今年以来，各大互联网厂商推出自家AIGC产品的新闻可谓是铺天盖地，巨头们卡着对手的时间点，争相发布新产品。
引爆风潮的ChatGPT自身在推出2个月后，月活用户突破1亿，成为史上用户增长速度最快的消费级应用程序。比尔·盖茨在其博客文章《人工智能时代已经开启》中表示，自1980年首次看到图形用户界面（graphicaluserinterface）以来，OpenAI的GPT人工智能模型是他所见过的最具革命性的技术进步。
【资料图】
而近日更是有消息传出，微软将与老牌工业巨头西门子在AI领域加强合作。据报道，西门子和微软正在利用以ChatGPT为代表的AIGC技术改进工业设计、工程、制造和运营在内的整个工作流程，并在汉诺威展览上具体展示了如何通过AIGC增强工厂自动化运行能力。
发展到现在，AIGC已经彻底成为一股席卷各行各业的风潮，号称2023年最大的风口所在。那么，什么是AIGC呢？它对工业软件有何影响？会是工业软件进一步完善自身的出路吗？
什么是AIGC
对于这个问题，我们引入它的标准概念：AIGC，全名“AIgeneratedcontent”，又称为生成式AI，意为人工智能生成内容。例如AI文本续写，文字转图像的AI图、AI主持人等，都属于AIGC的应用。
简而言之，目前市面上火热的AI产品本质上都是AIGC，比如大家耳熟能详的ChatGPT以及文言一心等。相比于传统的AI概念，AIGC在产出内容方面拥有更高的效率，相当于AI在互联网领域的专精迭代版本。
AIGC技术的核心思想是利用人工智能算法生成具有一定创意和质量的内容。通过训练模型和大量数据的学习，AIGC可以根据输入的条件或指令，生成与之相关的内容。其实现涉及多个方面，包括机器学习、计算机视觉、自然语言处理、优化算法等。
应用场景有哪些
目前AIGC的应用场景，主要集中在文本、视觉、语音和编码等方面。
最近ChatGPT的热潮，在文本领域衍生了丰富的应用场景，包括对话、翻译、文本摘要提取、知识问答、写故事和简历等，且在商业领域中也出现了多个将GPT模型应用在产品中的例子。
而在视觉领域，自2022年下半年，凭借AI技术快速生成图像已经成为热门话题。有多家公司投入相关技术，包括StableDiffusion，OpenAI的DALL·E2，Midjourney和谷歌的Imagen等，它们生成的图片拥有令人惊叹的艺术性效果。目前这些技术主要应用于图像生成、编辑和分辨率提升，能够节省时间并提高效率。
在编码领域，ChatGPT可以编写Java、Python、SQL语言等代码。另外，OpenAI的Codex、GithubCopilot、谷歌的MakerSuite、华为的CodeArts等工具也能帮助开发人员快速生成代码片段，自动化编码过程并减少编写代码所需的时间和精力，以此彻底改变软件开发行业。
除了不同的行业应用场景以外，AIGC在商业模式上也存在两个不同强度和需求的应用模式。在计算机的学习过程中，高效的中心化计算可以提升效率并降低成本，而在用户端的人机交互领域，分布式的个性化能力同样也非常重要。这两种不同商业场景也会带来类似于toB端订阅和toC端交互等不同模式。
AIGC的持续发展将会对任何需要人类创作和人机交互的行业和场景带来影响，包括高度商业化的媒体、教育、电商、健康和娱乐领域。
AIGC在工业软件方面的应用
从软见君整理的资料来看，目前AIGC已经表现出了在工业软件方面强大的辅助效用：
首当其冲的是编程方面，前文已经提过AIGC可以帮助开发人员快速生成代码，甚至可以通过云链接的方式，通过大数据分析给出编程意见，大大提高了工业软件迭代速度。
例如华为盘古大模型提供的科学计算能力，能显著提升这些工业设计软件底层的数学数值计算，建模与仿真最底层采用有限元模型，采用大模型能提升圣维南方程式的求解效率。
而亿级地理高程网格数据的计算，亿级电磁仿真网格量的大规模计算。大模型不仅带来的强大的并行计算能力，同时对传统的数值计算的算法进行优化。
其次是信息采集与生成方面，AICG可以快速从大量数据中分辨出有效数据并得出所需结果，甚至单独完成简单作业的全流程。
例如GIS行业建模前需要先航拍，然后以航拍作基础手工建模。现在SAM却能直接从航拍中识别物体并标注，然后通过AIGC自动生成对应的模型，极大地提高了相关从业人员的效率。
最后是辅助设计方面，这一功能的高下可以说直接奠定了一款工业软件在该行业的地位。而基于AIGC的创成式设计能够根据现实世界的制造约束和产品性能要求，快速循环、测试和生成多个就绪解决方案，并发掘设计师和工程师难以有效发现和建模的选项，并筛选出最优结果。
例如PTC借助AI驱动的创成式设计软件，使得工程师可以交互式地指定要求和目标，包括首选材料、制造工艺等，创成式引擎将自主创建最佳设计。
综上所述，AIGC技术的提升已经成为工业软件未来的主要方向之一，甚至在这个概念火爆全网之前，大厂们便纷纷有所布局。
在这点上国内厂商也未曾落后，综合近期多家券商的分析报告，这些A股软件公司均有布局：
研发设计领域有中望软件、霍莱沃、华大九天、概伦电子、广立微、能科科技、东土科技、盈建科、广联达等；
生产控制领域有宝信软件、中控技术、赛意信息、鼎捷软件、汉得信息、能科科技、汇川技术、容知日新、柏楚电子、维宏股份等；
智能运维领域有银信科技、中亦科技、容知日新等。
市场分析
而抛开工业软件来看，AIGC自身会是下一个风口吗？
从国内发展来看
据量子位智库测算，我国2023年AIGC市场规模预计可达到170亿人民币。2023-2025年是我国AIGC产业市场规模增长的第一阶段，增长率维持在25%左右，2025年市场规模达到约260亿人民币。
2025年开始，由于行业生态完善(特别是底层大模型完成对外开放），应用层蓬勃将带动产业快速增长，年复合增长率将超过70%。预计2027年我国AIGC产业规模超600亿人民币。
2028年开始，AIGC产业将延展出完整产业链，并在商业化场景上持续拓宽拓深，深入变革各行业。2028年起，我国AIGC产业市场规模将持续保持告诉增长，2030年市场规模超万亿。
至2030年，国内AIGC产业发展共分三个阶段：
1、培育摸索期（2023-2025）：整体均处于业务场景验证和变现探索期。2、应用蓬勃期（2025-2027）：基本价值创作路径和技术思路得到确认。3、整体加速期（2028-2030）：产业生态完善。
从全球发展来看
IDC数据显示，2023年全球人工智能支出将达到1540亿美元，同比增长将达到26.9%；到2026年AI相关产业规模支出将达到3000亿美元，2022-2026年的复合年增长率将达到27%。
本轮人工智能是全球科技创新，市场巨大，商业化的空间已提前显现，也成为科研、创投、产业落地之间竞赛的制高点。
综上所论，国内的市场起步似乎落后一步，但实际上较国外拥有更大的发展潜力。这点从专利数据中便可看出一二，2018-2023年4月10日的统计显示，我国在人工智能专利公开数量上处于绝对领先地位，远超美、日韩等其他国家。
相关风险
前文提到了AIGC为人类生活带来的便利以及良好的市场预期。但根据客观规律，任何事物都不可能是尽善尽美的，自打AI问世起，关于其带来的争议也从未停过，我们就来深入剖析一下，AIGC究竟有哪些根本缺陷：
1.缺乏独创性和创造力：尽管AIGC可以生成大量的内容，但其中可能缺乏真正的独创性和创造力。由于AIGC是通过学习已有数据和模式生成内容，它可能无法创造出完全新颖和独特的创意。
2.潜在的道德和伦理问题：AIGC的应用也引发了一些道德和伦理问题的关注。例如，AIGC可能被用于制造虚假信息、滥用版权或侵犯隐私等问题，需要谨慎使用和监管。
3.依赖于数据质量和训练样本：AIGC的质量和效果很大程度上依赖于用于训练的数据质量和训练样本的多样性。如果训练数据存在偏差或不足，AIGC生成的内容可能存在问题或质量欠佳。
4.人工参与和监督的需求：虽然AIGC具有自动化生成内容的能力，但人工参与和监督仍然是必要的。人类创作者在指导、编辑和审核生成的内容方面发挥着关键作用，确保内容的准确性、合法性和质量。
结论
虽然AIGC目前还面临着很多难题，但作为一个新生品，它给人类带来的惊喜已经足以让它瑕不掩瑜。
市场整体对于AIGC的预期都非常乐观，结合目前各巨头对此的积极态度，AIGC成为新的风口已经是板上钉钉的事。
按照整个价值链来看，AIGC大体可以分成应用层、模型层、基础层，其中基础层又分为框架层、平台层、算力层（云计算、芯片）、安全层等。在应用层，相关的创业以及投资机会将会有很多。
从工业软件的AIGC应用来看，它对工业软件影响堪称巨大，会是工业软件进一步完善自身的重要出路之一。随着AIGC技术的进一步完善，各大工业软件厂商对它的依赖性也会逐渐加强。对于所有企业来说，取得AIGC方面的突破将对自身未来在行业的地位产生重大影响。对我们国产软件企业而言，也是实现弯道超车不可多得的机会。
不过，人工智能是一个长周期、高投入的行业，需要企业在技术和市场方面持续投入。目前各行业的应用落地仍处于早期探索阶段，需要企业进行更多的研究和投资。在这个过程中，企业或个人想要入场还是要量力而行，合理规划研发成本，并寻找各种支持和资源，方能在未来的AIGC领域拥有一席之地。
关键词：
