今年在美国科罗拉多州博览会举办的一项绘画比赛数字艺术类别的一等奖获奖作品《Théâtre D'opéra Spatial》（太空歌剧院）在赛后被证实为是 AI 自动生成的画作。该画作是一位名叫 Jason Allen 游戏设计师，使用 AI 软件 MidJourney 生成100幅画像，再通过 PS 修饰微调画出的。
关于这幅画的争论带火了 AI 绘画的热潮，AIGC（Artificial Inteligence Generated Content 人工智能生成内容）一时风靡全网，受到了巨大瞩目。
众所周知，无论是 ConTech 还是内容中台、DAM（Digital Asset Management）一直都是近几年内容营销数字化领域的热门，现如今随着 AIGC 的技术和商业化成熟，在内容营销场景中的应用也将越来越广泛。
目前 AIGC 在营销场景的主要应用有哪些？AIGC 将为企业的内容营销、营销数字化带来哪些变革？本文对此进行了深度研究，并特别采访了长期专注 AIGC 领域的引力创投创始人 Indigo，以及及国内 AIGC 代表厂商 Fancy Technology 首席商务官默羽、特看科技创始人兼 CEO 吴春松。

一、什么是 AIGC？

1、AIGC 的定义及发展历程

“AIGC”全称为“Artificial Inteligence Generated Content 人工智能生成内容”，中国信通院发布的《人工智能生成内容（AIGC）白皮书》认为，目前关于 AIGC 的概念并没有统一界定，国内产学研界的理解是“继专业生成内容(Professional Generated Content，PGC)和用户生成内容(User Generated Content UGC)之后，利用人工智能技术自动生成内容的新型生产方式”。维基百科给出的解释则是“人工智能合成媒体(AI-generated Media 或 Synthetic Media)”，指“通过人工智能算法对数据或媒体进行生产、操控和修改的统称”。

中国信通院认为，AIGC 的发展主要经历了三个重要阶段：早期萌芽阶段（1950s-1990s）-沉淀积累阶段（1990s-2010s）-快速发展阶段（2010s-至今）。

南京大学数据智能与交叉创新实验室与武汉大学信息管理学院学者发布的论文《人工智能生成内容(AIGC)的技术特征与形态演进》里将互联网形态演化划分以下三个阶段：

从网络形态来看，第一代互联网（Web1.0）以个人电脑、信息门户和文件传输协议（FileTransferProtocol，FTP）为典型场景；第二代互联网也被称为Web2.0，以移动互联网、社交媒体和平台经济为典型场景；第三代互联网目前被称为Web3.0，以区块链、元宇宙、人工智能、全真全息为典型场景。

网络形态的演进也为内容生产模式的发展带来了变化引擎。Web1.0时代，以门户网站、论坛等媒介形态生产 PGC 为主；Web2.0时代，移动互联网、SNS 的兴起，UGC 也称为内容生态的主流；Web3.0虽然刚刚起步，但已经可以看到 AI 技术带来的对内容创意、生产、分发的革新。

2、AIGC 当前的应用格局

红杉资本的两位合伙人 Sonya Huang 和 Pat Grady 几个月前曾发表了一篇名为《Generative AI: A Creative New World》（生成式 AI：一个创造性的新世界）的文章，里面提到 AIGC 的应用格局，主要分为文本领域、代码领域、图像领域、语音领域、视频领域、3D 领域等。

文章认为，AI 生成文本是目前最先进的领域，但是对自然语言的正确理解，AI 还需要加强；AI 生成代码短期内将对开发人员的生产力产生很大影响，此外还将使非开发人员更容易创造性地使用代码；AI 语音合成虽然已经出现一段时间了，但是商业化应用才刚刚开始，如何让 AI 语音达到人类质量的门槛还需要一定时间；AI 视频和 3D 模型潜力很大，但应用层面目前则远远落后，期待在未来1-2年有基础的 3D 和视频模型出现。

红杉资本于10月份发布了一张海外 AIGC 厂商图谱，包含文本、图片、代码、视频、3D、语音等多个维度，收录了50多家公司。里面包括 Copy.AI、Jasper、Runway 等今年刚刚获得高额融资的明星企业，AIGC 在商业领域的落地应用，已经初步形成一定格局。

引力创投创始人 Indigo 在采访中表示，在北美，对于 AI 的投入和研究更多是科技公司主导的，他们主要专注在底层通用的大型语言模型，因为这是生成式 AI 的基础。OPEN AI 实现的能力就是语言训练，通过预处理转换器，掌控你的对话的线索。

因此北美的 AI 更多聚焦在文本训练，自然语言处理领域，因为自然语言是最好的一种人机界面，通俗来说就是“人类表达”，它可以演化出更高层次的逻辑思维，最终都可以通过语言来表达。通过语言输出，可以再将其转换成为图像、视频、语音或者任何其他的数据都可以。所以生成式 AI 目前在创意表达和模拟人类表达方面应用的比较多。但是中国的 AI 则是在模式识别上更有优势，比如图像、视频、文字分析，这是因为中国有大量的数据可以对 AI 进行训练。

二AIGC 商业化机会

Indigo 认为 AIGC 首先带来的一大变化就是将一部分基础脑力工作给释放出来，以前面对机器，人还需要去学习如何使用它，但现在人只要告诉 AI 自己想要什么，它就可以自动生成内容。而且基于 Stable Diffusion 这样的开源模型，技术人员可以自由修改成想要实现的场景或能力，相当于 AI 用了全人类所有的语义素材来帮你生成内容。

第二个变化是，帮助我们节省了很多创意人力，但是前提是需要将 AI 调教到一个能够稳定输出的状态，因此目前阶段还是很消耗人力的。但是 AI 比人类的想象能力更强，可以生成出其不意的效果，所以从创意生产角度，AI 解放的不是体力劳动，而是智力劳动。2、AIGC 给内容特看科技创始人兼 CEO 吴春松认为 AIGC 将为内容营销生态带来两个明显的变化。第一，可以大幅降低内容生产制作成本，而且是同时把 AI 应用端和供给端的成本同时降下来。以前 AI 更多的是用在营销计划的制定、内容的分发和广告投放的个性化分发指导等方面，所以当时也带来了 AI 加数据实现了精准营销红利的很大发展。但 AI 精准营销背后内容供给端的需求其实一直是没有被解决的。现在 AIGC 更多解决的正是内容供给这一端的问题。

AIGC 带来了两个很大的突破，一个是从对语义的理解进化到了对语义的分析归纳。以前的算法只能知道这张图片里面有什么标签，有什么主体，分析出大概是什么情况。但现在的语义模型已经具备分析和归纳总结的能力，给它一些很散的内容资料，它就能提炼出结构化的内容。这也正是 ChatGPT 能如此爆火的主要原因。

第二个变化是，AIGC 实现了从无到有生成内容。比如 AI 绘画，以前需要人先画好，然后再用 AI 去组装，但现在 AIGC 可以自主像素级生成图片，把内容成本降到了一个很低的标准。

当然 AIGC 为营销带来的肯定不只是内容营销生态的变化，对营销数字化生态也会有重要影响。吴春松预测未来将 AI 的生产端跟分发端的数据闭环打通之后，到时候就能根据分发端的效果数据反馈，反向指导 AIGC 的生产，形成真正意义上的颠覆性营销变革。在这个过程中，把这两端的数据闭环串起来，AI 就能知道用户喜欢什么，然后自动生成用户更喜欢的内容。

Fancy Technology CRO 默羽认为 AIGC 除了可以降低内容生产和分发成本，还可以通过对比、分析来判断哪些内容需要人工制作，哪些内容只需要 AIGC 就可以完成，进而优化企业内容生产部门的工作流程。

Fancy Technology CRO 默羽认为，从品牌角度来说，未来不会按照平台或者线上线下来对内容进行鲜明分类，优质的内容都属于品牌资产的范畴，品牌要实现的目标就是能让所有平台都能关注到自己的内容。她以Fancy Technology正在服务的某国内知名女装品牌为例，该品牌的组织设置也不再单独分为线上和线下，而是由同一个人负责，因为品牌通过调研发现线上线下用户的重合度变得越来越高，所以需要做的重点是如何打通所有消费场景，对内容进行统一分发。
因此对于 AIGC 在国内的规模化商业应用，她认为未来2-3年会在短视频和直播领域率先迎来爆发式增长。

首先，一个成熟的品牌现在如果去做线上运营，至少要同时经营5-6个电商平台，同时每个平台里面短视频的入口也很多，因此一个品牌要想在所有平台都覆盖短视频内容，成本和周期负担都是很重的。再加上平台的运营规则不断调整，品牌要想随时做出动态调整，也非常困难。但有了 AIGC 就可以帮助品牌批量化生产和分发短视频内容，同时还能帮助品牌对内容进行自动化、智能化分析和调优。

其次，直播已经成为品牌营销的主流标配之一，但是直播的时效性很强，非常讲究跟粉丝之间的实时互动，同时一直靠人开启长时间马拉松式直播，给品牌的负担也很大。AIGC 未来能很好的赋能直播营销。GC 在Indigo 分别介绍了北美和中国市场面对AIGC 商业化的挑战。他介绍，目前在北美对于 AIGC 的研究还是科研先行，“学院派”走在前列，虽然随着现在有开源产品，类似 Jasper 这样的“工程派”逐渐开始实现了 AIGC 的商业化应用，但是对于挖掘客户的需求，找到实用的应用场景，还是比较欠缺。

而本土 AIGC 赛道的厂商在商业化过程中主要有以下两个难点：AI 训练成本太高，如果像 OPEN AI 这样训练，首先要花大量的时间把需要的素材整理出来，其次需要对算法持续进行调整和训练。开源技术并不意味着所有详细参数都会开源，应用型公司还需要针对自身的需求持续进行训练和优化，这就需要投入大量的人力和财力来支撑。
其次是中文素材训练不够，现在大部分都是把英文翻译成中文来训练的，包括 Chat GPT 虽然对全世界语言都进行训练，但也很大概率是通过英文翻译进行的。因此本土 AI 需要加强中文训练。

对于海外和本土市场的差异性。吴春松表示，AIGC 是海外目前整个 SaaS 市场面临增长瓶颈的时候，实现突破的一个新的尖刀型应用。同时国外因为人力成本高，对SaaS比较友好，付费意愿和能力也更强，因此像Jasper、Copy.AI 等 AIGC 公司才能迅速获得资本市场和ToB客户的认可。

国内 AIGC 在To B端的应用目前都属于早期阶段，领域内企业普遍都是用大模型训练小模型，做单点商业化应用。To C端则是在 AIGC 作画等娱乐应用更多，大平台主要用于流量运营，提升 C 端用户体验和付费率。

本土 AIGC 相关企业商业化主要面临以下三个难点：首先底层大模型现在还处在快速地更新迭代的阶段，还未达到一个稳定状态。比如之前之前很多公司用的是 GPT3 的技术，ChatGPT 则是基于 GPT3.5 实现的，马上 GPT4 要问世，在能力上很大程度又会有大幅提升。

其次在训练小模型的时候，对生成结果的准确性、可控性还需要优化。目前 GPT3 是以 API 方式开放，并没有真正开源，所以对生成结果的准确性，需要后置再做一些调整才能直接用。

第三，虽然 ChatGPT 对于中文的翻译和输出已经比较理想了，但是对中文语料里一些特殊或者个性化表达，还是有一定程度的限制。但是目前开放的中文原生模型还没有，这方面还需要努力提升。

三、结语

虽然 AIGC 即将为营销领域的内容生产和创意能力带来极大的进步，但是 Indigo 也强调，除了关注 AIGC 带来的正面影响，我们也要关注 AI 引发的商业伦理问题。开源的 AI 训练会有点危险，被不法分子拿来生成一些具有侵害性、甚至是违法内容。包括 AIGC 生成的内容的归属权，目前也处在一个暧昧不明的灰色地带。由于 AI 都是通过现实中的图片训练的，因此很难进行实质性版权界定。以全球最大的图片网站 Getty Images 为代表的多家平台在几个月前就明令禁止上传和销售使用 DALL-E、Midjourney和Stable Diffusion 等 AI 艺术工具生成的插图。

对于 AIGC 生成的内容的合规性，各国有不同的衡量尺度，如何制定界定和评判的标准，都是随着 AIGC 技术兴起之后要讨论的新议题。AIGC 是下一代内容生产力工具，这是毋庸置疑的事实，相信这一天很快就要来到。

内容来源于：非凡产研 、德外5号，   作者：谈秋平、化佳， 内容有删节