無論從國內(nèi)外市場(chǎng)熱度，還是國家的政策來看，當(dāng)下AIGC（生成式人工智能）都已經(jīng)成為焦點(diǎn)中的焦點(diǎn)，而其對(duì)各個(gè)產(chǎn)業(yè)的影響也成為業(yè)內(nèi)探究的重點(diǎn)方向之一。近日，中國人民大學(xué)創(chuàng)意產(chǎn)業(yè)技術(shù)研究院研究編制《中國文化和科技融合發(fā)展戰(zhàn)略研究報(bào)告（2023）》，并在中國（南京）文化和科技融合成果展覽交易會(huì)主論壇上正式發(fā)布。

報(bào)告聚焦AIGC，深入分析其發(fā)展歷程、技術(shù)奇點(diǎn)、產(chǎn)業(yè)實(shí)踐和場(chǎng)景應(yīng)用，展望未來AIGC時(shí)代文化和科技融合的八大焦點(diǎn)。

報(bào)告指出，關(guān)鍵技術(shù)的介入是產(chǎn)業(yè)轉(zhuǎn)型升級(jí)的關(guān)鍵，AIGC作為新的技術(shù)奇點(diǎn)，有望成為暢通移動(dòng)互聯(lián)向萬物互聯(lián)轉(zhuǎn)換的鏈接點(diǎn)，對(duì)于文化產(chǎn)業(yè)來說，即將迎來“iPhone時(shí)刻”。

AIGC浪潮下，內(nèi)容產(chǎn)業(yè)科技屬性日益增強(qiáng)，以內(nèi)容產(chǎn)業(yè)為基礎(chǔ)的AIGC模型開始不斷波動(dòng)演進(jìn)，探索從長鏈?zhǔn)綄?duì)話到“文生圖頻”的發(fā)展路徑。

1. 差距明顯

當(dāng)下，行業(yè)已進(jìn)入“百模大戰(zhàn)”，各國AIGC大模型之間存在著差異。有的在數(shù)據(jù)量方面占優(yōu)，但數(shù)據(jù)載體卻不足。

專利及人才方面，截至2021年，在全球AI專利數(shù)量TOP10榜單中，我國4家企業(yè)上榜。據(jù)《2022年全球最具影響力人工智能學(xué)者——AI2000榜單》顯示，我國入選的高影響力AI學(xué)者數(shù)量為232人，專利保有量與人才數(shù)量上不平衡。

在模型方面，國內(nèi)基礎(chǔ)較弱，但具備一定后發(fā)優(yōu)勢(shì)，需突破規(guī)模效益臨界點(diǎn)，釋放更大效能。

2. 場(chǎng)景應(yīng)用

伴隨著技術(shù)的發(fā)展，AIGC將賦能并滲透至文化內(nèi)容自生產(chǎn)至審核的創(chuàng)作鏈條。

• 賦能通用型文化資產(chǎn)的創(chuàng)作生成：服務(wù)于游戲NPC對(duì)話、文章大綱等多模態(tài)結(jié)構(gòu)化場(chǎng)景。

• 賦能專業(yè)型文化資產(chǎn)的輔助生產(chǎn)：提供強(qiáng)專業(yè)性的內(nèi)容素材，輔助高創(chuàng)意度、高精準(zhǔn)度的人工內(nèi)容創(chuàng)作行為，提高人類生產(chǎn)者創(chuàng)作效率。

• 賦能文旅消費(fèi)決策與個(gè)性服務(wù)：通過分析文旅數(shù)據(jù)，模型能夠自動(dòng)分析提升定制化行為參考決策準(zhǔn)度，賦能景區(qū)自助客服、場(chǎng)景智能導(dǎo)覽和文創(chuàng)智能營銷等場(chǎng)景。

• 賦能內(nèi)容安全與輔助審核：對(duì)文字、圖片和視頻等進(jìn)行輔助審核，以人機(jī)協(xié)同實(shí)現(xiàn)內(nèi)容審核環(huán)節(jié)的降本增效。

• 賦能內(nèi)容信息的結(jié)構(gòu)化和知識(shí)化：通過文化內(nèi)容的“解構(gòu)-分類-重構(gòu)”環(huán)節(jié)，服務(wù)文化遺產(chǎn)知識(shí)圖譜等場(chǎng)景。

3. 八大焦點(diǎn)

報(bào)告預(yù)測(cè)并提出AIGC時(shí)代文化和科技融合的八大焦點(diǎn)，即數(shù)據(jù)可信、模型機(jī)會(huì)、替代焦慮、版權(quán)困境、內(nèi)容挖掘、價(jià)值衍生、文化治理、監(jiān)管理念，探索AIGC在數(shù)字內(nèi)容創(chuàng)作生態(tài)中的關(guān)鍵環(huán)節(jié)和現(xiàn)狀趨勢(shì)。

焦點(diǎn)?：數(shù)據(jù)可信

目前，AIGC領(lǐng)域部分環(huán)節(jié)尚不完善，語料庫規(guī)模少且質(zhì)量低，訓(xùn)練數(shù)據(jù)面臨“可信”挑戰(zhàn)。另外，模型訓(xùn)練不當(dāng)帶來“AI幻覺”，引發(fā)可信度危機(jī)。

因此，應(yīng)多點(diǎn)聚焦從數(shù)據(jù)整合到模型開發(fā)、從工具平臺(tái)到內(nèi)容創(chuàng)作、從行業(yè)服務(wù)到市場(chǎng)流通的內(nèi)容生產(chǎn)全產(chǎn)業(yè)鏈，以包容審慎的監(jiān)管政策保障數(shù)據(jù)規(guī)范、產(chǎn)業(yè)合規(guī)和產(chǎn)品可信。上游分行業(yè)、分類別、分源頭守護(hù)前端數(shù)據(jù)規(guī)范。中游鼓勵(lì)生成保護(hù)，以“技術(shù)賦能”打破虛假內(nèi)容困境。下游完善風(fēng)險(xiǎn)分級(jí)制度，包容管理與嚴(yán)格監(jiān)管并存。

焦點(diǎn)?：模型機(jī)會(huì)

AIGC領(lǐng)域的大模型具有規(guī)模大、分析力強(qiáng)、準(zhǔn)確率高等特征，但在高成本和高技術(shù)門檻等限制下，中小企業(yè)難以加入該領(lǐng)域。因此，大模型底層邏輯應(yīng)與小模型專業(yè)邏輯并行，助力場(chǎng)景多元的專業(yè)小模型成為AIGC市場(chǎng)化發(fā)力重點(diǎn)。

焦點(diǎn)?：替代焦慮

AIGC的創(chuàng)作路徑，主要通過算法對(duì)現(xiàn)有素材進(jìn)行重組，形成最終作品；人類的創(chuàng)作路徑，則是基于對(duì)世界的思想感知，通過各種形式來進(jìn)行自由表達(dá)，形成最終的作品。

創(chuàng)作路徑的差異導(dǎo)致了人機(jī)效能的不同，使得短期內(nèi)人工智能無法替代人類，二者只有進(jìn)行互補(bǔ)性合作，突破效率瓶頸和內(nèi)容邊界，才能發(fā)揮比較優(yōu)勢(shì)，實(shí)現(xiàn)最大效用。

焦點(diǎn)?：版權(quán)困境

在有條件的肯定基礎(chǔ)上，AIGC有獲得版權(quán)的可能性，這需要滿足三重條件：一是人類給機(jī)器的指令是否構(gòu)成封閉性，即輸入指令要保證原創(chuàng)和封閉，而不是采用已有的指令集；二是對(duì)機(jī)器生成的內(nèi)容是否做修正，即輸入指令之后，生成的內(nèi)容是否作進(jìn)一步調(diào)整和修正；三是人類擁有最終成果的創(chuàng)造性控制，即人類對(duì)作品的生成方式、解釋方式等有最終控制。

焦點(diǎn)?：內(nèi)容挖掘

AIGC助力了內(nèi)容領(lǐng)域各個(gè)重要環(huán)節(jié)的智能化。在內(nèi)容挖掘上，AIGC能通過大規(guī)模語料庫的學(xué)習(xí)和分析，發(fā)現(xiàn)隱藏的文化現(xiàn)象和規(guī)律；在內(nèi)容管理上，AIGC通過自動(dòng)化和智能化技術(shù)，實(shí)現(xiàn)對(duì)內(nèi)容的智慧管理；在內(nèi)容展示上，AIGC通過多模態(tài)交互技術(shù)，實(shí)現(xiàn)文字、圖片、視頻等多種形態(tài)的內(nèi)容展示；在內(nèi)容交互上，AIGC大模型能根據(jù)用戶需求自動(dòng)篩選大量信息并生成針對(duì)性內(nèi)容，進(jìn)行實(shí)時(shí)的深度交互；在內(nèi)容服務(wù)上，AIGC可以通過對(duì)用戶歷史行為和偏好的分析，自動(dòng)推薦與用戶興趣相關(guān)的內(nèi)容，實(shí)現(xiàn)個(gè)性化服務(wù)。

焦點(diǎn)?：價(jià)值衍生

在服務(wù)受理方面， AIGC智能服務(wù)通過多元渠道接入，各渠道能互通；在服務(wù)效率方面，AIGC智能服務(wù)可實(shí)現(xiàn)無差別全天候響應(yīng)，效率很高；在服務(wù)流程方面， AIGC智能服務(wù)的流程根據(jù)需求實(shí)時(shí)定制，特點(diǎn)是個(gè)性化、多樣化；在服務(wù)價(jià)值方面，AIGC智能服務(wù)在功能價(jià)值之外，更重要的是提供了交互性情緒價(jià)值?；谝陨戏治觯珹IGC以較低成本高效提供千人千面的個(gè)性化服務(wù)，更貼合客戶情感共鳴點(diǎn)，形成有效的情緒價(jià)值。

焦點(diǎn)?：文化治理

AIGC可在短時(shí)間內(nèi)生成大量引導(dǎo)性內(nèi)容，使得輿論博弈競(jìng)爭(zhēng)壓力增大；AIGC的多模態(tài)交互使得違規(guī)內(nèi)容形態(tài)類型復(fù)雜多樣，導(dǎo)致不良信息審核起來識(shí)別困難；AIGC對(duì)于復(fù)合型專業(yè)知識(shí)的再生產(chǎn)形成了高專業(yè)性壁壘，導(dǎo)致內(nèi)容真?zhèn)闻袛嚅T檻提高?；谶@些因素，AIGC的內(nèi)容治理需要關(guān)注數(shù)據(jù)反向溯源、模型算法審查、機(jī)器過濾審核等關(guān)鍵技術(shù)環(huán)節(jié)。

焦點(diǎn)?：監(jiān)管理念

對(duì)AIGC的監(jiān)管需要考慮創(chuàng)新發(fā)展與風(fēng)險(xiǎn)規(guī)避的適度平衡。首先，其應(yīng)用范圍由細(xì)分領(lǐng)域向通用場(chǎng)景拓展，導(dǎo)致監(jiān)管對(duì)象更為分散；其次，技術(shù)發(fā)展的不可控性（比如大模型的涌現(xiàn)能力）使得風(fēng)險(xiǎn)不確定性變大，導(dǎo)致事前監(jiān)管難以預(yù)判風(fēng)險(xiǎn)；最后，技術(shù)迭代周期越來越短，導(dǎo)致監(jiān)管時(shí)效問題突出。