导图社区 AIGC:掀起互联网内容生产新革命(MM整理)
AIGC:掀起互联网内容生产新革命(MM整理)的思维导图,一起来了解AIGC产业的发展,AIGC产业链:算力层→算法层→应用层,快来看看吧。
这是一篇关于职场高效沟通工具箱的思维导图,主要内容包括:1.PREP 模型:高效沟通的黄金法则,2.职场表达利器:SCQA 工具应用,3.STAR 模型:用结构化表达点亮职场沟通之路,4.FOSSA模型:开启高效沟通的新钥匙,5.职场必修课:用 STORY故事模型打造高效沟通力,6.乔哈里视窗:解锁高效沟通与深度自我认知的密钥。
这是一篇关于目标与计划管理:为工作指引方向的思维导图,主要内容包括:用SMART设定工作目标,如何分解工作目标,如何做好计划,用PDCA做好计划管理。
这是一篇关于高效复盘:将经验转化为能力(1堂课让你学会复盘)的思维导图,主要内容包括:1.复盘前的准备工作 2.复盘的流程和技巧3复盘常用工具。
社区模板帮助中心,点此进入>>
互联网9大思维
组织架构-单商户商城webAPP 思维导图。
域控上线
python思维导图
css
CSS
计算机操作系统思维导图
计算机组成原理
IMX6UL(A7)
考试学情分析系统
AIGC:掀起互联网内容生产新革命(MM整理)
AIGC产业的发展
生成式AI掀起内容生产新革命,有望重构互联网价值链分配
传统AI:偏分析能力。
基于现有数据分析发现规律,应用于时间预测、算法推荐、人脸识别、自动驾驶。
生成式AI:更具创造力。
不仅分析现有规律,更实现人工智能从“感知理解”到“生成创造”的跨越。
AIGC掀起内容生产新革命。
过去互联网实现信息传播近乎零成本,未来AIGC实现内容生产接近零成本。
从“提升分发效率”到“提升生产效率”。
AIGC重构互联网价值链分配,上游内容生产利用技术降本增效。
PGC→UGC→AIGC, AIGC有望重构互联网内容生产格局
算法层:预训练模型引发AIGC技术能力质变,大模型迎来产业化元年
预训练模型(又称“大模型”)
特点是基于大量数据训练、拥有大量参数、可以广泛适用下游任务。
关键节点
2018年谷歌发布基于transformer的预训练模型BERT,进入大炼模型参数的预训练模型时代。
关键能力:通用性、多模态、使用门槛降低、生产内容高质稳定。
预训练模型作为基础设施,可以快速抽取生成场景化、个性化小模型,实现工业流水式部署,摆脱传统AI应用碎片化、作坊式的开发方式。
GPT是如何练成的
训练参数:参数量大,算力需求高,训练成本高
参数量大
GPT—3参数量接近1750亿,ChatGPT基于优化后的GPT—3.5微调而来,GPT—3.5参数量13亿。
算力需求高
根据英伟达,使用单个V100GPU对GPT—3进行一次训练,需要耗时288年。OpenAI使用的微软Azure超算中心拥有超28.5万个CPU核心、1万个GPU和400GB/s的GPU服务器网络传输带宽。
数据量大
GPT—3模型的神经网络在超过45TB的文本上进行训练,数据相当于维基百科英文版的160倍。
训练成本高
根据Lambda,训练一次GPT—3模型需要耗费的训练成本超过460万美元。
训练策略:强化学习算法RLHF,题海战术,数据标注
RLHF需要从人类反馈中强化学习,需大量的外包人员进行数据标注。
算法层:大模型开发壁垒高,科技巨头更有望脱颖而出
国外公司布局
国内公司布局
应用层
随着大模型逐步成熟,下游应用开始爆发
互联网公司AIGC相关应用布局
市场规模
千亿市场规模
根据Acumen Research and Consulting, 2021年全球生成式Al市场规模大大79亿美元,预计到2030年市场规模有望达到1108亿美元, 2022—2030复合增速达到34.3%
北美增长领先
2021年北美生成式A1市场规模达到32亿美元,占比40.5%。
投融资
国内大部分公司仍处天使轮投资,AIGC产业方兴未
AIGC产业链:算力层→算法层→应用层