共计 2724 个字符，预计需要花费 7 分钟才能阅读完成。
未来的艺术展，会不会变成机器人之间的 PK？几十年前，这或许是遥远科幻，但在 AI 飞速发展的当下，回答需深思。2018 年，AI 创作的《埃德蒙·贝拉米画像》在纽约佳士得拍卖行以 43.25 万美元拍出，是估价 40 多倍，成为首幅被拍卖的 AI 作品。去年 9 月，《太空歌剧院》获美国科罗拉多州博览会艺术比赛金奖，竟是用 AI 作画工具完成，赛后评委表示即便早知是 AI 作品也会授最高奖，引发 AI 创作作品能否参赛的大讨论。与火遍全球的 ChatGPT 相比，AI 作画似只是开胃菜，ChatGPT 能作诗、编小说、写代码，上线俩月收获 1 亿用户，马斯克称其强大到危险，比尔·盖茨认为其诞生不亚于互联网和个人电脑。AI 作画、ChatGPT 都属 AIGC，即人工智能生成内容。
AIGC 潜力不容小觑，据预测，2022 年后将迎来应用爆发，市场空间从 2022 年的 108 亿美元涨至 2032 年的 1181 亿美元，10 年复合增速达 27%。了解其演进历程和底层逻辑至关重要。
技术、需求双轮驱动
AIGC 看似一夜爆发，实则多年技术沉淀。1957 年，第一支由计算机创作的音乐作品《依利亚克组曲》诞生，被视为 AIGC 起点。但人工智能发展初期，受多种因素限制，算法基于预设规则或模板，不够智能，高昂系统成本难带来可观商业变现，各国政府减少人工智能领域投入，AIGC 进展不显著。
AIGC 真正受市场关注，源于近年深度学习生成算法涌现，如生成式对抗网络（GAN）、Transformer、扩散模型（Diffusion Model）等，为 AI 高品质输出内容奠定基础。画出《太空歌剧院》的 Midjourney 参考 CLIP 和 Diffusion 构建闭源模型，ChatGPT 的底层 AI 大模型 GPT3.5 的底层技术来自谷歌的 Transformer。
若技术推动是 AIGC 发展的左脚，创新需求牵引则是右脚。用户对内容数量和质量需求激增，传统内容生产模式暴露短板。内容生产方式分三类：专业生成内容（PGC）、用户生成内容（UGC）、人工智能生成内容（AIGC）。PGC 制作标准高、周期长，因供给端人力资源有限，难以满足大规模内容生产需求；UGC 满足个性化需求、提高容量上限，但质量无保障。AIGC 虽无法替代前两者，但能优化。借助 AIGC，创作者可提升内容专业性，AI 能辅助专业创作者提高效率。在文本领域，腾讯的“梦幻写手”新闻写作系统能在 22 种场景写作，平均发稿速度 0.46 秒；在音频领域，Siri 联合创始人打造的 LifeScore 平台，用户输入音乐“原材料”，AI 会改编并实时混音。
如何打出新型“闪电战”？
英国人发明坦克，德国人发明基于坦克的闪电战。新技术诞生后，谁能极致运用谁占主动。本轮生产力革命受益者，不仅是 AIGC 技术发明人，更是模式创新先行者。如互联网以浏览器为起点，衍生出社交网络、电商、视频、游戏等新模式。
在电商行业，AIGC 降低商家和用户交易成本。2021 年 4 月，阿里巴巴上线 3D 版天猫家装城，帮助商家构建 3D 购物空间，消费者可 DIY 家装搭配，沉浸式“云逛街”。数据显示，3D 购物转化率平均值为 70%，较行业平均水平提升 9 倍，同比正常引导成交客单价提升超 200%，商品退换货率明显降低。
在金融行业，AIGC 增强企业品牌粘性。2022 年年初，商汤科技为宁波银行上海分行打造数字人员工“小宁”，去年 12 月 16 日，“小宁”主持线上直播活动，可幽默介绍工作、推荐金融产品和福利。商汤数字人“虚拟 IP”可自主直播运营，降低业务运营成本，实现全天候“用户触达”。数字人商业潜力巨大，据预测，到 2030 年中国虚拟人整体市场规模将达 2700 亿元，其客单价相对更高。小冰 CEO 李笛称，将生成能力捆绑在数字人身上后，平均客单价从 20 万提高到 300 万。
目前，以 ChatGPT 为代表的自然语言技术突破，降低 AI 使用和触达门槛，AIGC 商业化表现出色。2021 年成立的 Jasper 通过文字生成功能，为用户提供多种文案创作服务，成立当年就有 7 万多名客户，包括知名企业，2021 年创收 4000 万美元，2022 年预估收入 7500 万美元。随着相关技术发展优化，AIGC 产业商业化应用将更广泛深入，能助企业提效、降本、升竞争力，为用户提供个性化、智能化服务体验。
AIGC 掀起“三大军备竞赛”
AIGC 爆发吸引知名投资机构关注。去年 9 月，红杉美国发表文章认为 AIGC 将引发众多产业范式转移，若技术按当前速度发展，AI 写备忘录、文字转皮克斯电影的科幻未来不再遥远。
目前 AIGC 领域掀起三重“军备竞赛”。第一重军备赛是更大的模型，让 AIGC 更会表达。AIGC 生成的多模态内容结构和语义复杂，需强大学习和表达能力的模型，大模型因参数多、网络结构深、学习数据丰富，能更好拟合和表达生成任务模式和特征，实现高质量内容生成。如 ChatGPT 的底层大模型 GPT-3.5 包含 1750 亿参数，调用 8000 亿个单词训练数据；商汤科技的视觉大模型参数达 320 亿，是公开信息中计算机视觉领域参数量最大的模型。随着数据量和计算能力增加，视觉大模型未来几年将显著发展。打造大模型不仅取决于算法，还需丰富产业实践经验，商汤科技自 2016 年全面布局 AIGC 多模态数据分析和内容生产，形成正循环。
第二重军备赛点是更高的算力。大算力支持复杂模型和大规模数据训练，提高 AIGC 生成内容质量、多样性、生产效率和速度，支持实时生成和个性化定制，但获取大算力成本高昂，一般小企业难以负担。如构建智能算力集群成本超 30 亿元。成都智算中心和商汤临港人工智能智算中心已上线高算力规模，为算法模型分析、训练和数据管理提供支撑。
第三军备竞赛点是让应用门槛更低，让 AIGC 应用更普惠。OpenAI 开放 ChatGPT 和语音转文本模型 API，降低使用成本；谷歌的 AutoDraw 应用程序帮助用户自动转换图形；商汤科技发布多模态多任务通用大模型“书生（INTERN）2.5”并开源，在多模态多任务处理能力上有突破，为通用场景任务提供支持，是向通用人工智能迈出的坚实一步。
写在最后
演化经济学家卡萝塔·佩蕾丝在《技术革命与金融资本》中指出，每轮技术革命经历导入期（爆发阶段、狂热阶段）和展开期（协同阶段、成熟阶段）。导入期新技术在少数行业示范，热钱涌入，示范效果好则进入展开期，展开期技术和制度框架协调，国家达到高就业水平，被视为“黄金时代”。当下，智能驾驶、智能监控、AIGC 产业等 AI 细分赛道爆发，示范效应或推动人工智能产业从导入期进入展开期。随着 ChatGPT 等应用出现，AI 产业演进方向更明确，即通过大模型结合大算力实现通用型 AI，让非资深企业和个人享受技术进步。提前布局大模型及强算力者将构筑更高壁垒，更早收获产业红利。
