AIGC的崛起：從AI藝術品到產業革命

2022年8月，在美國科羅拉多州舉辦的數字藝術家競賽中，一幅名為《太空歌劇院》的畫作獲得了數字藝術類別的冠軍。但這一絕美的畫作并沒有讓藝術家們心服口服，反而引起了巨大的爭議，眾說紛紜的源頭在于這幅冠軍作品并非作者親自繪畫，而是使用AI算法繪圖工具Midjourney替代完成的（見圖1-7）。

人類藝術家憤怒了。藝術家們表示，使用AI生成圖像是在使用高科技手段作弊，這些畫作也不能被稱為藝術作品。“AI畫作作弊”這一話題的爭議在世界范圍內迅速發酵，登上了國內外的網絡熱搜。

如果說AI繪畫第一次讓用戶感受到了AIGC的獨特魅力，那么ChatGPT的橫空出世則更加令世人為之震驚。AI創作的強勢崛起，正式地讓全世界看到了AIGC的真正實力。

●　被ChatGPT帶“火”的AIGC

AIGC作為新的生產力引擎，通過智能算法，批量、自動化地生產內容，生成的內容形式豐富多樣，文本、圖像、音頻、視頻，甚至3D模型和代碼都能“信手拈來”。基于AIGC模型的創作速度、創作質量、創作成本，以及創作的傳播效應，都遠遠超過傳統的內容生產方式。

ChatGPT雖然只是AIGC商業化落地的一個分支，但卻是讓人們最“震撼”的一個壯舉，因為它具備了“人性思維”。GhatGPT似乎能夠理解文本的更深層次含義，連續流暢的對話反饋和對錯誤的及時糾正，都暗示著AI擁有更高的“情商”和“心智”。AI生產出的內容不再是機械化的固定腳本，而是真正可以產生共鳴的交流內容。AIGC也從遙遠抽象的概念逐步轉變為生動形象的產品形式，給人們帶來“流連忘返”的豐富體驗。

“AIGC將顛覆現有內容生產模式，可以實現以十分之一的成本，以百倍千倍的生產速度，創造出有獨特價值和獨立視角的內容”，百度董事長兼首席執行官李彥宏在2022世界人工智能大會上如是說。

過去，AI只能協助人類完成內容生成中最簡單、最基礎的部分工作，無法獨立生成內容，更不要提優質的輸出內容。如今，這一情況正在因AIGC生成模型的開源應用而被打破，AI技術也因此實現了“進化”。

2022年是AIGC生成模型奇幻發展的一年，科技領域人士和專業學者發表了一系列引人注目的相關論文。其中，人機對話方面誕生了如雷貫耳的ChatGPT，DreamFusion模型生成了不可思議3D模型，Stable Diffusion 創造了超現實主義藝術AI繪畫，Make-A-Video則迎來了從文本生成視頻的突破。

AIGC豐富的想象力和驚為天人的創作能力，都是基于大量的數據標注和模型訓練生成的。卷積神經網絡和Transformer大模型的流行成功地使深度學習模型參數量躍升至億級，OpenAI更是收集了4億個文本圖像配對，在45TB的數據量上完成了浩大的“預訓練”參數計算任務。海量數據的不斷迭代推動了AIGC發展的進程。

正是有了海量數據的加成，借助寶貴的語料庫資源，AIGC得以在內容創作方面擁有了無限的思維靈感。同時，AI工具仿佛是超級畫手或作曲家，能夠模仿特定的藝術家，生成指定風格的圖像、音樂或視頻。未來，AIGC技術在時間短、規模大、風格多等技術特點上的融合趨勢將進一步得到加強。

擁有一定程度的認知和交互能力，是AIGC技術發展的重要趨勢。開發者使用代碼的輸入輸出解釋人與計算機進行交互的底層邏輯，而用戶則使用智能終端和網絡平臺實現人機交互與互聯通信。AIGC的出現為人與機器之間的溝通帶來了更多可能，其利用自動問答、視覺識別等技術實現了更加多元化的人機交互效果。

海量數據、內容創造力、認知交互，三者共同驅動著機器的智能創作活動，讓AIGC成為“新一代”不可替代的內容生產方式。AIGC以其在人工智能領域的重要成果，被Science評為2022年度科學十大突破，其底層技術和產業生態已經形成了新的格局。

2022年被稱為AIGC元年，迅猛的全新的AI發展已成不可逆之勢。

●　AIGC的前世今生

穿越歷史周期，結合人工智能的歷史演進，AIGC的發展大致可以分為四個階段：

早期萌芽階段（20世紀50年代至90年代中期）

20世紀中后期，受限于當時的計算機水平，AIGC技術僅限于小范圍實驗。當時，AIGC主要應用在創作音樂、簡單的對話機器人和語音打字機等領域。

萊杰倫·希勒與倫納德·艾薩克森在1957完成了歷史上首支由計算機創作的音樂作品《伊利亞克組曲》。1966年，約瑟夫·維森鮑姆和肯尼斯·科爾比共同推出了世界上首款人機可對話機器人Eliza，通過關鍵字掃描和重組來進行互動。在20世紀80年代中期，IBM基于隱形馬爾科夫模型創造了語音控制打字機“坦戈拉”。然而在20世紀末期，高昂的研發與系統成本讓AIGC的商業變現模式難以落地，AIGC的發展暫時受阻停滯。

沉淀積累階段（20世紀90年代中期至21世紀10年代中期）

隨著深度學習等人工智能技術的出現以及計算設備綜合性能的提升，AIGC的實用性不斷地增強，逐漸開啟了商業化的探索。在數據源層面，互聯網技術的發展引發了數據規模的快速膨脹，AIGC發展取得了顯著進步。

該階段的典型技術代表作，是微軟在2012年公開展示的基于深度神經網絡（DNN）的全自動同聲傳譯系統，該系統可以自動將英文演講者的內容通過語音識別、語言翻譯、語音合成等技術動態合成為中文語音內容。但由于當時算法性能面臨瓶頸，導致創作任務的完成質量限制了AIGC的廣泛應用。

快速發展階段（21世紀10年代中期至2021年）

隨著深度學習算法的不斷迭代更新，AIGC的新時代正式開啟，機器生成內容在圖像、視頻、音頻等領域均產生諸多重要的應用實踐與技術創新。

2014年，生成式對抗網絡（GAN）出現，AIGC進入了生產內容多樣化的時代，且產出的內容效果更加逼真。2017年，微軟的人工智能少女“小冰”創造了世界首部全AI創作的詩集《陽光失了玻璃窗》。2019年，DeepMind發布了可生成連續視頻的DVD-GAN模型。2021年，OpenAI推出了DALL-E模型，并于2022年將其升級為DALL-E2。該產品可根據用戶輸入的簡短描述性文字，自動生成與文本對應的圖像內容，得到極高質量的圖像繪畫作品。

爆發與破圈階段（2022年至今）

2022年AI畫作的問世，ChatGPT的火爆出圈，都讓AIGC的發展得到了空前的進步。

2022年5月，Google推出了文本圖像生成模型Imagen；2022年8月，AI繪畫工具Stable Diffusion發布；2022年11月，OpenAI推出了AI聊天機器人ChatGPT；2023年2月，微軟宣布加入ChatGPT，推出ChatGPT可支持的新版本的Bing搜索引擎。

2023年3月14日，OpenAI官方宣告多模態大模型GPT-4重磅登場。相較于GPT-3.5，加入了新模態的GPT-4，在語音、統計表格，以及網絡圖片等多項特殊內容的合成能力上取得了“可圈可點”的突破。緊接著，微軟把GPT-4全面接入Office產品序列，整合出了辦公軟件的“王炸”產品——Microsoft 365 Copilot，開啟了AI桌面新革命。至此，AIGC正式進入了爆發階段。

從AI到AIGC，是從感知世界到創造世界的系統能力躍遷。AI技術的突破創新，如智能算法、預訓練大模型、多模態信息處理等技術，都為AIGC的“大爆發”提供了強有力的底層數據應用能力支撐。

傳統AI像經過專業學習的職業應用者，AIGC更像是接受過通識教育的大學生，有著很強的可拓展性。比如，很多平臺現在用智能客服AI替代人工客服，但智能客服只能按照事先設計好的話術進行交流，一旦超出規定的場景和語境，智能客服的處境就變得很尷尬。這樣的例子還有很多，很多人家里都買了可以播放音樂或音頻的機器人，還可與它們進行簡單交流，但這些交互功能都是程序事先設定好的。機器人不能想說什么就說什么，不能做到真正的聊天。

AIGC相比傳統AI，“主動”和“被動”是二者之間的根本差別。AIGC開始和人一樣，有自己的思想了，雖然這種思想也是由人來引導的。傳統的AI重在解決某一類問題，AIGC更多在于解決廣泛的任務類型。傳統AI重點在于分析內容，而AIGC已具備生成新事物的能力，不僅局限于分析已經存在的東西，更重視創造內容。

ChatGPT是典型的文本生成式AIGC，自然語言的理解能力是AIGC發展的一個首要的關鍵環節，對文字和語音模態的應用具有重要意義。ChatGPT實際就是基于自然語言的交互式聊天服務，用戶對相關技術產品的“上手”成本很低。ChatGPT引入了一個新的訓練方法RLHF，即在基于大數據的模型預訓練中加入了人類的評價反饋意見，使其生成的內容在有效性和準確度上都有了大幅的提升。

AI繪畫是AIGC的重要應用領域，Diffusion擴散模型是AI作畫應用的重要算法模型基礎。OpenAI發布的用于匹配文本和圖像的神經網絡模型CLIP，則被認為是近年來在多模態研究領域的杰出成果，它不僅能對文字進行語言分析，還能對圖形進行視覺分析。Diffusion+CLIP的完美組合讓AI自動生成文字和圖片的質量得到了質的提升，通過不斷調整兩個模型的內部參數，達到文字和圖像更高度匹配的效果（見圖1-8）。在這一過程中，“開源”的技術產業模式也進一步促進了AIGC的傳播和普及。

AIGC的發展迎合了數字內容強需求、視頻化、創意新的螺旋式升級發展特征，正在越來越多地參與到數字內容的創意性內容生成活動中。通過人機協同的方式持續釋放數據資源的價值，AIGC有望成為Web 3.0的內容生成基礎設施，也將成為打造虛實集成世界的重要技術基石。

●　AIGC的內容形態

隨著深度學習模型不斷完善，開源模式的全面推動，以及大模型的廣泛商業化探索，AIGC將伴隨充沛的市場需求加速產業應用落地。隨著數字經濟與實體經濟融合程度的不斷加深，以及微軟、字節跳動等平臺型巨頭的數字化場景向元宇宙轉型，人類對數字內容總量和豐富程度的整體需求正在不斷提高。

AIGC作為當前新型的內容生產方式，已經重構了內容消費領域的應用生態，率先在數字化程度高、內容需求豐富的領域取得了創新發展。AIGC已在不知不覺中滲透到人們日常生活中的每個角落，從手機軟件中的“人聲”問答，到直播中的“虛擬人”主播，它的身影無處不在。

人們在享受豐富數字生成內容帶來樂趣的同時，人機交互和人類反饋強化也同時促進了AIGC的成功。AIGC的出現可以協助企業從不同領域共同提升生產質效，這也為AIGC提供了普適性的模型優化思路。以ChatGPT為延伸的AIGC底層技術已被逐漸應用，并遷移到以下內容形態：

文本生成領域

文本生成是AIGC實現商業落地最早的技術之一，其發展顯著提高了數據模型面向對話對上下文的理解能力、對知識的嵌入能力、對內容的創造能力，以及生成內容的內在邏輯性等。

AIGC文本生成技術的現有落地場景主要集中在應用型文本生成、創作型文本生成，可以快速生成詩歌、小說、劇本、新聞等內容，并且允許指定寫作風格；基于相關文本生成模型，甚至可以根據對用戶需求的自動分析，完成郵件撰寫、通用寫作、記錄筆記等各項文字創作任務。

音頻生成領域

AIGC的音頻生成技術主要應用在樂曲、有聲書的內容創作，以及游戲、影視等領域的配樂創作，在眾多場景已取得發展，得到廣泛應用并逐漸趨于成熟。AIGC以及語言處理技術在音頻互動產品中的應用，融合實時語音及音頻娛樂等產品形態，進一步加快了產品創新步伐，持續賦能受眾用戶和內容生產者。

2021年9月，索尼計算機科學實驗室發布了一款AI輔助音樂制作應用程序Flow Machines Mobile，該程序能夠根據創作者選擇的風格、旋律、和弦和貝斯線，利用AI技術輔助完成音樂制作（見圖1-9）。同月，喜馬拉雅用語音合成（Text to Speech，TTS）技術完美還原了單田芳先生的聲音，并首次將單田芳先生的AI合成音——單氏評書腔調應用于書籍，演繹聽眾耳熟能詳的經典之作。

圖像生成領域

AIGC繪畫技術的應用領域廣泛，例如美術教育、廣告設計、游戲開發、動畫制作等。在美術教育方面，AIGC繪畫可以為學生提供多樣化、高質量的繪畫作品，幫助他們快速提高繪畫技能和水平；在廣告設計和游戲開發方面，AIGC繪畫可以幫助設計師快速生成創意和美觀的廣告和游戲畫面，提高設計效率和質量；在動畫制作方面，AIGC繪畫可以快速生成動畫幀，節省制作成本和制作時間，幫助畫師高效率地設計新的故事角色和場景等。

2022年10月，Stability AI 獲得1億美元融資，估值達10億美元，成功躋身獨角獸行列。Stability AI的開源產品Stability Diffusion可以根據文字提示自動生成圖像（Text to Image，T2I）（見圖1-10）。此外，以Stability Diffusion為首，DALL-E2、Midjourney等模型生成的AI圖片瞬間引爆了繪畫領域，AI作畫的成功標志著人工智能迅速地向藝術領域滲透。

視頻生成領域

AIGC視頻生成技術的原理與圖像類似，但視頻編輯任務比在圖像上操作更具挑戰性，需要在圖像的基礎上合成新動作，并保持時間維度的內容一致性。視頻生成的應用場景主要集中在視頻屬性編輯、視頻自動剪輯、視頻部分編輯，前者已有大量應用落地，后兩者還處于技術嘗試階段。

2022年9月，Meta公司公布了旗下“Generative AI”研究項目的最新人工智能系統Make-A-Video，該系統不僅可以通過文本描述直接生成視頻，還可以從圖像或類似的視頻中再生成視頻（見圖1-11）。隨后，Google也發布了兩款文本轉視頻的智能化工具，分別為強調視頻品質的Imagen Video和主打視頻長度的Phenaki。這較此前提到的文本生成圖像來說又是新一輪的技術升級。

游戲生成領域

當前，AIGC在游戲生成領域的應用主要在圖像渲染等畫面美工方面。游戲中包含文本、圖像、音效、音樂、3D模型、動畫、電影、代碼等多種類型的文件數據資源，是娛樂以及媒體行業最復雜的形態。隨著AIGC的廣泛應用，未來能夠根據文本生成語音，根據主題生成場景，根據二維圖像生成三維模型，有效提升游戲在策劃、音頻、美術、程序等環節的綜合生產力，壓縮游戲的整體項目研發周期與人員投入規模，大幅降低游戲制作的總體成本。

多家公司已經將AI技術廣泛融入了熱門游戲的開發中。比如，騰訊AI Lab已在《王者榮耀》游戲中運用了決策AI引擎“絕悟”（見圖1-12）；網易互娛旗下的AI Lab產品也已經靈活運用于《夢幻西游》和《一夢江湖》等熱門游戲的開發中；此外，在游戲作品《Cognition Method》中，也多處使用了AI繪畫軟件，來制作概念原畫和生成素材。

3D虛擬場景領域

在3D短視頻領域引入AIGC技術，相當于重新定義了3D內容生產活動，降低了3D創作工具的使用門檻。普通用戶可以在文本框中直接輸入想要展示的視頻內容，系統能夠自動識別相應文本的語義需求，并根據提示生成3D模型。

2022年初，Facebook創始人馬克·扎克伯格首次推出了Meta新系統“BuilderBot”，根據語音描述的環境，自動創建相應場景的元宇宙虛擬世界（見圖1-13）。與BuilderBot類似，蘋果也將推出與AI聯合的全新語音助理Siri，用作三維場景的創建。用戶只要通過語音交互告訴Siri想象中的虛擬動物，以及它們在場景中的移動方式，系統便可準確構建出相應的場景。除此之外，系統還可以計算出物理空間中的障礙物，并為虛擬動物附加自然的物理交互效果。

虛擬人

AIGC是支撐虛擬數字人應用的關鍵技術，多模態信息的生成理論與技術的突破，驅動了數字人從動態交互階段邁向智能化階段，拓展了數字人的產業應用領域，虛擬偶像、虛擬主播、虛擬人等多重創新產品形態迅速崛起。背靠AIGC技術，虛擬人可以充分模擬人與人之間真實可感的對話，達到“可看”“可聽”“可互動”的效果，給用戶提供了一種更真實、更舒適的交流體驗（見圖1-14）。

AIGC 技術順應了內容行業發展的內在需求，能夠以更少的成本、更快的速度，生成面向不同內容形態領域的更加個性化的數字場景，支持數字內容與產業的多維互動與融合滲透，孕育新的業態模式。此外，AIGC能夠提升元宇宙內容的制作效能，復刻元宇宙的持續性、實時性和可創造性，極大地擴展元宇宙想象空間與商業前景。

AIGC相關領域的算法和應用的落地，意味著AI技術已經進軍到了先前人類獨占的科學和藝術等高端認知活動領域，AIGC的“高產能”成為許多國內外互聯網科技巨頭的競爭高地，并且逐漸形成了一場“搶地戰”。

亞馬遜與AI制圖平臺Stability AI合作，成為其首選的云合作伙伴，同時為其提供亞馬遜Tradium芯片；谷歌向人工智能初創公司Anthropic投資4億美元，布局ChatGPT的競爭產品。在國內，華為諾亞方舟實驗室聯合多部門推出了首個2000億參數中文預訓練大模型盤古α；騰訊發布了寫稿機器人Dreamwriter，根據算法在第一時間自動生成稿件，瞬時輸出分析和研判；阿里巴巴旗下AI在線設計平臺“鹿班”著力開展海報設計的生產應用；百度發布了AI藝術和創意輔助平臺“文心一格”，用來快速生成AI畫作。

AIGC 洶涌向前的發展趨勢以及不斷進化的深度學習技術，有效地協助創作者從輔助索引到內容呈現，極大地提高了內容創作者閱讀和搜集信息材料的效率，也刺激著他們的思考與創作體系不斷完善和升級。