1、项目概述

本项目拟投资 47,918.00 万元，通过引进专业研发人员、购置配套算力设施及数据库等措施，针对公司“逍遥 AI”开展技术研发与升级。项目聚焦大模型能力体系建设，计划进一步强化公司中英文及多语种文学、海外网文、短剧剧本、漫画动画脚本、IP 设定及分镜脚本等垂类语料体系建设，开展模型预训练、微调与评测，将市场反馈核心指标转化为强化学习迭代信号，系统性解决通用模型在题材理解、人物一致性、剧情衔接及多语种风格适配等方面的不足，赋能作者创作、编剧辅助、编辑审稿及 IP 开发等全流程场景。

2、项目相关背景分析

自 2022 年末 ChatGPT 问世以来，大模型经历了从文本生成向多模态理解与

生成的快速演进，行业经历了由扩大参数规模、拓展多模态，到强化深度推理与长上下文能力，再到智能体工程落地的持续演进，训练方法也由监督微调、人类反馈强化学习逐步发展至直接偏好优化与推理强化。随着推理模型与智能体技术加速成熟，当前大模型应用形态持续升级，参数性能不断提升，使用成本大幅下降，为其规模化落地应用创造了有利条件。

根据灼识咨询数据，2025 年全球大模型市场规模预计为 220 亿美元，同比增长 105.61%。其中，大模型应用和 MaaS市场规模分别达 146 亿美元和 74 亿美元，同比分别增长 105.63%、105.56%。随着技术的持续进步和应用范围的持续扩大，2029 年全球大模型市场规模有望增长至 2,065 亿美元，应用和 MaaS 市场规模将分别达 1,515 亿美元和 550 亿美元。

在数字内容创作领域，大模型的应用已从辅助工具演变为深度嵌入生产全流程的核心能力。在文学创作方面，大模型能够基于输入快速生成故事大纲、人物设定、情节架构乃至完整对话；在影视与短剧领域，相较于真人短剧，AI 短剧的制作周期可缩短 80%以上、成本下降 60%至 90%，各类 AI 工具已支持从文本到画面的全流程工业化生产；在剧本创作方面，大模型可用于智能脚本撰写、分镜设计及镜头设计等环节。

AI 翻译亦大幅降低了内容出海的语言门槛，相关模型已实现降本超 90%。然而，大模型在小说、剧本及 IP 衍生文本创作中仍面临专业语料不足、题材理解浅、人物设定漂移、剧情衔接生硬、多语种风格不稳定等问题，亟需通过垂类语料训练与行业深度适配，使大模型真正成为数字内容产业从创意到成品的全链路赋能引擎。

3、项目必要性分析

（1）本项目有助于强化公司核心技术实力，完善以大模型为底座的能力体系

随着大模型能力的持续提升，AI 正加速渗透数字内容生产全流程，深刻重塑创作、生产与分发的底层范式。在文学创作、剧本开发、IP 衍生等场景中，大模型已深度参与题材判断、人设构建、剧本架构、多语种本地化改编等内容生产环节，成为提升数字内容创意上限、生产效率与市场竞争力的关键要素。在此背景下，构建自主可控、面向垂类场景的专业模型能力，已成为数字内容企业在新一轮技术竞争中占据主动、建立差异化竞争优势的核心所在。

为进一步强化核心技术实力，公司拟通过本项目建设，丰富中英文及多语种文学语料、海外网文语料、短剧剧本、漫画/动画脚本、IP 人物设定、世界观设定、分镜脚本等垂类语料体系，有助于完善公司以大模型为底座的能力体系，为公司核心业务发展提供自主可控、持续进化的底层智能支撑，帮助公司在人工智能与内容产业深度融合的浪潮中确立领先地位。

（2）本项目有助于公司打通“内容生成—市场验证—反馈强化学习—模型优化”的数据闭环，构建可持续进化的大模型能力

大模型能力的竞争不仅取决于参数规模和训练数据，更有赖于能否通过真实市场反馈持续驱动模型进化。当前，行业内多数 AI 内容创作工具和模型仍停留在生成即结束的单向模式，缺乏将点击、完读、追读、收藏、评论、付费转化、留存等用户行为数据系统性地转化为模型迭代信号的闭环机制，进一步导致模型优化只能依赖有限的评测集和人工反馈，迭代速度慢、方向偏差大，难以真正贴合市场对内容的真实需求。

本项目计划在垂类语料体系建设与模型训练基础上，将用户核心行为指标进一步转化为奖励模型与强化学习的迭代信号，使得公司模型每一次迭代都建立在数千万级真实用户行为数据之上，形成越用越好、越用越强的良性循环。

项目有助于公司打通“内容生成—市场验证—反馈强化学习—模型优化”的数据闭环，推动模型能力与业务数据的深度耦合，持续强化公司在数字内容领域的核心竞争力。

4、项目可行性分析

本项目是在公司现有内容平台和技术体系基础上开展的升级和迭代，具有坚实的落地基础。在数字内容方面，公司长期运营数字阅读和网络文学业务，积累了大量原创内容资源、IP 文本、作者生态、编辑经验、作品标签、用户阅读行为和内容运营数据，具备中英文及多语种内容拓展、短剧剧本、漫画/动画脚本、IP 设定、分镜脚本等多类型内容生产和运营经验，能够为“逍遥 AI”升级提供文学及剧本垂类语料、业务规则和专家评估基础，支撑中文、英文及多语种网络文学、短剧剧本、IP 衍生文本等数据的清洗、标注、结构化处理、模型训练、监督微调、强化学习和模型评测；尤其可将真实市场反馈用于奖励建模和强化学习，提升模型对用户偏好和商业化目标的适配能力。

在大模型底座方面，公司于 2023 年 10 月推出自研“逍遥 AI”内容创作平台，结合 DeepSeek 等前沿模型深度推理能力，在内容创意生成、质量评估及深度解析等关键场景持续升级迭代，相继上线小说转剧本、本土化转译及分镜脚本生成等一系列功能。同时，公司面向全球创作者开放基于“逍遥 AI”的创作平台“XIAOYAO”，为用户提供包括构思生成、语言润色、逻辑修复、角色管理、情节续写等在内的全链路 AI 创作解决方案。目前，公司“逍遥 AI”已在全球90 多个国家和地区服务超 5 万名内容创作者。

在技术研发方面，近年来公司聚焦数字内容和大模型领域，持续加大研发投入，已形成规模稳定、结构合理、持续扩编的研发人才梯队，具备从底层模型能力建设到上层应用产品落地的全栈研发能力。此外，公司在研的“逍遥 AI”、数据和信息化中台、新媒体营销平台及 AI 自动化投放等项目，与本项目在数据、技术与业务场景层面形成高度协同，能够为项目顺利实施提供坚实的人才保障与组织支撑。

在配套支撑能力方面，公司具备内容平台运营、技术研发、数据治理、内容安全审核、用户行为分析、业务系统建设和项目管理经验，已形成一定的模型接入、算力资源使用、研发工具链、知识库、内容标签体系和业务接口基础，能够满足本次募投项目在算力租赁、服务器运行环境、数据资产购置、数据清洗与标注、模型工程化管理、业务系统接口和持续反馈机制建设等方面的投入需求，保障项目稳定运行和持续迭代。

综上，公司多年积累的海量语料资源与真实业务场景，可为模型训练提供高质量数据支撑与验证环境。同时，公司具备相应的算力基础设施、数据管理及研发工具基础，能够为本项目的顺利实施与持续运营提供重要保障。

5、项目建设周期

本项目计划建设周期为 3 年。公司会根据实际需求情况，动态调整本项目实施进度。

6、项目投资计划及经济效益评价

（1）项目投资计划

本项目计划投资总额为 47,918.00 万元， 软硬件设备购置 43,178.00 万元， 研发投入 4,740.00万元。

（2）项目经济效益评价

经测算，本项目具有较好的经济效益。