# AIGC 起源历程

- Link: https://paooo.com/aigc-news/4517/
- Published: 2023-09-15T12:41:28+08:00
- Author: OZ

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * [AIGC](https://paooo.com/aigc-news/)起源可追溯至1957年计算机音乐《Illiac Suite》，
   早期以实验性生成内容为主。
 * 2014年GAN、2021年CLIP、2022年扩散模型共同推动AIGC进入爆发期，文本生成图像成为
   主战场。
 * DALL-E、Midjourney、[Stable Diffusion](https://paooo.com/tag/stable-diffusion/)
   等工具集中出现，标志AIGC从技术验证走向商业落地。

### AIGC发展历程和典型事件

虽然从严格意义上来说，1957年莱杰伦·希勒 (Lejaren Hiller) 和伦纳德·艾萨克森 (Leonard
isaacson)完成了人类历史上第一支由计算机创作的音乐作品就可以看作是 AIGC 的开端，距今已有
65 年，这期间也不断有各种形式的生成模型、Al 生成作品出现。

阅读目录

 * [AIGC发展历程和典型事件](https://paooo.com/aigc-news/4517/#aigc%e5%8f%91%e5%b1%95%e5%8e%86%e7%a8%8b%e5%92%8c%e5%85%b8%e5%9e%8b%e4%ba%8b%e4%bb%b6)
    - [早期萌芽阶段（1950s-1990s）](https://paooo.com/aigc-news/4517/#%e6%97%a9%e6%9c%9f%e8%90%8c%e8%8a%bd%e9%98%b6%e6%ae%b51950s1990s)
    - [沉积积累阶段（1990s-2010s）](https://paooo.com/aigc-news/4517/#%e6%b2%89%e7%a7%af%e7%a7%af%e7%b4%af%e9%98%b6%e6%ae%b51990s2010s)
    - [快速发展阶段（2010s-至今）](https://paooo.com/aigc-news/4517/#%e5%bf%ab%e9%80%9f%e5%8f%91%e5%b1%95%e9%98%b6%e6%ae%b52010s%e8%87%b3%e4%bb%8a)
 * [主流生成模型诞生历程](https://paooo.com/aigc-news/4517/#%e4%b8%bb%e6%b5%81%e7%94%9f%e6%88%90%e6%a8%a1%e5%9e%8b%e8%af%9e%e7%94%9f%e5%8e%86%e7%a8%8b)
    - [基础的生成算法模型不断突破创新](https://paooo.com/aigc-news/4517/#%e5%9f%ba%e7%a1%80%e7%9a%84%e7%94%9f%e6%88%90%e7%ae%97%e6%b3%95%e6%a8%a1%e5%9e%8b%e4%b8%8d%e6%96%ad%e7%aa%81%e7%a0%b4%e5%88%9b%e6%96%b0)
    - [预训练模型引发了 AIGC技术能力的质变](https://paooo.com/aigc-news/4517/#%e9%a2%84%e8%ae%ad%e7%bb%83%e6%a8%a1%e5%9e%8b%e5%bc%95%e5%8f%91%e4%ba%86nbspaigc%e6%8a%80%e6%9c%af%e8%83%bd%e5%8a%9b%e7%9a%84%e8%b4%a8%e5%8f%98)
    - [多模态技术推动了 AIGC 的内容多样性，让 AIGC 具有了更通用的能力](https://paooo.com/aigc-news/4517/#%e5%a4%9a%e6%a8%a1%e6%80%81%e6%8a%80%e6%9c%af%e6%8e%a8%e5%8a%a8%e4%ba%86nbspaigcnbsp%e7%9a%84%e5%86%85%e5%ae%b9%e5%a4%9a%e6%a0%b7%e6%80%a7%e8%ae%a9nbspaigcnbsp%e5%85%b7%e6%9c%89%e4%ba%86%e6%9b%b4)

但是**2022年才真正算是 AIGC 的爆发之年**，人们看到了 AIGC 无限的创造潜力和未来应用
可能性。目前，AIGC 技术沉淀、产业生态已初步形成，保持强劲发展和创新势头。

![AIGC 起源历程](https://paooo.com/wp-content/uploads/2023/09/1694752224-image-jpg.
webp)

使用计算机生成内容的想法自上个世纪五十年代就已经出现，早期的尝试侧重于通过让计算
机生成照片和音乐来模仿人类的创造力，生成的内容也无法达到高水平的真实感。结合人工
智能的演进改革，AIGC的发展可以大致分为以下三个阶段：

#### **早期萌芽阶段（1950s-1990s）**

受限于科技水平，AIGC仅限于小范围实验。1957年，莱杰伦·希勒(Lejaren Hiller)和伦纳德·
艾萨克森（Leonard Isaacson）通过将计算机程序中的控制变量改为音符，完成了历史上第
一部由计算机创作的音乐作品——弦乐四重奏《依利亚克组曲（Illiac Suite）》。1966年，
约瑟夫·韦岑鲍姆(Joseph Weizenbaum)和肯尼斯·科尔比(Kenneth Colbv)共同开发了世界上
第一个机器人“伊莉莎(Eliza)”，其通过关键字扫描和重组来完成交互式任务。80年代中期，
IBM基于隐马尔可夫链模型创造了语音控制打字机“坦戈拉（Tangora）”，能够处理两万个单词。

![AIGC 起源历程](https://paooo.com/wp-content/uploads/2023/09/1694752726-image-jpg.
webp)

世界上第一个机器人“伊莉莎(Eliza)”

#### **沉积积累阶段（1990s-2010s）**

AIGC从实验性向实用性逐渐转变。深度学习算法、图形处理单元(GPU)、张量处理器(TPU)和
训练数据规模等都取得了重大突破，受到算法瓶颈的限制，效果有待提升。2007 年，纽约大学
人工智能研究员罗斯·古德温（Ross Goodwin）装配的人工智能系统通过对公路旅行中的所见
所闻进行记录和感知，撰写出世界上第一部完全由人工智能创作的小说《1 The Road》。2012
年，微软公开展示了一个全自动同声传译系统，通过深度神经网络（DNN）可以自动将英文演讲
者的内容通过语音识别、语言翻译、语音合成等技术生成中文语音。

![AIGC 起源历程](https://paooo.com/wp-content/uploads/2023/09/1694752746-image-jpg.
webp)

世界上第一部完全由人工智能创作的小说《1 The Road》

#### **快速发展阶段（2010s-至今）**

深度学习模型不断迭代，AIGC取得突破性进展。尤其在2022年，算法获得井喷式发展，底层
技术的突破也使得AIGC商业落地成为可能。下面列举了一些迄今为止具有代表性的算法模型，
其中主要集中在AI绘画领域：

 * 2014年6月，生成式对抗网络（Generative Adversarial Network，**GAN**）被提出。
 * 2021年2月，openAI推出了**CLIP**（Contrastive Language-Image Pre-Training）多模
   态预训练模型。
 * 2022年，扩散模型**Diffusion Model**逐渐替代GAN。

上述三个算法是当前AIGC的技术核心，下述算法模型大部分都是以此为基础。

 * 2018年12月，NVIDIA推出**StyIeGAN** ，可以自动生成高分辨率图片。目前已升级到第四
   代模型。
 * 2019年7月，DeepMind推出**DVD-GAN** ，可以生成连续视频。
 * 2021年1月，[OpenAI](https://paooo.com/tag/openai/) 推出**DALL-E**，是首个引起
   公众广泛关注的文本生成图像的模型之一。
 * 2022年2月，开源AI绘画工具**Disco Diffusion**发布。
 * 2022年3月，Meta推出**Make-A-Scen**e这一AI图像生成工具。
 * 2022年4月，OpenAI 推出了**DALL-E-2**，在图像分辨率、真实感和新功能上进行了升级。
 * 2022年4月，AI绘画工具**MidJourney**发布。
 * 2022年5月，Google推出**Imagen**，同样是文本生成图像的模型。
 * 2022年6月，Google推出**parti**，与Imagen功能相同，但在模型算法、模型参数和图像
   效果等方面做了升级。
 * 2022年7月，开源AI绘画工具**Stable Diffusion**发布。
 * 2022年9月，Meta推出**Make-A-Video**，可以从文字生成视频。
 * 2022年10月，Google提出**Imagen video**，同样是文字生成视频的模型。
 * 2022年11月，**Stable Diffusion 2.0**发布，在模型算法、图像质量和内容过滤等方面
   做了升级。
 * 2022年11月，openAI推出 AI 聊天机器人**chatGPT**。

### 主流生成模型诞生历程

生成算法、预训练模型、多模态等AI技术累积融合，催生了AIGC 的大爆发。

![AIGC 起源历程](https://paooo.com/wp-content/uploads/2023/09/1694752780-image-jpg.
webp)

#### 基础的生成算法模型不断突破创新

2014年，伊恩·古德费洛(lan Goodfellow)提出的生成对抗网络(Generative Adversarial Network，
GAN)成为早期最为著名的生成模型。

GAN 使用合作的零和博弈框架来学习，被广泛用于生成图像、视频、语音和三维物体模型等。
GAN 也产生了许多流行的架构或变种，如DCGAN，StyleGAN，BigGAN，StackGAN.Pix2pix，Age-
cGAN，CycleGAN、对抗自编码器(Adversarial Autoencoders，AAE)、对抗推断学习(Adversarially
Learned Inference，ALI)等。

随后，Transformer、基于流的生成模型(Flow-based models)、扩散模型(Diffusion Model)
等深度学习的生成算法相继涌现。其中，Transformer 模型是一种采用自注意力机制的深度
学习模型，这一机制可以按照输入数据各部分重要性的不同而分配不同的权重，可以用在自然
语言处理(NLP)、计算机视觉(CV)领域应用。后来出现的 BERT、GPT-3、LaMDA等预训练模型
都是基于Transformer 模型建立的。

而扩散模型(Diffusion Mode)是受非平衡热力学的启发，定义一个扩散步骤的马尔可夫链，
逐渐向数据添加随机噪声，然后学习逆扩散过程，从噪声中构建所需的数据样本。扩散模型
最初设计用于去除图像中的噪声。随着降噪系统的训练时间越来越长并且越来越好，它们最终
可以从纯噪声作为唯一输入生成逼直的图片。

![AIGC 起源历程](https://paooo.com/wp-content/uploads/2023/09/1694752782-image.png)

然而，从最优化模型性能的角度出发，扩散模型相对 GAN 来说具有更加灵活的模型架构和精确
的对数似然计算，已经取代 GAN 成为最先进的图像生成器。2021年6月，OpenAl 发表论文已经
明确了这个结论和发展趋势。

![AIGC 起源历程](https://paooo.com/wp-content/uploads/2023/09/1694752798-image.png)

![AIGC 起源历程](https://paooo.com/wp-content/uploads/2023/09/1694752823-image.png)

#### 预训练模型引发了 AIGC技术能力的质变

虽然过去各类生成模型层出不穷，但是使用门槛高、训练成本高、内容生成简单和质量偏低，
远远不能满足真实内容消费场景中的灵活多变、高精度、高质量等需求。预训练模型的出现
引发了 AIGC技术能力的质变，以上的诸多落地问题得到了解决。

![AIGC 起源历程](https://paooo.com/wp-content/uploads/2023/09/1694752859-image-1-
jpg.webp)

随着 2018 年谷歌发布基于 Transformer 机器学习方法的自然语言处理预训练模型 BERT，
人工智能领域进入了大炼模型参数的预训练模型时代。AI预训练模型，又称为大模型、基础
模型(foundation mode)，即基于大量数据(通常使用大规模自我监督学习)训练的、拥有巨量
参数的模型，可以适应广泛的下游任务。这些模型基于迁移学习的思想和深度学习的最新进展，
以及大规模应用的计算机系统，展现了令人惊讶的涌现能力，并显著提高各种下游任务的性能。”
鉴于这种潜力，预训练模型成为 AI技术发展的范式变革，许多跨领域的Al系统将直接建立在
预训练模型上。具体到 AIGC 领域，AI 预训练模型可以实现多任务、多语言、多方式，在各种
内容的生成上将扮演关键角色。按照基本类型分类，预训练模型包括:(1)自然语言处理(NLP)
预训练模型，如谷歌的 LaMDA和 PaLM、Open AI的 GPT 系列:(2)计算机视觉(CV)预训练模型，
如微软的 Florence:(3)多模态预训练模型，即融合文字、图片、音视频等多种内容形式。

![AIGC 起源历程](https://paooo.com/wp-content/uploads/2023/09/1694752859-image.png)

#### 多模态技术推动了 AIGC 的内容多样性，让 AIGC 具有了更通用的能力

预训练模型更具通用性，成为多才多艺、多面手的 Al模型，主要得益于多模型技术(multimodal
technol-ogy)的使用，即多模态表示图像、声音、语言等融合的机器学习。

2021年，OpenAI团队将跨模态深度学习模型CLIP(Contrastive Lanquaqe-Image Pre-Training，
以下简称“CLIP”)进行开源。CLIP 模型能够将文字和图像进行关联，比如将文字“狗”和狗的
图像进行关联，并且关联的特征非常丰富。因此，CLIP 模型具备两个优势:一方面同时进行
自然语言理解和计算机视觉分析，实现图像和文本匹配。另一方面为了有足够多标记好的“文本-
图像”进行训练，CLIP 模型广泛利用互联网上的图片，这些图片一般都带有各种文本描述，
成为 CLIP 天然的训练样本。

据统计，CLIP 模型搜集了网络上超过 40 亿个“文本-图像”训练数据，这为后续 AIGC 尤其是
输入文本生成图像/视频应用的落地奠定了基础。在多模态技术的支持下，目前预训练模型已经
从早期单一的 NLP或CV模型，发展到现在语言文字、图形图像、音视频等多模态、跨模态模型。

2021年3月OpenAl发布Al绘画产品DALL·E，只需要输入一句文字，DALL·E 就能理解并自动生成
一幅意思相符的图像，且该图像是独一无二的。DALL·E 背后的关键技术即是 CLIP。CLIP 让
文字与图片两个模态找到能够对话的交界点，成为 DALL·E、DALL·E2.0、Stable Diffusion
等突破性 AIGC成果的基石。总的来看，AIGC 在 2022 年的爆发，主要是得益于深度学习模型
方面的技术创新。不断创新的生成算法、预训练模型、多模态等技术融合带来了 AIGC技术变革，
拥有通用性、基础性、多模态、参数多、训练数据量大、生成内容高质稳定等特征的 AIGC模型
成为了自动化内容生产的“工厂”和“流水线”。

![AIGC 起源历程](https://paooo.com/wp-content/uploads/2023/09/1694754409-image-jpg.
webp)

🧭 文中关联 AI 工具官网与参数卡（语宙 AI 导航）

**未来应用 ↗**

汇集全球流行的黑科技应用和裂变刷屏案例。

❓ 常见问题解答（FAQ）

AIGC真正爆发是在什么时候？

文章明确指出，2022年才是AIGC真正的爆发之年。原因在于算法、算力与数据规模共同成熟，
推动生成模型快速迭代，并让文本生成图像、视频等应用开始大规模落地。

AIGC发展历程分为哪几个阶段？

文中将AIGC发展概括为三个阶段：早期萌芽阶段（1950s-1990s）、沉积积累阶段（1990s-2010s）
和快速发展阶段（2010s-至今）。三阶段分别对应实验探索、技术积累与商业化爆发。

AIGC核心技术模型有哪些？

文章提到当前AIGC的技术核心主要包括生成对抗网络GAN、CLIP多模态预训练模型和扩散模型
Diffusion Model。它们共同支撑了后续图像、视频等生成工具的快速发展。

🔬 语宙深潜追问 · 进阶实操拆解

GAN、扩散模型为何决定了AIGC走向？

GAN 解决了生成质量与对抗训练问题，扩散模型则在稳定性、可控性和高分辨率上更进一步。
它们让图像生成从“能看”走向“可用”，再叠加 CLIP 等跨模态理解，才形成今天的主流范式。

为什么 2022 年成了普及拐点？

一是算力、数据和算法同时成熟，二是产品化门槛大幅下降，三是开源与商业工具同步爆发。
用户第一次能用低成本、低门槛方式直接产出高质量内容，AIGC 才真正进入大众工作流。

🗳️ 读者观点微投票 · 您的实战立场是？

AIGC 真正爆发，关键是模型还是生态？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[🎨 所属权威专题：Midjourney & Flux 咒语库 →](https://paooo.com/topics/midjourney-flux-prompts/)

 * [AIGC 基础知识](https://paooo.com/aigc-news/4464/)
 * [AIGC 行业现状](https://paooo.com/aigc-news/4588/)
 * [08-09 AIGC 早报](https://paooo.com/aigc-morning/3569/)
 * [AIGCPanel- 开源的一站式AI虚拟数字人系统](https://paooo.com/aigc-news/23346/)

[🏛️ OZ](https://paooo.com/author/oz/) · Prompt 语宙主编，关注生成式 AI 产品工程化、
提示词体系设计与出海数字增长。

[📄 Markdown 纯净版](https://paooo.com/aigc-news/4517/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)
