所謂AIGC即基于人工智能技術(shù)自動生成內(nèi)容的新型生產(chǎn)范式，其中，兩大核心關(guān)鍵詞是AI+新型內(nèi)容生成方式。

　　對于計算機來說，內(nèi)容=信息（數(shù)據(jù)）+載體（音頻，視頻，文字等），只要輸入信息，選好載體，AIGC就能自動生成與之對應(yīng)的內(nèi)容。

典型場景即目前大火的AI作畫，用戶可以通過簡短的文字描述（prompt）來生成與之相應(yīng)的圖像，而且隨著文字描述的顆粒度不斷細化，生成的圖像也會越來越精準。

除了文字轉(zhuǎn)圖片之外，目前AIGC已經(jīng)可以勝任圖像，視頻，文本間的跨載體生成，而基于AIGC，內(nèi)容生產(chǎn)的門檻顯著降低（比如，毫無繪畫基礎(chǔ)的用戶，也可以通過AI作畫，畫出高質(zhì)量的作品），內(nèi)容生產(chǎn)的效率顯著提升（可以快速批量生產(chǎn)大量內(nèi)容），將有望引領(lǐng)內(nèi)容產(chǎn)業(yè)的新一輪工業(yè)革命。

而AIGC背后用的AI技術(shù)則是生成式AI（GenerativeAI），不再只是分析，而是開始嘗試創(chuàng)造新的東西，如果把AI比作小孩學習的話，基于生成式AI技術(shù)的成熟意味著AI不僅是會模仿，更可以在學習的基礎(chǔ)上創(chuàng)造出新的東西。

AI發(fā)展多年，過去解決的多是模態(tài)識別的問題，比如較成功的案例就是圖像識別了，采用CNN算法，把信息與圖能夠通過AI訓練的方式給訓練出來，教會了AI去識別某個模態(tài)，在教科書里，被稱為判別式模型(DiscriminantModel)，抽象來看，就是訓練一個巨大的神經(jīng)網(wǎng)絡(luò)（多層多參數(shù)）來實現(xiàn)輸入和輸出的映射關(guān)系，從數(shù)學來看，就是學習輸入輸出的條件概率分布，類似于因果關(guān)系，算法的本質(zhì)是想更準確的控制映射關(guān)系。

然而，除此之外，還有一種叫生成式模型(GenerativeModel)，是學習數(shù)據(jù)中的聯(lián)合概率分布，類似于相關(guān)性，算法的本質(zhì)并不是準確控制映射關(guān)系，而是在有相關(guān)性的基礎(chǔ)上學習一個分布，而生成模型的發(fā)展，使得AI變得更多多元，不僅僅可以用于圖像識別聲音識別這類模態(tài)識別問題，還可以實現(xiàn)更多創(chuàng)造性的工作。