🔥🔥🔥序幕：AIGC 进入“平民化”时代

2022 年是 AIGC（AI-Generated Content）爆火出圈的一年，不仅被消费者追捧，而且备受投资业界关注，更是被技术和产业界竞相追逐。2023，千帆竞逐...

一、 第四次技术革命

1）18 世纪 60 年代，英国率先发展并完成了第一次工业革命，在随后的一个多世界里成为了世界霸主；2）19 世纪 60 年代，完成了资产阶级革命或改革的美、德、法、日在第二次工业革命中崛起，使人类进入“电气时代”；3）进入 20 世纪中叶，以信息技术、新能源技术的代表的第三次科技革命在美国兴起，进一步强化了美国的霸主地位。

自 2006 年以来，Hinton 提出深度学习算法，令机器在自主学习方面有了革命性的突破，同时，伴随着海量数据的积累 GPU、芯片计算能力的提升，人工智能的三大要素“算法”、“算力”和“数据”皆已准备就绪。人工智能有望引领了蒸汽革命、电气技术革命以及信息产业革命之后的第四次生产力革命。

二、 人工智能（AI）发展的三次浪潮

1. 第一轮：兴于感知神经网络，终于计算机性能约束：计算机的性能制约了早期程序的应用，人工智能的发展首次遇冷。

2. 第二轮：兴于 BP 神经网络，终于专家系统的失败：算法局限使计算遭遇瓶颈，人工智能由于实际商用成本过高再次衰落。

3. 第三轮：兴于深度学习算法，强于数据及算力：底层算力的高速发展和多维数据的快速积累，使本轮人工智能得以爆发。

人工智能、机器学习和深度学习的区别 ?

三、 AIGC 内容创作新模式

Web1.0 时代“只读”模式催生出“PGC”；Web2.0 时代，社交媒体兴起，人与人通过网络交互，催生出以用户生产和分享内容的“UGC”模式；Web3.0 时代，内容消费需求进一步增长，个性化需求凸显，“AIGC”将成为重要的新内容生成方式。

目前 AI 仍为内容制作的辅助型角色（AIUGC），待技术突破，AI 可真正作为内容创作者（AIGC）。

谈了这么多，那到底什么是 AIGC？从字面意思上看，AIGC 是相对于过去的 PCG、UCG 而提出的、因此 AIGC 的狭义概念是利用 AI 自动生成内容的生产方式。

但 AIGC 已代表了 AI 技术发展的新趋势。过去传统的人工智能偏向于分析能力，即通过分析一组数据，发现其中的规律和模式并用于其它多种用途，比如应用最为广泛的个性化推荐算法。而现在人工智能正在生成新的东西，而不是仅仅局限于分析已经存在的东西，实现了人工智能从感知理解世界到生成创造世界的跃迁。因此从这个意义来看，广义的 AIGC 可以看作是像人类一样具备生成创造能力的 AI 技术，即生成式 AI。

生成式 AI 可以基于训练数据和生成算法模型，自主生成创造新的文本、图像、音乐、视频、3D 交互内容等各种形式的内容和数据，以及包括开启科学新发现，创造新的价值和意义等。

在过去 AI 推荐算法是内容分发的强大引擎，而现在 AIGC 是数据与内容生产的强大引擎，AIGC 或将颠覆传统内容生产方式，降低内容创作的门槛。从信息分发到内容生成（AIGC），AI 有望重塑内容及互联网产业生态。

四、 AIGC 应用层的趋势

根据 Gartner2022 年底报告，其测算当前 AIGC 占所有生成数据小于 1%，预计该数字到 2025 年或上升至 10%。

另外根据百度创始人李彦宏在 2022 年再百度世界大会上曾判断，AIGC 将迎来三个发展阶段：

1. 助手阶段：AIGC 辅助人类进行内容生产。

2. 协作阶段：AIGC 以虚实并存的虚拟人形态出现，形成人机共生的局面（数字孪生）。

3. 原创阶段：AIGC 将独立完成内容创作。

AIGC 作为当前新型的内容生产方式，已经率先在传媒、电商、影视、娱乐等数字化程度高内容需求丰富的行业取得重大创新发展，市场潜力逐渐显现。2022 年，AIGC 发展速度惊人选代速度呈现指数级爆发，谷歌、Meta、百度等平台型巨头持续布局，也有 Stability Al、Jasper Al 等独角兽创业公司出世。

Al 绘画已经能承担图像内容生成的辅助性工作，前期初稿的形成可以由 Al 提供，后期再由创作者进行调整，从而提高内容产出效率。根据 6pen 预测，未来五年 10%-30% 的图片内容由 AI 参与生成，有望创造超过 600 亿以上市场空间，若考虑到下一代互联网对内容需求的迅速提升，国外商业咨询机构 Acumen Research and Consulting 预测，2030 年 AIGC 市场规模将达到 1100 亿美元。

五、 AIGC，我们能做什么？

目前整个 AIGC 行业已形成完整且成熟的产业链，受制于模型投入重、要求高等因素，大多数企业在模型层或机会较小，应尽早利用早期生态蛮荒期，建立创新场景。通过接入成熟大模型或结合特定领域的数据集二次训练，用于下游垂直应用端产品或服务完成商业价值落地。

同时联想研究院芮勇博士在 9 月初的中国 AIGC 创新发展论坛上也提到，“过去 6 个月越来越清楚，趋势就是从“建”大模型到“用”大模型。怎么用好大模型，需要找到合适的领域和场景，并且同时要建立有效的使用大模型的工具。大模型在那儿，我们需要建立的是实现场景化的工具，实现轻量化的工具，实现类脑化的工具，实现个人隐私保护，把工具找到，才能做好应用，这就是我刚才跟大家谈的场景化、轻量化、类脑化”。