2022 年將是人工智能從技術成熟到深入社會基本面的一年，生成式AI的關鍵指標及商業應用水平將決定其最終的社會價值。
過去幾年，人工智能在技術領域取得了階段性的跨越。包括生成式AI技術（Generative Artificial Intelligence）、AI-XR技術、知識圖譜和復合人工智能、軟件編碼等許多方面實現突破，這種突破為商業化奠定基礎，越來越多的組織使用人工智能解決方案來創建新產品、改進現有產品并擴大客戶群。
事實如此，人工智能技術的商業化也正迎來規模效應。據Gartner預測，全球人工智能軟件市場將在2022年達到620億美元，比2021年增長21.3%，商業是人工智能市場增長的主要驅動力之一。Gartner調查數據顯示，約48%科技高管表示已部署或正在部署人工智能或機器學習 (ML) 技術；超87%的AI投資者認為，2022年是商業化元年，前期投入的AI資金將在各行業中發揮杠桿作用或指數級增長。
吸引諸多人工智能明星企業參與其中。自2018年底，影譜科技首次在中國提出生成式AI技術應用概念，從內容業務出發，已經在商業、文娛、體育等領域取得突破，其生成式AI履約工程化能力達到較高水平，有近百萬3D數字商品目錄。在國際上，Amazon Lex、Nuance和IBM等也在努力挖掘生成式AI技術商業潛能。
生成式AI是人工智能前沿中最成熟的領域，2022年將是生成式AI從技術成熟到深入社會基本面的元年。影譜科技表示：“生成式AI正在化身為一種推動力和生產力，促使企業主動向AI升級，通過以業務為中心的解決方案來解決重要的業務問題。到2022年，預計生成式AI參與規模將變得更大，更具戰略意義，也更涉及業務的關鍵，即可持續性的規模增長。”
什么是生成式AI？
生成式AI促使內容創造產業發生范式轉變，成為人工智能的基礎技術。麻省理工學院技術評論將生成式人工智能描述為過去十年人工智能領域最有前途的進步之一，Gartner則把生成式AI列為最有商業前景的人工智能技術。
（圖片：生成式AI的典型應用：識別、提出、生成，億歐制圖）
生成式 AI 是指可以使用現有內容（如文本、音頻文件或圖像）來創建新的合理內容的程序，例如文本、圖像、音頻、視頻、3D交互內容。其在商業、文娛、體育等領域衍生為一種新的生產力，在增強現實和虛擬現實、數字孿生中也發揮著重要作用，銜接現實世界的數字化。
從技術范疇看，生成式 AI 使計算機能夠學習與輸入相關的底層模式，然后使用它來生成類似內容。其由多種技術組合做到這一點，關鍵核心技術有生成對抗網絡 (GANS)、識別與提取器和變分自動編碼器：
生成對抗網絡（GANs）：GAN使用兩個神經網絡相互對抗的生成模型，一個生成器、一個鑒別器，它們以相互競爭在兩個網絡之間找到平衡。生成器網絡負責生成類似于源數據的新數據或內容；鑒別器網絡負責區分源數據和生成數據，以識別更接近原始數據的數據。這兩個神經網絡都在交替循環中進行訓練，其中生成器不斷學習生成更真實的數據，而鑒別器在區分假數據和真實數據方面做得更好。
識別與提取器（Transformers）：Transformers被用來理解語言或圖像，是數據訓練的關鍵，學習一些分類任務并從海量數據集中抽取關鍵數據，生成文本或圖像。如GPT-3、LaMDA和Wu-Dao，模仿人類認知能力，并差異測量輸入數據的重要性均衡，以判斷哪些是關鍵信息。
變分自動編碼器（VAE）：編碼器將輸入編碼為壓縮代碼，而解碼器從該代碼中再現初始信息。如果選擇和訓練正確，這種壓縮表示將輸入數據分布存儲在更小的維度。
預測：生成式AI在2022年的重要應用趨勢
生成式AI在差異化市場取得關鍵進步。“在2022年，CIO還將開始評估AI是否從根本上改變開發人員的生產力，” Everest Group負責人說，這個領域已經研究了很長時間，但最近取得了有意義的進展。
值得注意的是，行業關注點是從技術概念到投入企業生產的流轉速度。因此，以下五個趨勢主導了今年生成式AI的發展方向：
趨勢一：企業對生成式AI的需求不斷增長，市場空間進一步抬高。
視覺生成式AI將成為2022年最受關注的企業級人工智能之一。在Gartner的一項調查中，大部分企業IT管理者認為，計算機視覺特別是服務于生產業務端的應用將是2022年重點投入方向。未來兩年，每家公司預算資金預計平均為67.9萬美元。
使用生成式AI創造的2D/3D視頻正在各個行業廣泛應用——醫療保?。◣椭t生檢測 X 射線、CT 和 MRI 掃描中的病變）、數字商業（掃描庫存、創建商品的數字孿生體）、制造（設備的目視檢查）、工廠的輸出質量管理（掃描產品的缺陷）、農業和農業（使用計算機視覺驅動的無人機監控田地和農場的狀態）、自動駕駛汽車、文化娛樂（創建數字內容、識別視頻內容）等。
（圖片：《中國AI數字商業展望2021-2025》報告）
生成式AI市場空間隨著應用開展被逐漸抬高，不僅是文娛內容創建的基礎技術，也是商業領域數字化基石。據《中國AI數字商業展望2021-2025》報告披露，在2020年基于生成式AI創建的數字商業內容產業市場規模約40億元，預測至2025年，AI數字商業內容產業市場規模接近500億元。報告指出，依托影譜科技推出的AI數字商業內容生成平臺，品牌商能夠低成本快速進入市場，創建了一個 3D 交互式商品、銷售、運營和洞察平臺，用于生成虛擬商鋪、商品數字孿生體、虛擬客服等，支持用戶自行搭配家居環境的3D購物場景。
參與方不再局限于人工智能技術企業，技術種類更為豐富。2021年9月，特斯拉推出了新的強大芯片Dojo，該芯片專門用于處理從其自動駕駛汽車中的計算機視覺系統接收到的大量圖像，基礎是動態感知隱式生成對抗網絡。
趨勢二：生成式AI將促使更聰明、低成本的機器人和虛擬助手變得普及。
2022 年另一個值得關注的生成式 AI 趨勢是聊天機器人和虛擬助手的智能化程度提高。疫情使生成式AI在虛擬代理等面向客戶的角色中的應用有所增加，同時更加成熟和復雜。
深度學習和內容生成技術使聊天機器人和虛擬助手能夠幫助企業自動化人類通常執行的日常任務。然而，隨著人工智能的成熟和技術的不斷進步，我們可能會在 2022 年看到更多智能聊天機器人。
圖形芯片生產商NVIDIA 正在推出一個生成交互式 AI 化身平臺NVIDIA Omniverse Avatar?；黹_發使用的底層技術包括計算機視覺、生成式AI、自然語言處理、模擬技術和推薦引擎。該公司表示，人工智能助手將能夠執行數十億次日?？蛻舴詹僮?。
金融服務巨頭富國銀行宣布，在未來12個月內，其全智能助手Fargo將幫助更多客戶轉變為數字用戶。該公司聲稱Fargo將能夠處理匯款、賬單支付、交易信息細節和預算建議。
趨勢三：生成式AI將從根本上構建自更新的元宇宙
當我們進入虛擬世界時，虛擬助手和數字人將非常方便——一個讓用戶體驗身臨其境的體驗并允許他們通過數字工具相互虛擬交互的虛擬環境。
生成式AI驅動的數字人將在新的虛擬環境中建立聯系和互動。世界著名的AI 機器人 Sophia的創造者將專門為 Metaverse 發布機器人的動畫虛擬版本。其開發人員聲稱，代幣化的 SophiabeingAI將“隨時隨地、跨設備和媒體平臺”與元宇宙用戶互動。
與虛擬現實和增強現實技術一起，人工智能生成的合成內容將成為虛擬世界的基礎。元宇宙將需要更多AI生成的內容，可以快速且低成本地創建、維護、更新，并幫助創建者促進內容獲利，這是一種全新的自更新機制。
趨勢四：生成式AI技術將面向解決業務問題邁進
基于深度學習的標記進步：深度學習算法可用于訓練機器準確識別圖像和視頻。它減少了包括注釋和標記數據在內的繁重任務，提高構建知識圖譜的可能。
與數字孿生的融合：生成式AI正在將 AR 和 VR推向一個新的發展水平，即從根本上完成MR（Merged Reality）、擴展現實（XR）、數字孿生的內容重建自動化。AR和VR技術可以創建3D環境來跟蹤圖片中對象的移動。
生成流模型模塊化：生成流模型的目標是準確估計數據分布。然而，估計圖像數據分布的任務是一項具有挑戰性的任務，因為圖像數據的復雜性、像素的數量、不同的顏色通道，更重要的是，嵌入在每張圖像中的語義關系將自己與另一張圖像區分開來。與機器學習針對構建小的、通用的、專用的模型一樣，使用生成流模型對各個產業基礎部分進行建模，在不同行業形成標準模塊及應用框架，機器最終會生成超逼真的實時結場景、聲音、氣味和其他感官數據。
趨勢五：工程化水平是生成式AI的關鍵指標，定義AI服務黃金標準
在2022年AI趨勢列表中，最后但重要的是改進的生成式AI的工程化能力及服務標準。而標準化的構建在于AI企業對于業務的理解、及工程實踐。
Gartner 高級首席分析師Shubhangi Vashisth表示：“平均而言，將基于 AI 的模型集成到業務工作流程中并交付有形價值需要大約 8 個月的時間。”為了減少人工智能項目的失敗，企業必須選擇更為高效、穩定的工程化履約人工智能服務。
生成流模型模塊化與工程化的履約能力是最具前途的方向。影譜科技發布的ADT引擎，是一種復雜的圖像識別與生成流模型，可用來自動處理和生成視頻、類人虛擬助手、數字商品，被部署在各類企業級商業平臺，包括電商平臺、長視頻平臺、社交網絡。
影譜科技幫助企業創建人工智能驅動的內容生成解決方案，以自動化工作流程提高生產周期的效率，機器學習工程團隊提供定制解決方案以滿足各類業務需求。
企業應將工程化 (AI Engineering) 作為評價指標，已經成為一種共識。影譜科技通過一種有助于確保高度成功的原則性方法和平臺生成準則為保障，形成以業務為中心、低代碼敏捷部署、支持即插即用的模塊化、極致體驗感、對服務負責的AI標準體系。這一體系直接減少了將生成式AI模型從試驗階段轉移到生產應用階段所需的時間，影譜科技還為內容生成平臺（圖形、語言、基于規則的系統等）和內容運營模型提供了一個治理和生命周期管理系統。
企業可以應用生成式AI來創建新的媒體內容、合成數據和物理對象模型。例如，影譜科技AI賽事動態內容生成方案Moviebook SAiDT是工程化履約的典型代表，為媒體機構及賽事平臺提供近乎即時的AI增強內容生成的能力。其發布的另一個數字商業內容生成方案Moviebook CSAI可以在極短時間內創建商品的3D可視化體驗與交互，數據顯示，理想狀態下，CSAI方案可助力合作方實現平均交易規模增加50%，每筆交易項目增加30%，商品退貨率同比減少80%，平均銷售周期縮短30%。
