思腾云计算

AI又可称为AIGC（Artificial Intelligence Generated Context，即可以利用人工智能技术自动产生内容）。

生成式AI起源于分析式AI，分析式AI发展过程中的技术积累为生成式AI的产生奠定基础。分析式AI其学习的知识局限于数据本身；生成式AI在总结归纳数据知识的基础上可生成数据中不存在的样本。

分析式AI是数据学习。利用机器学习技术学习数据分布， 进行如分类、预测等任务。 发展过程中诞生了卷积神经网络， 残差深度网络，Transformer网络结构等。

生成式AI是数据学习+新数据生成。在学习归纳数据分布的基础上，学习数据产生的模式，并创造数据中不存在的新样本。 在分析式AI技术基础上诞生大型 Transformer网络，Diffusion等新模型。

生成式AI为何爆发？

生成式AI发展经历了早期萌芽、沉淀积累和2014年之后的快速发展阶段。从模型赋智阶段（从现实生成数字），生成式AI可利用AI技术构建模拟现实世界的数字孪生模型；到认知交互阶段（从数字生成数字），AI能够学习并创作更丰富的内容；再到现今的空间赋能阶段（从数字生成现实），生成式AI基于物联网，多模态技术获取多维信息，已然能实现更加智能的人与机器互动。

生成式AI的本质是内容与场景，其发展需要AI与后端基建，算法、算据和算力三要素耦合共振。

算法持续迭代。2017年推出的Transformer架构的并行训练优势奠定了大模型训练的基础，GPT为代表的预训练模型，通过使用无标注数据预训练及微调缓解了标注数据不足的问题，并不断提升参数量级及模型通用性，ChatGPT在此基础上加入了利用人类反强化学习的训练方法。扩散模型取代GAN成为图像生成领域的主流模型，CLIP模型推动跨模态生成技术的发展。

模型商业化及开源释放创造力。GPT3的商业化及CLIP及Stable Diffusion模型的开源推动文本生成、文生图产品化浪潮。

AI模型的升级迭代为生成式AI性能跨越式发展奠定基础。人工智能技术推动生成式AI行业不断发展，其中学习范式的更新赋予AI模型主动学习能力，模型结构升级提升AI模型学习、归纳与创新能力。

生成式AI进入应用爆发期

随着内容创造的爆发式增长，如何做到内容在质量和语义上的可控，成为可控式生成，将是生成式AI面临的主要挑战。在产业化方面，降成本仍是关键挑战。只有像ChatGPT这样的大模型训练成本和推理成本足够低，才有可能规模化推广。此外，数据的安全可控、创作版权和信任问题也需要随着产业化加快逐一解决。

未来三年，生成式AI将步入技术产品化的快车道，在商业模式上会有更多探索，产业生态也会随着应用的普及逐步完善。届时，生成式AI的内容创造能力将达到人类水平。拥有数据、计算能力、产品化经验的大型科技公司将成为生成式AI落地的主要参与者。

基于生成模型的计算基础设施和平台会逐步发展起来，模型变成随手可得的服务，客户不需要部署和运行生成式模型的专业技能就可以使用。生成模型将在交互能力、安全可信、认知智能上取得显著进展，以辅助人类完成各类创造性工作。