《AIGC：智能创作时代》重读：生产成本归零后，被重估的从来不是生产
阅读方式：微信读书网页版，从版权页翻到专家推荐，共 241 屏、6 章、6 分 30 秒。 这本书写于 2023 年 3 月。三年半后读它，最大的感受不是"过时了"，而是像在读一封写给现在的信，只是落款写错了时间。
它当时的判断——AIGC 是"媲美新石器时代的文明范式转型"——听起来像营销话术。但如果把"生成内容"换成"干完活"，这句话今天几乎可以直接搬去形容 Agent。
而它当年最焦虑的几个问题，今天一个都没解决，只是换了个对象。
一、PGC → UGC → AIGC：一条成本曲线
书里用三代内容生产方式开篇，这个框架很老，但讲得清楚。
PGC（专业生产内容）：由专家与专业机构负责生产，因为他们具备专业的内容生产能力，能保证内容的专业性。书里举的例子是雅虎的综合指南网站、亚马逊的 IMDb——前者提供包含互联网图文内容的查询工具，后者聚合了优质电影、电视节目等信息。特点：门槛高、质量稳、产量有限。
UGC（用户生产内容）：由平台、互联网媒体机构、知识付费公司共同促成。今天我们在爱奇艺、腾讯视频看的影视剧，在 36 氪、虎嗅读的报道，在得到、网易云课堂买的课，都还在 PGC 的范畴；而用户自己发的，才是 UGC。特点：产量爆炸，但筛选成本转移到了读者身上。
AIGC：模型生产。边际成本趋近于零——一个人可以是一个编辑部。
这三代的差别，表面看是"谁在生产"，本质是成本结构的迁移：PGC 贵在专业人力，UGC 贵在平台与筛选，AIGC 贵在算力与模型。而每一次迁移，都会把上一代的"护城河"变成"水电煤"。
书里对 AIGC 的定性我挺认同：它带来的是内容生产力的大变革——注意是"生产力"，不是"内容质量"。这个措辞很克制，也留了余地。
二、那个"小冰写诗"的例子，现在看很有意思
书里讲文本生成时，把任务分成两类：结构化写作（自动标题、摘要）和非结构化写作（诗歌、小说、营销文案）。
结构化那一类它举了 GPT2-NewsTitle 的例子：输入一段高铁新闻（兰新高铁全长 1776 公里、最高票价 658 元；贵广铁路 320 元；南广铁路 206.5 元），输出的标题是"中国'高铁版图'再扩容，三条重要高铁今日开通"。提炼简约而精准。
非结构化那一类，它举了小冰：2017 年微软的人工智能虚拟机器人"小冰"出版了人类史上第一部 AI 编写的诗集《阳光失了玻璃窗》，其中包含 139 首现代诗。书里摘了一句：
"而人生是萍水相逢／在不提防的时候降临／你和我一同住在我梦中／偶然的梦／这样的肆意并不常见／用一天经历一世的欢喜"
然后书里给了一句非常诚实、也非常关键的评语：虽然在逻辑性上有所欠缺，但整体上富有韵律与情感，同时带有意象的朦胧感。
我读到这里停了一会儿。因为"逻辑欠缺但有韵律和意象"——这个评价，放在 2026 年的很多 AI 长文上也成立。三年过去，模型的长处和短处几乎没挪位置：它擅长语感，不擅长事实；擅长铺陈，不擅长收敛。
而书里还提到一个细节：小冰的网站首页写着"小冰宣布放弃她创作的诗歌版权，所以你可以任意发表最终的作品"。这个声明当年看是营销，现在看是提前把最难的问题绕过去了——版权这事，谁都不敢碰。
三、技术那一章：三块基石，一条主线
第 2 章讲技术思想，路径很清晰：前 AIGC 时代的技术奠基 → GAN（早期尝试）→ Diffusion（AI 绘画的推动者）→ Transformer（大模型的重要基建）。
这一章现在读会显得浅——毕竟三年里这方面的科普已经铺天盖地。但它有一个细节值得记：书里把 AI 绘画工具做了横向对比，而且比得很实在。
Stable Diffusion（2022 年 8 月上线，Stability AI）：对生成当代艺术图像有较强理解力，善于刻画图像细节，但为了还原细节，在图像描述上需要进行非常复杂细致的说明，比较适合涉及较多创意细节的复杂图像，在创作普通图像时可能会略显乏力。
DALL·E 2（2022 年 4 月更新，OpenAI）：由其前身发展而来，训练量庞大，更懂语义。
Midjourney（2022 年 7 月公测）：美感优先。
这段对比为什么值得记？因为它讲的其实是三种产品哲学：SD 是"给专业用户的控制权"，DALL·E 是"给普通人的理解力"，MJ 是"给所有人的审美"。同一个技术底座，三种取舍，三种用户。
书里还提到 Disco Diffusion——那个跑在 Google Colab 上的开源工具，界面不友好、运行成本高、要自己租 Colab Pro。但它依然掀起了使用热潮。 这句话现在读特别有意思：门槛高到要自己租算力的工具，只要效果够惊艳，照样有人排队用。 这说明需求一直在，只是供给没跟上。
四、产业地图：全书写得最扎实的一章
第 5 章把 AIGC 产业链拆成上中下游，这一章我认为是全书最有长期价值的部分——因为它讲的是结构，不是产品。
上游：数据服务。 书里重点讲了数据湖与"湖仓一体"，并用三个词概括它的价值：降本（降低数据流动成本，相当于把天然农场变成粮仓）、省时（降低时延，类似省掉了农作物从农田搬运到仓库的环节）、省力（避免在数据架构层面做不必要的重复建设）。
它还引了市场数据：全球数据湖市场规模 2021 年达 74 亿美元，预计 2022—2027 年复合年增长率 26.4%，2027 年达 300 亿美元。然后按"处理时效"把公司分成异步处理型和实时处理型，点名 Databricks（当时估值 380 亿美元）和 Starburst（33.5 亿美元）。
中游：算法模型。 这一节最短，但结论最重——谁掌握基座模型，谁拿走最大一块利润。
三年后再看，这句话不仅成立，还加倍成立了：模型层成了整个行业的水电煤，下游应用反而在被上游挤压（这一点在另一本讲 Vibe 编程的书里有很具体的案例）。
下游：应用拓展。 资讯、影视、电商、教育、金融、医疗，逐个行业讲"能省哪一段人力"。这部分现在看偏清单式，但作为"行业落地地图"仍有参考价值。
五、风险那一章，三年没解完
第 6 章讲风险与监管，我原本以为是走过场，结果读得最认真。因为它的每一条，今天都还在。
版权归属。 训练用了谁的作品、产出归谁——书里没给答案，只承认这是最难解的一题。三年过去，各国判例出了一堆，但共识依然没有。
虚假信息。 书里写：一些不法分子可能利用开源的 AIGC 项目，生成虚假名人照片甚至制作针对该知名人士的暴力及色情作品，制造出造谣、花边新闻、政治丑闻等。然后它说了一句让我停下来划了线的话：在现代社会，一张被伪造的照片编出一个离奇的故事已经屡见不鲜。
这句写于 2023 年。2026 年读，它已经不算预言，算常识了。
违禁内容。 书里的机制解释很到位：AI 生成的内容完全取决于使用者的引导，在安全措施并不完善的前提下，AI 针对恶意的诱导行为无法独立思考和判断，它只能根据训练材料中学到的信息进行输出。
这句话其实说清了"AI 安全"的本质困境：它是一个"有求必应"的系统，而"有求必应"和"有底线"天然冲突。
最后它讲监管，立论很稳：制定法律法规的目的是推动行业发展，以及保护公民和企业的权利和利益，维护社会秩序和公共利益。
"推动行业发展"放在第一位——这个排序，比很多只会喊"要管住"的文章成熟得多。
六、核心知识图谱
七、我的保留意见
第一，技术章节已经明显过时。 全书的技术叙述停在 Diffusion + Transformer 的科普层面，没有涉及 MoE、长上下文、Agent 这些后来成为主线的方向。当"历史读"可以，当"技术入门"会走偏。
第二，"四大模态""六大行业"这类结构，更像目录而非洞察。 每一节都讲到了，但每一节都只讲了一页半页。信息密度不均：产业地图那章明显比行业应用那章扎实。
第三，乐观情绪偏浓。 代序里"媲美新石器时代的文明范式转型"这种表述，放在书的开头会拉高预期，而后面的论证支撑不住这个量级。我读的时候是把代序当"时代情绪样本"看的，不当论点。
但这些都不妨碍它作为一本"2023 年的行业快照"的价值。读旧书最大的乐趣，不是学知识，是校准判断——看当年哪些担心成真了，哪些被证伪了，哪些换了张脸又回来了。
这本书里，版权和虚假信息成真了，"AI 会替代创作者"被证伪了（至少暂时），而"内容生产的成本结构被改写"这条，以另一种形式回来了——现在被改写的是"干活"的成本，不只是"写字"的成本。
八、一句话收尾
如果只能留一句，我留它反复在讲、但没明说的那句：
每一次"生产成本归零"，真正被重估的都不是生产，是筛选。
内容多到没人看得完时，值钱的不是写，是决定什么值得看。而这件事，2023 年靠编辑，2026 年靠算法，将来大概还是得靠人——因为"值得"这个词，模型学不会。
阅读记录：微信读书网页版 · 逐页翻阅 241 屏 / 6 章 / 6 分 30 秒 · 覆盖率 100%（版权页至专家推荐）
《AIGC：智能创作时代》 杜雨、张孜铭 著 · 中译出版社 · 2023-03
发表评论: