1950年，艾倫?圖靈（Alan Turing）在其《計算機(jī)器與智能（Computing Machinery and Intelligence ）》13中提出了著名的“圖靈測試”，給出了判定機(jī)器是否具有“智能”的試驗方法，即機(jī)器是否能夠模仿人類的思維方式來“生成”內(nèi)容繼而與人交互。?[7]
某種程度上來說，人工智能從那時起就被寄予了用于內(nèi)容創(chuàng)造的期許。經(jīng)過半個多世紀(jì)的發(fā)展，隨著數(shù)據(jù)快速積累、算力性能提升和算法效力增強(qiáng)，今天的人工智能不僅能夠與人類進(jìn)行互動，還可以進(jìn)行、編曲、繪畫、視頻制作等創(chuàng)意工作。?[6]
2018年，人工智能生成的畫作在佳士得拍賣行以43.25萬美元成交，成為世界上首個出售的人工智能藝術(shù)品，引發(fā)各界關(guān)注。隨著人工智能越來越多地被應(yīng)用于內(nèi)容創(chuàng)作，人工智能生成內(nèi)容 (Arificial Intelligence Generated Content,簡稱AIGC)的概念悄然興起。?[6]
人工智能的發(fā)展歷史大致可以被劃分為5個階段。（1950~1974）人工智能概念的出現(xiàn)；（1974~1980）神經(jīng)網(wǎng)絡(luò)遇冷，研究經(jīng)費減少；（1980~1987）專家系統(tǒng)流行并商用；（1987~1993）專家系統(tǒng)潰敗，研究經(jīng)費大減；（1993~至今）深度學(xué)習(xí)理論和工程突破。
使用計算機(jī)生成內(nèi)容的想法自上個世紀(jì)五十年代就已經(jīng)出現(xiàn)，早期的嘗試側(cè)重于通過讓計算機(jī)生成照片和音樂來模仿人類的創(chuàng)造力，生成的內(nèi)容也無法達(dá)到高水平的真實感。結(jié)合人工智能的演進(jìn)改革，AIGC的發(fā)展可以大致分為以下三個階段：
受限于科技水平，AIGC僅限于小范圍實驗。1957年，萊杰倫·希勒(Lejaren Hiller)和倫納德·艾薩克森（Leonard Isaacson）通過將計算機(jī)程序中的控制變量改為音符，完成了歷史上第一部由計算機(jī)創(chuàng)作的音樂作品——弦樂四重奏《依利亞克組曲（Illiac Suite）》。1966年，約瑟夫·韋岑鮑姆(JosephWeizenbaum)和肯尼斯·科爾比(Kenneth Colbv)共同開發(fā)了世界上第一個機(jī)器人“伊莉莎(Eliza)”，其通過關(guān)鍵字掃描和重組來完成交互式任務(wù)。80年代中期，IBM基于隱馬爾可夫鏈模型創(chuàng)造了語音控制打字機(jī)“坦戈拉（Tangora）”，能夠處理兩萬個單詞。
AIGC從實驗性向?qū)嵱眯灾饾u轉(zhuǎn)變，深度學(xué)習(xí)算法、圖形處理單元(GPU)、張量處理器(TPU)和訓(xùn)練數(shù)據(jù)規(guī)模等都取得了重大突破，受到算法瓶頸的限制，效果有待提升。2007年，紐約大學(xué)人工智能研究員羅斯·古德溫（Ross Goodwin）裝配的人工智能系統(tǒng)通過對公路旅行中的所見所聞進(jìn)行記錄和感知，撰寫出世界上第一部完全由人工智能創(chuàng)作的小說《1 The Road》。2012年，微軟公開展示了一個全自動同聲傳譯系統(tǒng)，通過深度神經(jīng)網(wǎng)絡(luò)（DNN）可以自動將英文演講者的內(nèi)容通過語音識別、語言翻譯、語音合成等技術(shù)生成中文語音。
深度學(xué)習(xí)模型不斷迭代，AIGC取得突破性進(jìn)展。尤其在2022年，算法獲得井噴式發(fā)展，底層技術(shù)的突破也使得AIGC商業(yè)落地成為可能。其中主要集中在領(lǐng)域：2014年6月，生成式對抗網(wǎng)絡(luò)（Generative Adversarial Network，GAN）被提出。2021年2月，OpenAI推出了CLIP（Contrastive Language-Image Pre-Training）多模態(tài)預(yù)訓(xùn)練模型。2022年，擴(kuò)散模型Diffusion Model逐漸替代GAN。
AIGC是建立在多模態(tài)之上的人工智能技術(shù)，即單個模型可以同時理解語言、圖像、視頻、音頻等，并能夠完成單模態(tài)模型無法完成的任務(wù)，比如給視頻添加文字描述、結(jié)合語義語境生成圖片等。
現(xiàn)階段國內(nèi)AIGC多以單模型應(yīng)用的形式出現(xiàn)，主要分為文本生成、圖像生成、視頻生成、音頻生成，其中文本生成成為其他內(nèi)容生成的基礎(chǔ)。
文本生成（AI Text Generation），人工智能文本生成是使用人工智能(AI)算法和模型來生成模仿人類書寫內(nèi)容的文本。它涉及在現(xiàn)有文本的大型數(shù)據(jù)集上訓(xùn)練機(jī)器學(xué)習(xí)模型，以生成在風(fēng)格、語氣和內(nèi)容上與輸入數(shù)據(jù)相似的新文本。?[8]
圖像生成（AI Image Generation），人工智能(AI)可用于生成非人類藝術(shù)家作品的圖像。這種類型的圖像被稱為“人工智能生成的圖像”。人工智能圖像可以是現(xiàn)實的或抽象的，也可以傳達(dá)特定的主題或信息。?[9]
語音生成（AI Audio Generation），AIGC的音頻生成技術(shù)可以分為兩類，分別是文本到語音合成和語音克隆。文本到語音合成需要輸入文本并輸出特定說話者的語音，主要用于機(jī)器人和語音播報任務(wù)。到目前為止，文本轉(zhuǎn)語音任務(wù)已經(jīng)相對成熟，語音質(zhì)量已達(dá)到自然標(biāo)準(zhǔn)，未來將向更具情感的語音合成和小樣本語音學(xué)習(xí)方向發(fā)展；語音克隆以給定的目標(biāo)語音作為輸入，然后將輸入語音或文本轉(zhuǎn)換為目標(biāo)說話人的語音。此類任務(wù)用于智能配音等類似場景，合成特定說話人的語音。?[10]
視頻生成（AI Video Generation），AIGC已被用于視頻剪輯處理以生成預(yù)告片和宣傳視頻。工作流程類似于圖像生成，視頻的每一幀都在幀級別進(jìn)行處理，然后利用 AI 算法檢測視頻片段。AIGC生成引人入勝且高效的宣傳視頻的能力是通過結(jié)合不同的AI算法實現(xiàn)的。憑借其先進(jìn)的功能和日益普及，AIGC可能會繼續(xù)革新視頻內(nèi)容的創(chuàng)建和營銷方式。?[10]
AI產(chǎn)業(yè)鏈主要由基礎(chǔ)層、技術(shù)層、應(yīng)用層三大層構(gòu)成。其中基礎(chǔ)層側(cè)重于基礎(chǔ)支撐平臺的搭建，包含、、數(shù)據(jù)服務(wù)和計算平臺；技術(shù)層側(cè)重核心技術(shù)的研發(fā)，主要包括算法模型、基礎(chǔ)框架、通用技術(shù)；應(yīng)用層注重產(chǎn)業(yè)應(yīng)用發(fā)展主要包含行業(yè)解決方案服務(wù)、硬件產(chǎn)品和。
調(diào)研歸納發(fā)現(xiàn)，國內(nèi)AIGC產(chǎn)業(yè)鏈結(jié)構(gòu)主要由基礎(chǔ)、行業(yè)/場景中模型、業(yè)務(wù)/領(lǐng)域小模型，AI基礎(chǔ)設(shè)施、AIGC配套服務(wù)五部分構(gòu)成，并且已經(jīng)形成了豐富的產(chǎn)業(yè)鏈。
圖片來源：TE智庫《企業(yè)AIGC商業(yè)落地應(yīng)用研究報告》通過大量無標(biāo)簽或通用公開數(shù)據(jù)集，在數(shù)百萬或數(shù)十億參數(shù)量下，訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)模型。這種模型經(jīng)過專門的訓(xùn)練過程，能夠?qū)Υ笠?guī)模數(shù)據(jù)進(jìn)行復(fù)雜的處理和任務(wù)處理。大模型需要占用大量的計算資源、存儲空間、時間和電力等資源來保證它的訓(xùn)練和部署。?[4]
基于行業(yè)/場景專有數(shù)據(jù)，在較小參數(shù)量下訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)模型。面向特定場景和行業(yè)，該模型運行速度更快，也更加輕便。?[4]
代表供應(yīng)商類型：行業(yè)頭部數(shù)字化供應(yīng)商、AI廠商、行業(yè)巨頭、基礎(chǔ)大模型廠商、數(shù)據(jù)服務(wù)供應(yīng)商。
基于少量、特定領(lǐng)域或企業(yè)獨有數(shù)據(jù)，在小規(guī)模參數(shù)下訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)模型。適用于解決一些簡單的、小規(guī)模的問題，可以在低功耗設(shè)備上運行，具有更快的推理速度。?[4]
代表供應(yīng)商類型：垂直領(lǐng)域數(shù)字化服務(wù)供應(yīng)商（包含SaaS服務(wù)供應(yīng)商）、行業(yè)巨頭、AI廠商、基礎(chǔ)大模型廠商。
為模型廠商提供算力、算法、數(shù)據(jù)服務(wù)三大套件支持，包括服務(wù)器、芯片、數(shù)據(jù)湖、數(shù)據(jù)分析能力。?[4]
圍繞大模型，提供建模工具、安全服務(wù)、內(nèi)容檢測、基礎(chǔ)平臺等服務(wù)。
AIGC產(chǎn)業(yè)鏈上游主要提供AI技術(shù)及基礎(chǔ)設(shè)施，包括數(shù)據(jù)供給方、數(shù)據(jù)分析及標(biāo)注、創(chuàng)造者生態(tài)層、相關(guān)算法等。中游主要針對文字、圖像、視頻等垂直賽道，提供數(shù)據(jù)開發(fā)及管理工具，包括內(nèi)容設(shè)計、運營增效、數(shù)據(jù)梳理等服務(wù)。下游包括內(nèi)容終端市場、內(nèi)容服務(wù)及分發(fā)平臺、各類數(shù)字素材以及智能設(shè)備，AIGC內(nèi)容檢測等。?[4]
實現(xiàn)AIGC更加智能化、實用化的三大要素是：、、。
AIGC人有我優(yōu)的核心基礎(chǔ)，包括存儲（集中式數(shù)據(jù)庫、分布式數(shù)據(jù)庫、云原生數(shù)據(jù)庫、向量數(shù)據(jù)庫）、來源（用戶數(shù)據(jù)、公開域數(shù)據(jù)、私有域數(shù)據(jù)）、形態(tài)（結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)）、處理（篩選、標(biāo)注、處理、增強(qiáng)…）
為AIGC提供基礎(chǔ)算力的平臺，包括半導(dǎo)體（、、DPU、TPU、NPU）、、大模型算力集群、基于IaaS搭建分布式訓(xùn)練環(huán)境、自建數(shù)據(jù)中心部署。?[4]
通過模型設(shè)計、模型訓(xùn)練、模型推理、模型部署步驟，完成從機(jī)器學(xué)習(xí)平臺、模型訓(xùn)練平臺到自動建模平臺的構(gòu)建，實現(xiàn)對實際業(yè)務(wù)的支撐與覆蓋。?[4]
國外AIGC的商業(yè)化從基礎(chǔ)大模型開始，包括以、為代表的典型應(yīng)用是基于基礎(chǔ)大模型的調(diào)用，孵化而來。
國內(nèi)正好相反，由于國內(nèi)市場極度豐富的業(yè)務(wù)場景，高度離散的供給側(cè)服務(wù)，導(dǎo)致當(dāng)前的AIGC商業(yè)化先從業(yè)務(wù)/領(lǐng)域小模型開始。基礎(chǔ)大模型尚處于快速迭代升級的階段，同時也開始關(guān)注具體的業(yè)務(wù)場景。而行業(yè)/場景中模型市場相對更加滯后，但這一市場在中國特色市場下，將會是未來基礎(chǔ)大模型和領(lǐng)域小模型都會積極跨界的領(lǐng)域。
目前國內(nèi)的AIGC技術(shù)與應(yīng)用，供需兩側(cè)主要集中在營銷、辦公、客服、人力資源、基礎(chǔ)作業(yè)等領(lǐng)域，并且這種技術(shù)所帶來的賦能與價值已經(jīng)初步得到驗證。根據(jù)TE智庫《企業(yè)AIGC商業(yè)落地應(yīng)用研究報告》顯示，33%企業(yè)在營銷場景、31.9%的企業(yè)在在線客服領(lǐng)域、27.1%的企業(yè)在數(shù)字辦公場景下、23.3%的企業(yè)在信息化與安全場景下迫切期望AIGC的加強(qiáng)和支持。?[4]
圖片來源：TE智庫《企業(yè)AIGC商業(yè)落地應(yīng)用研究報告》營銷場景是目前AIGC滲透最快，也是應(yīng)用最成熟的場景。AIGC主要在營銷動作中的內(nèi)容生產(chǎn)、策略生成方面極大加強(qiáng)了數(shù)字營銷的能力。
例如市場認(rèn)知階段的核心價值是創(chuàng)意參考，可賦能環(huán)節(jié)包括：廣告策略、品牌傳播、市場分析、CEM、SEO、DSP、SSP，通過生成廣告創(chuàng)意與投放優(yōu)化參考，包括廣告設(shè)計、廣告內(nèi)容、投放渠道策略和投放分析，從而提高廣告效果和投放效率。?[4]
數(shù)字辦公場景也是目前AIGC滲透較快的場景之一，主要體現(xiàn)在對個體的辦公效率提升。在文本內(nèi)容生成、代碼生成、流程設(shè)計和規(guī)范等方面表現(xiàn)出一定的提示和優(yōu)化。
例如流程管理模塊的核心價值是規(guī)范建議，可賦能環(huán)節(jié)包括：流程規(guī)范設(shè)計、流程路徑設(shè)計、流程控制設(shè)計、流程優(yōu)化，在一個新項目啟動時，可以根據(jù)項目需求和歷史經(jīng)驗自動生成流程規(guī)范建議，包括各階段的任務(wù)分配、時間節(jié)點等。?[4]
在線客服是AIGC音頻生成最近距離的場景之一，聲音合成、語義理解在智能化策略下，生成具有明確目的性的對話內(nèi)容。
例如全渠道接入模塊的核心價值在于個性化模塊，可賦能的環(huán)節(jié)：富文本溝通、自動主動對話、訪客信息展現(xiàn)，生成個性化回復(fù)模板，更好地提供針對性服務(wù)，從而提升客戶滿意度。?[4]
AIGC對人力資源服務(wù)的加成，是目前在企業(yè)經(jīng)營管理體系中進(jìn)展較快的領(lǐng)域。使人力資源管理體系的效率大幅提升的同時，在一定程度上也改變了傳統(tǒng)人力三支柱的傳統(tǒng)管理模型。
例如招聘模塊的核心價值在于簡歷推薦，可賦能的環(huán)節(jié)：篩選、面試篩選、筆試測評，以篩選簡歷階段為例，可以分析各個候選人的簡歷，生成匹配結(jié)果報告，并根據(jù)公司需求智能推薦合適的候選人。大幅提高篩選準(zhǔn)確性和效率，減少人力資源部門的工作負(fù)擔(dān)。?[4]
AIGC在基礎(chǔ)作業(yè)場景中的表現(xiàn)十分突出，在設(shè)計、電子簽名、合同管理、法律服務(wù)等環(huán)節(jié)表現(xiàn)出很強(qiáng)的智能化以及可替代性。
- 例如在平面設(shè)計領(lǐng)域：
設(shè)計構(gòu)思模塊的核心價值在于創(chuàng)意輔助，可賦能的環(huán)節(jié)：設(shè)計對接、溝通設(shè)計思路，當(dāng)企業(yè)開始設(shè)計時，可以根據(jù)客戶需求，自動轉(zhuǎn)化設(shè)計對接，同時輔助設(shè)計不同風(fēng)格方案生成，提升設(shè)計師的創(chuàng)意水平。
- 在合同管理、電簽等領(lǐng)域：
核心價值在于合同草稿生成、內(nèi)容自動審核、合同完整性確認(rèn)，可賦能的環(huán)節(jié)：合同制作、業(yè)務(wù)部門內(nèi)部審核、審核確認(rèn)、財務(wù)審核、法務(wù)審核、審核確認(rèn)、領(lǐng)導(dǎo)審核、審核確認(rèn)、最終審核，存檔，能夠根據(jù)企業(yè)需求和行業(yè)標(biāo)準(zhǔn)，自動識別關(guān)鍵信息并生成合同草稿，提高合同起草質(zhì)量，節(jié)省企業(yè)起草合同所需時間；自動分析合同內(nèi)容，為業(yè)務(wù)部門審核合同提供有效建議，提高審核效率，降低合同執(zhí)行潛在風(fēng)險；可以基于已完成的合同審核意見及修改意見，確保合同完成，生成最終合同文檔。?[4]
目前企業(yè)/機(jī)構(gòu)端在使用相關(guān)的AIGC能力時，主要有五種方式：直接使用、Prompt、LoRA、Finetune、Train。?[4]
顧名思義，直接使用基礎(chǔ)大模型廠商發(fā)布的產(chǎn)品服務(wù)，通過接口調(diào)用方式嵌入自身業(yè)務(wù)或系統(tǒng)當(dāng)中。
通過提示工程，通過微調(diào)少量參數(shù)，引導(dǎo)預(yù)訓(xùn)練語言模型做特定下游任務(wù)。利用文本對話方式操控語言大模型，引導(dǎo)生成結(jié)果。
僅訓(xùn)練低秩矩陣（low rank matrics），使用時將LoRA模型的參數(shù)注入基礎(chǔ)大模型，在不修改大模型的前提下，改變模型的生成風(fēng)格。所需的訓(xùn)練資源比訓(xùn)練基礎(chǔ)大模型要小很多，非常適合社區(qū)使用者和個人開發(fā)者。
Finetune是應(yīng)用或利用遷移學(xué)習(xí)的一種方式。對基礎(chǔ)大模型進(jìn)行微調(diào)，以適應(yīng)特定任務(wù)。
當(dāng)數(shù)據(jù)集相似，但數(shù)據(jù)量又很少的情況下，微調(diào)省去大量計算資源和計算時間，提高了計算效率,甚至提高準(zhǔn)確率。具體來說，微調(diào)是一個過程，它采用已經(jīng)針對一項給定任務(wù)訓(xùn)練過的模型，然后調(diào)整或微調(diào)模型以使其執(zhí)行第二個類似任務(wù)。?[11]
調(diào)用數(shù)據(jù)、算力、算法從頭訓(xùn)練大模型，從頭開始訓(xùn)練大模型。除非特殊領(lǐng)域和特定要求，一般商業(yè)公司不會從頭開始訓(xùn)練基礎(chǔ)大模型。?[4]
目前AIGC主要的商業(yè)模式為MaaS（Model as a service），MaaS是一種云與大模型深度綁定后的新商業(yè)模式，以云為基礎(chǔ)、模型為中心，提供眾多預(yù)訓(xùn)練基礎(chǔ)模型，只需針對具體場景作調(diào)整優(yōu)化，就能夠快速投入使用。?[4]
MaaS與云計算各層的商業(yè)結(jié)合，將會引發(fā)企業(yè)市場一場新的商業(yè)模式變革。
圖片來源：TE智庫《企業(yè)AIGC商業(yè)落地應(yīng)用研究報告》MaaS由三部分組成，包括基礎(chǔ)層、中間核心層和底層擴(kuò)展層。基礎(chǔ)層涵蓋了用戶的身份信息，如用戶姓名和職業(yè)等基本信息；中間核心層描述了重要的用戶特征，如用戶興趣、偏好、目標(biāo)等；底層擴(kuò)展層包含帶有用戶特征的個性化知識，包括通過語義關(guān)系分析和推理得到的用戶興趣、偏好和個性化的模型網(wǎng)絡(luò)。
這個平臺可作為獨立的服務(wù)平臺，插入到云計算中，具體位置在PaaS層和SaaS層之間。因此在商業(yè)模式上可以是MaaS+IaaS、MaaS+PaaS、MaaS+SaaS。
MaaS開發(fā)人員設(shè)計的所有MaaS配置文件模板都存儲在IaaS層中，也就是說用IaaS層的數(shù)據(jù)庫喂給MaaS。這意味著MaaS的質(zhì)量也取決于IaaS層數(shù)據(jù)庫的質(zhì)量，其中包括、、和等對數(shù)據(jù)的處理。
MaaS主要針對PaaS的構(gòu)建和開發(fā)模式產(chǎn)生巨大影響，縮短PaaS的開發(fā)周期。原來PaaS層的服務(wù)主要依賴與在某一領(lǐng)域的專業(yè)深耕，垂直化PaaS的價值得以放大。而MaaS的介入，在理論上使得通用PaaS服務(wù)成為可能，并且PaaS服務(wù)對象直接賦能最終B端客戶，不再局限交付團(tuán)隊。
這是目前AIGC與企業(yè)業(yè)務(wù)結(jié)合最具想象力的商業(yè)模式，SaaS+MaaS能為每個終端用戶，輸出針對自己業(yè)務(wù)的個性化服務(wù)。
客戶可以直接將需求傳遞給系統(tǒng)，它會自動調(diào)用功能、展示結(jié)果。區(qū)別在于，通過MaaS平臺搭建出的SaaS軟件會展現(xiàn)出更個性化的工具，其效果可能要好過PaaS+SaaS的模式。最后，SaaS的訂閱模式也會因此發(fā)生改變。
數(shù)據(jù)調(diào)研發(fā)現(xiàn)，中國企業(yè)用戶在AIGC的付費模式期望方面開始出現(xiàn)明確的方向。對MaaS的收費模式主要分為三類：訂閱收費、按內(nèi)容產(chǎn)出量收費、定制模型開發(fā)收費。?[4]
圖片來源：TE智庫《企業(yè)AIGC商業(yè)落地應(yīng)用研究報告》判斷一個組織或機(jī)構(gòu)在AIGC時代的商業(yè)化潛能，可以從四個維度加以驗證：團(tuán)隊、創(chuàng)新、市場、生態(tài)。?[4]
圖片來源：TE智庫《企業(yè)AIGC商業(yè)落地應(yīng)用研究報告》- 團(tuán)隊——結(jié)構(gòu)與戰(zhàn)力（Team-Structure& ability）
- 創(chuàng)新——資源與保障（Innovate-Resources& security）
- 市場——機(jī)會與密度（Market-Opportunity& density）
- 生態(tài)——連接與協(xié)作（Ecological -Cooperation& collaboration）
目前AIGC相關(guān)的法律法規(guī)不完善是主要問題，想要實現(xiàn)對AIGC技術(shù)的有效發(fā)揮，必須對其相關(guān)的法律法規(guī)進(jìn)行完善。就當(dāng)前的AIGC技術(shù)在目前的應(yīng)用來看，其缺乏完善的安全性標(biāo)準(zhǔn)，沒有明確AIGC技術(shù)服務(wù)、內(nèi)容傳播與技術(shù)應(yīng)用各相關(guān)方面的法律和社會責(zé)任。其次，缺乏完善的AIGC技術(shù)相關(guān)立法，與分級分類的監(jiān)管手段，AIGC技術(shù)的安全性難以得到保障。
在AIGC技術(shù)的使用中，沒有明確劃分公有數(shù)據(jù)和專有數(shù)據(jù)的使用界限，使基礎(chǔ)大模型訓(xùn)練的數(shù)據(jù)合規(guī)性、安全性、權(quán)屬產(chǎn)生問題。例如，專有數(shù)據(jù)的泄露可能會導(dǎo)致用戶數(shù)據(jù)安全的問題，同時數(shù)據(jù)要素也很難有效的發(fā)揮出自己的價值。
技術(shù)保密性是AIGC的首要問題。比如，在與AIGC交互的過程中，企業(yè)的專有資源被泄露等。如果技術(shù)保密性不足就可能嚴(yán)重影響到信息資源的所有者。
隨著AIGC技術(shù)的不斷發(fā)展，AI應(yīng)用的領(lǐng)域日益廣泛，為了更好地規(guī)范市場發(fā)展，建議逐步完善保障AIGC良性發(fā)展的法律法規(guī)體系，建立法律準(zhǔn)入體系。開展針對AIGC模型市場準(zhǔn)入方面的法律法規(guī)研究，從而明確AIGC技術(shù)服務(wù)、內(nèi)容傳播與技術(shù)應(yīng)用各相關(guān)方面的法律和社會責(zé)任。同時，鼓勵立法研究的多方參與、監(jiān)管手段的分級分類、行業(yè)治理的公私合作。
數(shù)據(jù)是AIGC發(fā)展的三大根基之一，加強(qiáng)數(shù)據(jù)要素安全，是AI技術(shù)安全落地的基礎(chǔ)。首先，可以加強(qiáng)各級單位對于數(shù)據(jù)要素的治理，分級分層建立數(shù)據(jù)要素安全標(biāo)準(zhǔn)，如網(wǎng)絡(luò)安全等級保護(hù)、數(shù)據(jù)分類分級管理、合規(guī)管理體系的搭建以及安全事件的防范等方面建立完善的解決方案。
技術(shù)是AIGC發(fā)展的核心，加強(qiáng)技術(shù)的獨立可控是AIGC發(fā)展的重要手段。可以在基礎(chǔ)大模型階段開始實施技術(shù)標(biāo)準(zhǔn)、業(yè)務(wù)標(biāo)準(zhǔn)的制定，從起步階段完善產(chǎn)業(yè)鏈體系的標(biāo)準(zhǔn)化。
同時加強(qiáng)數(shù)據(jù)歸集、算力統(tǒng)籌、算法開源等平臺和基礎(chǔ)能力建設(shè)等；同時優(yōu)化AIGC技術(shù)的發(fā)展環(huán)境，通過技術(shù)創(chuàng)新、理念創(chuàng)新，進(jìn)一步適應(yīng)新的發(fā)展環(huán)境，提高技術(shù)的應(yīng)用價值，是未來AIGC技術(shù)的發(fā)展重點。
參考資料
- 1?．麥肯錫[引用日期2023-06-25]
- 2?．Gartner[引用日期2023-06-25]
- 3?．波士頓咨詢公司[引用日期2023-06-25]
- 4?．TE智庫AIGC企服指數(shù)[引用日期2023-06-25]
- 5?．武漢大學(xué)信息管理學(xué)院期刊中心[引用日期2023-06-25]
- 6?．中國信通院[引用日期2023-06-25]
- 7?．redirect[引用日期2023-06-25]
- 8?．KBV research[引用日期2023-06-25]
- 9?．KBV research[引用日期2023-06-25]
- 10?．康奈爾大學(xué)[引用日期2023-06-25]
- 11?．deep lizard[引用日期2023-06-25]
魯ICP備2020050029號-1
魯ICP備2020050029號-1