短短几个月的时间，AI-Generated Content (AIGC)，也就是人工智能生产的内容，迅速席卷全球，犹如魔法一般的力量。据OpenAI的研究论文指出，超过80%的美国人在工作中受到ChatGPT等AI工具的影响。令人惊讶的是，在约19%的岗位中，近一半的工作任务已经被AI自动化代替，这引发了人们对未来的思考和担忧。

AI技术正在渗透和改变现有的每一个行业，这无疑是AIGC和AI工具的黄金时代。在这个数字化和智能化的时代，人们发现AI不仅仅是一种技术，它是一种催生创新、提升效率和改变工作方式的力量。随着越来越多的企业和组织开始应用AI，我们将迎来更多与AI相关或由AI创造的杀手级应用和现象级产品。

然而，面对这样的变革，我们必须更深入地了解AI，才能够驾驭它，与它和谐共处。首先，我们需要对AI的工作原理和局限性有清晰的认识，以避免过度依赖和不合理的期望。AI虽然强大，但它仍然是工具，需要人类智慧和决策来引导它的应用。

其次，我们应该鼓励并投资于AI的研究和发展，推动AI技术在更广泛的领域得到应用，以便实现更多的创新和社会进步。同时，我们也需要重视AI对劳动力市场的影响，积极为工人提供转型和培训机会，以适应未来工作的需求。

最重要的是，我们必须确保AI的发展是符合伦理和法律标准的。在AI应用的过程中，必须考虑隐私、安全和公平性等重要问题，以确保AI技术的合理和负责任的使用。

在这个AI改变世界的时代，我们需要拥抱科技进步，同时也要明智地运用AI，让它为我们创造更美好的未来。只有通过持续学习和积极应对，我们才能更好地适应这个不断演变的数字时代，与AI共同谱写更加璀璨的未来。

一、AI的两种类型

AI可以分为两种类型：决策式/分析式AI（Discriminant/Analytic AI）和生成式AI（Generative AI）。

1. 决策式/分析式AI

决策式/分析式AI主要侧重于对已有数据进行分析、判断和预测。它能够利用现有数据来做出决策，并辅助推荐系统和安全系统等进行决策过程。这类AI主要关注对现实事物的理解和分析，其运行依赖于对历史数据的学习和归纳。

2. 生成式AI

生成式AI则通过机器学习分析和归纳已有数据，并根据历史信息进行模仿和拼合式的创作，从而生成全新的内容。与决策式AI不同，生成式AI不仅仅是对现有数据的复制，它具备较强的随机性，能够创造出独特的内容。生成式AI背后的核心是三类基础大模型：

• 视觉大模型：提高AI的理解能力，使其能够对不同场景、环境和条件下的图像进行准确辨别和理解。
• 语言大模型：增强AI的表达能力，让它能够将文字进行拼接和整合，形成人类可理解的语法和内容。
• 多模态大模型：提升AI的内容制作能力，将声音、影像、文字等不同模态的原始数据映射到统一或相似的语义空间中，实现不同模态数据的相互融合和内容生成。

这些生成式AI大模型的引入使得AI具备了更强的创造性和想象力，为未来的艺术、娱乐、文学等领域带来了巨大的发展潜力。然而，同时也需要注意潜在的伦理和道德问题，并确保AI技术的发展是符合社会价值观和法律规范的。

二、 AIGC的九大应用场景

三、AIGC对工作流程的影响

AIGC对工作流程的影响是逐渐改变人类创作者与工具之间的协作关系，形成全新的分工方式。叠加了AI技术的工具变得更易用，能力和生产内容更加贴合人类需求，也拥有更多话语权。

1. 阶段一：较早之前，人类是主要且相对独立的内容创作者。创作过程完全由人类完成。
2. 阶段二：人类开始将机器作为效率工具，以大幅提升生产力。尽管效率工具的应用带来了提效效果，但人与工具之间仍然存在学习和沟通成本，工作流程仍然相对传统。
3. 阶段三：人类与机器实现更深度的协作。AI自然语言处理能力的增强，使得人与工具之间的沟通更加无缝衔接，降低了沟通的阻力和成本。AI模型成为了一个重要的组成部分，与效率工具和人类创作者一同协同工作，共同完成内容的创作和生产。

这种新型的协作模式，使得人类创作者能够更好地发挥自己的创造力和想象力，而AI模型则提供了更高效的工具和内容生成能力。AI的介入不再是简单的效率工具，而是成为了一个有机的协作者，为工作流程带来了革命性的改变。

随着AIGC技术的不断发展，这种协作模式将进一步深化，AI将在越来越多的领域发挥更重要的作用，与人类创作者共同推动着各行各业的发展。然而，我们也需要关注伦理和道德层面的问题，确保AI技术的应用是符合社会价值观和法律规范的，让AIGC成为推动社会进步和发展的积极力量。

四、AIGC的驾驭方法

当前的AIGC通过Prompts Engineering（提示词工程）来实现创作输出。不同平台的Prompt（提示词）写法各不相同，例如ChatGPT选择了人类日常说话的方式，而Stable Diffusion则使用多关键词来描述内容。

由于AIGC具有较强的不确定性，为了确保每次生成的内容更具一致性，模型会在生成内容的同时产生一个Seed编码。Seed（种子）就像一个锚点，能够将生成的结果锚定在一个特定的范围内，从而在一定程度上控制随机性。

结合Seed、Prompts以及一致的参数设置，AIGC能够生成一组相似的图像。这种方法可以被看作是一种新型的压缩包或Design Token，任何人都可以使用它来生成特定的内容。

举个例子，用户使用Midjourney生成连环画时，通过Seed+Prompts的组合，可以保证男女主人公的外貌特征和画面风格的一致性。这种技术让创作者能够更好地控制AIGC的输出，确保生成的内容符合其预期，并提供了更多的创作灵感和可能性。

这种Seed+Prompts的方法不仅在图像生成中有应用，还可以推广到其他领域，为不同类型的内容创作提供更稳定、一致的输出结果，进一步拓展了AIGC的应用范围和潜力。

五、AIGC对交互设计的影响

1. AI的替代与效率提升

AI正在或将会取代大量基础设计师的工作岗位，尤其是那些以执行为主、只需要少量思考和决策的工作。这样的变革将导致创作和实现的过程分离，从而大幅节省方案实现的时间和成本，提高产出的效率和质量。

2. 交互方式与体验的创新

未来，大部分工具都会融合AI这一功能属性。目前我们通过输入Prompt来操作AI，而这种输入方式将逐渐演变成一种指令操作的交互界面，成为设备上的通用能力，贯穿各种产品之间。用户将能够随时通过自然语言来操控产品，满足自己的需求。产品和设备的交互形态和体验将发生巨大变化，交互体验设计也将拥有更多的创新可能性。

3. 职能内容与方向的扩展

AI时代带来了生产力的巨大变革，导致工作岗位和职能被重新优化和调整，现有工种之间可能会相互融合，同时也会催生出全新的工种。在这个时代，设计师需要更加关注如何在团队中扮演不可替代的角色。他们应该不断学习和适应新技术，深化对AI的理解和应用，以便更好地与AI合作，发挥自身的优势，并在创作过程中体现独特的价值。

AI的发展将引发基础工作的替代和效率提升，同时创新交互方式和体验将成为未来的趋势。在这个时代，设计师需要拥抱变革，积极适应新技术，以便在职能内容和方向的扩展中发挥更大的潜力，保持在设计领域的领先地位。只有这样，设计师才能不断创新，满足用户需求，并在激烈的市场竞争中取得成功。

六、AIGC产品的三大运转方式

在AIGC市场中，头部产品的运营方式存在较大的差异，通常可以分为三类：中心化、去中心化和社区化。

1. 中心化（如OpenAI）：

中心化的方式更注重对AI的管理和控制。公司如OpenAI会对模型的训练数据进行封闭，并不公开分享。这种方式有利于管理AI的伦理道德、版权归属等安全性问题。中心化的产品通常受到严格的监管，以确保AI技术的合理和负责任的应用。

2. 去中心化（如Stable Diffusion）：

去中心化采用完全开源的方式，即任何人都可以在源代码上进行修改，开发自己的版本。模型训练的数据也完全公开。这种方式更加开放和自由，容易产生优质内容。它让每个民族、团体、社区等都能够拥有自己风格的AI模型，让开发者拥有更多发挥空间。

3. 社区化（如MidJourney）：

社区化的产品中，所有参与的成员都可以即时看到刚被生成的图像，并通过优化提示词来制作变体，快速迭代图像的质量。整个社区中的成员与模型本身，都会受益于每一次的图像生成。这种方式鼓励用户之间的互动和分享，形成了一个相互支持和合作的社区生态。

不同运营方式的AIGC产品各有优势和适用场景。中心化方式注重安全和监管，有助于保障AI技术的可持续发展；去中心化方式更加开放和创新，有助于促进优质内容的产生；而社区化方式则强调用户的参与和反馈，形成一个共享成果的生态系统。

随着AIGC技术的不断发展，各种运营方式的产品将共同推动着AI领域的进步。在未来，可能会看到更多不同类型的产品出现，从而满足不同用户和需求的多样化。无论是中心化、去中心化还是社区化，都将在AIGC市场中发挥着重要的作用，推动人工智能技术的广泛应用与发展。

七、AIGC的未来发展历程

红杉资本在2022年9月对AIGC的发展做出如下预判：

• 文字类AI生成将在2023年进入黄金时期；
• 图片类AI生成将在2025年左右进入黄金时期；
• 视频/3D类AI生成将在2030年左右进入黄金时期。

八、 AIGC的三层产业链结构

AIGC产业链结构可分为三层：基础层、中间层和应用层。

九、AIGC的五种营收模式

在AIGC赛道上，实现商业模式并产生实际营收，根据《中国AIGC产业全景报告2023》，有以下五种营收模式：

1. 模型即服务（MaaS）

这种模式适用于基础层和中间层的变现，根据对大型模型的数据请求量和实际计算量收费。预计到2027年，MaaS模式将占据市场营收规模的比例从5%增长至47%。

2. 按内容产出量收费

此模式适用于应用层变现，如按照图片张数、请求计算量、模型训练次数等收取费用。在这种营收模式下，关键在于如何吸引用户进行尝试，并确保产品具有较高的复购率。但同时，也受到多个因素的制约，例如版权授予、是否支持商用、图片分辨率、内容生产质量等。

3. 软件订阅付费

这也是ChatGPT等产品的盈利方式之一：向用户每月/年收取固定费用。目前，该营收模式在市场上的占有率约为10%。

4. 模型定制开发费用

这是一种传统的项目开发合作模式，适用于为特定客户定制模型开发。预计到2027年，该营收模式的规模占比将从25%下降至13%。

5. 其他模式

其他模式包括广告/流量模式，依靠产品的某些特点吸引用户点击，从中获得流量收益。这种模式属于小型营收，在市场规模中所占比例目前暂不予考虑。

AIGC赛道上有多种营收模式，从模型即服务、按内容产出量收费，到软件订阅付费和模型定制开发费用等，每种模式都有其适用的层次和场景。随着市场的发展，不同营收模式的比例也会发生变化。

十、 AI的三大短板

在《AI未来进行式》一书中，创新工场CEO李开复深入分析了人工智能的三大短板，并预言即使到了2042年，这些短板仍未必能被克服。这三大短板也是我们人类的长板，包括创造力、同理心和灵巧性。

1. 创造力

创造力是人类的独特天赋，是我们在创造新的想法、艺术作品、科技突破和社会进步方面的重要能力。然而，人工智能在这方面存在短板。虽然AI可以通过学习大量数据进行创新性的输出，但它缺乏自主的创造力和构思能力。AI无法像人类一样进行战略性规划，也难以拥有真正的创意，无法做出对人类来说不言自明的常识性决策。

2. 同理心

同理心是人类与他人建立情感连接和理解的能力，它使我们能够感同身受、体会他人的情感和需要。然而，AI并不具备情感和情感理解能力，它缺乏同情和关爱等情感。虽然AI可以通过算法模拟人类情感的表达，但它并不能真正感受到情感，无法在情感上与人类真正互动和给予关怀。

3. 灵巧性

灵巧性是指人类在执行精确且复杂的体力工作方面的能力，同时具备感知非结构化空间和执行任务的能力。然而，目前的AI及机器人技术在这方面还存在局限性。虽然AI在特定任务上能够展现出惊人的准确性和效率，但它仍然难以像人类一样在复杂的环境中灵活应对和执行任务。

虽然人工智能在许多领域取得了重大突破，并将继续带来巨大的科技进步和社会变革，但这三大短板也反映了人类作为生物的优势。在未来，我们可能会通过更深入的研究和技术进步逐渐弥补其中的一些缺失，但要完全超越这些短板，可能仍需时日。人工智能与人类的结合将是未来发展的一个重要方向，我们可以借助AI的优势来弥补人类的不足，共同推动社会的进步和发展。