跳到主要内容

AIGC

人工智能生成内容（英语：Artificial Intelligence Generated Content，简称 AIGC），又称生成式人工智能（Generative AI），是利用人工智能技术自动生产内容的新型生产方式。它是继专业生产内容（PGC）和用户生产内容（UGC）之后，内容创作领域的又一次范式转移。 AIGC 通过算法模型，根据用户的指令（Prompt）在对话、故事、图像、视频、音频和代码等多个维度，实现自动化或半自动化的数字内容生成与交互。

发展历史​

AIGC 的概念起源可追溯至 20 世纪中叶的图灵测试。其技术演进经历了从早期基于规则的辅助生成，到统计学习模型，再到如今深度神经网络驱动的爆发式增长。

  • 早期阶段：2014年，生成对抗网络（GAN）的诞生标志着 AI 开始具备真正的自主“绘画”能力。
  • 突破阶段：2020年后，扩散模型（Diffusion Model）的出现显著提升了图像生成的质量与多样性。
  • 爆发阶段：2022年起，随着 Stable Diffusion、ChatGPT 以及 Gemini 等多模态大模型的推出，AIGC 进入规模化应用时代。

核心技术​

AIGC 的底层支撑被称为人工智能的“三驾马车”：算法、数据与算力。

  • 基础模型：包括 Transformer 架构、预训练大语言模型（LLM）以及 CLIP 等多模态对齐技术。
  • 生成算法：主要涵盖自回归模型、生成对抗网络（GAN）及扩散模型（Diffusion）等。
  • 提示工程：通过精心设计的输入指令引导模型生成特定风格或质量的内容。

主要分类与应用​

根据生成内容的模态，AIGC 主要分为以下类别。

  • 文本生成：新闻自动摘要、创意写作、代码编写及对话机器人。
  • 图像生成：从艺术创作（如 Midjourney）到商业摄影与 UI 设计。
  • 音频生成：语音合成（TTS）、背景音乐创作及风格迁移。
  • 视频生成：自动化剪辑、AI 合成主播及短视频自动生成（如 Veo）。

社会影响与挑战​

AIGC 在提升生产力的同时，也带来了一系列社会与伦理争议。

  • 深伪技术（Deepfakes）：利用 AI 伪造音视频，引发了关于虚假新闻、诈骗及版权侵权的广泛担忧。
  • 版权争议：训练数据的使用权限以及 AI 生成作品的版权归属仍是法律界的讨论热点。
  • 安全风险：包括提示词注入攻击、隐私泄露及生成内容的偏见问题。

参见​