IDC定义的AI应用均是指基于机器学习算法的AI决策系统。大模型则是指读取海量数据、参数规模巨大的算法模型。业界一般认为超过千亿级参数即为大模型，其训练过程中可能使用了上千张以上的GPU/CPU芯片。ChatGPT与AIGC均为大模型的应用场景之一。ChatGPT可以类比原有的对话式AI应用、AI赋能的搜索类应用。AIGC则可以分为生成文本、生成图像、生成视频，也可以归为大模型的应用场景之一。

OpenAI自发布GPT1.0模型之后，一直在持续迭代，陆续发布GPT2.0、GPT3.0和GPT 3.5，本次发布GPT4.0是其持续投入AI大模型的必然阶段。相比前几个模型，GPT-4的参数量更大，模型迭代时间更长，也能够给出更准确的结果。IDC认为，新版本的发布是大模型循序渐进发展的必然成果。正如百度集团首席执行官李彦宏所说：“公司每一年都会发布大模型的新版本，是多年努力的自然延续”。

ChatGPT实质是对话式AI的应用，对话式AI的落地已经非常广泛。根据IDC追踪的人工智能市场规模数据，对话式AI市场规模在2022年达到54.6亿元人民币，其市场渗透率相对已经饱和。ChatGPT引发的浪潮促使主流厂商在其对话式AI应用中引入大模型，将带动对话AI相关市场新一轮增长。此外，在搜索、营销场景中，ChatGPT类型的应用则可能衍生出全新的产品形态。

关于AIGC，除了大众所熟知的StableDiffusion, Midjourney以及DALL·E2之外，也有些商业公司对此提供云端支持。目前亚马逊云科技通过IndustryAI以及SageMaker提供了Stable Diffusion的支持。百度的文心一言已于3月16日开启邀测，提供文学创作、商业文案创作、数理逻辑的推算、自然语言理解以及多模态生成五大功能。此外，还有很多数字人的公司也采用了AIGC相关技术。从技术的角度，当前市面上的产品大多只能做到文生图，文生视频类产品的发布则还需要时间，值得期待。

关于大模型，在开源社区已经发布的大模型之外，目前提供商用的大模型包括微软Azure上整合的GPT大模型、百度智能云以及百度飞桨支持的文心大模型、华为云盘古大模型、阿里云M6大模型。由本土厂商研发的大模型，大多支持本地化部署。

过去几年部署的AI应用，接下来几年都有可能被基于大模型的AI所替代。升级迭代可能会从优先具备海量数据的场景开始。当大模型支撑的AI应用成为主流，不能利用大模型能力的厂商将失去竞争优势。

未来的工作中，AI助理将替代更多人类的工作。诸如文生图的应用，诸如各领域初级内容的搜索，均可以借助AI生成的内容。

目前已经公开的大模型诸如GPT系列、Bert系列所耗费的算力根据公开资料可以查到。而真正落地到产业界，具体的投资规模要视应用场景决定。投资成本与所需的算力，是否部署完整的大模型，以及要推理的数据流量相关。

纯AI算力市场：在这一波AI热潮中最先最直接受益的即AI算力提供商，包括芯片厂商、AI服务器厂商，以及支撑大模型训练和推理的AI算力云服务商。

大模型与算力的结合：即AIaaS+AIPaaS。为市场提供大模型与算力结合后高度优化的方案，以帮助用户降低硬件使用门槛、提高开发效率、降低整体投资成本。典型的解决方案如百度的“AI大底座”，商汤的“AI大装置”。

大模型即服务：开放大模型开发平台供外部用户使用。这一市场属于高度创新的市场，但仍存在较高的进入壁垒。

大模型厂商都在着手将现有的AI软件升级为大模型支撑的AI应用。可以根据应用场景优先级与合作伙伴联系引入大模型支持的AI。而在MaaS（模型即服务）产品层面，市场上可选的成熟产品并不多，预计今年下半年会有数十家厂商的产品上线。可以率先选择数据隐私要求不高的领域在公有云上测试大模型能力。

生成式AI生成内容的版权需提前规划。生成式AI读取海量数据后生成的图片等内容有可能会引起版权问题，需要提前从规则上加以控制。

对原有流程的改变：一方面生成式AI生成的内容还需要人类审核才能发布，另一方面可能会要求工作流程上做出改变以适配AIGC的加入。

鉴于其仍处于技术成熟度的早期阶段，在传统行业应用场景不十分清晰，投入产出比目前也难以评估。

借鉴今天的文生图、文生视频类应用，其实大多是基于过去几年已有的小模型通过各种技术路线实现的AI应用。类似的、各行各业的应用场景，都可以基于现有的AI模型，以低代码的形式拼接出人人可上手的AI应用，甚至未来的AI应用，都可能是输入自然语言直接输出结果的形式。