AI 創建的封面圖片展示了工具 Stable Diffusion，關鍵詞：太空歌劇院 Rembrandt Harmenszoon van Rijn 和 Hajime Sorayama 混合繪畫風格

介紹

AIGC 給低迷的加密市場帶來一絲漣漪，AIGC 是什麼？它爲何突然出現？它將對 Web 3 產生什麼影響？

1、一級市場新熱點——AIGC

AIGC的全稱是人工智能生成內容（Artificial Intelligence Generated Content），是指人工智能通過海量已有數據（如文本、音頻或圖片）創造新內容的技術。其實，AIGC的概念並沒有統一的規範定義。國際上類似的概念是合成媒體（Synthetic Media），定義爲通過人工智能算法制作、操控和修改數據或媒體的技術，包括文本、代碼、圖片、音頻、視頻、3D內容等。

2、用戶需求驅動AIGC技術發展

AIGC專注於內容的生產，內容生態的發展可以分爲四個階段：專業生成內容（PGC）、用戶生成內容（UGC）、AI輔助生成內容和AI生成內容（AIGC），目前我們主要停留在第一階段和第二階段，第三階段起到支撐作用。

PGC一般指由專業團隊創作的內容，製作標準高，週期長，最終用於電視、電影、遊戲等商業變現。爲保證生成內容的質量，PGC需要投入大量的技術和人力成本。在PGC模式下，內容生產和變現權掌握在少數人手中，集中度較高，壟斷效應較強。而供給側的人力資源有限，PGC很難滿足大規模內容生產的需求。

另一方面，UGC模糊了消費者與生產者的界限，平臺會提供創作工具，生產者本身也可以是用戶，降低了生產門檻，促進了短視頻等內容生態的繁榮。UGC模式一定程度上降低了生產成本和中心化程度，滿足了個性化或多樣化的用戶需求，提高了容量上限。雖然內容的生產規模大大提升，但由於沒有了對生產者、生成工具、內容話題的限制，質量難免遭遇反噬。

PGC與UGC分別受到產能與品質的制約，難以滿足快速增長的內容需求，而AIGC或將成爲內容生態發展進程中新一輪的範式轉移。在用戶需求不斷提升的背景下，人工創作效率低下成爲制約內容規模生產的瓶頸。從需求角度來看，隨着年輕人成爲內容消費的主流，他們對內容生產的產能與品質需求呈現爆發式增長。此外，互聯網的普及雖然加速了內容傳播的速度，但也拉大了用戶需求的缺口，在用戶的高需求下，傳統的內容生產模式在產能與品質方面暴露出嚴重的不足。UGC雖然改善了PGC生產規模有限的問題，但是其內容品質參差不齊，導致用戶獲取優質內容的檢索成本較高，歸根結底，UGC依然無法滿足用戶對於優質內容的需求。

內容生態的增長沒有天花板，引入AIGC十分必要。內容創作的流程就是生產者對信息的篩選、過濾、加工、整合，這一系列過程都建立在創作者長期自主研究的基礎上，耗費大量的時間和腦力。從長遠來看，人工的創作能力畢竟是有限的，當PGC、UGC的生產潛力耗盡，AIGC或許可以彌補內容生態的缺口。

內容生態已進入AI輔助生產階段，未來有望實現AIGC。目前內容生產還侷限於基於PGC、UGC的創作框架，平臺通過開放的AI工具輔助用戶創作，任何人都可以成爲創作者，下達指令讓AI自動生成內容，指導AI完成編碼、繪圖、建模等複雜任務，進一步降低生產標準，提高生產效率。

但由於技術的發展，AI在上述工作中僅起到輔助作用，人類仍需在關鍵環節進行內容創作或輸入指令，AI尚不具備成爲獨立創作者的能力。但隨着數據、算法等核心要素的不斷升級迭代，AIGC或許是未來發展的大方向，或將突破人工限制，升級到獨立創作的水平，創造出更加豐富多元的內容。從理論上講，AIGC將實現內容生態的無限供給，從生產效率和專業度等方面考慮，內容品質將超越PGC。

3. AIGC將在Web 3中大放異彩

在Web2.0中，AIGC已經開始在各個領域進行廣泛的探索，目前Web3是Web2.0映射的去中心化版本，延伸開來，AIGC在Web3中自然也會有很多應用方向。

文本生成相關的AI工具已經取得突破，AIGC在文本創作上的應用包括編碼、翻譯和寫作。文本創作的本質是語言的使用，由於編程語言相對AI來說更加結構化、更容易學習，而人類的語言需要結合上下文、語義等，因此文本生成最成熟的應用場景是編碼，代表作品如微軟出品的Github Copilot。用戶在文本中輸入代碼邏輯，可以快速理解，並基於海量開源代碼生成子模塊供開發者使用。如今GitHub Copilot生成的代碼中有將近40%是由AI編寫的。雖然Web 3.0中的SDK等模塊化插件提高了開發者的編程速度，但未來隨着AIGC技術的普及，加密協議的開發效率或將得到進一步提升。理想情況下，AIGC可以自動檢測市場需求或空缺，然後獨立編程生成新的協議。

在人類語言內容創作方面，AIGC 也取得了長足進步。目前，翻譯方面的發展取得了很大領先。Roblox 通過機器學習將用英文開發的遊戲自動翻譯成中文、德文、法文等其他 8 種語言；騰訊研發的 Dreamwriter 新聞寫作系統，可在 22 個規範的寫作場景中使用，平均發文速度最快 0.46 秒；在紅杉資本的《生成式 AI：創造新世界》一文中，部分內容由 GPT-3 自然語言模型撰寫，但閱讀體驗並不晦澀生硬，還兼顧了流暢性、清晰度、邏輯性的寫作要求。

AIGC 也將爲 Web 3 的文本創作做出巨大貢獻。Web 3 中的新聞媒體和研究機構面臨着內容生態的雙邊困境。例如，CoinDesk 和 Messari 的產出質量雖然很高，但很難擴大生產規模。此外，受制於寫作語言、翻譯的效率和準確性，內容傳播將進一步減少。

另一方面，Twitter上的內容雖然海量，但觀點的質量卻無法保證。由於信息沒有按照重要性、時效性等進行分類，呈現形式雜亂、無分組、無排序、去重複，顯然無法有針對性地滿足用戶需求。同時，用戶會面臨信息過載的問題，導致在無效內容上浪費大量時間。因此，無論在平均生產規模還是平均內容質量方面，Web 3組織都遠遠落後於Web 2組織。

但Web2機構的規模和質量往往基於衆包策略，需要大量的前期投入。爲了保證內容質量，合格的分析師通常需要經過長期的沉澱和密集的培訓，企業必須投入時間和培訓成本。同時，爲了維持產出規模，企業必須爲大規模招聘付出極高的人力成本。這類模式有兩個明顯的缺點，一是成本過高，二是後期人才流失的風險，導致成本完全沉沒。隨着後續技術的進步，分析師至少可以省去總結標題和摘要的時間，AI可以通過理解全文直接生成TL;DR。從長遠來看，經過AI的深度機器學習，“合格的分析師”將快速產生。Web3機構將在提高內容生成規模和質量的同時大幅降低成本，從而推動整個細分市場乃至整個行業的發展。信息協議、新聞協議或研究協議甚至可能出現在 Web 3 中。

AIGC 很可能引發 Web 3 音樂的新一輪革新。AIGC 在歌曲製作、歌詞生成等方面開放應用，互動性和實時性進一步增強。舉例來說，自適應音樂平臺 LifeScore 可以實時動態編曲，用戶輸入一系列音樂素材後，AI 會對其進行修改、變形和重新混音，從而產生一場即刻音樂會。2020 年 5 月，LifeScore 爲 Twitch 互動電視劇《人工智能》提供了自適應配樂，可以根據觀衆在故事展開過程中的情緒狀態影響配樂。

短期來看，AIGC 可以幫助創作者改編、再創作或直接協助創作音樂，大幅減少創作者的工作量，提升工作效率。長期來看，Web 3 中已經出現了一些音樂平臺，隨着 AIGC 技術的引入，協議或將能夠根據聽衆的個人喜好生成定製化的歌曲。平臺不僅可以大幅削減版權費用，用戶也可以減少歌曲付費。此外，用戶還可以通過發佈 AIGC 創作的獨家歌曲來爲自己賺取收入，從而增強 Web 3 音樂市場的創作者經濟。

除了以上三個前沿方向，AIGC 在其他 Web 3 細分市場也具有巨大潛力。例如：

1）NFT的主體是圖像或藝術品，目前很多AI模型已經收集了整個藝術史和流行文化的數據，任何用戶都可以隨心所欲地生成自己喜歡的NFT。不同的NFT需要有不同的面容、衣着、情緒特徵，傳統的生成方式成本高、效率低，創作者需要進行原型設計、多次建模、渲染等，而AIGC可以幫助創作者在前期更高效地嘗試草圖，節省後期完成畫面細節的人力，未來AIGC或許可以實現NFT的低成本量產。此外UGC創作容易複製傳播，侵權問題頻發，但NFT具有唯一性、不可分割性、可交易性，可以克服資產防僞、確權、溯源等問題，加強版權保護；

2）AIGC 也在改進跨膜狀態的生成，例如由文本生成圖像/動畫，反之亦然；

3）AIGC的進步也將推動Web 3社交細分市場的發展。現實中的人難免會存在一些不足，但AI可以創造出用戶喜愛的虛擬人物，因爲AIGC生成的虛擬人物將完全根據用戶需求進行定製，用戶可以自定義或利用模板定義人物的屬性，如家庭、職業、年齡等。AI將幫助虛擬人物在特定場景下，在外貌和動作上表現得更接近真人，並賦予其語言表達和交互的功能，體現一定的共情能力。此外，虛擬人物的知識儲備比人類更豐富，更新頻率更快，不需要休息，因此可以預期虛擬人物在某些領域提供的娛樂和服務將與真人媲美甚至超越真人。例如，虛擬人物將通過與用戶的交流不斷學習，實現情感陪伴。參考Web 2中的二次元羣體和社交軟件重度用戶，在AIGC的支持下，Web 3的社交市場無疑將變得更大；

4）AIGC 在 Web 3 教育中的運用或許能帶來意想不到的效果。由於 AI 的學習模式相對結構化、有條理，AIGC 製作的教材和講座或許能夠降低理解障礙，幫助受衆更輕鬆地吸收知識。總而言之，AIGC 在 Web 3 的未來之路相當廣闊。