AIGC 在圖片、音視頻L域的模型在大模型基礎(chǔ)上持續(xù)優(yōu)化，性能趨向商用化需求， 空間有望打開。我們認為以 ChatGPT 為代表，AI 將進入創(chuàng)造（創(chuàng)作）時代，引L第四次 人工智能浪潮。AIGC 以自動化生產(chǎn)和G效為兩大特點，目前已經(jīng)可以自動生成文字、圖片、音頻、視頻，甚至 3D 模型和代碼。未來大量數(shù)字原生內(nèi)容有望由 AI 協(xié)助完成創(chuàng)作。

底層技術(shù)的突破使 AIGC 商業(yè)落地成為可能，模型迭代推動 AI 生成文字和圖片質(zhì)量 實現(xiàn)質(zhì)的提升。

CLIP 模型打破了傳統(tǒng)分類器界限，可以在不需要額外訓練集的情況下，以良好的性 能完成各種計算機視覺任務(wù)。CLIP 模型對問題進行了重新定義并不再預測文本標簽，取而 代之的是預測圖像與文本相匹配的可能性大小，在大規(guī)模數(shù)據(jù)集上完成的訓練后能夠?qū)W習 到了圖像的各方面信息。

Make-A-Video 模型實現(xiàn) AI 基于文本、圖像智能生成視頻。在視頻生成L域，Meta 公 司繼承了圖像生成模型的核心技術(shù)，在文本語義和圖像對應(yīng)關(guān)系的基礎(chǔ)上，通過對視頻幀 序列的學習訓練，實現(xiàn)連貫運動且G分辨率的G質(zhì)量視頻生成。由于模型訓練量要求過 大，目前該模型只能實現(xiàn)幾秒鐘的短視頻生成，未來有望隨著模型的迭代實現(xiàn)中視頻和長 視頻的生成。