《AIGC：智能创作时代》：241 屏写"时代"，只给风险一屏

2026-11-06silcano

微信读书《AIGC：智能创作时代》· 6 章 21 节 · 3 个附录 · 241 屏
逐页翻阅 241 屏 · 6 章 21 节 · 读至末页「全书完」· 2026-11-06
说明：241 是微信读书的屏幕数，不折纸页。整本从 p0001「版权信息」翻到 p241「全书完」，中途没跳页。为了写这篇，逐字核对了九处：p0006 图 0-2 与图 0-3、p0009 参数规模与图 0-6、p0030 媒体 AI 写作、p0052 四模态与视频生成、p0095 表 2-4、p0135 虚拟主播、p0160 数据服务、p0218 与 p0219 风险与监管、p0241 全书末页。引用全部出自这几处，没看过的地方不写。

先说结论：这是一本写给 2023 年初的书，而它自己没意识到这一点。241 屏里，"GPT-4 也预计在不久的将来发布"这句话出现了不止一次（p0095），所有关于"未来"的判断都挂在这句话上。三年后回看，这本书的每一页都变成了史料——这不算错，但它自己不知道，这就有点尴尬。

我不打算用"时效性"来打这本书。任何一本写"时代"的书都会过期，这是体裁决定的。真正值得说的是它的结构性失衡：一本 241 屏、讲"智能创作时代"的书，给"风险与监管"的篇幅是一屏。

一屏。而"参与主体"（讲谁在投钱、谁在做局）给了 18 屏，"产业下游应用拓展"给了 23 屏，"专家推荐"给了 11 屏。推荐语比监管多十倍。

这个配比不是偶然。它暴露了这本书真正的血统：它不是一本思想书，是一份包装成书的行业研报。研报的结构就这样——先讲变革，再讲技术，再讲应用，再讲产业地图，最后用一页"风险提示"收尾，因为研报的风险提示从来都是免责条款，不是分析结论。

一、骨架：技术 60 屏，应用 85 屏，产业 46 屏，未来 26 屏

241 屏的分配，我按章节算了一遍：

代序 15 屏 + 前言 4 屏 → 开篇 19 屏（7.9%）
第一章 AIGC：内容生产力的大变革 39 屏（16.2%）
第二章 AIGC 的技术思想 41 屏（17.0%）
第三章 AIGC 的职能应用 19 屏（7.9%）
第四章 AIGC 的行业应用 27 屏（11.2%）
第五章 AIGC 的产业地图 46 屏（19.1%）
第六章 AIGC 的未来 26 屏（10.8%）
附录三件套 + 后记 + 专家推荐 22 屏（9.1%）
版权信息 2 屏

按性质归一下：技术讲清楚的部分（代序、前言、第二章）60 屏，占 24.9%；讲应用的部分（第一章、第三章、第四章）85 屏，占 35.3%；讲产业的部分（第五章）46 屏，占 19.1%；讲未来的部分 26 屏，占 10.8%。

这个结构本身没问题，问题在内部的颗粒度差得太远。

第五章"产业地图"46 屏，其中"产业上游：数据服务"14 屏，"产业中游：算法模型"3 屏，"产业下游：应用拓展"23 屏。中游只有 3 屏。而中游恰恰是这本书最该讲的地方——算法模型层是整个 AIGC 产业的技术命门，OpenAI、Anthropic、Stability、Midjourney 全在这一层。3 屏，连把这几家点名都勉强。

第四章"行业应用"27 屏，摊给六个行业：资讯 3 屏、影视 7 屏、电商 4 屏、教育 2 屏、金融 2 屏、医疗 3 屏。平均每个行业 3.5 屏。3.5 屏能讲什么？能把"AI 在这个行业能干什么"列个清单，讲不了"这个行业为什么这么干、卡在哪"。这一章的名字叫"行业应用"，实际功能是目录：告诉读者还有哪些地方没讲。

而第六章"未来"26 屏里，"参与主体"占 18 屏——讲的是资本、大厂、创业公司在怎么布局。这个内容放在"产业地图"里更合适，放在"未来"里，等于用"谁在进场"代替了"会变成什么样"。

二、最扎实的二十屏：媒体 AI 小编那二十年

如果这本书只留一节，我会留第一章第一节。这一节讲"从 PGC、UGC 到 AIGC"，7 屏，信息密度是全书最高的。

p0030 是我在这本书里唯一划线的一页。它给了几个具体到秒的数字：

2016 年 5 月，四川绵阳发生 4.3 级地震时，中国地震台网开发的地震信息播报机器人在 6 秒内写出了 560 字的快速报道；2017 年 8 月，当四川省阿坝州九寨沟县发生 7.0 级地震时，该机器人不仅翔实地撰写了有关地震发生地及周边的人口聚集情况、地形地貌特征、当地地震发生历史及发生时的天气情况等基本信息，还配有 5 张图片，全过程不超过 25 秒；在后续的余震报道中，该机器人的最快发布速度仅为 5 秒。

这三个数字比全书任何一张趋势图都有说服力。6 秒、560 字、25 秒、5 张图、余震 5 秒——你不需要相信任何"时代"叙事，也能判断这件事已经发生了。而且它给的是能查的细节：年份、月份、地名、震级、字数、秒数、图片张数。这是记者的写法，不是研报的写法。

同一页还列了国内媒体那一批 AI 小编的名字：新华社"快笔小新"、第一财经"DT 稿王"、《南方都市报》"小南"、封面新闻"小封"、腾讯财经"Dreamwriter"、今日头条"Xiaomingbot"。六个名字，六个真实产品，一个不多一个不少。这一段的价值在于它把"AI 写作"从抽象概念落到了具体产品上——读者可以自己去搜这六个名字，验证它们今天还在不在。能被验证的叙述，才叫事实。

紧接着它做了一次分类，也是全书最细的一次分类：AI 文本生成分两类，非交互式与交互式。非交互式再分三支：结构化写作（标题生成、新闻播报）、非结构化写作（剧情续写、营销文本）、辅助性写作（内容推荐、润色）。交互式则用于虚拟男友/女友、心理咨询、文本交互游戏。

这个五分法我认可，因为它有判据：看输出要不要人来接、看有没有对话轮次、看语料是模板还是自由文本。顺着这个分法，读者能自己判断一个新出现的产品属于哪一类，而不是等着被归类。

它还顺手给了一句我认为是全书最好的判断："AI 不具备个人色彩，行文相对严谨、客观，因此在地震信息播报、体育快讯报道、公司年报数据、股市讯息等领域具有较大优势。"这句话说的是 AI 写作的真实边界，而且说对了——它擅长的不是"写得好"，是"写得不出错"。

一句话，把边界画出来了。可惜这样的句子，全书只有几处。

三、两张图暴露的方法论：图 0-3 与图 0-6

这本书有两张图，我盯了很久。它们不是插画，是论证工具，而两张都出了问题。

第一张是 p0006 的图 0-3，"人类生成内容向 AIGC 转换趋势"。画面很简单：横轴时间，纵轴数量，一条向下的人类生成内容曲线，一条向上的 AIGC 曲线，两条线交叉。图上没有刻度、没有单位、没有数据点、没有来源。

而正文怎么说这张图？"2022 年是重要的历史拐点（图 0-3）。"

用一张没有刻度的示意图，去支撑"历史拐点"这个判断，这是循环论证：曲线的交叉点落在哪一年，完全取决于画图的人想让它落在哪一年。把横轴拉长一点，交叉点可以挪到 2030；把它压紧，交叉点可以挪到 2019。这张图不提供信息，它只提供态度。

我理解示意图的作用是"让人一眼看懂趋势"。但趋势图的前提是趋势本身有据。没有数据的趋势图，本质是一句画出来的修辞。它出现在一本自称讲"时代"的书的第 6 屏，等于给全书定了个调：这本书的论证方式是"断言 + 示意图"，不是"数据 + 推演"。

第二张更成问题，是 p0009 的图 0-6。正文写得很谨慎：

GPT-2 大约有 15 亿个参数，而 GPT-3 最大的模型有 1 750 亿个参数，上升了两个数量级。而且，它不仅参数规模更大，训练所需的数据也更多。根据媒体猜测但还未被证实的消息，GPT-4 的参数可能将达到 100 万亿规模（图 0-6）。

文字部分我挑不出错——它老老实实写了"媒体猜测""还未被证实"。这是这本书的良心。问题在它后面那张图。

图 0-6 画的是两个几何体：左边一个小方块标"GPT-3"，右边一个大圆标"GPT-4"。我按屏幕上的比例量了一下，方块边长约 45 像素，圆的直径约 170 像素。

算一下：正方形按面积算，45² = 2 025；圆按面积算，π×85² ≈ 22 700。比值约 11 倍。

而它想表达的数字比值是多少？100 万亿 ÷ 1 750 亿 ≈ 571 倍。

如果真要用面积表示 571 倍，圆的直径应该是方块的 √571 ≈ 24 倍——方块 45 像素的话，圆的直径得画到 1 080 像素，比整个屏幕还宽。画不下，于是画了个 3.8 倍直径的圆，凑合着看。

我不是在抠一张插图的准确性。我想说的是：当一本书用"面积"表示"数量级"，而面积与数量级差着 50 倍的时候，它实际上是在用视觉冲击替代数量关系。读者看图得到的印象是"大了不少"，而文字说的是"大了 571 倍"。这两个印象之间的落差，恰好是这本书最典型的问题——它知道该谨慎（所以说"未被证实"），但它更想要那个震撼的画面。

顺带说一句：这句"100 万亿参数"的猜测，今天看是错的。GPT-4 的参数至今未公开，业内普遍推测是混合专家架构下的万亿级，远不到 100 万亿。书里加了免责声明，所以它不算造谣；但它把一条明显不可信的猜测画成了图，这就不是谨慎，是既要又要。

四、四类文本与那个"小学生"的类比

第五章第三节"产业下游：应用拓展"给了 23 屏，是全书单节最长的。它把文本类应用分成四类：结构化写作、非结构化写作、辅助性写作、知识型文本处理。前三类是"输出"，第四类是"输入"。

p0175 对这个区分做了一次解释，用的比喻我很喜欢：

上述三类文本处理应用从定位上更接近于"输出"的过程，即"使用的目的"是为了有可以外发的、展示的、传播的产出，就好比一个小学生可能会用小猿搜题找到作业的答案，然后把作业展示给老师。而知识型文本处理应用则更注重信息的"输入"，帮助用户更好地进行信息的归纳、接收和整理，就好比一个小学生在写作业之前，要用思维导图等工具把上课学到的知识点整理好，内化为之后写作业、考试可以用到的技能。

这个类比的准确度很高。"小猿搜题"与"思维导图"两个意象，一下子把"生成给人看"和"生成给自己用"分开了。而且它隐含了一个更硬的判断：前者是替代，后者是增强。抄答案替代了思考，做导图增强了思考——同样叫 AIGC，价值方向相反。

可惜书里没把这个判断推下去。它举了彩云小梦（续写小说，内置标准、言情、玄幻、都市多种模型，每段可中途修改或换掉，目前免费）和 Mem 作为例子，然后就转去讲别的了。

如果是我写，我会在这里停下来问一个问题：为什么"替代型"的应用先跑通，而"增强型"的应用至今没有爆款？我的答案是：替代型有明确的验收标准（答案对不对、稿子能不能发），增强型没有（导图做得好不好？）。而这本书整本的短板，恰好也是这一条——它一直在讲"能生成什么"，从没讲"怎么判断生成得好不好"。

这不是巧合。一个不讨论验收标准的行业观察，必然也只能写出"替代型先赢"这种表面结论，因为它看不见另一条赛道的价值所在。

五、那本成本账，只算了一半

p0135 是电商行业应用的一页，讲虚拟主播。它给了一个很具体的案例和一本账：

虚拟主播"小美"就出现在兰蔻、欧莱雅、OLAY、科颜氏等超过 20 个美妆大牌直播间，开启直播首秀……这类结合人工智能技术的虚拟主播不仅在用户体验方面与真人无异，而且还可以节约 30%～50% 以上的成本。根据网上的调研数据，在一线城市雇用一名优秀主播的月薪大约是 1 万元左右，加上直播场地费，每年差不多需要 15 万元左右的成本，如果再加上硬件设备成本，成本可能达 20 万元，这对商家来说无疑是一大笔开支。

20 个美妆大牌、30%–50%、月薪 1 万、每年 15 万、加硬件 20 万——这些数字给得很诚恳。它连"硬件设备"都想到了，说明作者是真的去算过。

但这本账只算了一边。它算的是"被替代的人"多少钱，没算"替代它的东西"多少钱。数字人的成本结构是：形象定制（一次性，几万到几十万）、驱动与渲染（按并发或时长计费）、运营（脚本、选品、场控，一个数字人直播间照样要三到五个人）、带宽与算力。这些加起来，"节约 30%–50%"能不能成立，取决于你按几年摊销、按几路并发。

而"30%–50%"这个数字，在书里没有分母。相对谁的 30%？是相对那个 20 万/年的人力成本，还是相对整个直播间的运营成本？这两个基数差三到五倍。读者拿这个数字去做决策，会亏得很惨。

同页还有一句话我读了两遍："在直播过程中，虚拟主播的每帧画面都由人工智能生成。"

这句话在技术上是不准确的。数字人直播的主流方案是 3D/2D 形象加动作驱动加实时渲染，不是"每帧由 AI 生成"——如果真是逐帧生成，一路 1080p、30 帧的直播，一秒要出 30 张图，成本会高出好几个数量级。把"渲染""驱动""合成"统统叫成"生成"，是这本书一个贯穿全书的语言问题。

这个问题不小。因为"生成"这个词在这本书里同时指四件技术含量完全不同的事：扩散模型从噪声里长出图像（真生成）、模板加数据填空（结构化写作）、检索后重组（知识型处理）、渲染加驱动（数字人）。四件事的难度差两个数量级，成本差三个数量级，但在这本书里共用同一个词。读者读完，会觉得它们是一回事。

六、产业地图：它其实是份研报，而且写得不错

第五章 46 屏，是全书第二厚的章。它按上中下游切开：上游数据服务 14 屏、中游算法模型 3 屏、下游应用拓展 23 屏。

p0160 讲上游，是我认为全书第二扎实的一段。它讲 Scale AI 的两条护城河：

客户黏性：数据标注服务本身很难建立起高度的客户黏性，而 Scale 之所以可以留住客户，得益于它在 2020 年 4 月推出的 Scale Document。Scale Document 不仅为数据贴标签，还与客户合作建立定制模型。这使得客户切换服务商的成本变高，因为需要重新训练模型。

资源垄断：这里所说的资源垄断指的不是垄断数据而是垄断人才，数据的所有权是客户的，即使通过 Scale 来完成打标签过程，也不能把这些数据误认为是 Scale 的资产。但随着数据流过 Scale 平台，这些数据同样训练了 Scale 平台标注算法的模型能力，也沉淀了这个领域的众多人才，人才是这个领域的宝贵资源。

"垄断的不是数据而是人才"这句话，是全书少有的、有洞察力的判断。它戳破了一个常见的误解：以为数据服务商的价值在于囤数据。实际上数据的所有权在客户手里，服务商能留下的是"处理数据的能力"和"干过这件事的人"。这个判断放到今天依然成立，甚至更成立——因为模型能力在贬值，而"知道怎么把脏数据处理干净"的经验没有。

同页还有 Labelbox 与 Burberry 的案例："根据 Labelbox 官网的信息，在和 Burberry 合作的过程中成功为 Burberry 节省了 10 个人力，仅花费 2 个小时就可以处理完成上千张图片。"

这个案例给得比虚拟主播那本账诚实——它说了"节省 10 个人力"和"2 小时处理上千张"，两个数都可核对，而且没急着换算成钱。该给的细节给到位，不该下的结论不乱下，这一段的分寸感是全书的标杆。

但整章的天平还是歪的：上游 14 屏、下游 23 屏、中游 3 屏。上游讲得细，因为上游是"服务业"，好懂、好举例、好算账；下游讲得长，因为下游是"应用"，可以一直举例子；中游 3 屏，因为中游是硬技术，讲清楚要交代架构、算力、训练成本、开源与闭源的路线之争——这些都不好写。

于是这本讲"智能创作时代"的书，把最难写的那一层跳过去了。而那一层恰恰决定了这个时代能走多远。

七、它的短板

按"能不能被验证"排，从硬到软。

第一，风险与监管只有一屏，而且是别人的清单。p0218 到 p0219 这两屏里，我看不到一个中国字：从"建立公众对人工智能的信任"到"鼓励机构间协调"，八条全是美国或国际组织的 AI 治理原则的中文转述，最后一句是"根据上述原则框架，以及 AIGC 领域后续发展中的监管实践，在不远的未来，在美国将会有更多具体的监管条例落地"。

然后这一节就结束了，翻过去是"下一章"。

我要说清楚边界：这本书的写作时点在 2023 年初，中国的《生成式人工智能服务管理暂行办法》是 2023 年 8 月才施行的，书里不可能引用。所以我不批它"没写中国法规"。我批的是结构：241 屏讲一个"时代"，讲它可能带来的风险只给一屏，讲谁在投钱给 18 屏。这个配比说明作者下意识地把"风险"当成免责声明，而不是分析对象。

而风险恰恰是这类书最该写的部分，因为它是唯一不会被三年时间冲掉的部分。技术会迭代，产品会死，公司会倒，但"生成内容的版权归谁""深度伪造怎么举证""训练数据的授权边界在哪"——这些问题只会越来越硬。书里一个都没碰。

第二，六个行业共 21 屏，等于没写。资讯 3 屏、影视 7 屏、电商 4 屏、教育 2 屏、金融 2 屏、医疗 3 屏。教育和金融这两个行业，恰恰是 AIGC 落地最难、争议最大的两个，各给 2 屏。2 屏能写什么？写一个产品名、一句价值主张、一个"未来可期"。

我更愿意相信作者知道这两个行业难写：教育涉及未成年人内容安全，金融涉及合规与可解释性，两个都是"讲不清就别讲"的领域。但把它们放进目录，就等于承诺了要讲。目录里六个行业并列，读者会以为它们分量相当；实际是有的 7 屏、有的 2 屏，而 2 屏那两节，本质上是一句话的展开。

第三，论证方式是"断言 + 示意图"。前面拆过两张图：图 0-3 用无刻度的交叉曲线支撑"2022 年是历史拐点"，图 0-6 用面积差约 11 倍的几何体表示数量差 571 倍的参数规模。两张图都不是数据图，是插图；但它们被放在论证位置上，承担了论据的功能。这是这类"时代"书最常见的毛病：它想让人相信一个方向，而不是让人自己算出这个方向。

第四，"生成"一词被用得太宽。扩散出图、模板填空、检索重组、实时渲染，四件事共用"生成"两个字。结果是读者无法从书里判断一件事的技术含量。看到"AI 生成直播画面"，以为是视频生成模型；看到"AI 生成新闻"，以为是语言模型写作——实际上前者是渲染，后者是模板加数据。这个混淆不会让读者读不懂，只会让读者高估。

第五，时效已经过期，而书里没有提醒。"GPT-4 也预计在不久的将来发布"（p0095）；"在不远的未来，在美国将会有更多具体的监管条例落地"（p0219）；"伴随着 AIGC 技术的发展，AI 虚拟数字人将收获更强的交互能力……这时的虚拟数字人也许就可以在很多场域下代替真人进行工作"（p0135）。三句预测，三种命运：第一句已经发生（GPT-4 在 2023 年 3 月发布），第二句部分发生，第三句至今没有发生。

预测有对有错很正常。不正常的是，一本预测型的书，没有在任何一个地方标注"这是截至 2023 年 2 月的判断"。读者在 2026 年翻开它，看到的是一堆没有时间戳的断言。

最后照例声明：前四条是我逐字核对过的（页码都在文中），第五条关于写作时点的推断，依据是 p0095 那句"GPT-4 预计在不久的将来发布"——这句话把成书时间锁在了 2023 年 3 月之前。除此之外我没有别的依据，所以只说"推断"，不说"确定"。

八、它该给谁读，以及怎么读才不亏

这本书今天还值得读，但不是按它自己希望的方式读。

它值得读的部分，是"史料"。前两章那 80 屏，记录的是 2023 年初一个行业对自身的想象：四模态、Transformer、GPT 三代参数表、Stability 与 Jasper 的融资额与估值、虚拟主播"小美"进了 20 个美妆直播间。这些是时间胶囊。你现在打开任何一篇 2026 年的行业分析，都找不到"2022 年 10 月 17 日 Stability 融资 1.01 亿美元、估值 10 亿"这种颗粒度，因为大家都往前看了。想理解这一轮是怎么起来的，这本书的第一、二、五章仍然是好材料。

它不值得读的部分，是所有"未来"。第六章 26 屏，技术趋势 6 屏、参与主体 18 屏、风险监管 1 屏。趋势那 6 屏今天看基本作废，参与主体那 18 屏讲的公司有一半换了赛道，风险那 1 屏本来就没写。这一章的性价比最低。

我自己的读法是：先读 p0030 那一页，再读 p0160 那一页，然后读附录三"大事记"那 4 屏。三处加起来不到 10 屏，能拿到这本书八成的东西：一个真实的落地案例（地震播报 6 秒 560 字）、一个有洞察的产业判断（垄断人才不是数据）、一条可核对的时间线（大事记）。剩下的 230 屏，是这三处的外围展开。

谁不该读？想学"怎么做"的人。这本书没有一个操作步骤，没有一个提示词，没有一个工具界面。它讲"AI 能生成视频"，不讲"用什么生成、参数怎么设"。它是地图，不是手册；而地图的问题是，它画的是三年前的地形。

最后说一句公道话。这本书的推荐值是 72.2%，1513 人点评（p0241）——这个分数不低，我理解为什么：它写得清楚、结构完整、案例具体，作为一本"了解 AIGC 是什么"的入门书，它合格。它的问题不在写得差，在于它把自己写成了"时代"，而"时代"这个词要求作者对代价有话说。它对代价只有一屏，还是别人的清单。

写"时代"最难的不是描述它跑得多快，而是说清它撞坏了什么。前者只需要观察，后者需要立场。

补一个细节，它比正文更能说明这本书的性格：全书最后 11 屏是"专家推荐"，前面是后记 2 屏。也就是说，这本书用 11 屏告诉读者"它有多重要"，用 1 屏告诉读者"它有什么风险"。推荐语里有前迪士尼研究中心研究员、人工智能博士魏新宇的评价，措辞克制，说的是"非常适合用来了解我们的未来"——注意，是"了解未来"，不是"判断未来"。这句推荐语比书本身更准确。

阅读记录：微信读书《AIGC：智能创作时代》· 241 屏 / 6 章 21 节 / 3 个附录 · 逐页翻阅至 p241「全书完」· 抽样核对 p0006、p0009、p0030、p0052、p0095、p0135、p0160、p0218、p0219、p0241 · 2026-11-06