1.2.3 技术供给

技术供给层面主要是基于两个方面的进展：算力提升和算法突破。

算力的提升直接决定了模型参数的规模，进而影响人工智能的性能表现。我们可以看到，从最早的GPT-1只支持1.5亿个参数，到GPT-3已支持2000亿个参数，再到像“悟道3.0”这样的大模型已经达到超过万亿个参数，对算力需求的增长速度已远超摩尔定律提出的增长率。

在算法方面，有几个关键模型对AIGC的发展产生了巨大的推动作用。首先是Transformer模型，它引入了自注意力机制，利用并行训练的优势为大模型训练奠定了基础。其次是CLIP模型，它推动了跨模态生成技术的发展，以及Diffusion模型取代GAN成为图像生成领域的主流模型。此外，ChatGPT的成功也离不开人类反馈的强化学习训练方法。

AIGC生成的模拟数字城市的场景

通过不断提升算力和突破算法，AIGC领域的发展取得了显著的进步。大规模参数的支持和新的算法技术的引入，为人工智能的性能表现提供了更强的基础，推动了AIGC在各领域的广泛应用和发展。这一发展趋势将继续推动AIGC领域的创新和进步，为未来带来更多令人期待的应用场景。

而这一轮AIGC技术带来的AI应用的火爆，主要体现在C端的AI应用上。与以往AI技术主要改进和优化企业端不同，大语言模型（LLM）所带来的应用，如ChatGPT和Midjourney，不仅改变了企业端的业务模式，也让亿万用户对AI技术有了直观而震撼的体验。ChatGPT和Midjourney等应用正在快速发展，并在文本生成、代码本生成、图片等领域取得了巨大成功，而更多类似应用也在迅速涌现，包括AI生成音乐、AI生成视频、AI生成游戏等应用。现在，基于GPT-3、GPT-4、DALL-E等模型的AI应用越来越多。单单从GPT模型来看，GPT-3 DEMO网站上统计的GPT-3应用程序已超过800个，但这些应用并不包括企业推出的GPT应用。

LLM技术的突破使得AI应用对B端和C端都产生了深远的影响。企业借助ChatGPT和Midjourney等应用进行创新，不仅更新业务模式，也改善了用户体验。同时，对普通用户来说，这些应用也给他们带来了深刻的AI体验，加强了其对AI技术的认知。AI技术在文本生成、代码、图片生成等领域的快速发展，展示出了其在不同领域具备的巨大潜力。

随着LLM技术的不断进步和应用的广泛拓展，AI技术正在逐渐改变人们的生活和工作方式。AI应用的发展为用户提供了更多的便利和创新机会，同时也为企业带来了更多的商业机会。我们有理由相信，随着AI技术的不断升级和应用场景的扩展，它将继续为人类社会带来更多惊喜和改变。

AIGC生成的数字人工作的场景