AIGC的訓(xùn)練模型和開源版本的不斷放出，各類AIGC應(yīng)用平臺(tái)發(fā)展以超乎想象的速度發(fā)展，除了少部分人感覺受到了威脅以外，所有的人都表示太過分了并紛紛進(jìn)行了嘗試。

早期用戶大都為研究人員或游戲愛好者，淺嘗輒止，持續(xù)性的獲得感和飽腹感需要用戶和廠家的共同進(jìn)步。

由于是測(cè)試版本原因，解析度和可控性還有待發(fā)展，其他廠商也是同上，版本升級(jí)的愉悅感真是讓人回味，各家擅長(zhǎng)不同，比如國內(nèi)廠商對(duì)中文的理解，對(duì)數(shù)據(jù)的抓取分析能力，當(dāng)然，各家審美也略有差異，這也是科技與藝術(shù)帶來的魅力，交叉學(xué)科的融會(huì)貫通需要加以時(shí)日。

在日常設(shè)計(jì)中，獨(dú)幅圖案的應(yīng)用大部分需要進(jìn)行透明圖層的扣底處理，便于印花的二次設(shè)計(jì)排版，當(dāng)然，類似絲巾類的滿版印花設(shè)計(jì)，在AIGC沒有出現(xiàn)之前，需要進(jìn)行復(fù)雜的構(gòu)圖和色彩設(shè)計(jì)，不過在AIGC的加持下，可以等同為獨(dú)幅圖案。

在技術(shù)端，有長(zhǎng)或開放式文本生成，NeRF模型，Diffusion模型，跨模態(tài)大型預(yù)訓(xùn)練模型，小樣本學(xué)習(xí)及自監(jiān)督算法，強(qiáng)化學(xué)習(xí)及環(huán)境學(xué)習(xí)，基于以上技術(shù)帶來的場(chǎng)景有如閑聊式文本生成，個(gè)性化營銷文本，富情感及細(xì)節(jié)TTS，拼湊式視頻生成，基于文本的AI繪畫，語音復(fù)刻，在技術(shù)端，深度神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)升級(jí)是推動(dòng)AIGC快速發(fā)展的另一主要因素，深度神經(jīng)網(wǎng)絡(luò)的量變帶來AIGC技術(shù)能力的質(zhì)變。

按模態(tài)區(qū)分，AIGC可分為音頻生成，文本生成，圖像生成，視頻生成及圖像，視頻，文本間的跨模態(tài)生成，細(xì)分場(chǎng)景眾多，跨模態(tài)生成也成為關(guān)注重點(diǎn)，同時(shí)，不同之前AI的分析功能，AIGC可對(duì)不同模態(tài)元素進(jìn)行二次拆解組合，改變內(nèi)容生產(chǎn)邏輯及形式，和其他AI系統(tǒng)或數(shù)據(jù)庫進(jìn)行聯(lián)動(dòng)，進(jìn)而可實(shí)現(xiàn)高度個(gè)性化，高頻優(yōu)化，AIGC的價(jià)值釋放需要與不同行業(yè)的特異性場(chǎng)景深度融合，深度學(xué)習(xí)技術(shù)的快速發(fā)展帶來了深度神經(jīng)網(wǎng)絡(luò)技術(shù)在大模型和多模態(tài)兩個(gè)方向的不斷遞進(jìn)，為AIGC的技術(shù)能力的升級(jí)提供強(qiáng)力支撐和全新的可能性。