
继AlhpaGo在围棋比赛中战胜人类之后,业界又在AIGC(AI生成内容)领域取得了一系列新突破。AI绘画《太空歌剧院》击败人类作品,拿到数字艺术比赛冠军,聊天对话机器人ChatGPT的综合文本创作能力已明显超过普通人。不夸张的说,AI正在离通过“图灵测试”越来越近。不过,AIGC的崛起,既意味着巨大的机遇,也意味着对传统玩法的挑战。面对AIGC,个人如何不被AI所取代,而是走向人机共创;企业如何借助新技术实现业务转型,而非落伍于时代,就成为未来的重要议题。
12月15日,以“如何拥抱AIGC新思维”为主题,由同伴客数据、至顶科技联合主办的「AIGC线上工作坊暨AIGC系列指数发布会」在线上成功举行。会议邀请中国信通院云计算与大数据研究所内容科技部副主任石霖、清华大学继续教育学院数字化学习主管李璇、NVIDIA高级解決方案架构师唐康祺、同伴客数据联合创始人刘欣源、同伴客数据首席科学家马志博、至顶科技新媒体运营总监孙封蕾等嘉宾齐聚一堂,共同探讨如何更好抓住AIGC所创造的AI新红利。
会上,中国信通院云计算与大数据研究所内容科技部副主任石霖在主题演讲中,首先从技术概念、政策监管、市场机遇、发展瓶颈、应用前景等方面详细阐述了《AIGC的前世今生》。石霖表示,结合Al的演进历程,AIGC的发展大致可分为早期萌芽、沉淀积累、快速发展三个阶段。早期受限于科技水平,AIGC仅限于小范围实验。如今深度学习算法不断迭代,人工智能生成内容百花齐放,效果逐渐逼真直至人类难以分辦,AIGC也就迎来了快速发展。
虽然AIGC刚刚爆发,但是石霖非常看好它的未来价值。他强调:“AIGC是非常有战略意义的新方向,未来商业前景也非常广阔,一系列政策出台也让产业发展越来越健康,后续信通院将继续在AIGC领域开展研究工作。”为此,信通院与京东探索研究院此前联合撰写了《人工智能生成内容(AIGC)白皮书(2022年)》,把脉AIGC发展动向。
由于疫情的影响,及元宇宙相关概念的提出,人们对数字空间和数字内容的依赖性和需求量越来越高。清华大学继续教育学院数字化学习主管、清华大学积极心理学指导师、清华大学元宇宙案例实务青蓝计划发起人李璇在题为《从AIGC到AIGM,元宇宙人才支持计划》的演讲中指出,“在元宇宙的发展体系中,一个重要环节就是AIGC,它将为创作者经济带去强大助力。”
李璇总结,元宇宙可以理解为三个“三”,首先是“三维化”,指的是数字孪生、虚拟原生和虚实共生技术。其次是“三元化”,包括机器生命虚拟生命和自然生命。最后是“三权化”,即可读、可写、可拥有。而AIGC与第三个“三权化”高度相关,AIGC从“可读可写可用”层面,为创作者经济的发展提供强大助力。
在这一过程中,清华大学新闻学院元宇宙文化实验室诞生,它是国内首个带有文化属性的元宇宙实验室。从去年开始,实验室连续发布《元宇宙发展研究报告》,最新的《元宇宙发展研究报告》3.0版本特别提出了人才培养板块,面向本科生,开放清华大学元宇宙课程体系。李璇最后总结,未来无论是AIGC还是元宇宙,若想要更好地发展,一定要秉持三个关键:要有系统性的思维,要有开源技术的工具,以及终身学习才能行稳致远。
英伟达作为GPU加速计算的引领者,在驱动AIGC应用方面也发挥着重要作用。NVIDIA高级解決方案架构师唐康祺在主题演讲中表示,英伟达在重构整个行业和社会的核心技术平台上,不仅有最底层的GPU芯片硬件,还会为AI赋能千行百业提供完整的解决方案。面向AIGC的进一步发展,唐康祺认为,AIGC还需要突破算力成本、数据确权、提示词匹配和三维模型等方面的局限,才会变得更加完美。
技术先行,媒体也不能落后。至顶科技新媒体运营总监孙封蕾在题为《媒体如何拥抱AIGC》的演讲时称,每一次的技术发展,也会创造新的内容形态。对于AIGC而言,则可能会先取代一般性、重复性的内容创作,比如新闻稿撰写。但是,机器终究还是机器,无法真正洞悉人心,而且AI可能被恶意的被用于虚假信息生成。因此,未来的媒体,需要AIGC,也将更需要人的介入和参与。
孙封蕾随后强调,至顶科技作为科技生态媒体,会积极拥抱AIGC在内的新技术,服务自身发展,服务用户读者。未来,至顶科技会持续关注AIGC的动向,通过举办活动、联合研究、深度报道等方式,与生态伙伴共同推动AIGC的产业发展与应用落地。
如果说媒体是技术普及的传播者,那么企业就是应用落地的践行者。数据显示,一个企业里50%~70%的日常工作都可以由数字员工来完成,50%~60%的企业运营成本可以通过数字员工来降低。
同伴客数据联合创始人刘欣源因此分享了《AIGC融入数字员工业务》的探索和思考,刘欣源谈到“数字员工”的概念时说,数字员工是通过数字化技术,以人机耦合的工作模式,协助或代替人类部分工作的有形机器人或者无形机器人。数字员工的实施,将帮助组织降低成本、增加收入、提质增效,让人才专注于更加有创造力的工作,大幅提升组织的创新效率。
AIGC作为新生事物,尤其需要前瞻性的预判,和新动向的跟踪。基于此,同伴客数据、至顶科技在会上联合重磅发布《AIGC系列指数》,旨在为业界更及时、准确跟踪AIGC的新趋势、新技术、新成果提供一个有数据衡量指标。同伴客数据首席科学家、前高盛集团纽约总部量化金融专家马志博随后指出,AIGC已经成为资本关注的一门显学,但它还在像有机体一样生长,努力找到能让自己产生实际贡献和商业价值的空间。而无论是互联网现象也好、科技现象也好、金融现象也好,它都有着一个自己的发展脉络,如何去跟踪发展脉络?最好的方式就是通过一种数据指数的形式。
活动的最后,围绕《AIGC下的知识更新需求》为主题,各位发言嘉宾还共同开展了一场圆桌对话。嘉宾集结,畅所欲言,各抒己见,结合各自背景,从技术理解、解决方案、应用、痛点、可持续发展等方面,继续高能输出了各自对于AIGC发展的洞见。
不久前,同伴客数据、至顶科技联合发布了《AIGC人工智能生产内容行业研究报告》,如同报告所言,现在的AIGC仍处于早期摸索期,发展的程度有限导致了目前场景的有限。但未来技术的突破,将能够不断扩展AIGC的应用范围。公开数据显示,在未来2-3年间,AIGC的初创公司和商业落地方案将持续增加;到2030年,AIGC市场规模或将超过万亿元。
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。