生成式人工智能：文本生成只给一屏，客户服务给了七屏

2026-11-11silcano

微信读书《生成式人工智能》· 抓取 93 屏 / 25 条目录 / 读到最后一页（reached_end=true、complete=true），用时 224.5 秒
逐字核对 8 屏 · 2026-11-11
抽样点位的选法：这本薄，所以按「结构—内容—短板」三条线抽。结构看目录与屏数（p0006 核书名，p0016 看第二章怎么开场）；内容抽三处——p0017（深度学习前世今生，看它讲不讲得清）、p0025（Diffusion，看它怎么解释原理）、p0059（生产制造，看它拿什么当证据）；短板抽两处——p0081 与 p0084（第五章「优势与瓶颈」，看它敢不敢写风险），再补 p0010（核心价值里的认知论金字塔）与 p0087（工作机会与 GPT-4 考试成绩表）。八屏约占 8.6%。必须说明一件事：全书最该被核对的两屏——p0024「Transformer和ChatGPT模型」与 p0032「生成文字」——抓到的都是 15KB 的空白帧（页面没渲染完），我无法核对它们的文字内容，只能核对它们的篇幅。

先给结论：这本薄书做对了一件事——它敢在最后一章写「AIGC 不可信」；也做错了一件更基本的事——它把一本讲技术的书，写成了行业应用清单。

93 屏，五章。听起来少，但切开来很有意思：前言 2 屏，第一章「初识」13 屏，第二章「底层逻辑」15 屏，第三章「功能分析」49 屏，第五章「主动还是被动」8 屏，后记 2 屏，参考资料 4 屏。

先记住两个数：第三章占了全书 52.7%，第二章只占 16.1%。这两个比例决定了这本书的性质——它更愿意告诉你「能生成什么」，不太愿意告诉你「为什么能生成」。

一、先说它做对的一件事：它没有回避风险

这类讲 AIGC 的入门书，最常见的写法是通篇「赋能」「重塑」「颠覆」，风险留给读者自己去悟。这本不是。

第五章只有 8 屏，其中 6 屏讲「智能并非万能：AIGC 的优势与瓶颈」。p0081 开头就很老实：

「就像一枚硬币总有兩面，我们在看到ChatGPT在人工智能的赛道上高歌猛进时，同样也要意识到AIGC带来的风险和挑战。AIGC发展迅猛，相关法律法规尚未完善，其发展面临诸如数据安全与隐私保护、著作权争议等问题。」

翻到 p0084，它把瓶颈一条一条列了出来，这一段值得完整抄：

「AIGC虽然发展迅速，却一直面临准确度的挑战，经常被人诟病生成的内容准确率不高、可信性不强、文本直接拼凑、没有逻辑性等，时常出现一些令人哭笑不得的错误。除了技术本身的发展限制，引入技术的成本短期内也会大幅增加，算力和维护成本也是要面对的问题……此外，AIGC的发展和应用也可能会造成人员失业问题，取代部分蓝领和白领的工作，由此带来社会大范围的焦虑和恐慌。数据安全与隐私保护、著作权争议等问题也是AIGC进一步发展的瓶颈。」

「准确率不高、可信性不强、文本直接拼凑、没有逻辑性」——四个短句，说的是大模型最真实的毛病。后面接着讲数据来源的侵权风险（著作权、肖像权、名誉权、个人信息），讲 ChatGPT 把对话内容传到服务器、可能被用于训练，讲「数据是新一轮技术革命的石油，它既是最重要的资源，也是最大的隐患」。

这本出版时间应该不早的书，能把「石油」和「隐患」放在同一句里，比很多厚书清醒。这是我在这一本里唯一想给它鼓掌的地方：它没有把风险写在致谢里，而是写在正文里。

但也要说清楚，它写的是「有风险」，不是「风险怎么防」。数据怎么脱敏、著作权怎么界定、企业用 AIGC 该立什么规矩——一条都没有。这是「知道」和「会处理」的差别，也是科普书与实务书的分界线。

第一章那 13 屏里，它也做了一件不讨巧的事：先把「生成式 AI」和「决策式 AI」分开讲清楚。p0010 是这么分的——决策式 AI 擅长对新的场景进行分析、判断和预测，主要用在人脸识别、推荐系统、风控、精准营销、机器人、自动驾驶；生成式 AI 擅长自动生成的全新内容，主流的内容形式它基本都能生成，包括文本、图片、音频和视频。

这个二分法放在 2023 年是对的，放在今天开始有点不够用了（今天的模型既能决策也能生成），但作为入门的第一刀，它切得准。很多同类书一上来就讲「AI 能干什么」，把判别模型和生成模型混在一锅，读者学完分不清人脸识别和文生图的区别。这本书没混。

然后它拐了个弯。同一个 p0010，接下来讲的是「认识论」——人的认识过程是金字塔结构，从数据到信息、到知识、到逻辑、再到形而上的哲学与信仰，认为生成式 AI 和决策式 AI 聚焦的认知层面不同。这个说法不是错的，但它是哲学系的说法，不是工程的说法。一个想搞懂 ChatGPT 的人读到这儿，会得到一个漂亮但没用的框架：知道 AI 在金字塔的哪一层，跟知道它下一句会接什么，是两件事。

这就是这本书的一贯风格：每个地方都摸到了门口，然后选了最省力的那扇门进去。

二、目录从第三章直接跳到第五章，而那一章的插图编号是「图4-9」

翻目录的时候我愣了一下：第一章、第二章、第三章，然后直接是第五章。中间没有第四章。

一开始我以为是目录漏了。后来在 p0059 找到线索：那一屏是第三章「生产制造」里的插图，图注写的是「图 4-9 上汽大众新能源汽车工厂」，图片来源还给了网址。第三章的插图编号是 4 打头，不是 3 打头。再回头看 p0025 的图注「图 2-13 DALL·E 2 模型输出效果示例」——第二章的图是 2 打头，对得上。

所以真相大概是这样：这一章在原始稿子里是第四章，成书时章号改成了第三章，插图的编号没跟着改。改了一半的编号，比不改更麻烦——读者看到「图 4-9」会以为漏了一整章，翻回去找，找不到。

这个细节本身不重要，但它透露了一件事：这本书的编校是松的。一本 93 屏的小书，从头到尾只有 25 个目录条目、二十几张图，居然能让章号和图号错开一位。连「第几章」都没对齐，你很难指望它对齐别的。

三、配比：文本生成 1 屏，客户服务 7 屏

第三章 49 屏，标题叫「功能分析：AIGC 能生成什么内容？」，里面按行业分了十个小节。我把每节的屏数数出来了：

生成文字 1 屏，描绘图像 9 屏，音频制作 4 屏，影视创作 5 屏，互动娱乐 7 屏，研发设计 1 屏，生产制造 7 屏，供应链管理 1 屏，市场营销 6 屏，客户服务 7 屏。

看这串数字的第一眼，我以为自己数错了。因为这本书的主角是 ChatGPT，而 ChatGPT 干的事就是「生成文字」——这一节只有 1 屏。相比之下，「客户服务」7 屏，「互动娱乐」7 屏，「生产制造」7 屏。

我不觉得这是作者偏心图像。我觉得这是素材可得性在决定篇幅：「生成文字」这种能力，你没法用一张图证明它厉害——它生成的字就是字，跟人写的没区别，截图拍下来读者也看不出什么。而图像不一样，一张「牛仔在滑雪、油画风格」的图（p0025 的图 2-13，配文是 cowboy skiing, oil painting）往那一放，冲击力立刻就有了。

所以这本书的篇幅分配，实际上是被「能不能配图」牵着走的。能出图的章节给 7 到 9 屏，出不了图的章节给 1 屏。这不是一本按重要性排序的书，是一本按视觉冲击力排序的书。

更值得说的是那 49 屏的整体形状。十个行业小节，每节的结构几乎一样：先说这个行业原来怎么干，再说 AIGC 来了能怎么干，再举一两个产品名（Khroma、Colormind、DALL·E 2、Stable Diffusion、Midjourney），最后一句展望。读一节像读十节，读十节像读一节。这不是「功能分析」，这是「场景清单」。

清单有清单的用处——它能帮一个完全不懂的人快速知道「哦，原来这玩意儿还能干这个」。但清单也给不了一样东西：判断。十个行业都「能用」，等于没告诉你哪个行业现在真的能用、哪个还得等两年。

「描绘图像」那 9 屏是全章最具体的一节，小标题就写「分辨率、清晰度、真实性与艺术性」——这四个词恰好是评价一张生成图的标准，说明作者在这里是有专业判断的。它讲了 Diffusion 的扩散与逆扩散，讲了 Stability AI 的「一秒出图」，讲了 DALL·E 2 生成的「牛仔在滑雪、油画风格」四张图（p0025 图 2-13），还讲了提示词对结果的影响。

这一段读起来是舒服的，因为它在讲「怎么判断一张图好不好」。而其余九节讲的是「这个东西能用在哪些行业」——前者是手艺，后者是名单。一本书里同时存在这两样东西，说明作者不是不会写，是没时间（或者没打算）在每一节都写到手艺那一层。

四、底层逻辑 15 屏：Diffusion 给 6 屏，Transformer 给 1 屏

第二章叫「AIGC 的底层逻辑」，15 屏，三个小节：生成式模型基础 7 屏，Transformer 和 ChatGPT 模型 1 屏，Diffusion 模型 6 屏。

又是同一个形状：讲图的那节 6 屏，讲语言模型的那节 1 屏。

「生成式模型基础」那 7 屏写得还算认真。p0017 从深度学习讲起，提到 2006 年 Hinton 提出「深度信念网络」，用「预训练 + 微调」的分阶段训练把训练时间大幅压下来，然后说 GPT、ChatGPT、Diffusion 都属于深度学习模型。这个脉络是对的，也解释了为什么 2012 年之后深度学习突然能用了——算力、数据、方法三件事凑齐了。

但它停在「深度学习是什么」这一层，没有继续往下走到「语言模型是怎么做出来的」。从 2006 年的深度信念网络，到 2017 年的 Transformer，中间隔着 RNN、LSTM、注意力、编码器-解码器这一整串演进，这本书一屏都没给。结果是读者知道了「GPT 属于深度学习」，但不知道「GPT 为什么比之前的模型强」——而后者才是「底层逻辑」这四个字该兑现的东西。

但再往下就断了。「Transformer 和 ChatGPT 模型」这一节，篇幅是 1 屏。而这一屏，我抓到的是一张空白帧（15KB，页面没渲染出来），所以它的具体文字我无法核对。我只能说篇幅：一个撑起整个大语言模型时代的架构，在这本书里占 1 屏，占全书 1.1%。

反过来，Diffusion 那 6 屏讲得挺舒展。p0006 用「墨水滴入水杯」的扩散来类比：对图片不断加入噪声，得到一张模糊的图像，这个过程类似墨水扩散；再通过深度神经网络学习「逆扩散」，把图像还原出来。这个类比是对的，也是讲 Diffusion 最省力的入口。p0025 接着上 DALL·E 2 的例子，说它「既是内容创作领域的革命性工具，同时也成为图像生成和处理技术领域的新标杆」。

问题在于：一本叫《生成式人工智能》的书，把「语言模型」压到 1 屏，把「图像模型」给了 6 屏，这个配比和它自己的书名是打架的。2023 年之后，所有人说「生成式 AI」时脑子里想的是 ChatGPT，不是 Midjourney。书里明明也承认这一点——第一章专门用一节讲「里程碑式的存在——ChatGPT」——但到了讲原理的时候，重心又滑回图像去了。

我猜原因还是那个：Diffusion 好画图。加噪、去噪、逆过程，三步就能画成一张示意图；Transformer 的自注意力、多头、位置编码，画出来读者也未必看得懂。于是「不好画」的那部分，就被「不重要」处理了。

五、它引用了数据，但只引用了别人的数据

全书唯一一处带数字的论证，在 p0087。那一节标题是「我们的工作机会还在吗？」，先引李开复 2016 年在 WISE 大会上的预测——未来十年世界上 50% 的工作会被人工智能取代，包括翻译、记者、助理、司机、销售、客服、交易员、会计。然后讲 2023 年 3 月 15 日 GPT-4 发布，给了一张表（表 5-4），对比 GPT-4 与 GPT-3.5 在统一律师考试、LSAT、GRE 写作、GRE 数学、生物奥赛等考试上的百分位，并写「它通过了模拟律师考试，且分数排在应试者的前 10% 左右」。

这张表是全书最硬的一屏，因为它有可比的对象、有具体的分数、有明确的来源。但它也暴露了这本书的方法：它所有的「证据」，都是转述别人的证据。

p0059 讲生产制造，举上汽大众新能源汽车工厂的例子，写「产能翻一番，交付周期从行业平均的 120 天缩短至 35 天」，配一张工厂照片，来源标注是新闻网站。这段话没毛病，但它证明的是「智能制造」的成效，不是「生成式 AI」的成效——一条产线上的工业机器人，跟大模型生成内容，是两件事。书里把「制造业自动化」的战绩，记在了「生成式 AI」的账上。

这类「借账」在这本书里不止一处。研发设计那一节（1 屏）提 Khroma、Colormind 这类配色工具；市场营销那节（6 屏）提文案生成；客户服务那节（7 屏）提智能客服。每一处都对，每一处都不深。你读完会知道「哦这个东西能用在客服」，但你说不出「它比上一代智能客服强在哪」。

六、最后一章 8 屏：它问了最好的问题，给了最弱的答案

整本书我最想记住的是第五章的标题：「主动还是被动？决胜 AIGC」。这个标题问的是「你打算做用它的人，还是被它用的人」——比「AIGC 是什么」狠得多。

但这一章只有 8 屏。6 屏讲优势与瓶颈，1 屏讲「我们的工作机会还在吗」，加起来 7 屏，就把这个最狠的问题收掉了。

p0087 那一屏，它先引了李开复 2016 年在 WISE 大会上的预测：「未来十年，世界上 50% 的工作都会被人工智能取代，包括翻译、记者、助理、司机、销售、客服、交易员、会计等」。然后立刻跳到 2023 年 3 月 15 日 GPT-4 发布，给了一张考试成绩对比表。

问题就在这里。「考试成绩」证明的是「能力」，不是「岗位」。一个模型在模拟律师考试里排进前 10%，不等于律所会因此少雇一个律师——法律行业的大部分工作是找证据、见客户、谈判、写文书、背责任，考试只是其中很小一块。书里把这张表放在「工作机会还在吗」的标题下面，等于用一个能力指标暗示了一个就业结论。

更可惜的是它没做对照。2016 年的「50% 十年内被取代」，到这本书写作时已经过去七年，正好可以拿现实对一对：哪些岗位真的少了，哪些岗位反而多了（提示词工程师、数据标注、AI 产品经理），哪些岗位的形状变了（同样是客服，从接电话变成审机器人的回复）。这本小书有位置做这件事，因为这一节只需要一屏；但它把这一屏用来贴表了。

我把这一节和前面 6 屏连起来读，读出一个模式：这本书擅长提问，不擅长回答。「决胜 AIGC」是好问题，「工作机会还在吗」是好问题，「智能并非万能」也是好问题——三个问题都在最后一章，加起来 8 屏。它用 8 屏把三个大问题摆到台面上，然后用 49 屏的行业清单告诉你「别担心，能干的事很多」。这个顺序是反的：该用 49 屏去回答 8 屏提出的问题，不是反过来。

七、它的短板

四条，按分量排。

第一，配比与书名打架。叫《生成式人工智能》，却把 52.7% 的篇幅给了行业场景清单，把最核心的语言模型压到 1 屏。读者买这本书，八成是想搞懂 ChatGPT 是怎么回事；读完他会知道 AIGC 能画画、能做客服、能编游戏，但他说不清「为什么它下一句能接上上一句」。这不是深浅问题，是重心问题。

第二，全书的「原理」只到比喻为止。「墨水滴入水杯」讲 Diffusion，「金字塔」讲认知（p0010 用数据、信息、知识、逻辑、哲学五层讲人类的认知结构，用来区分生成式与决策式 AI），「大脑与手脚」讲智能体——比喻都很生动，但没有一处往下走到机制。比喻的好处是让人立刻懂，坏处是让人以为懂了。而技术书的任务，恰恰是在「以为懂了」之后再往前推一步。

第三，编校松懈。章号从三跳到五，第三章的插图编号是 4 打头，这种错在 93 屏的书里出现，说明它没有经过认真校对。另外，我对全书抽样时遇到的空白帧有 4 张（p0024、p0032、p0058、p0080），其中 p0024 与 p0032 恰好是全书最该看的两节——这可能是抓取时的渲染问题，也可能原书那两页本来就短，但无论如何，这两节的内容我核不到，只能核篇幅。

第四，没有一个可执行的建议。第五章问「我们的工作机会还在吗」，答案是「会取代部分蓝领和白领的工作」；问「AIGC 有什么瓶颈」，答案是「准确率不高、成本高、有法律风险」。全是判断题，没有一道是选择题。读者合上书，知道自己该紧张，但不知道该干什么。而这恰恰是 2023 年之后所有人最想知道的那件事。

八、如果一定要读，我是这么读的

这本书现在读，价值不在于「学知识」——它讲的东西，2023 年之后的文章都讲得比它新。它的价值在另外两处。

第一处，当「AIGC 编年史」读。它保留了那个时间点的兴奋感：2022 年 4 月 DALL·E 2 发布，2022 年 8 月 Stable Diffusion 开源，2022 年 11 月 ChatGPT 上线，2023 年 3 月 GPT-4 发布。这些节点串起来，就是一条从「图」到「文」的路线。你要理解今天为什么所有公司都在做大模型，得先知道那一年发生了什么。

第二处，当「行业清单」翻。十个行业小节，每节几屏，你要做哪个行业的方案，就翻那一节，看它举了什么产品、说了什么场景。不要指望它给你判断，把清单当起点，判断自己补。

跳过第二章的 Transformer 一节，去别处补。不是因为它写得差（我根本没读到），是因为一屏的篇幅，无论如何装不下注意力机制、多头、位置编码这三件事。补完再回来，你会发现全书都在讲「能做什么」，只有你没读到的那一屏，本该讲「为什么能做到」。

第五章那 6 屏，反而是全书最值得读的。它列的四条瓶颈——准确率、成本、就业、法律——四年过去一条都没消失，只是换了说法。今天你听到的「幻觉」「推理成本」「岗位替代」「训练数据侵权」，说的都是这四件事。一本入门书能提前把四个真问题摆出来，已经算合格。

一句话：它把「生成式 AI 能干什么」列成了一张清单，却没回答「为什么它能干」——而后者，才是这一轮技术真正让人睡不着的地方。