AI 创建的封面图片展示了工具 Stable Diffusion，关键词：太空歌剧院 Rembrandt Harmenszoon van Rijn 和 Hajime Sorayama 混合绘画风格

介绍

AIGC 给低迷的加密市场带来一丝涟漪，AIGC 是什么？它为何突然出现？它将对 Web 3 产生什么影响？

1、一级市场新热点——AIGC

AIGC的全称是人工智能生成内容（Artificial Intelligence Generated Content），是指人工智能通过海量已有数据（如文本、音频或图片）创造新内容的技术。其实，AIGC的概念并没有统一的规范定义。国际上类似的概念是合成媒体（Synthetic Media），定义为通过人工智能算法制作、操控和修改数据或媒体的技术，包括文本、代码、图片、音频、视频、3D内容等。

2、用户需求驱动AIGC技术发展

AIGC专注于内容的生产，内容生态的发展可以分为四个阶段：专业生成内容（PGC）、用户生成内容（UGC）、AI辅助生成内容和AI生成内容（AIGC），目前我们主要停留在第一阶段和第二阶段，第三阶段起到支撑作用。

PGC一般指由专业团队创作的内容，制作标准高，周期长，最终用于电视、电影、游戏等商业变现。为保证生成内容的质量，PGC需要投入大量的技术和人力成本。在PGC模式下，内容生产和变现权掌握在少数人手中，集中度较高，垄断效应较强。而供给侧的人力资源有限，PGC很难满足大规模内容生产的需求。

另一方面，UGC模糊了消费者与生产者的界限，平台会提供创作工具，生产者本身也可以是用户，降低了生产门槛，促进了短视频等内容生态的繁荣。UGC模式一定程度上降低了生产成本和中心化程度，满足了个性化或多样化的用户需求，提高了容量上限。虽然内容的生产规模大大提升，但由于没有了对生产者、生成工具、内容话题的限制，质量难免遭遇反噬。

PGC与UGC分别受到产能与品质的制约，难以满足快速增长的内容需求，而AIGC或将成为内容生态发展进程中新一轮的范式转移。在用户需求不断提升的背景下，人工创作效率低下成为制约内容规模生产的瓶颈。从需求角度来看，随着年轻人成为内容消费的主流，他们对内容生产的产能与品质需求呈现爆发式增长。此外，互联网的普及虽然加速了内容传播的速度，但也拉大了用户需求的缺口，在用户的高需求下，传统的内容生产模式在产能与品质方面暴露出严重的不足。UGC虽然改善了PGC生产规模有限的问题，但是其内容品质参差不齐，导致用户获取优质内容的检索成本较高，归根结底，UGC依然无法满足用户对于优质内容的需求。

内容生态的增长没有天花板，引入AIGC十分必要。内容创作的流程就是生产者对信息的筛选、过滤、加工、整合，这一系列过程都建立在创作者长期自主研究的基础上，耗费大量的时间和脑力。从长远来看，人工的创作能力毕竟是有限的，当PGC、UGC的生产潜力耗尽，AIGC或许可以弥补内容生态的缺口。

内容生态已进入AI辅助生产阶段，未来有望实现AIGC。目前内容生产还局限于基于PGC、UGC的创作框架，平台通过开放的AI工具辅助用户创作，任何人都可以成为创作者，下达指令让AI自动生成内容，指导AI完成编码、绘图、建模等复杂任务，进一步降低生产标准，提高生产效率。

但由于技术的发展，AI在上述工作中仅起到辅助作用，人类仍需在关键环节进行内容创作或输入指令，AI尚不具备成为独立创作者的能力。但随着数据、算法等核心要素的不断升级迭代，AIGC或许是未来发展的大方向，或将突破人工限制，升级到独立创作的水平，创造出更加丰富多元的内容。从理论上讲，AIGC将实现内容生态的无限供给，从生产效率和专业度等方面考虑，内容品质将超越PGC。

3. AIGC将在Web 3中大放异彩

在Web2.0中，AIGC已经开始在各个领域进行广泛的探索，目前Web3是Web2.0映射的去中心化版本，延伸开来，AIGC在Web3中自然也会有很多应用方向。

文本生成相关的AI工具已经取得突破，AIGC在文本创作上的应用包括编码、翻译和写作。文本创作的本质是语言的使用，由于编程语言相对AI来说更加结构化、更容易学习，而人类的语言需要结合上下文、语义等，因此文本生成最成熟的应用场景是编码，代表作品如微软出品的Github Copilot。用户在文本中输入代码逻辑，可以快速理解，并基于海量开源代码生成子模块供开发者使用。如今GitHub Copilot生成的代码中有将近40%是由AI编写的。虽然Web 3.0中的SDK等模块化插件提高了开发者的编程速度，但未来随着AIGC技术的普及，加密协议的开发效率或将得到进一步提升。理想情况下，AIGC可以自动检测市场需求或空缺，然后独立编程生成新的协议。

在人类语言内容创作方面，AIGC 也取得了长足进步。目前，翻译方面的发展取得了很大领先。Roblox 通过机器学习将用英文开发的游戏自动翻译成中文、德文、法文等其他 8 种语言；腾讯研发的 Dreamwriter 新闻写作系统，可在 22 个规范的写作场景中使用，平均发文速度最快 0.46 秒；在红杉资本的《生成式 AI：创造新世界》一文中，部分内容由 GPT-3 自然语言模型撰写，但阅读体验并不晦涩生硬，还兼顾了流畅性、清晰度、逻辑性的写作要求。

AIGC 也将为 Web 3 的文本创作做出巨大贡献。Web 3 中的新闻媒体和研究机构面临着内容生态的双边困境。例如，CoinDesk 和 Messari 的产出质量虽然很高，但很难扩大生产规模。此外，受制于写作语言、翻译的效率和准确性，内容传播将进一步减少。

另一方面，Twitter上的内容虽然海量，但观点的质量却无法保证。由于信息没有按照重要性、时效性等进行分类，呈现形式杂乱、无分组、无排序、去重复，显然无法有针对性地满足用户需求。同时，用户会面临信息过载的问题，导致在无效内容上浪费大量时间。因此，无论在平均生产规模还是平均内容质量方面，Web 3组织都远远落后于Web 2组织。

但Web2机构的规模和质量往往基于众包策略，需要大量的前期投入。为了保证内容质量，合格的分析师通常需要经过长期的沉淀和密集的培训，企业必须投入时间和培训成本。同时，为了维持产出规模，企业必须为大规模招聘付出极高的人力成本。这类模式有两个明显的缺点，一是成本过高，二是后期人才流失的风险，导致成本完全沉没。随着后续技术的进步，分析师至少可以省去总结标题和摘要的时间，AI可以通过理解全文直接生成TL;DR。从长远来看，经过AI的深度机器学习，“合格的分析师”将快速产生。Web3机构将在提高内容生成规模和质量的同时大幅降低成本，从而推动整个细分市场乃至整个行业的发展。信息协议、新闻协议或研究协议甚至可能出现在 Web 3 中。

AIGC 很可能引发 Web 3 音乐的新一轮革新。AIGC 在歌曲制作、歌词生成等方面开放应用，互动性和实时性进一步增强。举例来说，自适应音乐平台 LifeScore 可以实时动态编曲，用户输入一系列音乐素材后，AI 会对其进行修改、变形和重新混音，从而产生一场即刻音乐会。2020 年 5 月，LifeScore 为 Twitch 互动电视剧《人工智能》提供了自适应配乐，可以根据观众在故事展开过程中的情绪状态影响配乐。

短期来看，AIGC 可以帮助创作者改编、再创作或直接协助创作音乐，大幅减少创作者的工作量，提升工作效率。长期来看，Web 3 中已经出现了一些音乐平台，随着 AIGC 技术的引入，协议或将能够根据听众的个人喜好生成定制化的歌曲。平台不仅可以大幅削减版权费用，用户也可以减少歌曲付费。此外，用户还可以通过发布 AIGC 创作的独家歌曲来为自己赚取收入，从而增强 Web 3 音乐市场的创作者经济。

除了以上三个前沿方向，AIGC 在其他 Web 3 细分市场也具有巨大潜力。例如：

1）NFT的主体是图像或艺术品，目前很多AI模型已经收集了整个艺术史和流行文化的数据，任何用户都可以随心所欲地生成自己喜欢的NFT。不同的NFT需要有不同的面容、衣着、情绪特征，传统的生成方式成本高、效率低，创作者需要进行原型设计、多次建模、渲染等，而AIGC可以帮助创作者在前期更高效地尝试草图，节省后期完成画面细节的人力，未来AIGC或许可以实现NFT的低成本量产。此外UGC创作容易复制传播，侵权问题频发，但NFT具有唯一性、不可分割性、可交易性，可以克服资产防伪、确权、溯源等问题，加强版权保护；

2）AIGC 也在改进跨膜状态的生成，例如由文本生成图像/动画，反之亦然；

3）AIGC的进步也将推动Web 3社交细分市场的发展。现实中的人难免会存在一些不足，但AI可以创造出用户喜爱的虚拟人物，因为AIGC生成的虚拟人物将完全根据用户需求进行定制，用户可以自定义或利用模板定义人物的属性，如家庭、职业、年龄等。AI将帮助虚拟人物在特定场景下，在外貌和动作上表现得更接近真人，并赋予其语言表达和交互的功能，体现一定的共情能力。此外，虚拟人物的知识储备比人类更丰富，更新频率更快，不需要休息，因此可以预期虚拟人物在某些领域提供的娱乐和服务将与真人媲美甚至超越真人。例如，虚拟人物将通过与用户的交流不断学习，实现情感陪伴。参考Web 2中的二次元群体和社交软件重度用户，在AIGC的支持下，Web 3的社交市场无疑将变得更大；

4）AIGC 在 Web 3 教育中的运用或许能带来意想不到的效果。由于 AI 的学习模式相对结构化、有条理，AIGC 制作的教材和讲座或许能够降低理解障碍，帮助受众更轻松地吸收知识。总而言之，AIGC 在 Web 3 的未来之路相当广阔。