将使得知识性与创造性工作的边际成本降至

Sultanamow01

AIGC的发展，将使得知识性与创造性工作的边际成本降至，从而产生巨大的生产效率和经济价值，每一个需要我们原创的领域都或多或少将有AI的参与。AIGC 的产品形态未来会是什么样的呢？它的细分机会又在哪里？本文作者对此进行了分析，一起来看一下吧。本文核心观点来自红杉在 月发布的一篇文章《Generative AI: A Creative New World》，我按大白话翻译并做了删减和补充。原文想要表达的意思是——“随着 AIGC（AI Generative Content）变得更快更强以及更低成本，在某些程度上将比人类手工创作得更好，AIGC 将使得知识性与创造性工作的边际成本降至 ，从而产生巨大的生产效率和经济价值，



它将有潜力产生数万亿美元的经济价值，这些领域不限于社交媒体、游戏、广告、建筑、设计、法律、销售以及营销，每一个需要我们原创的领域都或多或少将有 AI 的参与。” Why Now？为什么是现在原作者将 AI 模型 购买电话号码数据库 的发展划分为四波浪潮：） 年以前，小模型占优小模型在当时被认为是最优选，它们擅长分析任务，并应用在各类预测和欺诈分类的工作上，但是这些模型对通用任务的处理表现并不好，想要让 AI 输出人类水平的内容或者代码是不可能的。） 年至今，大模型发展Google Research 在 年发表了一篇里程碑意义的论文《Attention is All You Need》，通过被称为 Transformer 的神经网络架构来生成高质量的语言模型，同时提高了并发处理能力，





降低了训练时间，这些模型可以容易地针对特定领域进行定制。AIGC 中的大模型摩尔定律与范式转移随着这些 AI 模型变得越来越大，开始提供人类水平的处理能力。在 年～ 年期间，这些模型的计算量提高了 个数量级，这意味着在输出结果上超过了人类在书写、语音、图像识别、阅读和语言理解上的基准。AIGC 中的大模型摩尔定律与范式转移Source：公开网络年 月，OpenAI 推出的 GPT- 模型从中脱颖而出，相对于此前的 GPT- 是一个巨大的飞跃，它的参数量是前代的百倍之多，达到 亿个参数量， GPT- 能通过输入的自然语言判断和生成我们想要的内容，从某种意义上说它更像人类了，