文化與科技的雙向奔赴
——AIGC驅動媒體產業變革

王 威

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

一、數字內容生產的技術演進

數字內容生產方式可大致分為四個階段：第一個階段，專家生成內容（PGC），比如傳統媒體時代，內容都是以PGC為單位來生產。第二個階段，用戶生成內容（UGC），互聯網興起之后，涌現出大量的UGC生產方式。第三個階段，AI輔助生成內容。比如自動配音、自動字幕、自動配樂等輔助式的內容生產方式。第四個階段，AI生成內容（AIGC），就是完全由AI獨立化地生產內容。

AIGC是一種高效的新型內容生產方式，它的技術應用場景幾乎涵蓋所有的模態，包括文本、圖像、音頻、視頻，以及現在比較多的跨模態之間的生成，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技術領域已經從以前的輔助式的內容生產演化到自主化的全量的內容生產階段。

AIGC的技術演進（見圖1），從具備“理解能力”開始，近三年快速向具備“創造能力”進化。AIGC理解能力技術突破順序是文字—圖片—視頻，2017年，文字內容識別和檢測，卡證、票據等OCR識別，ASR/TTS/翻譯等；2018年，圖片內容分析、目標檢測與分類、以圖搜圖、編目、歸類、檢索，圖片內容審核等；2019年，視頻內容分析和審核；2020-2021年，質感超清、畫質提升，數字人生產，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。

圖1 AIGC的技術演進

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創造能力的技術路線是完全反的，從視頻到圖片再到文字。這個過程也說明，AI實現對文字內容的理解，是一個具有代表意義的過程。

AIGC技術不是單靠某一個技術能力的提升，它需要依托涵蓋芯片層、框架層、模型層、應用層的完整能力棧支撐。百度是國內首個全棧自研的AI基礎設施的企業，百度智能云跨越芯片層、框架層、模型層、應用層四層，實現端到端的“云智一體”全棧AI設施。在芯片層有自研AI芯片昆侖，自研的深度學習框架和平臺，自研的AI大底座，自研的大模型和深入千行百業的垂直行業應用。端到端優化帶來實際效果的顯著提升，云智一體四層機構相互反饋和相互適配，全棧且深入融合帶來的端到端優化，在大模型的訓練和推理上均帶來了更多的效果提升，具有顯著優勢。

這四層能力的建設是一個巨大的投入。以百度在大模型領域的布局為例，技術上，百度是我國最早布局大模型的公司，多次創造了業界領先，技術積累深厚；產品上，從搜索開始，百度就在多個C端和B端產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模和超過20%的收入投入強度，處于國內前列。在壓強式和馬拉松式的投入下，百度有了現在基于大模型和AI的一些實踐成果。

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、跨模態大模型，以及生物計算大模型，這是底層的基礎化大模型。在這個大模型的基礎之上，延伸出了基于不同行業應用的一些行業大模型，比如媒體的文心大模型。從今年年初到現在，大模型比較火熱，但是熱潮之后，大模型在行業當中要怎么去落地？就是大模型的AI技術怎么和行業深度結合起來，在行業完成降本增效，或者提高各個方面的生產效率，從而起到一個比較實際的效果。

在大模型之上，我們也會給用戶提供三種不同的服務形態，第一種，EasyDL-大模型，通過簡單的配置，可以把這個模型應用到實際工作場景中。這個模型是已經被訓練好的，是一個比較成熟的模型形態。第二種，BML-大模型，它帶著科研性質，我們會提供一個預訓練好的基礎大模型，但是這個大模型要根據實際的業務場景，還要經過模型的調優、數據的喂養，最終變成解決實際問題的場景里的模型，最后納入我們的模型中心去發揮它的實際作用，它需要一定的開發能力。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、訓練好的，完全獨立地通過API的方式做輸出。

其實以前AI的基礎就是模型，那么，以前的模型和現在的大模型的差別是什么？一句話來講，以前的模型，比如說我們要訓練AI識別一個礦泉水瓶，會通過很多的圖片訓練它。它經過反復訓練之后，就是這個模型經過一定數據的喂養之后，它能夠很準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。而現在的大模型是我們經過綜合化的，比如說百億級千億級的參數喂養，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作畫相關的一些能力，文心百中是基于營銷和搜索方面的產品，還有一個旸谷社區，有很多創意性的產品。

大模型在近幾年已被實際應用到多個領域。以百度為例，在百度搜索上，過去的搜索算法，迭代成技術大模型的算法之后，在問題分類準確率上，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，對用戶意圖的精準識別，有3.1%的提升。

二、AIGC為媒體產業注入智能化升級新動能

（一）內容智能化生產

1.基于大模型的文本創作能力

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

2.基于大模型的圖文創作能力

比如在百度的文心一格官網上，用戶輸一段描述性的話，它能快速生成一些圖片，而且多種風格可選，所有圖片都是原創，不是借用某個圖片二度創作，規避版權問題。

3.圖文混合內容創作

以對話的交互方式，經過多輪溝通，快速生成恰當的文案和匹配的素材。現在AI通過對話式的交互之后，會完成多輪的創作和修改。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創作更高效：基于大模型的語義理解能力，快速理解內容制作需求。操作更簡單：對話式生成文案與圖片，不需要使用復雜工具，人人皆可上手。觸達海量素材：大模型結合百度搜索和知識圖譜，觸達海量素材。

（二）渠道智能化分發

基于大模型的搜索推薦引擎，助力內容高效分發。智能分發是基于搜推一體的內容分發。在過去的基礎搜索階段，用戶通過首字母、關鍵字、聯想詞等，主動搜索內容；到了移動互聯網時代，進入個性化推薦階段，大數據猜用戶喜歡的內容并推送給用戶；現在是個性化搜索階段，把用戶的搜索意圖和信息意圖結合起來，形成搜推一體化的融合策略，很大提升了分發效果。

（三）體驗智能化交互

基于大模型的百度智能云曦靈數字人平臺，助力數字人高效生產和運營。數字人分為兩類，一類是演繹型數字人，一類是一對一的服務型數字人。在媒體中，多數是第一類的廣播型、主播型數字人，其實是通過數字人的這個虛擬化載體，模擬一個高質量的主持人。某個民生服務節目主要做醫療服務，主持人熟悉多家醫院和多個醫療專家，在節目中起到一個很好的導診作用，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制到數字人身上，在移動端能夠服務更多的用戶，甚至給用戶提供一對一的醫導服務，這是未來數字人的方向。當數字人和大模型結合之后，這個事情變成可能，就是將擁有某些技能的主持人復刻出來，在更多的領域服務更多用戶。

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