王 威

2023年以來，AIGC技術(shù)火爆全球，百度在這方面做了持續(xù)的投入。百度是一家技術(shù)公司，公司愿景是用科技讓復(fù)雜的世界變得更簡單，所以在整體的技術(shù)投入方面還是很大的，在整體AI的存量投入上在業(yè)內(nèi)首屈一指。

一、數(shù)字內(nèi)容生產(chǎn)的技術(shù)演進(jìn)

數(shù)字內(nèi)容生產(chǎn)方式可大致分為四個階段：第一個階段，專家生成內(nèi)容（PGC），比如傳統(tǒng)媒體時代，內(nèi)容都是以PGC為單位來生產(chǎn)。第二個階段，用戶生成內(nèi)容（UGC），互聯(lián)網(wǎng)興起之后，涌現(xiàn)出大量的UGC生產(chǎn)方式。第三個階段，AI輔助生成內(nèi)容。比如自動配音、自動字幕、自動配樂等輔助式的內(nèi)容生產(chǎn)方式。第四個階段，AI生成內(nèi)容（AIGC），就是完全由AI獨(dú)立化地生產(chǎn)內(nèi)容。

AIGC是一種高效的新型內(nèi)容生產(chǎn)方式，它的技術(shù)應(yīng)用場景幾乎涵蓋所有的模態(tài)，包括文本、圖像、音頻、視頻，以及現(xiàn)在比較多的跨模態(tài)之間的生成，比如文字生成圖像、文字生成演示視頻、文字生成創(chuàng)意視頻、圖像/視頻生成文字等。AIGC還包括在游戲里生成策略、生成虛擬人等。AIGC技術(shù)領(lǐng)域已經(jīng)從以前的輔助式的內(nèi)容生產(chǎn)演化到自主化的全量的內(nèi)容生產(chǎn)階段。

AIGC的技術(shù)演進(jìn)（見圖1），從具備“理解能力”開始，近三年快速向具備“創(chuàng)造能力”進(jìn)化。AIGC理解能力技術(shù)突破順序是文字—圖片—視頻，2017年，文字內(nèi)容識別和檢測，卡證、票據(jù)等OCR識別，ASR/TTS/翻譯等；2018年，圖片內(nèi)容分析、目標(biāo)檢測與分類、以圖搜圖、編目、歸類、檢索，圖片內(nèi)容審核等；2019年，視頻內(nèi)容分析和審核；2020-2021年，質(zhì)感超清、畫質(zhì)提升，數(shù)字人生產(chǎn)，動畫/影視渲染制作，AI換臉等；2022年，AI作畫；2023年，生成式語言模型ChatGPT、文心一言出現(xiàn)。

圖1 AIGC的技術(shù)演進(jìn)

AI理解能力演化的過程是從文字到圖片到視頻，視頻就是多張圖片的累加，而AI創(chuàng)造能力的技術(shù)路線是完全反的，從視頻到圖片再到文字。這個過程也說明，AI實(shí)現(xiàn)對文字內(nèi)容的理解，是一個具有代表意義的過程。

AIGC技術(shù)不是單靠某一個技術(shù)能力的提升，它需要依托涵蓋芯片層、框架層、模型層、應(yīng)用層的完整能力棧支撐。百度是國內(nèi)首個全棧自研的AI基礎(chǔ)設(shè)施的企業(yè)，百度智能云跨越芯片層、框架層、模型層、應(yīng)用層四層，實(shí)現(xiàn)端到端的“云智一體”全棧AI設(shè)施。在芯片層有自研AI芯片昆侖，自研的深度學(xué)習(xí)框架和平臺，自研的AI大底座，自研的大模型和深入千行百業(yè)的垂直行業(yè)應(yīng)用。端到端優(yōu)化帶來實(shí)際效果的顯著提升，云智一體四層機(jī)構(gòu)相互反饋和相互適配，全棧且深入融合帶來的端到端優(yōu)化，在大模型的訓(xùn)練和推理上均帶來了更多的效果提升，具有顯著優(yōu)勢。

這四層能力的建設(shè)是一個巨大的投入。以百度在大模型領(lǐng)域的布局為例，技術(shù)上，百度是我國最早布局大模型的公司，多次創(chuàng)造了業(yè)界領(lǐng)先，技術(shù)積累深厚；產(chǎn)品上，從搜索開始，百度就在多個C端和B端產(chǎn)品上布局對話交互能力，這些日均幾十億次的請求，最懂用戶意圖；投入上，百度是AI最堅定的擁抱者，十年累計上千億的投入規(guī)模和超過20%的收入投入強(qiáng)度，處于國內(nèi)前列。在壓強(qiáng)式和馬拉松式的投入下，百度有了現(xiàn)在基于大模型和AI的一些實(shí)踐成果。

圖2是百度文心大模型全景圖，可以看到底下的模型層涵蓋了NLP大模型、CV大模型、跨模態(tài)大模型，以及生物計算大模型，這是底層的基礎(chǔ)化大模型。在這個大模型的基礎(chǔ)之上，延伸出了基于不同行業(yè)應(yīng)用的一些行業(yè)大模型，比如媒體的文心大模型。從今年年初到現(xiàn)在，大模型比較火熱，但是熱潮之后，大模型在行業(yè)當(dāng)中要怎么去落地？就是大模型的AI技術(shù)怎么和行業(yè)深度結(jié)合起來，在行業(yè)完成降本增效，或者提高各個方面的生產(chǎn)效率，從而起到一個比較實(shí)際的效果。

在大模型之上，我們也會給用戶提供三種不同的服務(wù)形態(tài)，第一種，EasyDL-大模型，通過簡單的配置，可以把這個模型應(yīng)用到實(shí)際工作場景中。這個模型是已經(jīng)被訓(xùn)練好的，是一個比較成熟的模型形態(tài)。第二種，BML-大模型，它帶著科研性質(zhì)，我們會提供一個預(yù)訓(xùn)練好的基礎(chǔ)大模型，但是這個大模型要根據(jù)實(shí)際的業(yè)務(wù)場景，還要經(jīng)過模型的調(diào)優(yōu)、數(shù)據(jù)的喂養(yǎng)，最終變成解決實(shí)際問題的場景里的模型，最后納入我們的模型中心去發(fā)揮它的實(shí)際作用，它需要一定的開發(fā)能力。第三種，大模型API，是完全的一個能力輸出，所有的能力都是完整的、訓(xùn)練好的，完全獨(dú)立地通過API的方式做輸出。

其實(shí)以前AI的基礎(chǔ)就是模型，那么，以前的模型和現(xiàn)在的大模型的差別是什么？一句話來講，以前的模型，比如說我們要訓(xùn)練AI識別一個礦泉水瓶，會通過很多的圖片訓(xùn)練它。它經(jīng)過反復(fù)訓(xùn)練之后，就是這個模型經(jīng)過一定數(shù)據(jù)的喂養(yǎng)之后，它能夠很準(zhǔn)確地識別出這個是礦泉水瓶，或者是某個品牌的礦泉水瓶。但是這個模型只能干一件事，就是只能檢測礦泉水瓶，不能檢測其他瓶子。而現(xiàn)在的大模型是我們經(jīng)過綜合化的，比如說百億級千億級的參數(shù)喂養(yǎng)，它既能夠檢測礦泉水瓶，也能檢測茶杯，可以檢測很多不同的東西，就是它整體的智商變大了。這就是小模型和大模型的差別。

在百度文心大模型產(chǎn)品中，文心一言是基于對話式的語音交互，文心一格是AI作畫相關(guān)的一些能力，文心百中是基于營銷和搜索方面的產(chǎn)品，還有一個旸谷社區(qū)，有很多創(chuàng)意性的產(chǎn)品。

大模型在近幾年已被實(shí)際應(yīng)用到多個領(lǐng)域。以百度為例，在百度搜索上，過去的搜索算法，迭代成技術(shù)大模型的算法之后，在問題分類準(zhǔn)確率上，有4.5%的提升；在新聞推薦上，新聞去重召回率有8%的提升；在好看視頻上，視頻推薦召回率有10%的提升；在百度地圖上，信息搜索滿意度有6%的提升；在小度音響上，對用戶意圖的精準(zhǔn)識別，有3.1%的提升。

二、AIGC為媒體產(chǎn)業(yè)注入智能化升級新動能

（一）內(nèi)容智能化生產(chǎn)

1.基于大模型的文本創(chuàng)作能力

基于大模型的能力生成，主要是文本的創(chuàng)作能力。比如資訊自動寫作，在數(shù)據(jù)源的基礎(chǔ)上，可以完成一些資訊的自動寫作；比如熱點(diǎn)新聞聚合，AI可以梳理事件的脈絡(luò)，生成聚合類新聞；比如營銷文案生產(chǎn)，像“6·18”“雙11”等大型營銷節(jié)點(diǎn)，每一個商家都在做大量的海報輸出，現(xiàn)在海報生產(chǎn)完全可以通過AI方式完成。

2.基于大模型的圖文創(chuàng)作能力

比如在百度的文心一格官網(wǎng)上，用戶輸一段描述性的話，它能快速生成一些圖片，而且多種風(fēng)格可選，所有圖片都是原創(chuàng)，不是借用某個圖片二度創(chuàng)作，規(guī)避版權(quán)問題。

3.圖文混合內(nèi)容創(chuàng)作

以對話的交互方式，經(jīng)過多輪溝通，快速生成恰當(dāng)?shù)奈陌负推ヅ涞乃夭摹，F(xiàn)在AI通過對話式的交互之后，會完成多輪的創(chuàng)作和修改。比如用戶告訴它一個基本意圖、大概方向、主要形式，AI先生成底稿，用戶再用對話的方式告訴它，哪些方面需要修改，哪些地方要添加，哪些地方要刪除。經(jīng)過多輪的對話修改之后，它能夠生成用戶意圖下的作品。

AI創(chuàng)作更高效：基于大模型的語義理解能力，快速理解內(nèi)容制作需求。操作更簡單：對話式生成文案與圖片，不需要使用復(fù)雜工具，人人皆可上手。觸達(dá)海量素材：大模型結(jié)合百度搜索和知識圖譜，觸達(dá)海量素材。

（二）渠道智能化分發(fā)

基于大模型的搜索推薦引擎，助力內(nèi)容高效分發(fā)。智能分發(fā)是基于搜推一體的內(nèi)容分發(fā)。在過去的基礎(chǔ)搜索階段，用戶通過首字母、關(guān)鍵字、聯(lián)想詞等，主動搜索內(nèi)容；到了移動互聯(lián)網(wǎng)時代，進(jìn)入個性化推薦階段，大數(shù)據(jù)猜用戶喜歡的內(nèi)容并推送給用戶；現(xiàn)在是個性化搜索階段，把用戶的搜索意圖和信息意圖結(jié)合起來，形成搜推一體化的融合策略，很大提升了分發(fā)效果。

（三）體驗智能化交互

基于大模型的百度智能云曦靈數(shù)字人平臺，助力數(shù)字人高效生產(chǎn)和運(yùn)營。數(shù)字人分為兩類，一類是演繹型數(shù)字人，一類是一對一的服務(wù)型數(shù)字人。在媒體中，多數(shù)是第一類的廣播型、主播型數(shù)字人，其實(shí)是通過數(shù)字人的這個虛擬化載體，模擬一個高質(zhì)量的主持人。某個民生服務(wù)節(jié)目主要做醫(yī)療服務(wù)，主持人熟悉多家醫(yī)院和多個醫(yī)療專家，在節(jié)目中起到一個很好的導(dǎo)診作用，但是他只有一個人，媒體希望通過AI的方式能夠把這個主持人的知識庫復(fù)制到數(shù)字人身上，在移動端能夠服務(wù)更多的用戶，甚至給用戶提供一對一的醫(yī)導(dǎo)服務(wù)，這是未來數(shù)字人的方向。當(dāng)數(shù)字人和大模型結(jié)合之后，這個事情變成可能，就是將擁有某些技能的主持人復(fù)刻出來，在更多的領(lǐng)域服務(wù)更多用戶。

AIGC在媒體行業(yè)的全面滲透，以及媒體行業(yè)對新技術(shù)的擁抱，正在促成一場文化與技術(shù)的雙向奔赴，帶來兩個方向的改變。過去，我們通過技術(shù)的創(chuàng)新，推動內(nèi)容的創(chuàng)新；未來，在內(nèi)容創(chuàng)新的基礎(chǔ)上，推動技術(shù)的變革。所以，未來，AIGC一定能夠很大程度上解放生產(chǎn)力，讓更多的生產(chǎn)力工作由AI完成，從而釋放人的創(chuàng)造力，讓人去做更多的創(chuàng)造性工作。