现。

在移动互联网的生态过程中，智能手机厂商核心的价值点是什么？鲁京辉认为要充分利用手机终端提供的“护城河”的能力，去构建相应能力，同时赋能于合作伙伴。通过可信环境的构建，对可信度量的结果去赋能支付类、社交类、游戏类等合作伙伴，共同去构建一个健康的可信的移动互联网生态。

与亚马逊云科技合作实现端云安全一体

vivo不仅是提供智能终端，还提供智慧服务。在移动互联网生态下一定是端管云结合的。为什么选择亚马逊云科技作为云服务提供商？很重要在于亚马逊云科技能够满足端管云整个安全服务生态。

在谈及与亚马逊科技的合作，鲁京辉表示核心点是希望携手亚马逊云科技为用户去构建一个更安心、更安全的数字世界。

vivo通过采用亚马逊云科技安全可靠的全球性基础设施，可以直接继承亚马逊云科技全球基础设施方面相关的安全合规认证。当企业提供全球服务的时候，中国企业必须要做好自证清白和他证清白。亚马逊云科技通过已经获得的相关的国际认证，为出海的企业提供了一些基础性的安全保障，大大提高了vivo海外拓展的效率。

在和亚马逊云科技合作的过程中，vivo借助亚马逊云科技的多种安全服务，例如威胁检测与事件响应（Amazon GuardDuty​）、身份认证与访问控制​（Amazon IAM）、网络与基础设施安全（Amazon WAF​）、数据保护与隐私（Amazon CloudTrail）和风险管控及合规​（Amazon Trusted Advisor）等相关服务，去构建相应的云上数据安全。

与生态各方合作应对大模型AI时代的安全挑战

作为全球重要的终端厂商，vivo已经感受到大模型AI时代安全冲击给用户带来的影响。比如大模型生成的各种诈骗剧本，各类更为高明的欺诈。

鲁京辉认为，过去的一些安全防护手段，在AI时代下不太好用了，需要与时俱进用一些新的技术手段去应对。主要解决四个方面的问题：

第一，在生成式人工智能要解决内生安全的问题。

第二，要解决内容安全的问题。

第三，要解决运行安全的问题。

第四，要解决合规性的问题。

对于内生安全的问题，其核心是要做好相应管理的基线、管理的流程/制度/规范/工具支撑，要做好数据源头的可控，保证数据是无毒无害的，用相关的技术去支撑保证。

包括端侧和云端要做的必要工作，包括过去存量数据安全体系的优化和基于AI的安全推理的一些新技术手段的引用。vivo聚焦于作为一个智能手机厂商，在提供生成式人工智能服务的时候必须做好的工作。

此外一些工作通过合作伙伴包括亚马逊云科技这样的云服务厂商的赋能，共同来构建。因为单纯一个终端厂商，是无法构建一个健康、有序的生成式人工智能生态的。

在回答199IT关于千镜的终极目标是什么时，鲁京辉表示千镜架构是端侧安全能力的整合。作为手机制造商，整体去看移动互联网生态，一定是端管云的生态。在端管云整个生态链分析中，vivo作为智能终端的提供者，在其中不可或缺的角色或者能够形成竞争力和护城河的角色，从安全维度看一定是做好手机。

“vivo手机是用户直接的服务载体和交互的门户，所以我们有责任，也有能力，必须做好所提供的手机智能终端是安全可信的。在构建千镜架构的时候，其核心点是在端侧先去解决端侧可信环境。因为vivo有一个隐私保护三原则：数据最少化、透明可控、敏感数据端侧处理，这是作为智能终端厂商首需要做好的工作。”

鲁京辉这一番肺腑之言体现了vivo的责任和担当，在新的环境下，与时俱进，主动求变，以用户利益为根基，不忘初心，方为始终。

AIGC产业发展背景

AI将成产业发展推进器，政策保持高度关注

AI不仅仅是“科技强国”的重要发展方向，也是“文化强国”的重要推进器。AI的发展有助于提升文化产业的生产效率与生产质量，进而提升中国文化产业的全球竞争力。在政策方面，AI也已成为我国重点鼓励发展的前沿科技领域，并成为国家战略的重要组成部分，近年来多项重要政策直接或间接明确提及推动AI的发展。

海外代表性AI企业中，超八成来自美国

AI是全球科技下一阶段发展的重点，全球性科技企业均在抢占这一领域。从国家分布状况来看，海外代表性AI企业中超过8成聚集在美国，并以谷歌、微软等大型企业为代表，大型科技企业成为核心发展力量。

数据来源：伽马数据（CNG）

国内研发与资本实力强劲，但仍存薄弱环节

中国企业在布局领域基本涵盖了AIGC全产业链相关的环节，同时布局企业的研发能力与资本实力也较为强劲。但相比于美国，中国企业在芯片制造、大模型研发等环节竞争力较弱。中国企业在产业链薄弱环节的追赶难度较高，这也将成为发展挑战。

数据来源：伽马数据（CNG）

中国企业投入时间较晚，人才与资本需要进一步积累

在布局时间方面，中国企业近年来才开始在AI领域进行布局，而海外部分企业最早布局甚至可以追溯到数十年以前。

数据来源：伽马数据（CNG）

在企业人员规模方面，国内外在千人以上规模的大型企业数量上差距较小，但中部企业的欠缺成为中国AI发展的重要挑战。

数据来源：伽马数据（CNG）

在资本投入方面，中国大量初创性企业投融资规模集中在1亿元人民币以下，而海外代表性AI企业最低投融资规模超过5000万美元。

数据来源：伽马数据（CNG）

数据来源：伽马数据（CNG）

中国与美国是AI相关专利的主要拥有地区

近年来全球获批专利数量迎来了快速增长，2021年更是达到增长峰值，全球获批专利超过10万项。

注：同一专利可存在于不同的地区或机构  数据来源：伽马数据（CNG）

游戏产业AIGC发展状况

AIGC发展助力游戏产业降本增效

游戏产业正处于降本增效的关键阶段，而AIGC技术会起到较大推动作用，企业访谈显示，企业普遍认为AIGC相关技术在强化内容创作、优化玩法、助力本地化翻译等多个层面具备广阔应用空间，部分企业也已围绕相关领域进行了重点探索。

超6成头部游戏企业已直接布局AIGC

从AIGC的布局率来看，已有超六成头部游戏企业明确布局AIGC领域，且有实质性动作。

数据来源：伽马数据（CNG）

进行布局的企业中，27家企业投入到了游戏研发、营销、运营等游戏产业全流程应用层面；12家企业运用AIGC相关技术，为其他行业或企业提供解决方案；9家企业选择重点布局数字人/元宇宙领域。

数据来源：伽马数据（CNG）

8家企业布局探索AIGC核心技术

从企业布局AIGC技术层面的方式来看，共有8家游戏企业布局自研大模型。相关布局企业有望依托于自身的资本积累、资源积累等探索AIGC核心技术，并推动中国大模型的独立自主发展。

数据来源：伽马数据（CNG）

部分游戏企业通过接入大模型以及核心支撑层研究切实地进行拓展，其中约半数企业更是重点搭建了AIGC实验研究团队，运用专项资源推动相关技术的发展以及在企业多业务层面的应用。

数据来源：伽马数据（CNG）

六成企业关注AIGC应用方向与效果  

在针对游戏企业的调研过程中显示，企业也关注AIGC的多个发展层面，其中最为关注与自身游戏业务相关的状况，部分企业布局AIGC相关领域已有多年，并积累了自身的突出性优势，甚至凭借AIGC技术构建了自身在研发、营销等多个层面的竞争力，因此报告对其展开重点分析，为更多中国游戏企业布局AIGC领域提供参考。

数据来源：伽马数据（CNG）

▌网易

多年研发投入形成显著技术优势

AI大模型加速覆盖百余个应用场景

网易人工智能自2011年起即专注于计算机视觉、自然语言处理、语音交互、模式识别、深度学习、强化学习、异构计算、数据智能等技术研究领域，经过多年沉淀，在AIGC层面具备显著技术优势。在具体技术应用上，网易推出数个自研大模型，与游戏、教育、工业、音乐等关键产业场景融合，整体覆盖到百余个更加细分化的应用场景，技术落地能力显著。在应用成果上，网易AIGC相关服务已覆盖集团全系产品，触达近10亿用户，AIGC技术的成熟应用也有效提高了用户的体验，例如在游戏领域智能NPC、AI捏脸等显著提升了游戏玩法的丰富度与趣味性。同时，AIGC技术的应用也进一步强化了网易在多个领域的内容研发效率，并将自身经验作用于服务其他企业，形成更多AIGC产品体系。基于自身的技术能力、用户触达能力等优势，未来网易在AI领域具备更高发展前景。

▌三七互娱

数智化产品矩阵全链赋能游戏业务发展

积极参与AIGC产业生态建设

三七互娱在AI和大数据营销方面已有多年积累，并在近年进一步发掘AIGC与游戏研发和发行业务的结合点，打造了整套嵌入AI与大数据技术的数智化产品矩阵，九大中台产品贯穿游戏研运全流程工业化管线，进而赋能游戏业务的发展，推动营收持续增长。不仅内部持续打造AIGC产品体系，三七互娱也主动参与AIGC产业生态建设，积极投资算力、数据等科技创新性企业，并与行业机构、科技厂商等协同探索AIGC生态，促进AIGC产业链可持续稳健发展。同时，三七互娱也重视AIGC相关人才招募与培养工作，并通过多种方式激励员工创新实践，这也将有效推动AIGC技术的实质性应用。此外，三七互娱也在运用AIGC探索更多领域，进而运用前沿科技驱动自身业务发展。

▌完美世界

推动AI与游戏自研技术融合应用

积极布局AIGC前沿领域

作为“技术驱动”型游戏企业，完美世界深入关注AI这一前沿技术在游戏全生命周期的应用场景，并成立了内部AI中心，由游戏业务CEO负责、中台技术部门牵头、各项目制作人深度参与，进而大力研究及推行AI技术的学习与应用。完美世界持续利用AI优化游戏产品模型和生产力模型，现已将AI相关技术应用于游戏中的智能NPC、场景建模、AI绘画、AI剧情、AI配音等多个方面，进而提升研发效率并让用户获取更好的游戏体验。同时完美世界关注技术融合发展，依托于自身在自主研发引擎、商业引擎应用、3D 建模与渲染等核心技术领域积累的技术优势，进行AI技术融合，多维度探索公司现有技术优势与新兴前沿技术的创新应用。借助于相应技术能力，完美世界还持续推动AI技术与电竞、虚拟主播等数字文娱产业的融合创新，进而布局更多与AIGC相关的前沿领域。

▌腾讯

AI技术领域积累深入研发经验

应用场景、数据积累、云计算等要素将强化企业布局

腾讯在人工智能开发层面积累了深厚的技术实力，已建成以人工智能与前沿科技为基础的两大实验室矩阵，且持续推动大模型发展，目前已基于太极机器学习平台推出混元AI大模型，积极推进决策AI与生成式AI发展融合并打造平台化服务。在AI技术应用侧，腾讯以内容、社交、游戏三大主要业务范畴为核心接口，不断钻研提升人工智能科技能力并落实到产品服务中去，同时在医疗、农业、工业、制造业等不同行业开拓重点人工智能项目。丰富的应用场景和数据，以及长期积累的技术团队和研发经验，再配合强大的云计算基础设施和生态体系，为腾讯在AI赛道各层面布局奠定了基础。未来，在始终秉持“用户为本，科技向善”的发展内核上，腾讯AI相关内容将在科学研究、技术进步、应用创新等层面进一步发展。

▌世纪华通

应用层与支撑层同步布局

助力AIGC生态链发展

在AIGC布局层面，世纪华通采用应用层与支撑层同步布局的策略。在应用层层面，世纪华通旗下盛趣游戏、点点互动等持续关注AI工具并进行应用，辅助美术、音乐、代码等创作环节，将其在新品与存量产品中进行探索应用进而降低游戏开发成本，提高研发效率；在支撑层层面，世纪华通早在2020年便开始布局算力领域，并在今年升级布局“AI-IDC”，这也是AIGC产业发展最为重要的支撑资源。随着AIGC产业的进一步发展，游戏企业及更多其他企业对于算力的需求将持续增长，而这也将为世纪华通带来更好的发展机会。同时，世纪华通云数据中心事业部也在全面推进算力产业链开发，致力于探索大数据、软硬件等底层技术革新，持续加强内外部合作，打通产业链上下游，以实现全链路技术输出和多领域技术协同，相关业务的探索也有望推动AIGC产业的进一步发展。世纪华通在应用层与支撑层的持续投入使其成为AIGC生态链的重要建设者。

▌中手游

外部合作与内部研究并行快速应用AIGC技术

具备清晰应用目标与实现路径

中手游在AIGC领域坚持问题导向、加码成本投入，并通过外部合作与内部研究在短期内迅速建立了一定的竞争优势。外部合作层面，中手游积极与全球顶级AI企业如微软、百度、华为和字节跳动等建立伙伴关系，共同探讨大语言模型和AIGC在游戏行业的应用，确保企业始终能掌握并运用行业领先的AI技术。在内部研究层面，中手游成立专门的AI技术团队，着力跟进行业前沿信息，深入研究目前合作的不同大模型特点，从自身具体需求出发，综合模型特点、应用效果和训练成本，将大模型能力综合运用。经过实质性探索，中手游现已将AI技术全方位运用于游戏的研发、发行和游戏体验等业务领域，并在《仙剑世界》中取得了显著成效。此外，中手游也为AIGC的应用设置了清晰的应用目标与实现路径，这也成为其能快速应用相关技术的关键。

▌中旭未来（贪玩游戏）

AI技术助力研发端与营销端提升效率

智能营销领域积攒优势赋能多领域业务拓展

现阶段，中旭未来（贪玩游戏）已尝试在研发端引入AIGC工具，并有效提升了企业的研发效率，同时持续深化AI在营销端的布局。作为国内游戏行业中较早布局智能营销的企业之一，2015年起中旭未来便依托在游戏领域积累的营销经验开启数字化商业服务，并重视AI大数据技术发展与应用，基于自身业务经验，逐步搭建起投放效果分析系统“河图”及智能投放系统“洛书”，后续又进一步整合技术能力及业务场景，最终形成“旭量星海”技术平台。该平台深入研究人工智能技术，配合精准数字营销、深度运营及品牌开发三大核心能力，将终端用户偏好与互动娱乐产品或消费品相匹配，进而在多个业务领域推动品牌实现价值增长。未来中旭未来会进一步将业务拓展至电商、网络文学和短剧等领域，在智能营销具备较好发展前景的背景下，中旭未来有望持续推动AI在营销侧的应用。

数据来源：伽马数据（CNG）

AI或成提升用户体验关键点

近三年来，超过半数的玩家因为“不氪金无法对抗其他玩家”而弃游，而又有超四成玩家由于“游戏内其他玩家大量流失”而跟着弃游，而游戏AI的普及将在一定程度上阻止相应状况，大幅提升游戏体验和用户留存。

数据来源：伽马数据（CNG）

AIGC辅助角色塑造，加强用户与角色互动

调查结果显示，超过六成用户拥有喜欢或重点关注的游戏角色，其中超过八成用户更关注角色游戏内剧情、强度。借助AIGC工具进行衍生内容的创作能极大提升创作效率，持续吸引用户关注。未来AIGC在用户运营层面还有更多可探索的空间，对于企业的长线运营、IP创作等均具备较高的意义。

数据来源：伽马数据（CNG）

数据来源：伽马数据（CNG）

超半数用户有游戏创作意愿，AIGC将促进UGC创作

调研显示，半数以上用户有过创作游戏产品的想法，而超4成用户有过创作游戏相关作品的经历。随着AIGC技术的成熟，这意味着越来越多的用户可以便利地加入创作者生态。

数据来源：伽马数据（CNG）

数据来源：伽马数据（CNG）

不足三成游戏用户了解AIGC相关概念

调研数据显示，受访用户中对AIGC概念有一定认知的用户不足三成，超过七成的受访用户尚未使用过AIGC相关工具，选择“使用过”的用户占比仅28.3%。

数据来源：伽马数据（CNG）

用户对于多个AIGC相关工具展现出了高度的兴趣，因此不同领域均存在大片蓝海用户，游戏企业将自身相对成熟的研发工具转化为To C的产品，或可获得新的发展契机。

数据来源：伽马数据（CNG）

超六成用户将AIGC工具用于娱乐消遣

在游戏用户使用AIGC相关工具的目的中，消遣娱乐位居首位，但工作需要等其他目的也占据了较高比例。游戏企业在开发AIGC工具时，可将产品与用户的不同需求进行结合，拓宽自身产品的应用面，为“游戏+”的发展提供契机。

数据来源：伽马数据（CNG）

游戏产业AIGC发展趋势

优化资本投入效率，搭建人才培养体系

目前AIGC处于初期发展阶段，因此相关支持体系尚处于建设阶段，而建设方向需要从资本投入、政策支持、人才配养等多个方面入手。调研显示，48.7%的企业认为AIGC发展缺乏相应的人才培养与储备，在实际招聘过程中企业也面临着大量的人才需求，营收TOP50游戏企业中有64%均开设了AIGC人才专岗。 

算力资源、芯片技术等关联平台方将助推AIGC在游戏产业进一步发展

对游戏行业相关人士的问卷调查中，超六成受访者认为目前中国游戏产业AIGC发展所面临的挑战在于“国内企业大模型的研发能力不确定”，其次超半数受访者认为“芯片相关的关键技术落后”，除此之外，算力资源、数据处理技术等方面也是AIGC在游戏产业发展的关键。而相关层面的问题也并非游戏产业自身所能解决的，因此需要借助于产业链平台方的力量，部分平台能提供相应的资源进一步助推AIGC在游戏产业的发展。以阿里元境为例，首先能够依托于PaaS平台提供AIGC发展所需要的算力资源，且支持常见AI开发框架，自身构建的云渲染计算体系也能更好满足AIGC模型训练需求；同时，元境能依托于云游戏服务优势进行AIGC工具的开发，拓展AI能力；最后，在游戏内容创作领域，更多强化AIGC内容生态建设的方案也在持续探索中，有望推动AIGC开发者生态的扩大及相关工具的普及。未来，游戏企业需要与更多关联平台方进行合作，进而解决自身在AIGC领域的发展问题。

数据来源：伽马数据（CNG）

游戏产业AIGC发展潜在问题

时刻关注AI数据安全问题

在AIGC发展的过程中，数据安全相关问题备受关注。随着企业对于数据资产需求的上升，可以预见信息安全事件发生的频率将大幅提升，并导致个人隐私泄露、机密信息泄露、知识产权被侵犯、数据黑灰产盛行等众多问题。未来围绕数据信息所展开的国际间交流与合作将更加频繁，因此国内需要重点关注信息相关交易与合作，避免产生更多的潜在风险。同时也需要与海外相关平台展开针对数据安全的探讨与合作，共同确保在推动AI发展的同时，防范可能发生的信息安全事件。

用户端使用AIGC工具潜在风险难规避

现阶段AIGC工具的应用过程中，已出现了生成错误内容状况；利用AIGC工具创作论文、完成作业等状况也已频繁出现，其中大量行为涉及作弊、欺骗行为；甚至利用AIGC生成内容进行诈骗、钓鱼或用于色情、暴力内容制作的状况也已出现多个案例，如何在审查环节进行内容监管将成为挑战。

报告还精选了多位企业专家的重要发言与观点，便于更多从业者了解AIGC发展现状。包括：

在工业设计领域，海尔智家及海尔创新设计中心在AIGC方面已经走在了行业前列。海尔创新设计中心成立于1994年，是中国首个企业工业设计中心，也是首批国家级工业设计中心。中心构建了全球工业设计创新体系，拥有国际视野的多元文化设计团队，业务覆盖领域广，服务能力强，以设计战略承接品牌战略，助推海尔实现全球化品牌。

在2023亚马逊云科技中国峰会召开期间，199IT参与了对海尔智家副总裁、海尔创新设计中心总经理吴剑专访。

（海尔智家副总裁、海尔创新设计中心总经理吴剑）

AIGC围绕的两个核心价值

早在2022年3月，海尔创新设计中心已经携手亚马逊云科技在数字化领域进行探索，目的是希望去做一些提效、降本、提高生产力和创造力的工作。因为它会基于企业现有的流程、基于企业现有的知识图谱，基于现有的在某种意义上会有一定的重复、低效的流程和复用。

当AIGC概念被正式提出来，到工业设计领域落地仍然处于探索阶段。吴剑表示，在工业设计领域，AIGC其实还是基于知识图谱、基于现有积累去取代一部分的人工工作。吴剑坦言，在和同行交流下来之后，大家都认为AIGC现阶段并没有那么的高度成熟和高度创新，现阶段还做不到。很多林林总总的科技概念在一线真正能解决问题的其实并不特别多。在工业设计领域，新的技术都要面对两个核心价值。数字化转型两个主线就是提升用户体验、创造企业效益，这也是目前AIGC所围绕的两个核心价值。

目前海尔创新设计中心利用AIGC能够实现文生图、图生图、定量图和全场景图四个方面的提效。

例如文生图，海尔作为全球化企业，用户遍布全球。需要大量的用户洞察，要了解用户需要什么，传统的方式都是做用户访谈，去架摄像机观察，其实效果不佳。比如一天只能访谈两家，回来还要整理照片、文字、视频，非常低效。现在有了AIGC之后，可以把过去需要花7个小时来整理用户的信息，现在只需半小时就可以了。并且不简单是文字，可以灵活添加现场图片，更可以主动绘出故事板和相应产品概念。

海尔是一个非常强调响应速度的企业，历史上有很多比如17个小时开发出一个新产品的经典案例。传统全球协作就是全球接力式开发。吴剑认为AIGC对企业的开发流程是很大的改变，与AIGC进行结合，能够很高效地减少过程中的一些反复，AIGC能够在某些方面非常快地在现有最优的方案之上得到对用户最快的响应。

算力并不焦虑 企业更关注算法和数据

在洞悉到AIGC技术广阔的应用空间和无限的可能性后，亚马逊云科技携手海尔设计、Nolibox计算美学将AIGC应用到工业设计领域，以探索产业新范式，为行业升级按下加速键。

亚马逊云科技为海尔设计提供了包含四套系统的整体解决方案，全面替代自有机房，让设计中心的工作流程实现了全面云化。上线后，自动化设计系统应用让相关业务的操作周期缩短了30%，获得巨大成功。

在大模型领域，各大厂商对算力充满了焦虑。从海外OPEN AI抱怨GPU卡不够用，到国内字节跳动斥资十亿美金屯英伟达显卡，无不透露出对算力的渴求。

具体到各行业领域，如工业设计行业，吴剑反倒觉得算力并不是问题。在与亚马逊云科技的合作中，亚马逊云科技联合Nolibox定制工业设计AIGC解决方案。

吴剑表示，现在企业最关注的是数据和算法，数据和算法是呈现在企业内部的，因为算力毕竟是不可能每个企业都做得出来的。现在不管是国家提的在各个地方做超算中心，包括海尔有私有云、公有云，亚马逊云科技也做了非常好的算力支持。其实算力从总的来说够用了，从资源有效性的分配来看，也不需要每个企业都去自建算力池，因为它的很多运营其实是需要能力的，不是以前做个机房，买几台GPU就能做的。

再就是从企业来看，很关注的是数据，因为不管是现在国家的隐私要求，还是对客户、用户的信息保护，企业都很重视，将数据看作资产而不是负担。数据如何用好，是企业自己去做数据的积累、清洗、数据的挖掘，都是靠企业自己来做的。

中间在算法上，海尔创新设计中心使用的是Amazon SageMaker，和亚马逊云科技可能会做一些深度的定制，然后形成带有这个行业特色的产品方案。因为海尔创新设计中心所涉及的智慧生活范畴比较大，有toB和toC客户需求。

吴剑强调算力是OK的，数据是非常重要的，算法是要积累不同的场景的应用，海尔创新设计中心有针对家庭、移动、能源管理、智慧生活的场景。海尔有一个工业互联网平台叫卡奥斯，是国内起步最早的工业互联网平台之一，获得了国家和行业的认可。这是我们自己建的，把很多像订单管理、物料管理、设备管理、很多工业互联网的一些能力都对外赋能，在双创平台和数字化工厂做得非常好，它会把现在海尔在前端、在研发端、在制造端、在后面的业务端的很多能力都会封装、集成，对不同行业进行赋能，像很多危化品管理，还有陶瓷行业、建材行业、汽车行业，我们对千行百业做赋能。

AIGC在工业设计行业的应用及价值

在谈及AIGC对海尔创新设计中心的价值和影响。吴剑认为AIGC提效是两方面。

第一方面因为海尔创新设计中心和传统的工业设计公司不一样。海尔创新设计中心是全流程的。所以AIGC对海尔创新设计中心的改变，它不是一个简单去画个图。其实AIGC是需要有前提的，它的产出也是一个系统。工业设计领域的AIGC不是直接从大模型应用，这种东西是没有意义的，它需要在实际业务中的积累去对它进行训练。所以海尔创新设计中心和亚马逊云科技合作的方案不是想象中的把一些现成的大模型搬过来就可以用好，它需要企业很多的生成式的对抗性训练，才能够产出有意义的设计。

海尔创新设计中心一开始先做草图，比如先是语音生文字、文字生成草图、生成概念图。概念图我们是通过对抗性训练，把概念图的有效性、创新性对比现有的成熟设计、人工设计，以及对比专利图，要进行很多对比等，最后才能够标签化，才能具备价值和意义。同时海尔创新设计中心还有很多要求，比如设计一个常用的冰箱和厨房冰箱是不一样的，常用的室内的空调和车载空调也不一样，因为它里面的很多条数据是不一样的。

AIGC改变了设计中心的一些流程，流程不再是原来那种人工和人工的交流、人工和人工的那种靠个人主义式的设计，所以它在某种意义上会把所有设计师都会拉到一个标准线以上。

第二方面AIGC会把企业所丢失的数据重新找回来，因为以前很多设计中心的经验、能力是跟着人走的，不是留在一个企业内部。国外的很多成熟企业做得是比中国企业好，企业资产的沉淀，要把这个能力沉淀下来。海尔创新设计中心过去也做了很多不完全统计，在工业设计、在产品创新上，在过去累积了30年，企业花了很多费用和知识的投入、积累，未来都要变成一个虚拟的设计师，能够沉淀在企业之上。

与亚马逊云科技合作的契机

海尔创新设计中心如此阐释亚马逊云科技合作的原因：“亚马逊云科技作为全球知名的云服务提供商，在传统的业务升级，尤其是数字化转型这方面有很广泛的成熟经验。它在帮助企业降低成本、提高效率，包括很多开发流程的优化，整个产品组合的优化，制造更敏捷和端到端交付，包括物流、仓储等方面都有自己独到的见解，提出了很多优秀的创新方案。这些创新方案非常有助于我们海尔设计去面对未来的市场挑战，尤其是在全球目前生活方式、消费方式都有巨大的变革的今天，对我们保持领先地位、提供更优质的生活解决方案非常有帮助。”

亚马逊云科技为海尔创新设计中心提供的方案包括3D云桌面系统、渲染农场系统、文件共享系统以及自动化设计系统等四个部分：

云桌面，彻底解决资源困扰

在海尔创新设计中心的青岛办公室，3D云桌面系统为300多位3D设计师、平面设计师提供便捷易用的桌面环境。通过公有云上的资源隔离划分，海尔设计在彻底解决原自建IDC的VDI方案“资源挤兑造成卡顿、闪退或宕机”以及“多人使用时性能衰退”等问题的基础上，还能有约 30% 性能提升，可以说是一举多得。

共享存储，让储存限额不复存在

基于Amazon S3特性构建的文件共享系统，让公司、小组和个人之间得以共享存储。这种对冷热数据进行自动分层的无限容量存储系统让数据安全性提高了 3 倍，而此前自建 IDC 每人最大分配 500G 容量、每天只允许一个备份且最多保留 7 天的设定，自此成为历史。

渲染农场系统，和业务排队说再见

渲染农场系统使用亚马逊云科技自有渲染产品Amazon Thinkbox deadline软件及 HPC 集群进行图片渲染，具备高性能和弹性，让设计师提交任务后就能拿到渲染效果图，彻底解决渲染任务排队问题。而低负载时它会自动降低Amazon EC2 Spot 数量且按实际使用时间（精确到秒）付费，从此不再浪费。

从3天到10分钟，智能设计系统让效率“飞起来”

自动化设计系统/智能设计渲染系统通过 Amazon EC2、Amazon Thinkbox Deadline、Amazon DynamoDB 等运行自动化设计软件， 10 分钟就能自动生成人工需要数天才能完成的大批量渲染效果图，彻底解决了原自建 IDC 存在算力瓶颈问题。

早在生成式AI爆火之前，海尔创新设计中心与亚马逊云科技就已经开始了AIGC领域的探索，海尔创新设计中心很早就认识到AI对工业设计未来的发展的价值。海尔设计中心未来还将在AIGC等新兴领域，继续与亚马逊云科技深度合作。借助亚马逊的AI服务和机器学习的能力，以及生态服务伙伴，与智家的用户数据有机结合，可以更快的服务用户和客户，扩大海尔智家业务的全球引领。

（左图：画家Erin Hanson在2021年创作的作品；右图：在Stable Diffusion中以“style of Erin Hanson”等作为提示生成的结果）[2]

技术原理：AIGC模型涉及

哪些作品利用行为？

表面看，不同AIGC模型生成的内容形式各异，涵盖文字、图像、语音、视频等。但各类AIGC模型利用现有作品进行模型训练、生成最终结果的方式却存在异曲同工之处：将数据库中的作品数据进行一定程度的形式转换后输入AIGC模型，利用AIGC模型自主学习能力从中提取有价值的内容，再根据输入的指令生成与之相匹配的学习结果加以输出。以此次陷入纠纷的Stable Diffusion模型为例，其以包含数以亿计的图像数据库——LAION-5B[4]作为训练数据来源，原告主张的被侵权作品亦包含于内。

简单来讲，Stable Diffusion模型对版权作品的利用存在于两个阶段。第一，AI模型训练阶段。Stable Diffusion利用版权作品训练内部组件“图像编码器”（U-Net模型），辅之以“Clip文本编码器”（Text Encoder模型），最终做到只需输入一段描述性文字，即可生成对应的图像内容。第二，AI模型应用阶段。Stable Diffusion经过充分训练后，可以依据用户给出的文本输出最终图像。但这些生成的图像内容，很大的概率包含并展现出作为训练数据的版权作品的元素及特征。

（Stable Diffusion内部结构图）[5]

AIGC模型训练阶段存在哪些

版权侵权风险？

在模型训练阶段，Stable Diffusion会将版权作品和与之对应的文本数据转换为同一个“图像信息空间”（latent space）的“潜在表现形式”（Latent Representations）。具言之，Stable Diffusion模型以从数据库中下载的作品作为输入对象，对其添加噪点并进行编码（压缩），使作品进入“图像信息空间”。进入这个空间的版权作品，会与被“Clip文本编码器”编码的描述性文本进行“交互”，得到两者信息融合的结果——“潜在表现形式”。

简单解释，之所以Stable Diffusion模型训练涉及增加噪点和去噪点的过程，是因为：不同于人类作画的起点是“从无到有”，即在白纸上开始增加线条颜色等，最终形成图像；Stable Diffusion模型作画是“从有到无”，即从布满杂乱噪点的底板（类似于九十年代电视的“雪花屏”），不断去掉无关的噪点，直至保留最终目标图像的过程。

若将训练前数据准备过程，也囊括至模型训练阶段。则Stable Diffusion模型对版权作品的主要利用行为系“复制”与“改编”。相关行为主要体现于两个步骤中。

其一，是准备训练数据过程中的复制。由于LAION-5B数据库本身并不提供版权作品副本而仅提供版权作品在线URL列表的索引，因此在训练Stable Diffusion模型前，需要先将作为训练数据的作品从相应网络地址下载并存储，以形成版权作品的副本。

其二，是对作品进行编码后，将其输入至“图像信息空间”的改编。较之于对作品的直接下载与存储，过程对作品进行了噪声添加与编码（压缩），未在“图像信息空间”“无差还原”原始版权作品，但其仍保留了作品内容中最关键、本质的特征，应当认定为版权法意义上的改编。

AIGC模型输出阶段存在哪些版权侵权风险？

在内容输出阶段，通过Stable Diffusion模型生成最终图像，首先需要先通过“Clip文本编码器”将用户输入的文本对应至“图像信息空间”的“潜在表现形式”。其次，由经过噪声输出训练的“U-Net模块”，对该潜在表现形式中添加的噪声进行预测。再次，对该文本的潜在表现形式减去“U-Net模块”所预测的噪声，根据用户的设定进行若干次“去噪”，最终得到新的图像内容。

这一阶段，对原版权作品的利用需结合最终生成内容判断。若去噪与解码后生成的内容，与原作品在表达上构成“实质性相似”，则落入“复制权”的规制范围；若不构成“实质性相似”，而是在保留作品基础表达的前提下形成了新的表达，则可能构成对原作品“改编权”的侵害。

在将讨论对象放宽至整体意义上的AIGC模型，谷歌公司的研究人员Kevin P. Murphy指出：机器学习模型有时会重建输入数据的特性，而不是反映这些数据的潜在趋势。此类模型可以视为生成作品的概率模型，落入原作“复制品”或“衍生作品”的宽泛定义，存在侵犯“复制权”与“改编权”的风险。[6]

此外，依据Stable Diffusion官方网站的声明，Stable Diffusion生成的新内容会以“CC0 1.0通用协议”的方式呈现于互联网环境中，“完全开源”。[7]从版权法来看，根据上述传播生成内容的方式是交互式或非交互式，即是否能使公众在自行选定的时间和地点获取，还可能分别落入“信息网络传播权”与“广播权”（网络直播）的规制范畴。

AIGC版权侵权是小概率事件？

有观点认为，AIGC输出内容侵犯版权是极小概率的事件，因为在数以亿计的训练数据前担忧生成结果与某一张或某几张作品相似，似乎过于“杞人忧天”。如英国萨塞克斯大学的Andrés Guadamuz教授便指出，“经过训练的机器模型，最终通常会产生与原始图像不同的新图像”。[8]

然而，在最新一项以Stable Diffusion等AI扩散生成模型为研究对象的实验中，马里兰大学和纽约大学的联合研究团队指出：利用Stable Diffusion模型生成的内容与数据集作品相似度超过50%的可能性达到了1.88%，鉴于庞大的用户使用量，令人无法忽略这其中侵权问题的存在。

研究人员表示，由于该项实验中对复制（版权作品）的检索，仅涵盖训练数据集中的1200万张图像（占训练数据集整体很小一部分），再加之有较大概率存在检索方法无法识别的复制内容等因素，该实验的结果实际上会低估了Stable Diffusion的侵权复制量。[9]由此可见，AIGC模型作品侵权风险不能为各界所忽视。

AIGC能否构成“合理使用”免责？

在美国，虽然在合理使用认定标准上相较于其他国家更为灵活，更倾向于鼓励作品二次利用，但AIGC模型对于训练数据中作品的使用也难谓完全合法。“Stable Diffusion案”后，很多美国学者和律师认为，结合美国版权法上的“四要素分析法”[10]，很难将AIGC对于作品的使用纳入合理使用的范畴。

一方面，Stable Diffusion生成的绝大部分内容并未在原作品的基础上增加新的表达形式，产生区别于原作品的新功能或价值，不符合“转换性使用”的要求。另一方面，在版权作品授权许可市场已经十分成熟的背景下，AIGC生成的内容很大程度上挤压与替代了被利用作品的原有市场。

在我国，现行《著作权法》关于合理使用的规定，能适用于AIGC数据训练的情形主要有三：“个人使用”“适当引用”以及“科学研究”。[11]“个人使用”适用目的存在严格限制，而目前AIGC模型最终落脚于对不特定主体的商业性服务，难以与之契合；“适当引用”的适用前提“为介绍、评论说明某一作品”或“说明某一问题”，AIGC模型商业化领域的应用显然难以归于此类；“科学研究”对作品的利用限定在“学校课堂教学或者科学研究”，同时还强调仅能“少量复制”，AIGC模型大量复制与利用作品的现状无法满足该项要求。

传统的作品“授权利用模式”是否适用？

国内学者曾形象地将AIGC模型与海量训练数据的关系，比喻为“孩子”与“母乳”。[12]人工智能技术的发展与提升必须以体量庞大的数据供给为前提，而被提供的数据中不可避免地包括受版权保护的作品。若严格遵循现行《著作权法》，则人工智能合法获取与利用作品的方式似乎仅剩传统的“授权许可模式”。但对于AIGC内容生产而言，既有的授权许可模式又存在天然的适用困境。

一方面，授权许可模式可能造成AIGC研发的“寒蝉效应”。在面临版权作品高昂的授权许可费用时，AIGC研发主体往往面临两种选择：一是，放弃AIGC领域，进而转向其他行业；二是，坚守AIGC领域，但使用免费数据进行训练。然而，前者无疑阻碍了人工智能技术和产业发展的趋势，与科技进步规律相违背；后者则可能因训练数据的不足，而引发算法模型偏见等不良后果。

另一方面，授权许可模式在实操层面存在难以落地的问题。AIGC模型所需的训练数据中包含的作品数量众多、来源各异、权属不同，若采用事先授权许可的方式则：首先，需要精准地将受保护的作品从海量数据中进行分离、提取；其次，再找到每一部版权作品对应的权利人与之协商授权，并支付价格不一的授权费用。上述过程漫长且复杂，很难落地执行。

此外，AIGC数据训练对作品数量的需求远超出著作权集体管理组织所能调控与规制的范畴，集体管理组织制度同样面临适用的“失灵”。不可否认，当前通过Stable Diffusion等AIGC模型生成的结果存在侵权风险，但可以预想随着AI算法的不断改进优化与训练数据的倍数增长，单个版权作品在这一过程中的价值将被“冲淡”，生成结果的侵权概率也将随之进一步降低。

国内思考：更加关注AI模型训练

中的版权问题

虽然国内目前尚未出现类似于“Chat GPT”和“Stable Diffusion”般的现象级应用，但AIGC领域的侵权诉讼也已出现。关注度较高的两个案件分别是2018年的“菲林诉百度案”和2019年的“腾讯诉盈讯案”。但上述案件涉及更多的是AIGC“小模型时代”，对于特定领域（法律、财经）内容的生成和输出，模型训练数据需求量仍较低。特定专业数据库和公开信息即可满足，不完全等同于当下AIGC“大模型时代”多类型、多领域海量数据的训练要求。

“菲林诉百度案”涉及，在享有合法授权的“科威先行数据库”基础上生成输出的内容；“腾讯诉盈讯案”涉及，在“股市历史和实时数据”这类不受版权法保护的事实信息的基础上生成和输出的内容。各界的关注点，也多停留在AIGC输出内容“是否构成作品”以及“权利归属何方”。但随着国内AIGC技术的应用与发展，AIGC模型训练和构建中的版权保护也需要保持重视。

国内重点科技企业和科研机构已经在AIGC领域完成技术、产业布局。在全球超千亿参数的大模型中，中国企业或机构占1/3，比如过去几年国内相继推出了百度文心大模型、腾讯混元大模型等。而我国发展人工智能具有的海量数据、丰富场景和用户基础，正是未来AIGC“大模型时代”发展和竞争的有力优势。

如何破局：AIGC内容生产模式

的版权治理探索

思考（一）：可否增加新的“合理使用”情形？

在规则层面，2018年日本《著作权法》修订中增加了“灵活的权利限制条款”，为AIGC技术爬取与利用版权作品创造了条件。新条款规定，如果互联网公司对作品的使用“不侵害著作权所有者利益”或者“对所有权的损害程度轻微”，则可不经权利人许可而直接使用。欧盟则于2019年正式通过《单一数字市场版权指令》，创设文本与数据挖掘（TDM）的例外，支持数据科学和人工智能的发展。但如果权利人以适当的方式明确保留对作品或其他客体的使用，则不适用该例外。

日本与欧盟在这一领域的做法，为当前AIGC版权侵权治理提供了一个可供参考的路径。整体来看，日本倾向于从结果出发具体认定AIGC技术利用版权作品是否合法，最终还是需要落脚到具体个案的分析；而欧盟则主张保障版权人事前选择权利以避免侵权的发生，强调数据的开发利用不得侵害权利人的利益。

思考（二）：可否搭建有效的“作品退出机制”？

在实操层面，据报道，Stability AI公司近期表示将修改《用户协议》中“数据库不得加入或退出”的规定，允许权利人从后续发布的Stable Diffusion 3.0的训练数据集中删除自己的作品。版权人可在“Have I Been Trained”网站上找到自己的作品，选择退出数据训练集。[13]具言之，在将版权作品纳入AIGC模型训练数据库前，给予版权人一定的期限，自由选择是否从训练数据库中将其版权作品删除。若版权人在规定期限内提出反对意见，则应当尊重其意愿，删除相关作品；若伴权人未提出反对意见，则默认允许作品用于数据训练。

需要指出的是，在将版权作品上传至网络空间时已做出明确禁止使用声明的版权人同样应当视为“提出反对意见”的主体。在退出机制的具体建构上，应当尽可能保证版权人的知情权与选择权。在AIGC模型训练前，要及时通过各类渠道发布其训练数据库的搭建信息，并在技术上为版权人提供便利的作品查询与检索机制，保证有可靠的渠道了解到版权作品是否被纳入至相关数据库。

思考（三）：可否优化AIGC模型的版权保护机制？

在技术层面，优化与完善模型设计，也是AIGC避免版权侵权风险的重要途径。来自伦敦玛丽女王大学的研究团队指出，AIGC模型在创新能力方面存在固有的限制，无法以创造性的方式与训练数据保持差异。为了解决这些局限性，可通过对AIGC模型的优化与重写，使其主动偏离训练数据。[14]此种“偏离”作用于生成结果上，能在一定程度上避免对原版权作品的侵权。

目前，鉴于AIGC生成内容是否构成版权法上的作品加以保护，仍处于探讨之中，未有定论。有必要通过外部检测技术或者完善AIGC模型标注机制，对AIGC内容进行打标，和自然人创作的内容加以区分，防止后续可能涉及的版权法律风险及应对处理。2023年2月1日，Open AI宣布推出名为“AI Text Classifier”的文本检测器，来辅助辨别文本到底是人类撰写还是AI生成。虽然目前这项技术的准确度仍有待提升，但可以通过机器学习自动优化，代表着一种“技术自治”的发展方向。

参考文献

[1]https://twitter.com/fpmarconi/status/1625867414410825728?cxt=HHwWgMC4_ZLznpAtAAAA.

[2]https://edition.cnn.com/2022/10/21/tech/artists-ai-images/index.html

[3]See UNITED STATES DISTRICT COURT NORTHERN DISTRICT OF CALIFORNIA SAN FRANCISCO DIVISION,Page3-4.

[4]需指出，LAION-5B数据库并非直接提供图像数据，而仅提供图像和对应文本的在线URL列表的索引。为获取图像数据和文本间的对应度，LAION-5B首先会下载图像，但在数据训练完后会进行删除.

【作者简介】朱开鑫，腾讯研究院高级研究员；张艺群，腾讯研究院助理研究员。

2023年3月15日，中国传媒大学媒体融合与传播国家重点实验室新媒体研究院与新浪AI媒体研究院联合发布《创造力：内容元价值之战——AIGC核心价值与生态影响洞察》。该课题由新媒体研究院院长赵子忠教授与微博COO、新浪移动CEO、新浪AI媒体研究院院长王巍担任首席专家，由新媒体研究院副教授、中国传媒大学青年拔尖人才徐琦与微博年轻用户发展部总经理、新浪AI媒体研究院副院长乔宇担任项目负责人，由微博机器学习总经理、微博技术委员会委员王健民担任项目顾问，由中国传媒大学新媒体研究院与新浪AI媒体研究院团队共同完成。

2022年，AIGC掀起了内容创造热潮，ChatGPT、DALL·E等应用在诗歌、绘画、作曲等创意领域惊艳亮相，成为现象级应用。在此背景下，本报告紧扣AIGC的内容创造能力与生态变革两大关键词，深入探究AIGC创造能力的本质，基于内容元价值——“创造力”，探讨人类内容生产的“核心竞争力”，辩证分析AIGC对内容生态的影响。该报告是AIGC领域产学研用协作创新的重磅成果，值得期待。

本报告全面剖析AIGC在内容创意领域的表现，包括四部分：第一部分直击AIGC生成的创意内容，纵览行业内外辣评、热评；第二部分聚焦AIGC引发的内容生产力变革，以三大核心技术突破支撑AIGC跨模态创意生成，引发PGC、UGC向AIGC的生产范式变革；第三部分着眼于内容元价值——创造力，揭示AIGC的创造力本质为“模仿式创新”，无法逾越与人类创造力间的鸿沟；第四部分从生产主体、生成范式、内容消费等八大维度揭示AIGC对内容生态带来的全局影响，立体展现内容产业发展新趋势。

《创造力：内容元价值之战——AIGC核心价值与生态影响洞察》不容错过的精华看点包括：

观察：AI打破创意天花板

看点1：目前，由AI生成的创意作品涉及到诗歌、文案、图片、音乐歌词等多个领域，其创意质量与创造能力始终备受关注，公众与专家学者对此展开激烈讨论。

战线：内容生产力革命

看点2：2022年是AIGC迎来爆发元年！在生成算法、预训练模型以及多模态技术突破的推动下，AIGC的创意生成从文字、图片、音频、视频延伸至跨模态形态，更具高效率、低成本、定制化、个性化、多样性和智能化优势，为人类创意生成带来新方案。

看点3：内容生产范式经历了由PGC、UGC到AIGC的巨大演变，通过不断提高生产效率、扩大生产规模，生产关系由“少数人掌握制作工具和渠道”转变为“更多的人获取低成本的工具、平台，促进了内容的广泛传播和共享”，内容消费者也从“被动接收”变成了“主动参与和创造”，实现了生产和消费的双重革命。

对决：内容元价值之争

看点4：报告厘定了价值与元价值的概念即内涵，提出“创造力是内容的元价值”，是内容的产生与发展之始。为评估AI智能和创造力，人们分别提出“图灵测试”与“洛夫莱斯测试”。目前，AI仍需更加先进的技术和算法以及对人类思维和行为的深入理解，才能通过“洛夫莱斯测试”，达到“人类创造力”水平。

看点5：AIGC的内容生产是基于模仿、模型和概念的创作，在“理解和表达情感”、“独创性和创新性”、“非结构性问题”等方面的问题难以回避。尽管AIGC有诸多“创造力”表现，但其本质仍是“模仿式创新”，本质上无法替代人类创造力。

影响：内容生态面趋势

看点6：AIGC的发展深刻影响了内容生态：AI作为内容生产主体的地位崛起，其内容产出量质升级，实现增效降本；AIGC重塑人智协作的内容生成范式，开启人智交互的内容消费方式，由AI巨头引领的内容生态洗牌业已展开；AIGC将成为元宇宙媒介化社会到来的“加速器”。与此同时，AIGC带来的内容速食泛滥、内容消费浅薄化、就业替代及结构性剩余问题也需引起警惕，未来，人类应积极理性应对AIGC带来的变革与挑战。

下面附上PPT完整全文