AIGC

◆ 内容生产从 UGC 向 AIGC 过渡，AIGC 内容形态从文字向图片发展。 AIGC、NFT 和 VR 是元宇宙和 Web3.0 的三大基础设施，随着数据积累、 算力提升和算法迭代，人工智能在逐步渗透在写作、编曲、绘画和视 频制作等创意领域。1）内容生产：相比于 PGC，UGC 具有供给量充足、 快速试错、优胜劣汰等优势，成为当前内容生产的主要形态。而 AIGC 将这些优势深化，并进一步提高了供给量。2）内容形态：游戏领域 的 UGC 仍不成熟，文字领域的 AIGC 日趋成熟，由此推演，图片和视 频领域的 AIGC 化即将到来。

◆ Diffusion 成为新一代图像生成主流模型，带动 AIGC 进入新篇章。 技术进步和模型优化是 AI 发展的核心动力，AIGC 的核心技术也从 NLP、GAN 向 Diffusion 过渡。GAN 是传统的图像生成模型，并广泛应 用于图像修复、文字转图片等领域。然而 GAN 具有训练不稳定、样本 大量重复相似等问题。2022 年，Diffusion 逐步流行，其图像质量明 显优于 GAN 模型，并采用开源模式，带动本轮图片领域 AIGC 热潮。

◆ 海外平台开启商业化尝试，AI 素材平台、AI 配图具有无限可能。海 外拥有大量 AI 绘画相关公司，并且开始多样化的 2B 和 2C 商业化尝 试。Rosebud AI 即将上线的以 AI 生成为基础的素材摄影平台，在广 告行业采用率高。巴比特用 AI 配图代替传统的付费版权库图片，并 且可以为自己生成的 AI 图片实行区块链认证。新的技术带来更多的 商业化可能。