生成式(shi) AI（Generative AI 或 AIGC）

是利(li)用现有文字(zi)、影(ying)音文件或图(tu)象(xiang)建立

新知识的专业技(ji)(ji)术。过去一年，其技(ji)(ji)术的

进度主要来(lai)自于(yu)三大领域：图象生(sheng)成领

域，以 DALL·E-2、Stable Diffusion 为

所代表的扩(kuo)散模(mo)型(xing)（Diffusion Model）；

自然(ran)语言理(li)解(jie)（NLP）领域(yu)根据 GPT-3.5

的 ChatGPT；代码生成领域(yu)根据 Codex

的(de) Copilot。目(mu)前(qian)的(de)生成式 AI 通常被(bei)

用于生(sheng)成(cheng)产品原型或原稿，应用领域涵

盖图文创作、代(dai)码生成(cheng)、手机游(you)戏、广告(gao)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(ji)术，极大的提高

智能化视(shi)频的丰(feng)富度、创造力与生产效

率，其应用界(jie)限都将伴随着技术的发(fa)展与

成(cheng)本的(de)降(jiang)低拓展(zhan)到大量领域。

发展趋势十

生成式 AI 使用各种(zhong)人工(gong)智能(neng)算(suan)法，

从数据中学到(dao)因素(su)，使(shi)设备可以创

建一个全新的数字信息、图(tu)象、文字、声(sheng)频(pin)或(huo)

编(bian)码(ma)等相关信息。它建立出的内容与训练数据

维持(chi)类似，并非拷贝。它的(de)发展(zhan)归功于近

年以来大模型在基(ji)础科(ke)研(yan)特别(bie)是深度神经网络(luo)上(shang)

的创新(xin)，真正数据(ju)库的不断积(ji)累核(he)算成本的后

降。在过(guo)去这一(yi)年，生成式 AI 将人工(gong)智

平(ping)衡的使用价值聚焦到“造就”二字，标(biao)志着(zhe)人

工智能逐渐具(ju)有定义和展现新(xin)生事物的能力(li)。

过(guo)去一年，生成(cheng)式 AI 的进展关键体(ti)

如今如下所示领域：

图象生成(cheng)领域的进展来源于扩散模型

（Diffusion model）的(de) 应 用，以(yi) DALL·

E-2、Stable Diffusion 为首。扩散模(mo)型

是一种从噪音中生(sheng)成图像的人工智能算法。

扩(kuo)散(san)模型技术性背(bei)后，是更准确了解人们(men)

词义的预训(xun)练模型、及其文字与(yu)图象统一

表明实体模型（CLIP）支撑(cheng)。它的存(cun)在，让

图象生成越来越更具有想(xiang)像力。

自然(ran)语言(yan)理解（NLP）领域的进(jin)展来

自于根(gen)据 GPT3.5 的 ChatGPT（Generative

Pre-trained Transformer）。这也是一种基于(yu)

互联网技术(shu)可以(yi)用数据(ju)训练的文(wen)字生成深度神经网络

实体(ti)模型，用(yong)以互动问答、文(wen)本摘要(yao)生成、设备翻(fan)

译、归类、代码生成和会话 AI。归功于文

本和编码结(jie)合(he)的预训练(lian)大模型的高(gao)速发展，

ChatGPT 引(yin)进了人工标注(zhu)数据和增强学习

（RLHF）去进行(xing)不断练习和改(gai)进。添加强

化课程后(hou)，大模(mo)型能理解人们的指令以

及身(shen)后的内涵，依据人们意见(jian)反馈来判定回答

的品(pin)质，得出可解释性的回答，并针对不符(fu)合

适的难(nan)题得出有效的回应(ying)，形成一个可迭(die)

代反映的闭环控制。

代(dai)(dai)码生成领(ling)域的进展来源(yuan)于(yu)代(dai)(dai)码生成系

统 AlphaCode 和 Copilot。2022 年 2 月，

Deepmind 发布了他们的最新研究成(cheng)果

AlphaCode。这是一个(ge)可以独立程序(xu)编写(xie)的系(xi)

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(ma)生成系(xi)统软(ruan)件，**次在(zai)编(bian)程(cheng)竞赛中，达到

具(ju)有竞争力的水(shui)准(zhun)。根据(ju)开(kai)放源码锻炼的

Copilot 逐(zhu)渐商业化的，做为订阅(yue)服务(wu)发放给

开(kai)发人员，用(yong)户可以(yi)通过应用(yong) Copilot 全(quan)自动补

全编(bian)码。Copilot 作为(wei)一个(ge)根据大中型语言表达(da)模(mo)

型(xing)的软件，虽然在大多(duo)数(shu)情况下仍然需要(yao)人工

二次(ci)调(diao)整，但简易、可重复性的(de)代码生成上，

将帮助(zhu)开发人员提高工作(zuo)效率，并为 IDE（集

成开发工具）行业带来(lai)深远影(ying)响。

伴随着具体内容创造(zao)出来的井喷式增长(zhang)，怎样做

到信(xin)息在质量与语(yu)义上的可控性，变成可控性

式生成(cheng)，无疑是(shi)生成(cheng)式 AI 所面临的关键考验。

在产(chan)业发(fa)展领域(yu)，降低成本仍然是重要考(kao)验(yan)。只(zhi)

有(you)象 ChatGPT 这种级别的模型训(xun)练费(fei)用和推

理成本费充足低，才(cai)可能(neng)产(chan)业化营销推广。除此之外，

数据(ju)库的安全可控(kong)、写(xie)作著作权和信任问题也

必须伴随着产业发展加速逐一(yi)处理。

未(wei)来三年，生成式(shi) AI 将(jiang)踏入创(chuang)新产品

变(bian)的(de)快(kuai)速道路，在运营模式(shi)上会越来越多探寻，

产业生(sheng)态会随(sui)着运用的兴起(qi)不断完善(shan)。届

时，生成(cheng)式 AI 内容造就能力(li)有望突破人们(men)

水准。有着数据信息、测算(suan)能力(li)、实用化(hua)工作(zuo)经(jing)验的

大中(zhong)型科技有限公司将成为(wei)生成式 AI 落地(di)关键

参加(jia)者。根据生成(cheng)模型测(ce)算(suan)基础设(she)施建设(she)友(you)谊

台会逐步(bu)发展下去，实(shi)体模型(xing)变为随手可(ke)得的服

务(wu)，顾客不(bu)用布署(shu)和运(yun)行生成(cheng)式模(mo)型专(zhuan)

业专业技能就可以使(shi)用(yong)。生成(cheng)实(shi)体模型将于互动能力、

安全可信、认知(zhi)智(zhi)能中取(qu)得明显进度(du)，以辅

助人们进行各种创造性工作