ChatGPT火遍全球，AIGC要统治人类知识圈了吗？

最近，OpenAI发布了免费机器人对话模型ChatGPT，一时间火爆全球，成为科技圈第一大热潮，短短一周吸粉便超过百万。ChatGPT也称为科技圈的必聊话题。

如此智能的机器人对话模型，仿佛与我们记忆中略显“笨拙”的机械式AI对话已经完全不同。在这些年里，人工智能创作内容（AIGC）已经飞速成长，甚至在很多领域大大超越了专家学者的精准性和博识水准。

图：与ChatGPT对话

同样在2022年，AIGC已经出圈过一次。

AI绘画凭借其独特的创意与便捷的创作工具迅速走红，甚至出现使用AI作画参赛获奖的新闻；同时，许多AIGC方面的公司正在飞速的成长，融易新媒体，获取一笔笔的融资，成为独角兽公司。

但是，在如火如荼的AIGC技术发展中，有一个问题却始终没有得到明确的解答，那就是AIGC虽然这么新颖、好玩，但是它的商业化价值到底如何，又能应用于哪些具体的场景呢？

本文就AIGC相关信息、落地应用与目前行业面临的问题进行解读，为那些对AIGC感兴趣的读者与投资人展现目前人工智能生成内容的发展图景。

2022: AIGC元年

2022年，深度学习模型Diffusion扩散化模型的出现，直接推动了AIGC技术的突破性发展，许多基于StableDiffusion模型的应用纷纷入局。也正因如此，2022年被称为AIGC元年。

但在各类使用AIGC技术的应用大规模“井喷”之前，AIGC也曾经历了几十年的发展。

1950年，图灵提出了著名的“图灵测试”，给出了判定机器是否具有“智能”的方法，即机器是否能够模仿人类的思维方式来“生成”内容继而与人交互。

经过半个多世纪的发展，今天的人工智能不仅能够与人类进行互动，还可以进行写作、编曲、绘画、视频制作等创意工作。随着人工智能越来越多地被应用于内容创作，人工智能生成内容悄然兴起。

目前，对于AIGC这一概念的界定，尚无统一规范的定义。而国内产学研各界对于AIGC的理解是“继专业生成内容和用户生成内容之后，利用人工智能技术自动生成内容的新型生产方式”。

而结合人工智能的演进沿革，AIGC的发展历程大致可以分为三个阶段：

早期萌芽阶段（1950s-1990s），受限于当时的科技水平，AIGC仅限于小范围实验。1957 年，莱杰伦·希勒和伦纳德·艾萨克森完成历史第一支由计算机创作的弦乐四重奏《伊利亚克组曲》。1966年，约瑟夫·魏岑鲍姆和肯尼斯·科尔比开发了世界第一款可人机对话的机器人Eliza。80年代中期，IBM创造了语音控制打字机Tangora。

沉淀积累阶段（1990s-2010s），AIGC从实验性向实用性逐渐转变。2006年，深度学习算法、图形处理器、张量处理器等都取得了重大突破。2007年，世界第一部完全由人工智能创作的小说《1 The Road》问世。2012年，微软公开展示了一个全自动同声传译系统，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。

快速发展阶段（2010s至今），深度学习模型不断迭代，AIGC突破性发展。2014年，对抗生产网络GAN出现。2021年，CLIP模型出现；OpenAI推出DALL-E，主要应用于文本与图像交互生成内容。2022年，深度学习模型Diffusion扩散化模型的出现。

新模型下的AIGC所向披靡

过去，互联网的内容都是由用户生成、上传，AI只能协助人类完成一部分最简单、最基础的工作，无法独立生成内容，更不用提优质内容了。

但这一状况也因Diffusion扩散化模型的开源应用而被打破，AIGC成为了继UGC之后的又一大内容生成方式。

相较于UGC，AIGC的最大不同是新技术驱动了机器智能创作内容，这使得AIGC具有独特的技术特征，包括数据据量化、内容创造力、跨模态融合、认知交互力等，也正是这些独有的技术能力，让AIGC成为“不可替代”的新一代内容生成方式。

（1）数据巨量化：

AIGC丰富的“想象力”和惊为天人的“创作能力”，是在海量数据的基础上由计算机学习和模拟生成的，每一幅AI画作的背后都是无数的标注数据与训练。卷积神经网络和Transformer大模型的流行成功使深度学习模型参数量跃升至亿级，由此带来的数据巨量化推动了AIGC发展的进程。

如知名的计算机视觉项目ImageNet在众包任务中有超过25000人参与，标准图片超过1400万张；而OpenAI更是收集了4亿个文本图像配对数据进行预训练。在零样本学习成熟之前，AIGC通过巨量数据实现内容创作的发展路线仍难以撼动。

（2）内容创造力：