生成式 AI（Generative AI 或 AIGC）

是利用现有文字、影音文件或图象建立

新知识的专业技术。过去一年，其技术的

进度主要来自于三大领域：图象生成领

域，以 DALL·E-2、Stable Diffusion 为

所代表的扩散模型（Diffusion Model）；

自然语言理解（NLP）领域根据 GPT-3.5

的 ChatGPT；代码生成领域根据 Codex

的 Copilot。目前的生成式 AI 通常被

用于生成产品原型或原稿，应用领域涵

盖图文创作、代码生成、手机游戏、广告宣传、

造型艺术广告设计等。将来，生成式 AI 将成为

为一项平民化基础技术，极大的提高

智能化视频的丰富度、创造力与生产效

率，其应用界限都将伴随着技术的发展与

成本的降低拓展到大量领域。

发展趋势十

生成式 AI 使用各种人工智能算法，

从数据中学到因素，使设备可以创

建一个全新的数字信息、图象、文字、声频或

编码等相关信息。它建立出的内容与训练数据

维持类似，并非拷贝。它的发展归功于近

年以来大模型在基础科研特别是深度神经网络上

的创新，真正数据库的不断积累核算成本的后

降。在过去这一年，生成式 AI 将人工智

平衡的使用价值聚焦到“造就”二字，标志着人

工智能逐渐具有定义和展现新生事物的能力。

过去一年，生成式 AI 的进展关键体

如今如下所示领域：

图象生成领域的进展来源于扩散模型

（Diffusion model）的 应 用，以 DALL·

E-2、Stable Diffusion 为首。扩散模型

是一种从噪音中生成图像的人工智能算法。

扩散模型技术性背后，是更准确了解人们

词义的预训练模型、及其文字与图象统一

表明实体模型（CLIP）支撑。它的存在，让

图象生成越来越更具有想像力。

自然语言理解（NLP）领域的进展来

自于根据 GPT3.5 的 ChatGPT（Generative

Pre-trained Transformer）。这也是一种基于

互联网技术可以用数据训练的文字生成深度神经网络

实体模型，用以互动问答、文本摘要生成、设备翻

译、归类、代码生成和会话 AI。归功于文

本和编码结合的预训练大模型的高速发展，

ChatGPT 引进了人工标注数据和增强学习

（RLHF）去进行不断练习和改进。添加强

化课程后，大模型能理解人们的指令以

及身后的内涵，依据人们意见反馈来判定回答

的品质，得出可解释性的回答，并针对不符合

适的难题得出有效的回应，形成一个可迭

代反映的闭环控制。

代码生成领域的进展来源于代码生成系

统 AlphaCode 和 Copilot。2022 年 2 月，

Deepmind 发布了他们的最新研究成果

AlphaCode。这是一个可以独立程序编写的系

统，在 Codeforces 举行的编程竞赛中，超

过去了 47%人类技术工程师。标志着 AI 代

码生成系统软件，**次在编程竞赛中，达到

具有竞争力的水准。根据开放源码锻炼的

Copilot 逐渐商业化的，做为订阅服务发放给

开发人员，用户可以通过应用 Copilot 全自动补

全编码。Copilot 作为一个根据大中型语言表达模

型的软件，虽然在大多数情况下仍然需要人工

二次调整，但简易、可重复性的代码生成上，

将帮助开发人员提高工作效率，并为 IDE（集

成开发工具）行业带来深远影响。

伴随着具体内容创造出来的井喷式增长，怎样做

到信息在质量与语义上的可控性，变成可控性

式生成，无疑是生成式 AI 所面临的关键考验。

在产业发展领域，降低成本仍然是重要考验。只

有象 ChatGPT 这种级别的模型训练费用和推

理成本费充足低，才可能产业化营销推广。除此之外，

数据库的安全可控、写作著作权和信任问题也

必须伴随着产业发展加速逐一处理。

未来三年，生成式 AI 将踏入创新产品

变的快速道路，在运营模式上会越来越多探寻，

产业生态会随着运用的兴起不断完善。届

时，生成式 AI 内容造就能力有望突破人们

水准。有着数据信息、测算能力、实用化工作经验的

大中型科技有限公司将成为生成式 AI 落地关键

参加者。根据生成模型测算基础设施建设友谊

台会逐步发展下去，实体模型变为随手可得的服

务，顾客不用布署和运行生成式模型专

业专业技能就可以使用。生成实体模型将于互动能力、

安全可信、认知智能中取得明显进度，以辅

助人们进行各种创造性工作