今年7月，百度世界大会上李彦宏这样预言到：“未来十年，AIGC（人工智能自主生产内容）将颠覆现有内容生产模式。可以实现以十分之一的成本，以百倍千倍的生产速度，去生成AI原创内容。”未曾料到，当时他的这番讲话，会让AIGC在之后几个月里成为一级市场的关注焦点。

红杉资本曾在今年9月联合GPT-3，发布了一篇名为《生成式AI：一个创造性的新世界》的文章，并且立刻引爆了AIGC赛道。“人们的梦想：生成式AI将创造和知识工作的编辑成本降至零，生产巨大的劳动生产率和经济价值，以及相应的市值。”按照他的理解，AI能够让人效突破现在技术条件的天花板，未来企业的增长将不再受制于人力和成本，企业的经营效率也会随之发生质变。

尽管AIGC处于刚起步的阶段，技术大范围应用尚未稳定，甚至没有特别精准地定位消费者的需求，但这并不妨碍资本和机构的加速入场：Stability AI宣布获得1.01亿美元种子轮融资，正式晋升独角兽行列；几乎同一时间，另一家人工智能独角兽公司Jasper也宣布获得了1.25亿美元的新融资。

一时间，全球范围内掀起了一股AIGC投资热潮，这背后的原因可以归结为：VC们认为，AIGC是AI算法的一次重大突破，意味着人类对于AI的运用不再被局限在某一特定功能，比如语音识别、智能推荐等，而是真正迈入了通用人工智能阶段，即人工智能可以像人类一样高效的完成智力任务。

这是一个很有趣的风向，因为在移动互联网时代，关于未来的畅想，已经进行过很多次，从当初红极一时的元宇宙和Web 3，就像给大众营造的一场终极幻想，跳脱出时间和空间的维度，充斥着对未来的无限期待，这也是很多极客的毕生夙愿。但，梦终有醒的那天，科技也要放在市场上进行验证，祛魅是一个周期的开始，也是一个周期的结束。

只不过，这次的主角换成了AIGC。伴随着文本、图片、视频以及三者跨模态相互转化方面的技术不断突破，我们所熟悉的AI行业，正意欲重构人类生产力和生产关系的变革，这究竟是一时昙花，还是一片新的蓝海，已经成了市场最值得讨论的话题。

用户爱看，不容小觑的AIGC

截至2022年中，中国短视频用户达到9.62亿，占整体网民的91.5%。在这样一个短视频大盘里，AI生成的内容的群众基础如何？

视频平台上近期兴起的一类内容可以作为参考。

选一首大众熟悉的歌曲，让AI根据歌词生成画面，组合起来便是一支由AI执导的MV。比如《漠河舞厅》《孤勇者》《杀死那个石家庄人》《波西米亚狂想曲》等，都能找到相关的AI作画视频。

而且，此类视频的关注度也相当可观。以B站上《杀死那个石家庄人》相关视频为例，画面由名为“Midjourney”的AI绘画程序所作，9月30日发布，十余天时间其播放量累计达103.4万，点赞量4.4万。

“学了五六年美术，画功不如AI输入词条几十秒就出的画”，在看过视频之后，网友“奶酪”给出评价，“画不完美，可学习能力让人惊叹。”而且，在好奇心的驱使下，奶酪开始在各个平台搜索相关内容。

切换到AI视角，感受算法模型对世界的认知，这其实正是AIGC赢得广泛关注的直接原因。

AI创作的静态画面已然火爆至此，若进一步升级为短视频，对用户的吸引可以想象。

而从静向动，从二维升级三维恰是AIGC发展的大势所在，Meta和Google近期的动作就是风向标，二者先后发布了根据文本生成视频的最新研究成果。

从Google发布的样片来看，AI不仅可以理解文字并生成高清动态影像，如骑马、冲咖啡等，还能在文字故事的基础上以影像呈现一段完整的长镜头，时长可达2分钟以上。

基于AI已经初步具备创作短视频能力的事实，有业内人士评论称，“随着AI对于短视频的‘入侵’与日俱深，短视频平台的内容池里除传统的UGC（专业生产内容）、PGC（用户生产内容）以外，AIGC将占到更多比例，且流量号召力不容小觑。”

Gartner相关报告中也明确指出，预计到2023年，将有20%的内容被生成式AI所创建。2025年，生成性AI所创造的数据将占到所有已生产数据的10%，当下该比例不足1%。

到底什么是AIGC？

从创作者的角度看，内容生态的发展大致可以分成四个阶段：专业生成内容（PGC）、用户生成内容（UGC）、AI辅助生产内容、AI生成内容（AIGC）。

PGC（Professional-generated content，专业生产内容）主要是指由专业化团队生产具备较高质量的内容用以商业变现；UGC（User-generated content，用户生产内容）则将消费者和生产者之间的边界混淆，创作者即为用户本身。

这是当前互联网内容创作生态所处的两个阶段，不过其生产潜力也正在逐渐消耗。

为保障质量，PGC往往需要投入大量的研发成本，这是导致国内长视频网站长期亏损的主要原因。相比之下，UGC虽然降低了生产门槛，让社区更为繁荣，但正因为创作自由度高，导致质量难以保证。

实际上，内容创作的过程是创作者对于信息的处理、加工、结构化，以及选择和使用内容载体的过程，而一系列的流程均基于创作者的后天学习，需要付出大量的时间与精力。随着VR/AR、Metavers等概念的爆发，未来的互联网应用正在演变成一个富媒体平台，对高质量、多样性的内容需求越来越大。

当PGC、UGC受产能、质量所限，当人脑的信息处理能力达到极限，亟待新的生产方式带来内容变革。从发展趋势看，AI+内容生产将弥补数字世界内容消耗与供给的缺口。

AIGC，Artificial intelligence-generated content，即通过AI技术来自动或辅助生成内容的生产方式。随着技术的不断发展和突破，人工智能对绘画、音乐、游戏、新闻、艺术等内容创作领域的影响和作用越来越大。

两个月前，百度利用AIGC能力只用了“1秒”就瞬间复原了《富春山居图》残卷，风格与现存真迹的一致程度也让专家大为震撼；腾讯打造的“梦幻写手”（Dreamwriter）新闻写作系统，能够在规定的22种场景中进行写作，具有0.46秒的平均发稿速度；喜马拉雅通过语音合成（TTS:Text-to-speech）技术，能够高效地将新闻、书籍和文章中的大量文字信息转为音频，这些TTS内容在上线后也获得了较大的收听量。

AI技术不仅有助于提高生产效率，而且有助于互动性进一步提升。例如，在游戏《AI地下城》（AI Dungeon）中，当用户输入文字后，系统便会使用GPT-3（Generative Pre-Training Transformer）自然语言模型来理解脚本并生成接下去的几段文字，并且基本能够实现前后世界观一致。

不过，将AI技术的发展对应于内容生产，目前更多的是为AI辅助生产，创作并没有跳出PGC与UGC的创作框架，如虚拟人的创建需要人为为其编码基因，设定人设、背景，再与外部环境进行交互。

长期来看，随着数据、算法、算力等要素持续发展，最终有望实现AIGC，利用AI技术进行“想象”，创造出现实中不存在的流程与事物。

未来的商业价值

技术终将服务于商业。作为下一个探索热点，AIGC激发了大量行业需求，正在创造越来越多的现实价值。

从AI技术当前发展阶段看，AIGC与游戏叙事的联系较为紧密，不仅塑造更广义的互动叙事品类，而且带来了社交玩法和商业模式产生新的启发。

例如，《AI Dugeon》通过AI技术研发出应对多名的玩家的AI模型，能够对不同玩家的互动做出反馈。在商业模式上，《AI Dungeon》则将更高级的AI模型作为增值服务提供给玩家，如更智能的怪物AI模型。在传统的RPG游戏中，氪金获得的宠物是在数值上形成对免费玩家宠物的优势，而在《AI Dungeon》中则体现为智力更高，具有更强的互动性。

在艺术领域，AI的学习与创作能力正在颠覆我们的认知，也让公众对科技与艺术的融合创新有了更大的想象空间。今年6月初，初出茅庐的“AI画家”度晓晓创作的AI绘画数字藏品卖出了超过17万元的高价。而她售卖的四幅画作，平均只需数十秒就能完成。

值得关注的是，AI内容生成技术已经在各类显性的商业场景中落地。在人的层面，数字员工在降低劳动成本，提升工作效率，降低人员流动风险等方面有天然的优势。在货的层面，某些电商平台的内容展示更加立体，会从各个角度来呈现客户想要购买的商品。在场的层面，通过线上空间3D化，可以让参与者更加有沉浸感。

虽然技术的发展与革命一定程度带来了知识产权内容传播与创造的繁荣，但是，相关所有权归属等影响资本信心与产业发展的法律问题并没有得到确认。

今年2月，美国版权局审查委员会（Copyright Review Board）再次拒绝了Abbott先生代理的Stephen Thaler提交的人工智能创作的作品“天堂入口”注册版权的复议请求，重申根据美国《版权法》的规定，要求作品包含人类作者身份。因此由人工智能创作的这幅“天堂最近的入口（a recent entrance to paradise）”作品，不能获得版权授权。

事实上，自从人工智能技术开始应用在新闻撰写、绘画、诗歌写作等领域后，有关人工智能生成物的著作权问题就一直在困扰着学界和实务界，争议颇多。

目前，AIGC的发展应当认为已经超一般的弱人工智能标准，无限地抵进强人工智能阶段，但未实现抵达与超越强人工智能，或称通用人工智能标准。

牛津哲学家、知名人工智能思想家Nick Bostrom把超级智能定义为“在几乎所有领域都比最聪明的人类大脑都聪明很多，包括科学创新、通识和社交技能”。在超人工智能阶段，人工智能已经跨过“奇点”，其计算和思维能力已经远超人脑。此时的人工智能已经不是人类可以理解和想象。

对于该达成时间，圣达菲研究所的人工智能专家梅兰妮·米切尔（Melanie Mitchell）与埃隆·马斯克（Elon Musk）有过切实的讨论与争议，他们争议的焦点在于该达成时间为2029年。那时的AIGC，将带给我们怎样的惊喜，又将面临怎样的严峻挑战？我们拭目以待。

现在入局为时过早？

数据、算力、算法是驱动AIGC发展的三驾马车，要实现AIGC的发展，这三者缺一不可，但每一项的发展，都需要企业投入大量的资金，这就导致AIGC初创企业的经营成本居高不下。以新晋独角兽企业Stability AI为例，该公司为维护一个拥有4000块英伟达A100 GPU组成的算力群，总计花费超5000万美元。

较高的前期投入，要求了AIGC企业用户规模的迅速扩张。因为只有行业用户规模达到一定体量，才能够摊平成本，扭亏为盈。过去的经验表明，要在短时间内实现用户规模的快速增长，需要提供标准化的服务内容，毕竟标准的等于大众的，也等于最大规模的用户需求满足。

而且，AIGC自身的特点，其实也限制了服务标准化的进程。由于AIGC生成内容具有不稳定性，内容质量层次不齐，无法形成统一的质量标准，一定程度上限制了用户规模的扩张，也限制了AIGC企业的赚钱能力的提升。

不仅如此，由于AIGC赛道正处于摸索阶段，公司战略以完善技术水平、考察消费者需求为主，大部分技术没有完善到足以实际运用到生产之中，而小部分相对成熟的应用，也为了吸引顾客，而处在免费试用的阶段。这就意味着，AIGC技术本身缺乏变现能力。投入增多，而收入不够，使得众多AIGC公司处于亏损状态。

并且，这种亏损状态，长期内，并不会因用户规模的增多而得到改善。因为，一旦行业用户规模达到一定体量，大厂们必然会加速入场，此时行业竞争加剧，一方面会促进企业增加成本投入；另一方面也会导致企业收入减少。那时，面对着AIGC有限的变现能力，加上持续不断的成本投入，又有多少企业能坚持下来。

现在的资本，在AIGC领域的下注依然有些过于冒险。因为从事实上看，各初创企业并不能突破AIGC技术不稳定、应用场景单一化以及变现能力缺乏的障碍。真正要实现AIGC技术的快速发展，需要算力、算法的大幅提升，这都是难以预测的。

文章来源： 机器之能，钛媒体APP，新眸