最近大家热议的 ChatGPT 和 AI 绘画工具的底层技术原理是什么？又是如何发展到现在的？除了这些热门的工具，作为普通用户，我们还能接触哪些应用AI技术打造的商业解决方案？
AIGC 概念
AIGC 全称为 AI-Generated Content，即利用人工智能技术来自动生产内容。具体可基于生成对抗网络 GAN、生成扩散模型和大型预训练模型等人工智能技术，通过已有数据寻找规律，并通过适当的泛化能力生成相关内容的技术。与之相类似的概念还包括Synthetic media，合成式媒 体，主要指基于 AI 生成的文字、图像、音频等。
AIGC 已经成为继 PGC（Professional Generated Content，专业生产内容）和 UGC（User Generated Content，用户生产内容）之后新型的内容创作方式。
图片来源：A16Z，中金公司
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他多种用途，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。
其实AIGC的概念并非今年才出现，在此前，类似于微软小冰等人工智能作诗、写作、创作歌曲的产品就属于AIGC的领域。但2022年以来，AIGC又集中爆发，国内外的科技巨头公司和投资公司纷纷入局，其原因可能在于以下几点：
- 文本-图像生成模型Stable Diffusion的正式开源，包括程序和训练好的模型。这给了后继创业者一些高起点的机会，有利于更广泛的C端用户普及。
- 深度学习算力、互联网数据规模扩张以及生成扩散模型和多模态预训练模型等技术的快速发展，使人工智能技术也随之迅速发展。从最初的文字生成逐渐发展为多模态和跨模态的内容生成。
- 如今各类社交和流媒体平台的普及，也驱动着内容生产方式的演变。
- 外部环境因素影响。在经济低迷时期，科技行业会选择相应收敛开支，并将重点放在像是人工智能商业化这类更务实的地方。
AIGC 定义
因此，从这个意义上来看，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。它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(如虚拟化身、虚拟物品、虚拟环境)等各种形式的内容和数据，包括开启科学新发现，创造新的价值和意义等。”因此，AIGC 已经加速成为了 Al 领域的新疆域，推动人工智能迎来下一个时代。
生成中可以包含基于线索的部分生成、完全自主生成和基于底稿的优化生成。内容方面，不仅包括常见的图像、文本、音频等外显性内容，同样也包括策略、剧情、训练数据等内在逻辑 内容。
从特定角度来看，AI 内容生成意味着AI开始在现实内容中承担新的角色，从“观察、预测”拓展到“直接生成、决策”。
从商业模式来看，我们认为，AIGC 本质上是一种 AI 赋能技术，能够通过其高通量、低门槛、高自由度的生成能力广泛服务于各类内容的相关场景及生产者。因此，我们不会将其定义为 PGC\UGC 之后 的新内容创作模式，而是认为其在商业模式上会有大量其他交叉。
AIGC 发展
未来，兼具大模型和多模态模型的 AIGC 模型有望成为新的技术平台。如果说 Al 推荐算法是内容分发的强大引擎，AIGC 则是数据与内容生产的强大引擎。
AIGC 朝着效率和品质更高、成本更低的方向发展，在某些情况下，它比人类创造的东西更好。包括从社交媒体到游戏，从广告到建筑，从编码到平面设计、从产品设计到法律，从营销到销售等各个需要人类知识创造的行业都可能被 AIGC 所影响和变革。数字经济和人工智能发展所需的海量数据也能通过 AIGC 技术生成、合成出来，即合成数据(synthetic data)。
未来，人类的某些创造性的工作可能会被生成性 AI 完全取代，也有一些创造性工作会加速进入人机协同时代 — 人类与 AIGC 技术共同创造比过去单纯在人的创造之下更高效、更优质。
在本质上 AIGC 技术的最大影响在于，AIGC 技术将会把创造和知识工作的边际成本降至零，以产生巨大的劳动生产率和经济价值。换句话说，正如互联网实现了信息的零成本传播、复制。未来 AIGC 的关键影响在于，将实现低成本甚至零成本的自动化内容生产，这一内容生产的范式转变，将升级甚至重塑内容生产供给，进而给依赖于内容生产供给的行业和领域带来巨大影响。
部分内容整理来源：
整数智能
A16Z
中金
AIGC和生成式AI有什么区别？
文中将广义AIGC视为生成式AI：即基于训练数据和生成算法模型，自主生成文本、图像、音乐、视频、3D交互内容等。AIGC更强调“内容生成”这一应用结果，生成式AI则更偏技术范畴。
AIGC为什么在2022年后突然爆发？
主要原因包括：Stable Diffusion正式开源，降低了创业和应用门槛；深度学习算力与数据规模持续扩张；生成扩散模型和多模态预训练模型快速成熟；同时社交、流媒体平台普及也推动了内容生产需求。
AIGC会替代哪些行业工作？
文中提到，AIGC可能影响社交媒体、游戏、广告、建筑、编码、平面设计、产品设计、法律、营销和销售等领域。它既可能替代部分创造性工作，也会推动人机协同，提高效率与内容质量。
GAN、扩散模型和大模型怎么分工？
GAN 更擅长快速生成高质量图像，扩散模型在稳定性和可控性上更强，大模型则负责语言理解、规划与跨模态编排。实际应用里常是“大模型做指挥，扩散/GAN做生成”，形成组合式工作流。
内容团队该如何接入AIGC？
先把选题、提纲、初稿、改写、配图拆成模块，再为每一步设定质量标准和人工复核点。AIGC 最适合做“第一版”和“批量变体”，而不是直接接管最终发布。
