AIGC全称为AI-Generated Content，指基于预训练大模型、生成式对抗网络（GAN）等人工智能技术，通过已有数据寻找规律，并通过释放泛化能力生成相关技术的内容。据量子位智库预测，到2030年，AIGC市场规模将达到1.15万亿元规模，2025和2027年预计成为两次规模爆发点，年复合增长率有质变性提升。
报告中，量子位智库对AIGC市场玩家进行了全面梳理，按照基础设施层、模型层和应用层分为三大类，其中又对应用层从基于底层逻辑、基于模态和基于玩家身份等三个维度进行分类。
创新奇智分布于AIGC应用层的多个板块，主要体现在：基于底层逻辑的应用分类 —用于提供解决方案，基于模态的应用分类 —图像生成、视频生成、合成数据，基于玩家身份的分类 – AI公司。
量子位智库认为，AI公司可与自己的AI后台进行联动，提供具有延展功能的AIGC服务。在应用层，由于B端应用对行业差异化和专业化的要求更高，该领域的AIGC玩家更容易建立自身的业务和客户壁垒。
创新奇智依托于自研MMOC人工智能技术平台（ManuVision机器视觉智能平台、MatrixVision边缘视频智能平台、Orion分布式机器学习平台和Cloud云平台），在预训练模型、数据生成等AIGC领域持续投入研发，逐步研发面向制造业的工业预训练大模型，增强面向制造业的产品和解决方案的技术竞争力，助力制造业企业数字化、智能化升级。
创新奇智结合在AIGC算法模型上的积累，研发面向制造领域的AIGC产品：AInnoGC。AInnoGC使用模块化设计，可实现制造领域的多场景降本增效，比如制造领域的样本生成、产线布局、智能问答等不同场景下的任务需求。以硅片缺陷检测为例，以往基于“对抗生成网络(GAN)”生成的图片是对既有图像的模仿，创新性不足，且生成的检测模型不能跨产线使用。创新奇智运用AInnoGC可模拟不同产线的工艺差异，生成大量高质量样本，更精准、更低成本、更高效地对不同产线硅片缺陷进行检测。
据了解，创新奇智应用小样本学习技术,结合AI样本数据生成功能，仅需少量场景数据辅助描述，便可生成大量针对该场景的样本数据用于模型训练，从而大大降低工业领域AI模型的生产应用门槛和模型生产成本。另外，创新奇智研发的双阶段引导的扩散模型可以自动生成缺陷样本图片，用于工业视觉模型的训练，可以缩短模型上线周期，提升模型检测性能。创新奇智在前期已经积累了丰富的垂类场景模型，后续还将不断研发，持续推进跨垂类的模型技术突破，助力智能制造高质量发展。
