1 前言 在人工智能发展的漫长历程中，如何让机器学会创作一直被视为难以逾越的天堑，“创造力” 也因此被视为人类与机器最本质的区别之一。然而，人类的创造力也终将赋予机器创造力， 把世界送入智能创作的新时代。采用机器学习的新范式赋能业务不断探索已经播种了几十 年，但随着足够的可伸缩算力的就位、海量数据的爆炸，以及机器学习技术的快速进步， 各行各业的客户开始对业务进行重塑。最近，智能对话类型的 AIGC 应用引起了广泛的关 注，引发了诸多想象。我们正处在一个机器学习被大规模采用的转折点上，我们也相信人工 智能将会重塑大量客户体验和应用程序。从机器学习到智能创造，从专业生产内容（PGC, Professional-generated Content) , 用户生产内容（UGC, User-generated Content）到人 工智能生成内容 (AIGC, AI-generated Content)，我们见证了一场深刻的生产力变革，而这 份变革也开始影响到我们工作与生活的方方面面，AIGC 也慢慢的演变成了一场技术和艺术 碰撞的盛宴，不断释放人类创造力，提高艺术设计领域的数字化创新效率。 本白皮书将结合 AIGC 领域最新技术趋势和真实行业客户案例，向所有 AIGC 的决策者， 开发者、创业者和使用者展示 AIGC 给各行各业带来的创新与变革，帮助用户更好的理解 AIGC 带给企业的价值，以及如何借助亚马逊云科技的产品和服务快速高效地构建差异化 的 AIGC 应用，增强企业在 AIGC 时代的敏捷性与竞争力。 2 目 录 篇章一 AIGC 介绍与典型行业应用场景介绍 4 AIGC 技术生态与典型客户需求 8 亚马逊云科技 AIGC 技术能力与解决方案 10 AIGC 客户案例分享 23 篇章二 篇章三 篇章四 扫码或点击了解更多亚马逊云科技 AIGC 技术能力与解决方案 3 篇章一 AIGC 介绍与典型 行业应用场景 AIGC ( 生成式人工智能 ) 是指可生成全新内容的人工智 能技术 从字面意思来看，AIGC 是继 PGC，UGC 之后的新型内容创作方式，可以在 创意、表现力、迭代、传播、个性化等方面，充分发挥技术优势，打造新的 数字内容生成与交互形态。 因此，AIGC 的狭义概念是利用人工智能自动生成内容的生产方式。但是 AIGC 已经代表了人工智能技术发现的新趋势，过去传统的人工智能偏向于 分析能力，即通过分析一组数据，发现其中的规律和模式并用于多种用途， 比如应用最为广泛的个性化推荐算法。而现在的人工智能正在生成新的东西， AIGC，生成式 AI(Generative AI) 与基础模型 (Foundation Models) Gartner 将生成式 AI 列为最有商业前景的人工智能技术之一。根据其 发布的 2022 年人工智能技术成熟度曲线，预计生成式 AI 将在 2-5 年内 进入生产成熟期，发展潜力与应用空间巨大。2025 年，30% 大型组 而不是仅仅局限于分析已经存在的东西，从而实现了人工智能从感知理解到 生成创造的跃迁。广义的 AIGC 可以看作是像人类一样具备生成创造能力的 人工智能技术，即生成式人工智能，它可以基于训练数据和生成算法模型， 自主生成创造新的文本、图像、音乐、视频、3D 交互内容（如虚拟人、虚 拟物品、虚拟环境等）等各种形式的内容和数据，以及包括开启科学新发现、 创造新的价值和意义等。因此，AIGC 已经加速成为了人工智能领域的新疆域， 推动人工智能迎来下一个时代。 织对外消息将由生成式 AI 生成。2025 年，50% 的药物发现与研发将 使用生成式 AI。2027 年，30% 的制造商将使用生成式 AI 提高产品研 发效率。从数字内容生产，到引领产业变革，商业前景，加速产业融 合与变革。 人工智能，可为现实 由大量数据预先 只需微调 ，即可用 接近人类生成内容的 驱动 任务 世界的任务制作足够 原创内容 训练的基础模型 适用于文本摘要、问答、数字艺 术创作、代码生成等多种用例 于特定领域自定义 降低机器学习模型开发的时间 和成本，提升效率，加速创新 4 与所有人工智能技术一样，AIGC 的能力由机器学习模型提供， 这些模型是基于大量数据进行预先训练的，通常被称为基础模 型（Foundation Models）。机器学习的最新进展（特别是 基于 transformer 的神经网络架构的发明）直接带来这一类模 型的爆发式增长，这类模型通常包含数十亿个参数或变量。如 今的基础模型，例如大型语言模型 GPT4 或 BLOOM，可以执 行跨多个领域的多种任务，例如撰写博客文章、解决算术问题、 对话聊天、基于文档回答问题等 , 由 stability.ai 开发的文生 图模型 Stable Diffusion，可以生成创意图片，转换已有图像 风格等。 尽管预训练基础模型所带来的功能和可能性已足够令人惊叹， 而真正让业界兴奋不已的是，这些通用模型也可以被定制化加 工，执行专属于其业务领域的特定功能，帮助业务建立差异化 竞争优势，与从零开始训练模型相比，仅需使用一小部分数据 和计算资源。定制化的基础模型可以带来独有的顾客体验，体 现公司的观点、风格和服务，适用于众多消费者行业，如金融 银行、旅行和医疗等。例如，一家金融公司如果需要使用所有 相关交易自动生成活动日报以供内部流通，它可以使用包括既 往报告在内的专有数据来定制模型，以便基础模型了解如何阅 读报告和使用哪些数据来生成日报。 但是，基础模型也有一些挑战，包括计算成本高和数据偏差等 问题。 计算成本是基础模型的一个主要挑战。由于这些模型具有数十 亿个参数，因此它们需要大量的计算资源才能进行训练和推理。 对于中小型企业来说，从 0 到 1 训练自己的基础模型非常困难， 而且在推理时也需要多个 GPU 进行计算，因此运行成本非常高。 另一个挑战是数据偏差。由于基础模型是在互联网上的未经筛 选数据上进行预训练的，因此这些数据可能包含偏见、仇恨言 论等有害信息。即使有人工标注员，也难以检查每个数据点， 因此这可能导致基础模型的信任度不高。 尽管存在这些挑战，基础模型的发展仍然是一种重要趋势，它 可以提高自然语言处理领域的效率和灵活性。将来，我们可能 会看到更多的基础模型应用于各种任务和应用程序，从而推动 人工智能技术的进一步发展。 AIGC 基础模型的主要使用方式 已有基础模型的提示词工程 模型微调 (Prompt Engineering) 训练时长和成本 定制化 专业程度 不需要 ▪不需要定制化模型 ▪需要定制化提示词 低 预训练 (Fine-tuning) (Pretraining) 几分钟到几小时 数天，数周到数月不等 ▪针对特定任务优化 ▪模型架构与大小 部分 ▪增加特定的私域训练数据集 中 完整 ▪词汇量 ▪文本长度 ▪训练数据集 高 5 AIGC 典型应用场景与行业分布 按照模态区分，AIGC 又可分为音频生成、文本生成、图像生成、视频生成及图像、视频、文本间的跨模态生成，细分场景众多，其中跨模态生成值得重点关注。 AIGC 塑造数字内容生产与交互的新范式 伴随数字技术与实体经济的深度融合、互联网企业数字化场景拓展至元宇宙，人类 对数字内容的总量和丰富程度的需求不断提高，AIGC 作为当前重要的内容生产方 式，已率先在游戏、营销、电商、传媒、影视娱乐等领域取得进展，伴随 AIGC 在 各个行业的渗透，AIGC 作为 AI 数字商业的探路者，有望开启下一场数字商业模式 的新篇章。 生成图片 生成文字 stability.ai，Midjourney，OpenAI，RunwayML， ChatGPT – 对话形式人机交互；Copy.ai - 广告和营销文案； 媲美专业画师的精美图片 Tiamat 人机交互、写邮件、写广告、剧本和小说 Jasper.ai - 营销推广文案及博客 生成音频 生成视频 唱、声音克隆人工智能音乐团队 Amper，人工智能播客 Make-A-Video(Meta)，Imagen Video(Google)， Phenaki 人工智能作曲 & 编曲、人工智能音乐生成、人工智能演 Podcast.ai，灵动音科技，行者人工智能 文字生成视频、视频内容创作、动态面部编辑、画质增强修复 (Google)， Synthesia ，Hour One 6 AIGC 主流行业实践与典型应用场景 游戏 零售电商 BGM 生成、IP 角色生成； 智能商品详情、商品个性化图案设计； 聊天机器人、游戏原画设计、场景生成、游戏策略生成、 风控欺诈检测、商品 3D 模型、虚拟主播、虚拟货场、 广告设计 金融领域 生成、营销素材生成、营销文案配图； 户信用评估、行业研究报告生成； 创意辅助、包装设计、服装设计出图、品牌宣传视频 智能投顾、智能客服、个性化营销文案、产品风险与客 媒体娱乐 医疗健康 剧本设计、特效制作、影视作品配乐； 医护陪伴、心理治疗； 视频游戏生成、AI 生成虚拟人头像、自拍图片风格生成、 医学影像分析、健康数据分析、药物研发、个性化治疗 7 篇章二 AIGC 技术生态与 典型客户需求 AIGC 技术生态 AIGC 技术生态加速形成与发展，目前整个 AIGC 应用的技术生态大致可以分为 三层：分别为基础设施、基础模型和应用程序。 AIGC 技术生态： • 通过运行自己的基础模型管道或者依赖第三方基础模型 API， 把 AIGC 基础 模型以端到端的方式为客户提供服务和产品，比如炙手可热的人工智能文本生 成领域独角兽 Jasper.ai, 提供营销文案生成的 SaaS 服务如广告文案、博客、外 发邮件等，人工智能绘画软件 Midjourney 等； • 为 AIGC 应用提供支持的基础模型，可以通过闭源专有 API （如 GPT-3）或开源 模型 ( 如 Stable Diffusion)，或者提供开源模型托管平台（如 HuggingFace）； • 提供 AIGC 基础模型进行训练和推理所需的算力基础设施（云计算服务商和 硬件制造商），如亚马逊云科技，英伟达等； 基础模型 基础设施 用户 端到端应用程序 AIGC 技术生态 应用程序 面向最终用户的 应用程序，使用 专有基础模型 示例： Midjourney、 Runway 应用程序 面向最终用户的 B2B 和 B2C 应用程序，没有专有基础模型 示例：Jasper、Github Copilot 闭源基础模型 通过 A