
从AI诞生的那一刻起,每年都会有大量的统计和预测,分析未来会有哪些岗位被人工智能所取代。从流水线工人到电话客服,从文稿校对到财务会计,在AI刚出现的那些年里,人类的岗位焦虑还停留在这些基础又琐碎的工种上,那时大家心里似乎还有一条底线——只要从事创造类的工作,自己就不会被机器取代。然而,随着技术发展逐渐从分析型AI(Analytical AI)迭代到创造型AI(Generative AI),机器们也开始生成本不存在的新事物——写诗、绘画、开发游戏。
对于计算机来说,内容=信息(数据)+载体(音频、视频、文字等),只要输入信息,选好载体,AIGC就能自动生成与之对应的内容。
什么是AIGC?
AIGC( AI Generated Content)是利用人工智能来生成你所需要的内容,GC的意思是创作内容。与之相对应的概念中,比较熟知的还有PGC,是专业人员用来创作内容;UGC是用户自己创造内容,顾名思义AIGC是利用人工智能来创造内容。
例如现在比较爆火的ChatGPT就是AIGC这个大赛道里下面的一个相对于很成功的产品,一经上线席卷全球,短短一个月突破1亿月活跃用户
除了以ChatGpt作为代表的问答领域,AIGC在其他领域也推出了许多优秀的产品。其中发展较为成熟的就是AI绘画领域,AI会根据你的指令绘画出你想要的图片。
目前,AIGC赛道已成为目前最热门新风口,各大厂纷纷布局。
AIGC发展历程
追溯到2014年,“对抗生成网络”GAN的提出成为当年各大厂大热的深度学习模型,现在看来这也可以算作AIGC最早的实用框架。
在2021 年之前,AIGC生成的主要还是文字(代写文章),而新一代模型可以处理的格式内容包括:文字、声音、图像、视频、动作等等。可以在创意、表现力、迭代、传播、个性化等方面,充分发挥技术优势。
2022 年 AIGC 发展速度惊人,年初还处于技艺生疏阶段,几个月之后就达到专业级别,产品成果也足以以假乱真。
游戏产业与AIGC技术的结合与未来展望
上一轮AI带给我们的震撼可能要回溯到2016年,谷歌AlphaGo战胜世界围棋冠军李世石,但在惊叹过后,大家发现AlphaGo在围棋领域的突破可能只是一次“科技炫技”,其本身并没有创造出太多的产业价值。
苏剑锋意识到AIGC背后的核心技术是生成式AI,不再只是分析,而是开始尝试创造新的东西。这一次以AI作画为代表的AIGC的出圈不止是“科技炫技”,更代表着未来的先进生产力。预见到由AI创造的内容将从研发阶段转变为核心业务的一部分。
早在2021年,IFUN GAMES董事长苏剑锋就带领团队投身于AIGC的研究领域,倡导研发团队运用AI作画,制作人可以通过简短的文字描述来生成与之相应的图像,而且随着文字描述的颗粒度不断细化,生成的图像也越来越精准。AIGC,它可以以十分之一甚至更低的成本,千百倍的生产速度,创造出有独特价值和独立视角的内容,这绝对会为内容生产领域带来巨大变革。 在AIGC的时代,人人都可以快速的创造出有质量的内容,无论是内容创造者还是内容消费者都将显著受益。而IFUN GAMES所处的游戏产业正是一个连接内容创造者和内容消费者的桥梁。
因此苏剑锋坚定的相信AIGC的成熟将会大大节省了人工消耗,借助AI突破游戏生产环节的枷锁,无限的应用力,想象力,使游戏产业有着神速的发展,高效率产生高质量的内容。
AI抢饭碗?
从去年开始,AIGC 就始终是热议的话题之一,DALL-E 2、Stable Diffusion 还有 ChatGPT 不断刷新大众对 AI 的认知。
尤其是今年大火的CharGPT让一系列岗位实实在在感受到AI带来的直接冲击。这一系例岗位包括但不限于客户支持,论文作者,出庭律师,插画师,讲稿撰写等等。
而伴随着更多 AI 的出现与改进,可以预见的是,越来越多的职位都将受到影响。这些变化不会一跃而成,但就如微软创始人比尔盖茨那句——我们总是高估未来两年的变化,低估未来 10 年的变革。
事实已经发生,不论喜欢与否,我们都无法逃避 AI 带来的切身影响。
IFUN GAMES董事长建议:当AI的趋势如同浪潮,不断向前,与其抵抗浪潮,不如拥抱时代,找到新的立身之本。
好文章,需要你的鼓励
在2025年KubeCon/CloudNativeCon北美大会上,云原生开发社区正努力超越AI炒作,理性应对人工智能带来的风险与机遇。随着开发者和运营人员广泛使用AI工具构建AI驱动的应用功能,平台工程迎来复兴。CNCF推出Kubernetes AI认证合规程序,为AI工作负载在Kubernetes上的部署设定开放标准。会议展示了网络基础设施层优化、AI辅助开发安全性提升以及AI SRE改善可观测性工作流等创新成果。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
DeepL作为欧洲AI领域的代表企业,正将业务拓展至翻译之外,推出面向企业的AI代理DeepL Agent。CEO库蒂洛夫斯基认为,虽然在日常翻译场景面临更多竞争,但在关键业务级别的企业翻译需求中,DeepL凭借高精度、质量控制和合规性仍具优势。他对欧盟AI法案表示担忧,认为过度监管可能阻碍创新,使欧洲在全球AI竞争中落后。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。