中金：变与不变，AIGC开创线上平台新时代

AIGC开启线上内容新范式。近期GPT-4等大模型，以及Midjourney等AIGC专有工具取得显著进展，其在文本生成、文生图等领域展现出强大内容生成能力。我们认为，AIGC趋势本质上是技术变革，将从供给侧带来线上内容生态的变革，开启行业发展新范式。

AIGC可能带来机遇：降低门槛，优化成本。从内容侧来看，我们认为AIGC有望带来更“多”、更“快”的内容：AIGC降低创作门槛，让生态更丰富；AIGC提升内容生产效率，及时性内容供给增加。从品类来看，AIGC或更擅长偏知识类，结构性强的内容生产，对重感性，情感等内容生产渗透较慢。从整体来看，我们判断我国线上内容平台处于供过于求的状态，供给侧变革对中期总需求提振或有限，其中，AIGC对中长视频、游戏等优质内容供不应求的赛道或拥有更高弹性。从平台生态来看，我们认为当下主流线上内容平台整合用户需求的定位中期不会改变，而内容侧门槛降低或带来更加激烈上游竞争，从而优化平台的内容成本。从公司侧来看，我们认为AIGC工具有望从研发侧降低公司成本费用，但是对于游戏等OGC内容，生产门槛降低或长期带来行业竞争加剧可能性。

AIGC可能带来隐忧：人机交互方式变革。从创作者侧来看，我们判断AIGC对于腰尾部创作者替代性更强，对于头部创作者起辅助作用，但长期来看，通过自身努力从腰尾部创作者逐步晋升到头部创作者金字塔或被打破，创作者层级生态有待重建。此外，我们认为GPT-4等大模型在多领域展现的能力或引领人机交互方式变革，从移动互联网时代基于GUI输入方式转变为基于文字或语音的提需求方式，进一步降低用户输入信息门槛。这种变革长期来看，可能会重构大模型基础设施和上游应用的结构关系。最后，我们认为AIGC工具持续进化有望开启真正个性化内容生成时代，这对于当下主流个性化内容分发平台或有颠覆性改变。

AIGC带来变革是确定的，但仍处于早期，从变化中寻找机会的思路有较大不确定性。相反，头部IP、熟人社交等情感属性更强、内容或更难被颠覆的模式价值升值或更确定。

AIGC发展不及预期风险；监管风险；行业竞争加剧风险。

随着互联网渗透率在我国持续提升，线上内容消费已经成为用户日常生活中不可缺少的部分，包括基于UGC/PGC为核心的短视频、社区以及基于OGC为主的长视频平台等。技术和用户需求是影响线上内容消费趋势变化的重要底层驱动，一方面，技术影响供给，而供给影响需求，每一次技术迭代都会深度影响内容消费的范式，例如4G时代视频化红利催生短视频等机会；另一方面，新的用户群体往往意味着新的用户需求，从而带来新的机遇，例如年轻用户对于二次元、国潮等内容的喜爱带来相关社区的增长机会。

2023年以来，ChatGPT、Midjourney等重磅产品接连发布，且凭借其惊人的效果、较低的门槛迅速“出圈”，我们认为将掀起新一轮AIGC发展热潮。相较于此前深度学习在图像识别、语音识别等场景的应用，这一轮AI普及的显著特点是拥有较强的生成内容能力——AIGC，即AI Generated Content，具体包括AI写作、AI绘画、AI作曲等多种创作形式，其从辅助创作出发，有望开创UGC、PGC之后的新型内容生产方式。我们认为，AIGC是典型新技术对供给侧带来的变革，有望开启线上内容消费新时代。本篇，我们将着重探讨AIGC对于线上内容平台短、中、长期带来的机遇和隐忧。

大模型开启人工智能新时代。1950年，艾兰·图灵提出著名的“图灵测试”，标志“人工智能”思想的开端。在人工智能发展前期，“符号派”学者层利用基于规则的模式匹配方法在NLP（自然语言处理）领域取得一定成果，但始终有较强的局限性。此后，基于概率统计、类比等理论的人工智能算法也在图像、语音识别中取得一定成绩。2010年后，基于神经网络的深度学习取得显著突破，引领了人工智能在图像识别、语音识别、自然语言理解等多个场景迎来发展。2017年，Google在论文《Attention is All You Need》中提出了具有划时代意义的Transformer模型架构，为更大数据集的训练奠定了基础；次年，OpenAI和Google分别基于Transformer架构分别发布了预训练语言模型GPT和BERT，并在此后不断迭代，提高训练数据量与模型参数规模，OpenAI于2022年11月ChatGPT发布后，成为用户数最迅速突破1亿的应用。

大模型拥有独特的内容生成能力。以GPT为代表的大模型首要的创新是底层认知，相比于深度学习从场景出发，基于相关算法模型打造专用模型，大模型更多是先让机器从大量语义材料出发先“学习和理解”海量知识，且由于相信更大的模型会带来更大的创新，具有丰富知识的机器同时也拥有较强的“思考和推理”能力，从而带来革命性的创新。根据微软发布论文《Sparks of Artificial General Intelligence: Early experiments with GPT-4》，其通过对GPT-4早期版本研究结论表明，GPT-4在数学、编程、视觉、医药、法律等领域都能够完成一些新颖且复杂的任务，可以被认为是通用人工智能的早期版本。某种程度上，我们可以将GPT-4比喻为一个博学且拥有很强推理能力的助手，展望未来其应用的媒介形式有望从当下文字、图片（GPT-4已经具备理解图片的能力），进一步进阶到视频，如果我们将其应用在内容生成领域，有望带来前所未有的革新。

AIGC专有工具迎来突破性进展。 2012年卷积神经网络CNN在图像识别能力取得了显著提升；2014年，生成式对抗网络GAN的发明则使AI图像生成能力取得了历史性突破。2020年，Jonathan Ho等人对原有的Diffusion模型基础进行了改进，利用“加入噪声+逆转噪声+利用去噪声方法生成新图像”的方法进行图像学习与图像生成。相比GAN，改进后的Diffusion模型的图像生成效果大幅提升，且训练难度更低、训练所需的数据量更小，使得Diffusion模型及其衍生算法得以快速取代GAN，成为当前图像生成领域的主流算法。今年4月，MetaAI发布了通用的图像分割模型SAM，通过提示工程后可以解决不同的下游分割任务，具备泛化能力。

2021年，OpenAI开源的CLIP模型促使了大模型与CV两大领域的交汇融合。CLIP模型通过对互联网上数十亿张图片与其相应的文字描述进行相关性训练，实现了将任意文字与图像进行关联配对，从而带动预训练模型从之前单一的NLP、CV模型向多模态、跨模态方向发展。2022年，Stability AI、Midjourney等公司基于“CLIP+Diffusion”推出了多个图像生成应用，用户可以通过对话直接获取图片，大幅降低了AI图像生成功能的使用门槛。

当下，AIGC已被逐步应用至图文、视频、音乐等多元内容领域。文本侧，AIGC已被应用于类似新闻资讯等结构化写作、辅助性写作、聊天机器人等领域；图片侧，AIGC可用于文本生成图像、图像属性编辑等方面；视频侧，AIGC也被用于文字生成视频、视频自动化剪辑等创作过程中。我们认为，目前AIGC在内容创作端的使用已处于大规模应用前期，未来AIGC也有望持续降低内容创作门槛、减少内容创作成本，并带来更多内容供给释放。本章，我们将从内容侧、平台侧、公司侧分别分析AIGC可能给内容平台带来的机遇。

内容平台发展路径：更低创作门槛，更丰富的创意。内容平台从OGC时代到UGC时代，核心趋势为更低内容创作门槛，吸引更多创作者加入，从而带来更丰富的创意，吸引更多的用户。受益于供给端的丰富内容，以及移动端便捷性，以及5G等新技术驱动视频化时代，当下线上内容平台渗透率已经处于高位。展望未来，如何进一步降低内容生产门槛以进一步激发创作者生产，以及如何催生更好的内容创意或将成为行业进一步发展的关键。

而AIGC提供了解决内容平台当下问题的手段。针对上述提到的问题，AIGC都提供了更好的解决方案：1）首先，AIGC基于创意由模型自动生成内容形式，有效降低了内容生产的成本并提升了生产效率。以近期火热的Midjourney为例，其是一款搭载在Discord社区上的AI制图工具，用户仅需要通过输入少许提示关键词，平台就能拿通过AI算法迅速生成相应图片，图片质量高且用时很短（不到1分钟即可创作一个图片），大幅缩窄创作时间并降低创作门槛，不同形态的内容创作者可以借用不同的AIGC工具实现跨领域的流动。AIGC可以以优于人类的制造能力和知识水平来承担信息挖掘、素材调用、复刻编辑等基础性的机械劳动，从技术的层面上来实现用低边际成本、高效率的方式来满足当代内容创作者个性化的设计需求。2）其次，从创意本身层面来看，我们认为AIGC工具也有望成为创作者重要“灵感来源”，甚至带来AI创作风格独有内容，以百度文心一言为例，其基于“三杯鸡”等关键词生成图片展现了AI幽默感的冰山一角。

此外，对于OGC平台而言，内容侧也有望持续提效，提供更为丰富的灵感来源。在制作层面，AI虽然还较难完全替代制片人、导演个人的核心创意与风格，但其同样能够作为一个大型数据库，为制作人提供源源不断的灵感，并完成部分创意落地的初期工作。以影视创作为例，影视创作前期往往需要对大量的创意、剧本进行讨论与判断，庞大的剧本数量叠加对剧本筛选的高要求，往往使得前期项目进展缓慢，但AIGC的使用则能够实现按照给定要求对剧本进行筛选或利用关键词生成故事梗概，探索情节走向的可能性，并验证不同叙事结构下的剧本连贯性，例如DeepMind推出的AI写作模型Dramatron能够实现根据用户输入的log line自动生成人物、情节、场景描述及对话等，大幅降低创意实现的成本及时间。

从内容形式来看，理性内容渗透或快于感性内容，图文快于视频。我们判断AIGC将对结构性较强、知识性较强的内容或先于强调感性，强调情感互动的内容品类渗透。大模型目前拥有海量的知识储备，以及较强的推理能力，我们认为其对于结构性较强的内容（例如一些程式化内容），以及知识性较强的偏理性的内容（例如科普类内容）替代性或更强。另一方面，强调感性，强调情感互动类内容最底层的驱动来自人类的自我意识，以及道德伦理层面的自由选择，我们判断当下AIGC工具渗透难度较高。针对内容媒介形式来看，图文类内容仍然是当下AIGC工具的主阵地，考虑到视频信息的复杂性，AIGC的渗透或晚于图文。

整体而言，AIGC能够从多、快两个环节为内容平台变革提供助力：我们认为，更低的生成门槛有望带来更丰富内容供给，更迅速的生成过程有望带来更多时效性内容。然而，基于我国目前线上内容生态内容数量整体供过于求的现状，考虑到当下移动互联网人均时长已经处于高位（根据QuestMobile，截至2022年12月全网日人均时长已达近6小时），我们这种供给侧的优化对总需求的提振幅度到底有多少可能还需要观察。具体从细分行业来看，供大于求幅度越小的赛道或拥有更高弹性，例如，OGC内容例如长视频当下仍展现供给创造需求的典型特征（《狂飙》等现象级作品就是例证），若AIGC工具能够驱动这类内容产出更丰富供给，有望带来更大的需求弹性。

线上内容平台整合娱乐需求的定位中期不会改变。本轮AI变革与移动互联网不同，AI更多是生产力的提升，而不是前端媒介变革，因此，我们判断移动互联网时代，主流线上平台整合用户不同娱乐需求的定位中期之内不会改变。另一方面，如前文所言，AIGC工具有望进一步降低内容创作门槛，其另一方面的影响很可能是内容创作端竞争会更加激烈，而只要平台还在整合用户需求，制定生态规则，我们判断平台内容成本有望更加可控。从平台成本角度出发，内容成本是平台核心成本项之一。当前主要内容平台的成本结构中，除开带宽服务器成本、人员成本、支付渠道成本以外，最核心的成本即为分成成本，以快手、哔哩哔哩为例，2022年两者的分成成本占收入比分别达33%和42%。

从平台商业化角度出发，AIGC有望提升平台上商业化变现能力。以流量平台最典型的变现渠道广告为例，多家内容平台正在布局基于AI的新型广告变现方式，例如Meta计划将在今年年底前将其专有的生成式AI用于生成广告素材，微软也计划将广告插入到Bing的搜索聊天当中。在广告制作端，由于广告本身同样是创意类内容，且多为PGC，AIGC能够有效降低内容生成成本，并提升广告创作效率。

互联网大厂有望凭借AIGC降低研发成本。在内容生产工具领域，大厂均拥有自己的内容平台，且具有强的产业链话语权，长期有望在AIGC浪潮中受益，降低内容开发成本，保持或扩大自身的内容平台优势。目前，国内互联网大厂也纷纷布局内容生产领域；同时，互联网大厂在技术层面的深度积累和应用场景的大量数据亦可为其开发AI内容产品提供便利。

以游戏为例：AIGC可被应用于游戏产业的全链路。目前，AIGC已被逐步应用于游戏领域的各个环节当中，包括前期的美术设计、内容策划、产品测试，也包括游戏中的体验优化、运营优化，甚至到游戏周边的电竞、直播等领域当中，实现全链路的效率优化。

游戏是最典型的、同时也是最为复杂的内容行业之一，其长期面临一个难以攻破的“不可能三角”——即研发成本、研发效率、产品质量难以兼得。根据快科技，以3A大作《巫师3：狂猎》为例，其游戏脚本共计含82万个单词，开发人员为该款游戏创作了2,000副原画，游戏世界尺寸达136平方公里，所有角色共计拥有16,000个动画，而这样一款庞大游戏制作的成本是共计1,500名研发人员、耗时约3年半时间、开发成本为8,100万美元。而随着AIGC的广泛应用，能够根据文本生成语音、根据主题生成场景、根据图像生成模型，大幅提升游戏的策划、音频、美术、程序等环节生产力，压缩游戏整体项目的研发周期与人员规模，同时降低游戏制作成本。此外，游戏研发人员也能真正更加回归游戏创作的初心——即游戏玩法设计及创意创新上，对于游戏品质提升亦有帮助。

但另一方面，我们认为这部分节省下来的成本也存有转移的可能性。对于内容公司而言，虽然投入到内容研发/制作的成本能够明显降低，但这也意味着内容创作的门槛也在下降，更多玩家能够参与到这一市场当中，市场竞争或将进一步加剧，节省下来的研发费用也有可能会转移至销售费用等方面，从而部分削减AIGC带来的利润端释放力度。

此处我们邀请了GPT-4对我们探讨的问题同时进行了作答。我们可以看到GPT-4也认为AIGC对内容领域会有较大幅度的成本改善，但GPT-4较为担心AIGC产生的创意会趋于同质化，而从我们的角度来看，AIGC有可能从意想不到的角度给我们提供新的创意思路（比如根据文字产生的离奇的排列组合图）。

以下为GPT-4的观点：

► 问题一：如何看待AIGC引入内容创作中，对于各类型内容（游戏、长视频、短视频）创作成本的优化程度？

人工智能生成内容（AIGC）在内容创作中的应用已经成为一种趋势，它在各类型内容（如游戏、长视频、短视频）的创作中都具有一定的优化潜力。下面分别对这几种类型的内容创作进行分析：

游戏：AIGC在游戏创作中可以降低成本、提高效率。例如，AI可以自动生成游戏地图、角色模型、故事剧情等。此外，AI还可以用于游戏测试和调试，提高开发过程的效率。然而，AIGC在游戏创作中的应用还有局限性，因为高质量的游戏体验需要精细的设计和良好的游戏机制，这些方面目前AI还无法完全替代人类创作者。

长视频：在长视频创作中，AIGC可以协助编写剧本、生成特效、编辑视频等环节，从而降低制作成本。但是，对于情感表达、人物塑造等方面，AI还无法与人类创作者相媲美。因此，在长视频创作中，AIGC的优化程度有限。

短视频：短视频创作中的成本优化可能是AIGC最为明显的领域。AI可以通过生成素材、编辑视频、提供智能剪辑等功能，大大降低短视频制作的时间和成本。同时，短视频相对于长视频和游戏，对情感表达和人物塑造的要求相对较低，因此AI在这个领域的应用潜力更大。

总之，AIGC在游戏、长视频和短视频等内容创作中都具有一定的优化程度，但各领域的优化程度不尽相同。随着AI技术的发展，我们可以预见AIGC在未来将在更多内容创作领域发挥更大的作用。然而，需要注意的是，AI在优化内容创作成本的同时，也可能导致某种程度的创意同质化。因此，在利用AI技术优化内容创作的过程中，仍需要关注创意和原创性。

► 问题二：AIGC对于哪些类型内容的创作中有望实现更快的替代？哪些较慢或者较难替代？

AIGC在不同类型内容创作中的替代速度和难易程度各不相同。一般来说，对于简单、重复性高、创意要求相对较低的任务，AI更容易实现替代。而对于需要深度思考、创新能力和艺术表现力的任务，AI替代的速度会相对较慢。以下分析了几种不同类型内容的替代情况：

更快替代：

新闻报道：对于简单的新闻报道，AIGC可以快速提取关键信息并生成结构清晰的文章。这类任务重复性高、创意要求较低，因此AI替代速度较快。

社交媒体内容：针对短篇文章、推文、图片描述等社交媒体内容，AI可以进行快速生成，减轻内容创作者的工作负担。

数据可视化：AIGC可以将大量数据转化为直观的图表和可视化展示，提高数据分析的效率。

较慢或较难替代：

小说、散文等文学作品：这类作品需要丰富的想象力、独特的文笔以及对人类情感的深入理解，AI在这方面的表现尚不足以完全替代人类创作者。

电影、戏剧剧本：虽然AI可以生成一定程度的剧情和对话，但要创作出具有深度、内涵和高度艺术性的剧本，仍需要人类创作者的独特思维和创新能力。

音乐创作：尽管AI可以生成旋律、和声等音乐元素，但在捕捉和表达音乐中的情感、风格和创意方面，AI与人类音乐家相比仍有一定的差距。

总之，AIGC在简单、重复性高的内容创作任务中替代速度较快，而在需要深度思考、创新能力和艺术表现力的任务中替代速度较慢。然而，随着AI技术的进步，我们不能排除未来AI在这些领域的表现可能会有所提高。在实际应用中，AIGC可以作为人类创作者的辅助工具，帮助提高创作效率和质量，而不是完全替代人类创作者。

► 问题三：AIGC的引入将如何影响内容平台之间的竞争格局？哪些平台更有可能受益？

AIGC的引入将对内容平台之间的竞争格局产生一定影响。具体来说，以下几个方面可能会发生变化：

内容质量和多样性：AIGC可以帮助平台提供更高质量、更丰富多样的内容。在竞争激烈的市场中，能够充分利用AIGC技术的平台将具有更大的竞争优势。

个性化推荐：结合AIGC的个性化推荐算法将使平台能够更精准地满足用户需求，从而吸引更多用户。平台在这方面的技术实力将成为竞争的关键因素。

内容生产成本：AIGC可以降低内容生产的时间和成本。平台能够更有效地利用这一技术的将有更大的成本优势，从而在竞争中占据有利地位。

创新能力：AIGC可以为创作者提供新的创意和灵感，推动内容创新。能够充分利用AIGC进行内容创新的平台将在市场竞争中更具吸引力。

在当前市场环境下，以下类型的平台更有可能从AIGC的引入中受益：

视频平台：无论是长视频还是短视频平台，AIGC都可以帮助创作者更高效地生成、编辑和优化内容。这将提高平台的内容质量和吸引力，吸引更多用户。

新闻和资讯平台：AIGC可以自动撰写简单的新闻报道和分析文章，降低新闻和资讯平台的内容生产成本。此外，AIGC还可以帮助平台提供更精准的个性化推荐，从而提高用户黏性。

社交媒体平台：AIGC可以帮助用户生成有趣、富有创意的社交媒体内容，提高平台的活跃度和用户满意度。

在线教育平台：AIGC可以用于生成教学材料、智能问答和个性化学习路径，从而提高在线教育平台的教学质量和用户体验。

总之，AIGC的引入将改变内容平台之间的竞争格局，促使各平台在内容质量、个性化推荐和创新能力等方面进行更多投入。能够充分利用AIGC技术的平台将更有可能在竞争中脱颖而出。然而，平台在引入AIGC技术时也需要注意平衡内容质量和原创性，防止过度依赖AI生成内容导致内容同质化。此外，平台还应关注用户隐私和数据安全等问题，确保在提高商业竞争力的同时，保障用户利益。（上述观点来源：OpenAI官网，中金公司研究部）

AIGC对中腰部内容创作者的替代效应更为明显，头部创作者暂时无忧。AIGC带来了内容生产力的爆发，也进一步带来了内容产业的结构性劳动力剩余，这对于中腰部创作者的影响更加直接，因为中腰部创作者对于内容消费者或者平台的核心价值在于头部创作内容下的差异化。而偏长尾内容供给，其创新性、内容质量等维度相对较低，程式化、套路化更加明显，这正是AIGC能够补足的地方。相对而言，当下头部创作者则较难被替代，除了其粉丝体量较大以外，粉丝对于头部创作者的喜爱往往已不限于其创作的内容，而是向创作者本身延伸，因此具备一定的IP效应，并且AIGC可以辅助其完成更多基础性的重复工作，能够进一步凸显其在创意部分的优势。

创作者体系颠覆之忧。只有少数人天生就是头部创作者（很有天赋且可以一战成名），大多数都是通过自身努力，从不知名创作者开始，从低层级开始一步步上升的过程，这样的上升通道是关键。如果中腰部创作者将逐步被替代，那未来的头部创作者从哪里来？如果AIGC工具定位仅仅是辅助，这个上升体系仍将存在，也就是头部创作者会从更擅长利用AIGC工具的长尾创作者中诞生。然而，如果AIGC到了替代长尾创作者的程度，这或许就变成了现实的问题。一种直接的结果可能是，仅存的头部创作者位置更稳固，溢价能力或许会更高。另一种可能性，上文提到的天赋异禀的创作者晋升路径会变得更顺畅。

GPT革新或带来人机交互方式的变革。顾名思义，人机交互核心是两步——人类传递信息，计算机反馈信息。从第一步传递信息步骤来看，PC互联网时代是基于键盘+鼠标，相比传统程序化指令门槛显著更低；移动互联网时代iPhone推出了Muti-touch，更多基于手势操作来进行信息输入，更便捷易用；大模型时代，通过文字或语音发指令或有望进一步带来输入侧效率提升。而人机交互形式变革可能影响应用与底层基础设施格局。以PC互联网为例，键盘+鼠标组合得益于图形操作系统的普及，Windows成为PC互联网溢价能力最高的环节之一；移动互联网则得益于大屏触摸屏等技术，其更大的革新在于便捷性，而应用在其中获取了更大的溢价能力；展望大模型时代，一方面大模型或成为新的用户需求整合入口（参加GPT引入外部应用API），另一方面大模型功能越来越强大的背景下，上游应用空间或被挤压。

► 当前，线上内容平台与应用还在选择利用GPT API进行模式创新。GPT目前主要以API形式对外开放，以每千tokens定价收费（一千tokens约等于750个单词），基础版GPT-4模型的输入、生成内容定价分别为0.03美元/千tokens与0.06美元/千tokens。

► New Bing集成ChatGPT，搜索引擎可能面临重构。2023年2月，微软推出了集成ChatGPT技术的全新搜索引擎New Bing，并在一个月后率先接入最新的GPT-4模型，作为搜索引擎的补充，New Bing借助GPT模型创建了“交互式搜索方式”。前文中我们已经提及，AIGC将在多、快两个维度进行内容平台的变革，指ChatGPT代表更高效的信息获取方式，而未来随着技术进步ChatGPT的准度提升以及问答方式的规范化，当前的搜索引擎有可能被颠覆，因此New Bing集成ChatGPT更像是传统搜索引擎对AGI的妥协。

► 更进一步，ChatGPT可以接入其他应用的插件，而传统的互联网应用/APP有可能逐渐转变为扮演辅助角色。2023年3月23日，OpenAI宣布ChatGPT现在可以集成第三方插件，部分解除了ChatGPT联网的限制。当天，OpenAI公开了首批11个第三方插件，包括Expedia、FiscalNote、Instacart、KAYAK、Klarna、Milo、OpenTable、Shopify、Speak、Wolfram和Zapier，涵盖了实时信息检索、订机票、在线点餐、交通导航、企业办公、流程优化等多个功能领域。实际上，ChatGPT作为一个更横向的百科全书，目前对细分领域的垂直挖掘程度仍待提高，开放接口是对ChatGPT自身能力的补齐，然而值得注意的是，ChatGPT的强学习能力可能会进一步弱化传统APP的地位（其数据、功能可以被ChatGPT逐渐消化吸收，尤其是工具类的APP）。

当下个性化推荐核心是内容分发环节。字节跳动等公司开创的“个性化内容”时代核心是聚焦内容分发环节，基于用户兴趣标签，以及内容对应标签来进行供给和需求匹配。首先，其内容源头仍然无法实现个性化内容生产。虽然用户消费内容需求是典型个性化需求，但是基于创作者生产内容模式，完全个性化的内容生产经济模型不成立。其次，当下推荐算法主要基于深度学习，面临较强的“信息茧房”的问题，或者说当下推荐算法模型泛化能力有限，即更多是沿着用户已知的兴趣爱好不断加深类似的兴趣，而较少推荐尚未发掘的用户新兴趣。

AIGC时代使得个性化内容成为可能。以文生图为例，仅用几行的提示词，就可以迅速生成一张高质量的图像内容，且随着AI基础设施不断发展，可以预见的是未来单位内容生产成本还将持续降低，这使得AIGC生产个性化内容变得可能。此外，如果我们将内容生产过程简化为创意-执行两步，实际上创意这个步骤代表的是天然的多种可能性，然而由于执行步骤的局限性，只能舍弃这种可能性，选择最优解的方案最终落地。我们认为，AIGC时代，一个创意的多种可能性有望充分落地，从而收获更大的效应。比如，未来虚拟助手可以帮用户生产定制化剧集结局。

大模型有望重构信息推荐环节。我们认为，大模型也有望凭借其更强的底层知识储备，以及涌现等独特能力突破信息茧房等问题，当下核心要解决的可能是多模态问题，也就是待到大模型能够理解视频的那一刻，如果能够嫁接理解用户的个性化需求的虚拟助手环节，其有望实现更高效地发掘用户潜在需求，从而对现有推荐算法模式带来重构，进一步带来线上内容平台消费新格局。

此处我们邀请了GPT-4对我们探讨的问题同时进行了作答。可以看到，GPT-4也同样给予了头部更具创造性的作者难以被AIGC替代的答案，但GPT-4就我们的“隐忧”给出了另一角度的解答——随着技术进步，创作者边界有可能逐渐模糊，创意的实现由于AIGC工具的存在不再设限，比如有技术能力的人也有可能成为未来的创作者。基于此我们认为，更进一步，这一现象也可能延伸至其他行业而不限于内容行业本身。此外，GPT-4肯定了未来AIGC有可能开启新的人机互动的关系以及开启定制化生成内容的趋势，但是这个过程中应用的地位是否会被弱化还值得探讨。

以下为GPT-4的观点：

► 问题一：从创作者维度，对于头部、腰尾部创作者，AIGC对哪一类型创作者替代更简单？

从创作者维度来看，AIGC对不同类型的创作者产生的替代效果可能会有所不同。通常情况下，头部创作者往往具有较高的创作水平和独特的风格，他们的作品在内容质量、创意和艺术性方面表现更出色。相比之下，腰尾部创作者的作品可能在这些方面相对较弱。

因此，AIGC对腰尾部创作者的替代可能会相对更简单。这是因为腰尾部创作者的作品往往重复性较高，创新性和艺术性较低，而这些特点正是AI技术（如AIGC）所擅长处理的。在一些简单、重复性高的内容创作任务中，AIGC可以较好地模仿甚至超越腰尾部创作者的表现。

然而，对于头部创作者，AIGC的替代难度相对较大。这是因为头部创作者的作品通常具有较高的创新性、艺术性和情感深度，这些方面是目前AI技术难以完全模仿和替代的。虽然AIGC可以辅助头部创作者提高创作效率，但在可预见的未来，AIGC很难完全替代他们。

总的来说，AIGC对腰尾部创作者的替代相对更简单，而对头部创作者的替代则相对较难。然而，AIGC作为一种辅助工具，可以帮助不同类型的创作者提高创作效率和质量，实现与人类创作者的协同创作。

► 问题二：如果腰尾部创作者都不存在了，下一代头部创作者从哪里来？

虽然AIGC等AI技术可能会对腰尾部创作者产生替代效果，但这并不意味着腰尾部创作者会完全消失。相反，AIGC等技术可以被视为一种辅助工具，帮助腰尾部创作者提高创作效率和质量，从而提升他们的竞争力。

下一代头部创作者的来源可能包括：

从腰尾部创作者中崛起：有些腰尾部创作者可能会通过不断学习、提高技能和借助AI技术（如AIGC）的辅助，逐渐提升自己的创作水平，最终成为头部创作者。

新兴创作者：随着互联网和社交媒体的普及，越来越多的新兴创作者有机会展示自己的才华，积累粉丝。一些具有潜力和创新力的新兴创作者可能会在未来成为头部创作者。

跨界创作者：有些创作者可能会从其他行业或领域转向内容创作，将他们在其他领域积累的经验和知识运用到创作中，形成独特的创作风格，从而成为头部创作者。

学术和专业领域：从学术和专业领域涌现出的创作者，往往具备深厚的专业知识和技能，他们可以运用这些优势在内容创作领域崛起，成为头部创作者。

AI辅助下的创作者：通过运用AIGC等AI技术，一些创作者可能会找到新的创作方法和风格，进而在内容创作领域脱颖而出，成为新一代头部创作者。

总之，尽管AIGC等AI技术可能会对腰尾部创作者产生一定程度的替代效果，但新的头部创作者依然可以从多个渠道和途径涌现出来。在这个过程中，AI技术可以作为一种辅助工具，帮助创作者提高创作效率和质量，实现与人类创作者的协同创作。

► 问题三：移动互联网的人输入信息方式主要靠GUI，GPT是否会带来人机交互方式变革？

GPT等自然语言处理（NLP）技术确实有潜力引发人机交互方式的变革。相较于传统的图形用户界面（GUI），基于NLP技术的交互方式可以提供更加自然、直观的用户体验。以下是一些可能的变革：

语音助手和聊天机器人：借助GPT等NLP技术，语音助手和聊天机器人可以更好地理解用户的意图并提供更准确的回应。这将使得这些工具在移动互联网中发挥更重要的作用，成为人们获取信息、执行任务和与设备交互的主要方式。

语音输入和输出：随着语音识别和合成技术的进步，移动设备上的语音输入和输出逐渐成为一种重要的交互方式。用户可以通过语音命令控制设备，而设备则可以通过语音回应用户。这种交互方式尤其适用于驾驶、健身等场景，用户无需触摸屏幕即可进行操作。

自然语言查询和搜索：GPT等NLP技术可以让搜索引擎更好地理解用户的自然语言查询，从而提供更相关的搜索结果。这使得用户可以通过简单地输入自然语言问题，而无需使用特定的关键词或短语，来获取所需信息。

智能推荐：结合GPT等NLP技术，应用程序和平台可以根据用户的文本输入和浏览历史为他们提供更个性化的推荐内容。这将使得用户在移动互联网中的信息获取更加高效，提高用户体验。

基于文本的游戏和应用：GPT等NLP技术可以应用于基于文本的游戏和应用，提供更为丰富、自然的互动体验。这将为移动互联网带来新的游戏和应用类型，丰富用户的娱乐选择。

总之，GPT等NLP技术有望引发人机交互方式的变革，使得移动互联网中的交互方式更加自然、直观。然而，这并不意味着图形用户界面（GUI）将完全被取代。相反，未来的移动互联网可能会是多种交互方式共存的生态，不同交互方式在不同场景和需求下各有优势。

► 问题四：这种人机交互方式改变，是否会变革大模型基础设施和上游应用之间主次关系，从而弱化应用的价值？

人机交互方式的变革确实可能对大模型基础设施和上游应用之间的关系产生影响，但这并不一定会弱化应用的价值。事实上，基础设施与应用之间的关系可能会更加紧密，共同推动价值的创造。

大模型基础设施提供支持：随着人机交互方式的变革，GPT等大模型基础设施将为上游应用提供更强大、更智能的支持。这将使得应用能够更好地满足用户需求，提供更高质量的体验。因此，基础设施的发展将推动应用的创新和价值提升。

上游应用的创新：尽管基础设施在人机交互的变革中发挥着重要作用，但上游应用同样关键。应用需要根据用户需求和场景进行创新，将大模型基础设施与特定领域结合，打造独特的价值。因此，应用的创新与基础设施的发展相辅相成，共同推动整体价值的提升。

定制化和差异化：虽然大模型基础设施提供了通用的人机交互能力，但不同应用场景仍需要针对性的定制和优化。这就需要上游应用开发者根据具体需求，对基础设施进行调整和优化，实现差异化竞争。因此，应用的价值并不会被弱化，而是在这个过程中得到强化。

协同作用：大模型基础设施和上游应用之间的协同作用将推动整个生态的发展。基础设施的进步可以激发应用创新，而应用的成功反过来也会对基础设施的发展产生积极影响。因此，二者之间并非简单的主次关系，而是相互依赖、相互促进的关系。

综上所述，人机交互方式的变革可能会改变大模型基础设施和上游应用之间的关系，但这并不意味着应用的价值会被弱化。相反，基础设施与应用之间的紧密合作将推动整个生态的发展，共同创造更高的价值。

► 问题五：如果我们认为当下主流移动互联网平台核心是个性化内容分发，AIGC是开启个性化内容生成时代吗？

AIGC（如GPT等大型自然语言处理模型）的出现确实为个性化内容生成开启了新的篇章。这些技术可以帮助创建更具针对性、符合用户兴趣和需求的内容。以下是AIGC在个性化内容生成方面的一些影响：

定制化内容：AIGC可以根据用户的兴趣、行为和偏好生成定制化内容，为用户提供更为个性化的体验。这种定制化内容不仅可以提高用户满意度，还有助于提高用户粘性和留存率。

智能推荐：结合AIGC等技术，移动互联网平台可以更准确地理解用户的需求，从而为他们提供更精准的内容推荐。这将使得用户在移动互联网中的信息获取更加高效，提高用户体验。

内容创作辅助：AIGC可以帮助内容创作者生成更具创意和吸引力的作品。例如，通过分析用户数据，AIGC可以为创作者提供有关当前热门趋势和潜在需求的洞察，从而帮助他们创作出更具吸引力的内容。

个性化广告：AIGC可以帮助广告商生成更具针对性的广告内容，以提高广告效果和投资回报。通过分析用户数据，AIGC可以生成更符合用户需求和兴趣的广告创意，从而提高广告的转化率。

社交媒体互动：AIGC可以帮助社交媒体平台提供更个性化的互动体验。例如，AIGC可以为用户生成个性化的回复建议，从而提高他们在社交媒体上的参与度和互动性。

总之，AIGC的出现为个性化内容生成时代的到来奠定了基础。通过结合这些技术，移动互联网平台可以为用户提供更加个性化、高质量的内容体验。然而，要实现这一目标，还需要平台、创作者和广告商等各方的共同努力，以确保个性化内容生成的普及和成功。（上述观点来源：OpenAI官网，中金公司研究部）

变化是确定的，但目前还很难找到短中长期确定性受益机会。AIGC的技术飞跃性进展毫无疑问让我们看到了行业变革的可能性，如果我们将AIGC看成一种提效的工具，下一代时代竞争主旋律或将变成“Man with AI”versus Man，也就是说抢先抓住AIGC工具红利的创作者、平台有望收获第一波效益。内容侧，AIGC有望带来更丰富、更及时的内容，也有望催生新一代基于AIGC工具创作者的诞生，提升现有创作者（尤其是头部）的生产效率。从平台侧来看，中期来看，我们判断主流平台整合用户娱乐需求的定位不会改变，而上游内容创作侧竞争加剧有望带来平台短期成本的降低，但长期来看，也有范式变革的隐忧。公司侧来看，AIGC供给有望优化公司研发等成本费用，但是进入门槛降低，也有可能带来竞争激烈可能性。综上，AIGC目前仍处于发展早期，在当前时点，对于这些变革会带来长期什么新机会较难做出确定性很高的判断，即使对于明确的大模型和AIGC专有工具环节，竞争格局仍有很大的不确定性。此外，回到线上平台的影响，这些变化影响实际上是复杂的，比如看似成本降低或者背后隐含着行业竞争加剧的风险，甚至可能短期的利好背后是长期的风险。但是，我们认为研究技术变革对行业带来变化是有意义的，其有利于未来当确实更确定时，我们能够做出前瞻性判断。

从不变角度把握机会。如果变化趋势还看不清，换个思路或许不变的部分价值会提升。从历史来看，不管技术驱动渠道如何变革，深入人心的头部IP、品牌、引起情感共鸣的作品地位是较难撼动的；其次，基于人和人之间情感的沟通互动，尤其是熟人社交属性的内容在AIGC的大趋势也有望获得更加稳固的地位。

AIGC发展不及预期风险：AIGC的发展仍处于早期，面对破坏式的创新，我们往往很难提前准确预判行业未来趋势和格局。

监管风险：由于AIGC发展的不确定性，各国家和地区对AIGC持谨慎态度，不排除未来有针对其进行监管的可能性。

行业竞争加剧风险：目前AIGC已成为行业内热门话题，不少具备资金和实力的公司已经入场，未来可能导致竞争态势加剧。

本文摘自：2023年4月15日已经发布的《变与不变，AIGC开创线上平台新时代》

白洋 分析员 SAC 执证编号：S0080520110002 SFC CE Ref：BGN055

肖俨衍 分析员 SAC 执证编号：S0080521010001 SFC CE Ref：BIL686

高樱洛 联系人 SAC 执证编号：S0080122010043