一文读懂AIGC：万亿新赛道为何今年获得爆发？

图片来源：由无界版图 AI 工具生成

AIGC——利用人工智能技术来生成内容，它被认为是继PGC、UGC之后的新型内容创作方式。2022年AIGC发展速度惊人，迭代速度更是呈现指数级爆发，这其中深度学习模型不断完善、开源模式的推动、大模型探索商业化的可能，成为AIGC发展的“加速度”。腾讯将持续关注AIGC赛道，从技术突破、商业模式、头部公司等方向，推出“AIGC未来指北”系列内容，本文为系列第一篇。

以下为正文：2022年8月，在美国科罗拉多州举办的新兴数字艺术家竞赛中，参赛者提交AIGC（AI-Generated Content，以下简称“AIGC“）绘画作品《太空歌剧院》，参赛者没有绘画基础但是却获得了此次比赛“数字艺术/数字修饰照片”类别一等奖，引发多方争议：一方面，批判者认为AI在“学习”了大量前人的作品之后，其创作没有任何情绪和灵魂，难以和人类的艺术创作相提并论。另一方面，支持者认为创作者在一遍遍修改文本内容后，才让AI创作出满意的作画，而且作品有很强的观赏性，AI的创作有其独特价值。

AIGC构建发展“加速度”

AIGC是利用人工智能技术来生成内容。2021年之前，AIGC生成的主要还是文字，而新一代模型可以处理的格式内容包括：文字、语音、代码、图像、视频、机器人动作等等。AIGC被认为是继专业生产内容（PGC，professional-generated content）、用户生产内容（UGC，User-generated content）之后的新型内容创作方式，可以在创意、表现力、迭代、传播、个性化等方面，充分发挥技术优势。2022年AIGC发展速度惊人，年初还处于技艺生疏阶段，几个月之后就达到专业级别，足以以假乱真。这让花费毕生所学进行创作的从业人员倍感焦虑和紧张。同时，AIGC的迭代速度呈现指数级爆发，这其中深度学习模型不断完善、开源模式的推动、大模型探索商业化的可能，成为AIGC发展的“加速度”。

（一）深度学习模型是AIGC加速普及的基础

视觉信息一直在网络中有较强的传播力且容易被大众感知，具有跨平台、跨领域、跨人群的优势，天然容易被人记忆和理解。同时视觉信息应用场景广泛，因此生成高质量的图像成为当前AI领域的一个现象级功能。

2021年，OpenAI团队将跨模态深度学习模型CLIP（Contrastive Language-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。

“对抗生成网络”GAN（Generative Adverserial Network, 以下简称“GAN”)虽然也是很多AIGC的基础框架，但是GAN有三个不足：一是对输出结果的控制力较弱，容易产生随机图像；二是生成的图像分别率较低；三是由于GAN需要用判别器来判断生产的图像是否与其他图像属于同一类别，这就导致生成的图像是对现有作品的模仿，而非创新。因此依托GAN模型难以创作出新图像，也不能通过文字提示生成新图像。

随后出现的Diffusion扩散化模型，则真正让文本生成图像的AIGC应用为大众所熟知，也是2022年下半年Stable Diffusion应用的重要推手。Diffusion模型有两个特点：一方面，给图像增加高斯噪声，通过破坏训练数据来学习，然后找出如何逆转这种噪声过程以恢复原始图像。经过训练，该模型可以从随机输入中合成新的数据。另一方面，Stable Diffusion把模型的计算空间从像素空间经过数学变换,降维到一个可能性空间(Latent Space)的低维空间里，这一转化大幅降低了计算量和计算时间，使得模型训练效率大大提高。这算法模式的创新直接推动了AIGC技术的突破性进展。

总的来看，AIGC在2022年实现破圈，主要是在深度学习模型方面有了长足进步：首先CLIP模型基于海量互联网图片进行训练，推动AI绘画模型进行组合创新；其次Diffusion扩散化模型实现算法创新；最后使用潜空间降维的方法来降低Diffusion模型在内存和时间消耗较大的问题。因此，AIGC绘画之所以能够帮助大众画出各种天马行空的画作，背后离不开大量深度学习模型的不断完善。

（二） “开源模式”成为AIGC发展催化剂