AIGC的发展可分为几个阶段？

AIGC 的发展可分为四个阶段。

 1. 早期萌芽时期：此阶段 AIGC 仅限于小范围实验。80 年代中期，IBM 基于隐形 马尔科夫链模型（Hidden Markov Model，HMM）创造了语音控制打字“坦戈拉 （Tangora）”。虽然对 AIGC 进行了一些初步尝试，但受限各种因素，实际产出效 果还远远算不上是智能创作内容的程度。

2. 沉淀积累时期：AIGC 从实验性向实用性逐渐转变。软件上，2006 年，深度学习 算法取得重大突破；硬件上，图形处理器（Graphics Processing Unit，GPU）、张 量处理器（Tensor Processing Unit，TPU）等算力设备性能不断提升；数据上，互 联网使用数据规模快速膨胀并为各类人工智能算法提供了海量训练数据，使人工 智能发展取得了显著的进步。2007 年，纽约大学人工智能研究员罗斯古德温装配的人工智能系统通过对公路旅行中的一切所见所闻进行记录和感知，撰写出世界 第一部完全由人工智能创作的小说。2012 年，微软公开展示了一个全自动同声传 译系统，基于深层神经网络（Deep Neural Network，DNN）可以自动将英文演讲 者的内容通过语音识别、语言翻译、语音合成等技术生成中文语音。

3. 快速发展时期：众多关键模型就位规模化基础已具备。2017 年，AI 图像生成、 自动生成唇形视频、图像高清化、图像编辑、图像风格迁移、wavnet 语音合成等 技术快速发展。2018 年，预训练语言模型出现，降低了标注需求和成本。2019 年，随着以生成式对抗网络（Generative Adversarial Network，GAN）逐渐成熟， AIGC 技术研究迎来关键拐点，DeepMind 发布了 DVD-GAN 模型用以生成连续视 频，在草地、广场等明确场景下表现突出。2020 年，自监督学习成为业界主流， 模型体量和复杂度不断提升，其中 Open AI 发布的 CPT3 极具代表性。2021 年， MAE 的出现使得视觉可以用 NLP 自

然语言同样的架构训练预训练模型，叠加多 模态多任务领域发展，文本图像对齐的研究爆发。 4. 起飞破圈时期：AIGC 概念伴随 AI 绘画应用出圈。2022 年，技术上，扩散生成 模型得到广泛研究与应用，文本生成图像模型可准确把握文本信息进行创作。商 业化基础已初步具备，国内外互联网巨头和独角兽纷纷下场。Open AI 更新了 DALL-E-2，可创作出相应极高质量的卡通、写实，抽象等风格的绘画作品。把 AIGC 创作最终推向平民化的是 Stability.ai 推出的 Stable Diffusion，个人电脑即可 驱动，且几个月内产出效果具有直观的改善。AI 绘画迅速在微博、小红书等多平 台上，内容创作者、技术研究者、投资人等各圈层里形成了声势。