人工智能在經歷生成算法、預訓練模型、多模態等技術的累積融合和迭代后，逐漸突破傳統分析型人工智能領域，迎來生成式人工智能的加速發展。生成式人工智能工具推出不到一年，其應用呈“爆發”式增長，預計未來該技術將對商業運作和經濟社會發展產生深遠影響，有望開啟新一輪技術創新周期，并為全球經濟創造萬億美元價值。

人工智能發展歷程

隨著Dall-E2、ChatGPT、Stable Dif fusion等應用的相繼推出，生成式人工智能成為全民關注的焦點。ChatGPT應用發布僅兩個月，就積累了1億活躍用戶，成為有史以來用戶數增長最快的消費應用。眾多生成式人工智能應用自2022年以來陸續涌現，2022年也因此被稱為“生成式人工智能元年”。預計此類模型將對商業運作模式及經濟社會發展產生深遠影響，人工智能有望開啟新一輪技術創新周期。

回顧人工智能產業發展歷程，生成式人工智能的演變大致經歷了三個階段。首先是21世紀前“十年”利用機器學習進行分析和預測，各類機器學習技術迅速發展，通過機器學習模型對海量數據進行分析，從輸出的信息中得出結論或進行學習。在這個時期，機器學習生成式人工智能對經濟社會的影響被視為強大的人工智能工具，企業將其廣泛用于數據分析、模式發現、未來預測中，以遠超以往的速度和規模實現任務的自動化。

其次是21世紀第二個“十年”，進入了通過深度學習進行視覺和語言處理的階段。人工智能的感知能力進一步增強，深度學習成為機器學習領域新的研究方向。在此期間，深度學習在計算機視覺的應用，幫助搜索引擎和自動駕駛車輛對物體更好地進行分類和檢測。在語音識別應用中，人工智能語音助手能夠以更自然的方式與用戶交互。

最后是隨著生成算法、預訓練模型、多模態等人工智能技術累積融合，逐漸催生了生成式人工智能的“大爆發”。由OpenAI開發的GPT-4語言模型，標志著基于語言的人工智能應用邁入了嶄新的階段。生成式人工智能將迎來廣闊的發展前景，“賽道”內已誕生多家“獨角獸”企業。據波士頓咨詢預測，至2025年生成式人工智能的市場規模將至少達到600億美元。

應用場景及對不同業務模塊和行業就業的影響

生成式人工智能應用場景

生成式人工智能應用場景包括文本生成、圖像生成、音視頻生成和“數字人”生成。其中，基于自然語言處理的文本生成應用是生成式人工智能中發展較早的應用，可實現文本內容續寫、文本風格遷移、摘要生成及整段文本的生成，與其相關的個性化文本生成及實時文本交互前景廣闊。

圖像生成的技術場景劃分為圖像屬性編輯、圖像局部生成和更改、端到端的圖像生成。其中，前兩者落地場景為圖像編輯工具，目前已得到廣泛應用，相關產品較為豐富;端到端圖像生成則對應創意圖像生成和功能性圖像生成兩大落地場景。

音頻生成應用領域可分為語音合成和音樂創作。語音合成包括文本生成特定語音和語音克隆領域，其中文本生成特定語音領域技術成熟度較高，語音克隆對電影、動畫等行業意義重大。

視頻生成主要對應視頻屬性編輯、視頻自動剪輯、視頻部分生成三大領域。其中視頻屬性編輯應用更廣泛，可大幅提升剪輯效率;視頻自動剪輯技術仍在嘗試階段;視頻部分生成原理本質與圖像生成類似。預計視頻生成有望成為未來跨模態生成領域的中高潛力場景。

“數字人”生成可分為“數字人”視頻生成和“數字人”實時互動。其中“數字人”視頻生成是目前應用最廣泛的領域之一;而“數字人”實時互動多應用于可視化的智能客服，更強調實時交互功能。

對業務模塊運行產生的影響

生成式人工智能對用戶運營、營銷和銷售、軟件工程和產品研發業務模塊的運行產生積極影響。麥肯錫咨詢研究顯示，在16項業務職能的63個應用場景中，生成式人工智能可提供的潛在價值約75%集中在用戶運營、營銷和銷售、軟件工程和產品研發四個方面。其中，用戶運營業務主要通過使用生成式人工智能，改善用戶體驗并提升客服生產力。該技術的應用不僅能夠使單位時間的問題解決率提升，還能使處理問題所花費的時間和客服座席流失率大大減少。至關重要的是，生成式人工智能可提高經驗不足的客服人員的服務質量。麥肯錫研究估計，將生成式人工智能應用到用戶服務業務中可以提高生產力，并節約當前業務成本的30%~45%。

在營銷和銷售業務中應用生成式人工智能，可提高個性化營銷、內容創建和銷售效率。該技術可根據用戶的偏好和行為創建個性化消息，并制作品牌廣告、標題、產品描述等內容。此外，生成式人工智能還可以集成到各種應用中，以提供更高質量的數據洞察力、更好地定位用戶群、確定適宜的營銷策略。麥肯錫研究估計，生成式人工智能可以提高營銷生產力的經濟價值5%~15%。除了對營銷生產力產生直接影響外，生成式人工智能還將產生連鎖反應，使銷售生產力提高3%~5%。

在軟件工程業務中，生成式人工智能可作為編碼助理加快開發人員的工作進度。該技術的應用能減少一部分工作量，如生成初始代碼、代碼修正、重構及生成新的系統設計等，還能夠提升軟件工程師的工作體驗。近期一項研究發現，使用微軟GitHub Copilot軟件的開發人員完成任務的速度比不使用該工具的人員快56%。

產品研發業務中應用生成式人工智能技術可減少研發和設計時間，改進產品模擬和測試流程。研究發現，生成式人工智能可將產品研發速率提高10%~15%，縮短產品上市周期。

生成式人工智能對不同行業及就業的影響

生成式人工智能將對各行各業產生重大影響。麥肯錫咨詢機構分析稱，零售和消費品、銀行業、制藥和醫療行業受到的影響最大。其中，在零售和消費品行業中，生成式人工智能能夠實現用戶服務、營銷和銷售、庫存和供應鏈管理等關鍵業務的自動化，可將行業生產率提高1.2%至2.0%，預計每年額外創造4000億至6600億美元的經濟價值。生成式人工智能對銀行業產生的影響也是巨大的，人工智能虛擬專家、加速代碼生成以及大規模生成定制化內容等生成式人工智能技術的應用，可將該行業生產率提高2.8%至4.7%，預計每年額外創造2000億至3400億美元的經濟價值。生成式人工智能可大幅提高制藥和醫療行業的研發速度和質量，將行業生產率整體提高2.6%至4.5%，預計每年將創造600億至1100億美元的經濟價值。

生成式人工智能也將給不同崗位的就業帶來機遇和挑戰。一方面，生成式人工智能將促進崗位智能化升級，部分工作崗位將被替代。據高盛研究機構分析，生成式人工智能的智能自動化能力極大提升了工作效率并降低運營成本，美國和歐洲的傳統職位都將受到不同程度的人工智能自動化影響，生成式人工智能可以替代四分之一的工作崗位。另一方面，生成式人工智能也會創造新職業。“問客”讓人們能夠利用自然語言作為提示詞，通過與AI進行交互，得到信息或創造作品。此外，其相關領域也將產生大量新的工作崗位，如人工智能訓練師等。

生成式人工智能經濟社會價值

生成式人工智能可能會使全球經濟增加萬億美元。麥肯錫咨詢機構評估，如果將分析的63種生成式人工智能應用于各行各業，將為全球經濟每年帶來2.6萬億至4.4萬億美元的增長，相當于英國GDP的體量。這一預測還未將所有的生成式AI應用計算在內，若將尚未研究的應用考慮在內，生成式人工智能所產生的經濟影響可能會翻倍。

生成式人工智能可以大幅提高整個社會的勞動生產率，但前提是該技術與社會整個生產結構及工作模式相協調。生成式人工智能與其他技術相結合，預計在2023年到2040年間，平均每年可使勞動生產率提升0.2%~3.3%，其中生成式人工智能可使勞動生產率增長0.1%~0.6%，具體數值則取決于技術采用率和員工時間在不同活動中的調配。另外，員工在學習掌握生成式人工智能相關技術時需要培訓，部分員工中途可能會改變職業。如果員工轉型和其他方面風險能得到有效控制，那么生成式人工智能將為經濟增長作出實質性貢獻，并讓世界更具可持續和包容性。

生成式人工智能已成為一個具有廣泛應用前景的領域。未來，隨著技術的不斷創新和市場需求的釋放，生成式人工智能將被更加廣泛地應用于各行各業，為經濟社會創造更多的價值，同時極大地改變商業運作模式和人們生活的方式。與此同時，技術的快速發展也將帶來新的風險和挑戰，諸如知識產權保護、安全、技術倫理、環境影響等。為確保生成式人工智能技術實現高質量、健康可持續發展，還需行業參與者、政策制定者及消費者共同努力。