AIGC 发展历程
如果说 2021 年是元宇宙元年，那么 2022 年绝对可以称作 AIGC 元年。自从 Accomplice 于 2021 年 10 月推出 Disco Diffusion 以来，AIGC 受到了前所未有的关注，相关产品和技术更是以井喷之势快速更新迭代。
AIGC（Artificial Intelligence Generated Content）即人工智能生成内容。指通过使用人工智能技术，让计算机自动生成文字、图像或音频等内容的过程。AI 生成的内容通常被用于许多不同的领域，包括新闻报道、广告创意、电影剧本编写等。可以预见的是，AIGC 将给创作领域带来前所未有的改变，它使得人们能够节省时间和精力，专注于更重要的事情（创新想法）。
在 Disco Diffusion 推出之前，AIGC 领域最热门的技术是生成对抗网络（GAN），它的核心是两个神经网络，一个称为生成器的神经网络生成新的数据实例，而另一个称为鉴别器的神经网络评估它们的真实性，两个神经网络彼此对立，最终生成全新的“合成数据”。但是GAN不够稳定、出图时间长、训练内容也有所限制，所以以 GAN 为基础的人工智能生成应用并没有受到除学术界以外的关注。
GAN 图像生成
直到 Disco Diffusion 出现，AIGC 才真正可以构建产品级应用。Disco Diffusion 使用了 CLIP 和 Guided Diffusion两项技术，其中 Diffusion 对图片进行迭代去噪处理，而 CLIP 为 Diffusion 指引正确的迭代方向， 使图片向文本描述方向收敛，进而输出一个符合输入文本的图片。
Disco Diffusion 擅长对场景的刻画，输出图片内容恢弘大气，但是缺点也很明显：作图速度慢，输出一张1024*1024的图大概需要10分钟左右；对细节刻画不足；难以输出人像等。
Disco Diffusion 点燃了 AIGC 领域的火种，后续的 DALL-E、Stable Diffusion 和 Midjourney 更是把 AIGC 推向了高潮。Stable Diffusion 的核心是 Latent Diffusion Models，此模型在潜在表示空间中迭代“去噪”数据来生成图像，它降低了对显卡的需求，更是把出图时间缩短至十秒之内，出图精细程度上升了一个量级，而 Midjourney v4 模型的作图质量更是比 Stable Diffusion 更高。
出图效果，左→右：Disco Diffusion、stable diffusion midjourney
国内 AIGC 相关产品
除了作图工具之外，近期 chatGPT 又带起了一波语言模型的热潮，由于种种原因，国内用户并不能直接使用这些工具，所以很多国内项目也在开发更适用于国内用户的 AIGC 产品，但是从效果来看，很多产品的用户体验都比较差，并且功能不够完善，更多的只是直接把国外的开源模型拿来用。
纵观国内相关项目方的产品广度、深度、技术水平和实际测评，昆仑万维或许是唯一一个可以类比 OpenAI 的存在。
近期，昆仑万维与奇点智源共同推出 AIGC 系列产品“昆仑天工”，其模型涵盖领域包括图像、音乐、编程和文本四个领域，是国内目前为止模型最丰富的的 AIGC 工具。昆仑天工基本上可以作为国内替代 Stable Diffusion + chatGPT 的产品。下面就主要以昆仑天工为案例说一下对应赛道。
文本模型
昆仑天工的文本模型拥有多样的下游能力，包括续写，对话，中英翻译，内容风格生成，推理，诗词对联等，并在各项专业性领域的任务中（例如分类、匹配、填空、识别）表现突出，在实际测评结果上与现有大模型相比具有多方面优势。
现在市场上大部分文本模型都是直接接入 GPT，但是由于 GPT 本身对于中文的支持并不十分友好，所以对于国内用户使用还是存在一些障碍，**而昆仑天工系列产品针对中文领域构建了千亿级别的高质量数据案，包含数百张A100 GPU显卡的超算集群，训练得到百亿参数量的 GPT-3 生成模型。**现在在产品分为基础版和增强版，基础 GPT-3 模型被称为天枢，增强版称为瑶光，瑶光是相对能力最强大的模型， 适用于各种任务，而天枢是在模型的速度上做了极致的优化。
输入一些文本作为提示，模型将生成一个文本补全，补全功能几乎可用于任何任务，包括内容或代码生成、总结、扩展、对话、创意写作、风格转换等，示例如下：
文本模型测试
同时该模型提供了便捷的API支持，使用 Python 调用API示例如下：
文章出处登录后可见！
