首先，让我们理解一下这两个概念。
AIGC，或者称之为人工智能生成内容，是指使用AI算法和模型来自动生成全新的、原创的内容。这种内容可以包括文本、图像、音频、视频等各种形式，甚至可以包括一些独特的形式，比如新颖的创意和设计。AIGC的应用领域非常广泛，包括但不限于写作、绘画、音乐创作、视频制作等。
生成式AI，则是一种更广泛的概念。它指的是使用AI算法和模型来生成或者模拟某种特定的数据或现象。这种AI模型的学习和训练过程通常是基于大量的数据，从而使其能够模拟出真实世界中的某种行为或者现象。生成式AI的应用领域也非常广泛，包括但不限于自然语言处理、图像识别、语音合成等。
一、什么是AIGC？
二、技术层面发展
AIGC要素：算力 + 算法+ 数据 AIGC发展重点
AIGC产业链路
AIGC未来方向
三、产业层面发展
AIGC产业融资
AIGC场景应用
四、AIGC应用分析
AI+ 游戏
eg：网易伏羲
AI + 广告营销
eg：
AI + 影视媒体行业
eg：
AI+ 电商
eg：
AI+医疗
eg：
AI + 金融
eg：
AI+ 其他
五、AIGC落地方式与路径
目前企业/机构端在使用相关的AIGC能力时，主要有五种方式：直接使用、Prompt、LoRA、Finetune、Train。
直接使用：直接使用基础大模型厂商发布的产品服务，通过接口调用方式嵌入自身业务或系统当中。
Prompt：通过提示工程，通过微调少量参数，引导预训练语言模型做特定下游任务。利用文本对话方式操控语言大模型，引导生成结果。
LoRA：仅训练低秩矩阵（low rank matrics），使用时将LoRA模型的参数注入基础大模型，在不修改大模型的前提下，改变模型的生成风格。所需的训练资源比训练基础大模型要小很多，非常适合社区使用者和个人开发者。
FineTune：Finetune是应用或利用迁移学习的一种方式。对基础大模型进行微调，以适应特定任务。当数据集相似，但数据量又很少的情况下，微调省去大量计算资源和计算时间，提高了计算效率,甚至提高准确率。具体来说，微调是一个过程，它采用已经针对一项给定任务训练过的模型，然后调整或微调模型以使其执行第二个类似任务。
Train：调用数据、算力、算法从头训练大模型，从头开始训练大模型。除非特殊领域和特定要求，一般商业公司不会从头开始训练基础大模型。
六、AIGC营收模式
目前AIGC主要的商业模式为MaaS（Model as a service），MaaS是一种云与大模型深度绑定后的新商业模式，以云为基础、模型为中心，提供众多预训练基础模型，只需针对具体场景作调整优化，就能够快速投入使用。