核心观点
　　生成式AI（Generative AI）即利用人工智能技术来生成内容，其生成的作品称为AIGC（AI-Generated Content），包括文字、图片、音频等形式。从内容生成的历史上看，当前已经完成了从专业创作（PGC）到用户创作（UGC）转变，正在向AI协助内容生成与全AI内容生成两个阶段过渡，将帮助内容生产者在创作效率、创作成本、创作思路上实现显著进步。
　　过去人工智能的发展经历了从小模型到大模型的转变，随着经济性与可获得性的明显提高，杀手级应用正在涌现。其中，随着更新的技术、更优的算法、更大的模型出现，算力的成本越来越低，使得模型训练与运行所需成本持续下降。算法从封闭测试到开放测试、开源的逐渐普及，使得使用门槛明显降低。AIGC亦从小规模实验，到算法革新，到能够高质量、稳定地输出内容。在不久的将来，随着平台层变得更加稳固，算力成本持续下探，模型逐渐趋于开源与免费，人类正逐步接近应用层爆发式发展的节点。
　　底层技术方面，主要包括自然语言处理（NLP）与生成模型，其中生成模型主要包括生成对抗模型（GAN）与扩散模型（Diffusion Model）。其中，2021年扩散模型出现，凭借着更高的输出分辨率、输出效率和输出稳定性，很快在AIGC场景下获得了大范围应用，在2022年成功破圈并迎来了项目爆发期。
　　展望未来，Gartner预计2025年AIGC将占所有生成数据的10%。我们认为，当前行业尚处于早期发展阶段，随着基础设施日益完善，应用层亦将迎来爆发，但语义理解（自然语言处理）、生成算法、数据集等底层技术依旧面临挑战。结合当前行业发展规律考虑，我们预计未来将主要依托于高算力、大模型、大数据而进一步发展。