《中国文化和科技融合发展战略研究报告》全文发布

2023年9月21日，在中国文化和科技融合成果展览交易会主论坛正式发布，由中国人民大学创意产业技术研究院研究编制了《中国文化和科技融合发展战略研究报告》。

《报告》尝试在理论上构建“一核三圈”科技支撑中华民族现代文明建设圈层图谱，并进一步聚焦文化和科技领域的年度热点——生成式人工智能，深入分析其发展历程、技术奇点、产业实践和场景应用，展望未来AIGC时代文化和科技融合的八大焦点，即数据可信、模型机会、替代焦虑、版权困境、内容挖掘、价值衍生、文化治理、监管理念，从多角度研判我国文化和科技融合的新热点新动向新趋势。

《中国文化和科技融合发展战略研究报告》

一、中华民族现代文明的科技支撑路线

科技支撑中华民族现代文明建设的“一核三圈”技术路线

文化和科技的深度融合，在推动中华民族的优秀文化基因与新一代数字技术融合创新发展，推动中华民族现代文明建设方面具有凝心聚力作用。

中华优秀传统文化、社会主义先进文化、革命文化作为中华文明的智慧结晶和精华所在，是中华民族的根和魂，构成中华民族现代文明的文化内核。科技作为第一生产力逐步嵌入到文化传承发展、演绎呈现、交流传播等各环节，延伸了文化赓续的长度、探寻了文化呈现的深度、拓展了文化传播的广度，构建起科技支撑中华民族现代文明建设的“一核三圈”技术路线。

科技支撑中华民族现代文明建设的“一核三圈”技术路线

1.科技延伸文化赓续长度

——文化和科技的融合发展推动中华文明赓续传承。其一，科技延展了文化在数字时代的创新发展空间，赋予中华优秀传统文化以新生命和新生趣，推动文化资源转化为数字化形态，实现文化的活态化传承和数字化共享，增强了文化的可持续性，推动中华文明实现“数字永生”。其二，科技助力文明探源溯源，通过科技的力量同历史对话，揭示中华文明起源、形成和发展，为重现中华文明的灿烂成就贡献力量。其三，科技赋能文化活态传承，大数据、云计算、人工智能等新一代信息技术的发展和应用扩展了传统文化的存在形式，文化基因库、数据库、资源库等数据中心能够永久性保存和活态化传承中华文化，促进文化的融合汇聚与紧密关联，推动实现中华文化全景呈现，中华文明数字化成果全民共享。

2.科技探寻文化呈现深度

——科技革新了文化故事叙述与演绎呈现的方式，与新时代下“线上迁移”的文化需求相匹配。一方面，技术革新了文化资源的空间表现形式，突破了传统文化与大众之间的单向互动模式。具体来看，文化资源呈现方式正在从“单一线下”向“在线在场”转变，云展览、数字博物馆、全息幻影成像展示等模式应运而生。另一方面，技术实现了中华文明与大众的双向交互，以沉浸式、互动体验为特点的展现形式革新了过去“单方面、薄内容”的文化呈现姿态。2022年中国沉浸式产业市场规模预计达到520亿元，预计2026年将突破2500亿元，2022-2026年期间复合增速将达到48.1%。沉浸式业态正在成为文化产业的新赛道，虚拟现实技术极大提升了文化的表现力，人工智能技术促进了文化体验的交互发展，涌现出数字文博、数字历史文化街区等更具感知力的文化数字化场景，成为中华文明魅力呈现的新模式。

3.科技拓展文化传播广度

——科技促进了中华文明的交流传播。其一，技术进一步拓展了文化交流边界，新的技术支撑体系下催生出VR、5G、AR、跨媒体平台等数字媒介，实现了数字媒体与传统媒体的有机融合与优势互补，为中华优秀传统文化开辟出远距离、高精度、低成本的传播路径，拓宽了中华文明交流传播的广度和深度，有效促进中华文明的流动与交融。其二，技术进一步丰富文化传播形式，突破了以往图文、音频、视频为主、鲜有互动与交流的中心化传播方式。在数字技术推动下数字人、虚拟主播、虚拟演播室、无实景直播间等体量轻巧、互动性强的传播新形式涌现，衍生出高效、智能的数字媒体工具，全方位、立体化展现中华文明的独特魅力。其三，技术进一步释放了文化传播力，科技创造了每个个体自由接受和参与文化表达的机会，手机等智能终端的普及降低了内容制造和内容传播的门槛，极大地激发了大众的文化表达意愿和创造活力，“全民媒体”的到来加速提升了中华文明的传播效能。

二、2023年的文化科技——突破技术奇点时刻

2022年11月，以ChatGPT为代表的人工智能席卷全球，成为有史以来用户增长最快的应用程序，被称为“人工智能里程碑”。现象级AI应用掀起技术革命浪潮，推动文化和科技融入智能化、数字化、互联互通发展进程，科技创新成为引领文化产业变革的关键变量、实现高质量发展的最大增量。

技术奇点：关键技术即将引爆数字效能

纵观文化科技产业发展历程，关键技术的介入是产业转型升级的关键。在互联网向移动互联的切换时代，数据库、服务器端、网页设计等技术打通了信息传输通道，以门户网站变革了信息交流范式。在互联网向移动互联的切换时代，4G智能终端等技术以短视频等新型媒介带动数字内容产业爆发式呈现，产业规模指数型增长。然而从移动互联到万物互联的转换受制于关键核心技术，概念难以落地，大数据资源统筹存在效能困境，算力限制导致产品难以成形，亟需关键技术引爆产业发展效能。作为新的技术奇点，AIGC有望成为畅通移动互联向万物互联转换的链接点，重构思维模式、生产过程和服务体系，开创新业务机会与商业模式，迎来文化产业的“iPhone时刻”。

突破技术奇点时刻

质变时代：AIGC爆发下的文化科技融合浪潮

AIGC浪潮下，内容产业科技属性日益增强，个性化、碎片化和定制化需求反向驱动科技创新，以内容产业为基础的AIGC模型开始不断波动演进，探索从长链式对话到“文生图频”的发展路径。

第一阶段是深度学习模型的探索阶段。文化的数据化和要素化是AIGC模型的关键，深度自我学习模型为文化数据“整合-解构-再生成”的链条提供了关键技术底座。2014年，以合作的零和博弈框架为基础的GAN模型出现，成为深度学习模型扩散式发展的探索基石。2017年，Transformer架构依托编码器和解码器两大组件，给自然语言处理领域带来颠覆性突破，为内容的解构与再生成奠定了模型基础。

第二阶段是“文生文”基本架构的建构阶段。这一阶段，AIGC自我深度学习算法和模型逐步成熟，生成式AIGC逐渐从理论概念转向实践应用，“文生文”基本架构逐步成形。2018年，谷歌发布BERT模型，社交网络、推荐系统等与文化产业关联紧密的领域进入研究关键期。2019年， GPT-3已能够高质量完成新闻、故事等“文生文”任务；百度推出ERNIE人工智能系统，语言理解和生成能力大幅度提升。自然语言处理与机器图像形成进入发展新阶段，AIGC逐渐向出版业、新闻业等文化核心领域渗透。

第三阶段是“文生图频”跨模块多模态的融合阶段。“文生图”技术日趋成熟，部分AI创作工具已能够实现高效高速的“文本输入-图像生成”转换，以自动化、高精度、可定制化等特征，成为文字与图片模态转换的连接，AIGC进入“文生图频”的多模态发展阶段。作为新兴赛道，“文生音视频”模型局限性仍有待突破，以逻辑简单、内容重组等结构化内容为主，生成规模与生成质量不匹配，难以满足创作需求。

“文生图频”跨模块多模态的融合阶段

百模大战：中外AIGC大模型的差距、态势与结构

ChatGPT的出现掀起生成式人工智能热潮，据IDC数据统计，2026年全球人工智能市场规模将达到820亿美元，国内外AIGC呈现“百模大战”的发展态势，数据量、数据中心等资源禀赋成为AIGC软实力的重要表征。

中国数据量占优，但数据载体差距大。AIGC大模型的复杂解构和迭代更新要求庞大的训练库做底层支撑，据IDC数据显示，中国数据量规模将从2022年的23.88ZB增长至2027年的76.6ZB，年均增速CAGR达26.3%，位列世界第一。数据中心是数据信息化的重要空间载体，是大数据存储与系统运行的关键平台支撑。据Synergy Research数据显示，美国大规模数据中心在全球占比达49%，名列第一，我国以15%位列第二，仍有较大差距。

专利保有量与人才数量不平衡。AI专利是我国突破核心技术痛点的关键，据LexisNexis PatentSight数据统计，截至2021年，在全球AI专利数量TOP10榜单中，我国4家企业上榜，其中，腾讯集团以9614个专利数量名列首位，百度以9514个专利数量位居第二，具有较强的专利创新实力。但据《2022年全球最具影响力人工智能学者——AI2000榜单》显示，我国入选的高影响力AI学者数量仅为232人，高质量人工智能人才数量和专利保有量的不平衡发展态势明显。

模型基础较弱，部分仍以国外模型为基底。国外AIGC模型研究起步早、基础强，Transformer、BERT等已成为众多大模型发展底座；受限于高成本、大算力和强技术等大模型开发刚性需求，我国大模型自主研发规模较小，部分AIGC模型仍以国外研发模型为基础。

“跟跑”大模型领域，深耕小模型垂直赛道。在大模型领域，国外ChatGPT等大模型“领跑”产业化、规模化发展，训练精度、模型准度表现较好。我国大模型尚处于“跟跑”阶段，具备一定后发优势，但仍需突破规模效益临界点，释放更大效能。在专业模型领域，国外聚焦AIGC视觉表现和听觉范式的革新，Stable Diffusion等在AIGC图像生成领域具有较强代表性；我国模型多点发力，强调广范围多布局，深耕游戏、影视、文旅等赛道，积极探索AIGC+产业转型的新赛道。

中外AIGC大模型的对比

场景应用：数智融合的多环节渗透

在AIGC深度学习和算力算法实现突破性发展的前提下，AIGC内容创作范式和服务模式实现自我迭代，逐渐深度赋能并渗透至文化内容自生产至审核的创作链条，衍生出内容创作、文化安全等五大场景。

AIGC赋能通用型文化资产的创作生成。在自然语言处理技术和分析算法支持下，AIGC数据能够实现标签化、元素化转换，具有一定复用性、延伸性和场景适应性，服务于游戏NPC对话、文章大纲等多模态结构化场景。

AIGC赋能专业型文化资产的辅助生产。专业垂直赛道的生产内容具有个性化、定制化和碎片化等特点，AIGC能够提供强专业性的内容素材，辅助高创意度、高精准度的人工内容创作行为，提高人类生产者创作效率。

AIGC赋能文旅消费决策与个性服务。大规模数据量和强计算能力将为AIGC智能文旅决策能力提供保障，通过分析文旅消费历史记录、文旅目的地行为偏好等数据，模型能够自动分析文旅个性化和碎片化喜好，提升“千人千面”的定制化行为参考决策准度，赋能景区自助客服、场景智能导览和文创智能营销等场景。

AIGC赋能内容安全与辅助审核。数字内容的井喷式发展为内容检查、审核和筛选带来较大压力，通过针对性预训练，AIGC能够对文字、图片和视频等进行辅助审核，以人机协同实现内容审核环节的降本增效。

AIGC赋能内容信息的结构化和知识化。在人工智能分析算法和自然语言模型的支持下，AIGC通过文化内容的“解构-分类-重构”环节，拆解内容元素，实现文化内容的结构化、知识化和体系化，服务文化遗产知识图谱等场景。

场景应用：数智融合的多环节渗透

核心问题：AIGC前端规范和环节高墙

AIGC的快速发展为数字文化产业带来内容范式和商业模式的巨大变革，但现有法律法规监管框架和模型训练技术的不完善等因素为AIGC合规和迭代带来巨大挑战。

前端训练不规范导致模型“上梁不正”。一方面，数据不规范，可信度低。语料库是AIGC模型训练的关键基础，但我国高质量中文语料库数据规模小、获取难度高，“数据孤岛”问题严重，亟需高质量通用单语语料库支持模型训练；互联网内容数据规模大、获取难度低，能够提供数据规模保障，但质量难以控制。另一方面，模型训练频次低，迭代弱。受模型复杂度、算力基础等因素影响，模型训练频次难以达到理想化水平，低频次难以满足高精准度训练需求；大模型预训练水平不稳定，易出现训练中断等问题，语言理解功能参差不齐，数据交互训练效果受影响。

AIGC重点环节“筑高墙”。一方面，存储困境造成内存瓶颈。当前，AIGC内存难以为复杂模型的规模数据提供有力支撑，存储效率低，预处理百TB数据耗时约10天；存储速度慢，有限数据内存无法保障文件加载速度，难以满足模型训练需求。另一方面，AI芯片筑起技术壁垒。AI芯片是AIGC模型运算的重要保障，是模型训练效率的技术支撑。目前，AI通用芯片生产技术要求高，批量生产存在滞后性，技术壁垒短期内仍难以打破。

模型后端变现乏力难以链接实体经济。在场景应用方面， AIGC依托交互性和动态性的特征，向电商、出版、艺术等领域深度渗透。但受需求对接不畅通、供给质量难保证等因素影响，AIGC应用表现与场景需求难以完美匹配；在收费模式方面，我国AIGC应用仍停留在免费引流和低价进驻的“价格战”阶段，对客户回流模式探索较少，难以在短时间实现“大流量”向“高价值”的转换，向实体经济链接路径尚不明确。

核心问题：AIGC前端规范和环节高墙

三、AIGC时代文化科技融合的八大焦点

基于上文对AIGC发展历程、场景应用和核心问题等的分析，本《报告》预测并提出AIGC时代文化和科技融合的八大焦点，探索生成式人工智能AIGC在数字内容创作生态中的关键环节和现状趋势。

焦点一：数据可信——AIGC上中下游的数据规范是首要问题

1.不可信与不规范或成AIGC两大绊脚石

目前，AIGC领域已基本形成“采集-存储-运算-再解构-再组合”的数据内容生产链，但部分环节尚不完善，行业监管存在“灰色地带”。

语料库规模少且质量低，训练数据面临“可信”挑战。作为非数据化结构的关键载体，语料库在模型训练过程中担负重要作用，总的来看，我国语料库面临以下三大“可信”挑战。一是语料库内容少，据数据显示，截至2023年4月末，我国移动互联网用户数达14.85亿户，但互联网中文内容仅占全球互联网内容数量的1.5%，可用训练数据少；二是语料库获取难，部分商业、科研、金融等高质量语料库仍存在“数据壁垒”，难以公开访问；三是语料库颗粒粗，受语料标注方法、效率、成本等影响，部分语料库语义标注颗粒度较大，难以从“标注-检索-挖掘-分析-训练”的链条中提取有效信息。

模型训练不当带来“AI幻觉”，引发可信度危机。大语言模型的日趋复杂和数据量的大规模涌入导致“AI幻觉”，即AIGC生成内容与训练数据、客观事实不一致的自信反应。一方面是模型数据量不足、数据格式不完整、数据标签有偏见等因素加速了“AI幻觉”的出现；另一方面是模型架构拟合度低，模型训练水平难以满足复杂模型的训练需求，导致高层次、多参数模型更容易产出错误信息。

数据可信——AIGC上中下游的数据规范是首要问题

2.AIGC上中下游规范可信的三大关键

在AIGC的跨专业、跨地域、跨模态的系统复杂性前提下，应多点聚焦从数据整合到模型开发、从工具平台到内容创作、从行业服务到市场流通的内容生产全产业链，以包容审慎的监管政策保障数据规范、产业合规和产品可信。

上游：分行业、分类别、分源头守护前端数据规范。数据供给方是AIGC内容真实可信、透明规范的关键负责人，应加强对AIGC模型预训练数据的合规性审核管理，一是分行业明确数据安全性门槛，避免对数据内容管理“一刀切”；二是分类别搭建数据安全分级框架，保证数据来源合法、使用规范；三是分源头提升语料标注颗粒精细度，保障数据信息提取的准确度。

中游：鼓励生成保护，以“技术赋能”打破虚假内容困境。从模型训练、内容生产等方向保障AIGC内容创作输出，一是加大模型训练和拟合度等方向的针对性技术研发力度，以“大科研”保障内容真实度，打破虚假内容生成困境；二是鼓励AIGC创作内容运用差分隐私等技术增强对个人隐私、商业机密等内容的保护能力，加强数据保护力度，提升内容可信度。

下游：完善风险分级制度，包容管理与严格监管并存。在AIGC内容规模化和产业化发展背景下，为进一步完善数字内容产业生态，建议针对AIGC生成内容采取包容审慎的三级风险管理制度。针对低风险内容，由模型自动判断并告知使用者风险，强调自主性；针对高风险内容，采取人工审核和专家合规评定双重保险，追求客观性；针对不可接受内容，在政府监管框架下，对该内容进行全模型、全场景下架，明确边界性。

数据可信——AIGC上中下游的数据规范是首要问题

焦点二：模型机会——大模型马太效应，专业小模型或有更大可能

AIGC领域的大模型普遍指基于庞大的参数规模和高复杂程度的机器学习模型，具有规模大、分析力强、准确率高等特征，但在高成本和高技术门槛等限制下，中小企业难以加入该领域，共享技术红利。因此，大模型底层逻辑应与小模型专业逻辑并行，助力场景多元的专业小模型成为AIGC市场化发力重点。

1.大模型是发展基石与底座，但门槛过高主导者仅占少数

当前，生成式人工智能正在深度赋能文化产业数字化发展，以庞大的公共数据为基础的通用大模型已成为文化和科技发展的底座，但大模型突出的高训练门槛、高成本壁垒等特征，注定了只有极少数市场主体能够集中资源、发挥规模优势，主导研发“练大模型”。中小企业应尽量避免分散训练资源“大练模型”，减少行业泡沫和资源浪费。

一是训练成本高昂，数据、设备、人才等成本的叠加导致AIGC训练成本高昂，据OneFlow估算，部分大规模LLM模型单次训练成本最高可达1200万美元；二是芯片需求规模大，AI芯片是模型训练的重要执行单元，AIGC市场规模的提升推动GPU需求快速增长，据统计，日咨询量约为2.5亿次的AIGC站点，日芯片需求量为30382片，中小型企业难以负担庞大的芯片规模；三是初始算力要求高，越来越复杂的AIGC模型所需要的计算复杂度呈指数型上涨，千万级用户咨询量需要匹配3798台高级服务器，成本约为7.59亿美元，短时间内匹配高额算力为企业带来较大的训练压力。

2.聚焦小模型专业逻辑，突破资源限制寻求更多机会

当前，大模型入场的高门槛态势短期内仍无法改变，但大模型的技术溢出效益同样能够给中小型企业带来发展机会，以迁移学习和资源共享等方式，助力专业小模型持续深入推进场景拓展化发展，二者融合将有效释放AIGC商业场景的长尾效应，带动中小型企业入场共享发展红利。

一方面，以“迁移学习”强化产业落地。在“小模型+迁移学习”范式中，通过微调大模型训练数据，小模型能够以大模型知识底座为基础，以低成本形成新认知、拓展新场景，加速AIGC应用落地。

另一方面，以“轻量资源”激活生产能量。专业模型是基于通用模型的再调试与再训练，借力大模型已有平台，专业小模型能够与大模型形成“共生效应”，为中小型企业提供轻量化解决方案，实现小模型的专业路径突破，直接对接并满足市场端需求。

模型机会——大模型马太效应，专业小模型或有更大可能

焦点三：替代焦虑——人工智能短期内仍是人类智能的互补品

随着人工智能的蓬勃发展，AIGC在内容创作领域是否会替代人类的问题引起了广泛的关注，如何看待AIGC和人类的关系，成为一个重要议题。

人机的创作路径差异较大。AIGC的创作路径，主要通过算法对现有素材进行重组，形成最终作品，这种创作是在固有边界内实现内容繁荣；人类的创作路径，则是基于对世界的思想感知，通过各种形式来进行自由表达，形成最终的作品，这种创作为探索未知边界、创新内容范式提供了更多可能性。

替代焦虑——人工智能短期内仍是人类智能的互补品

创作路径的差异导致了人机效能的不同。基于创作路径的不同，可以看出人工智能和人类智能在效能上各具优势。一方面，AIGC的最大优势是能够以复杂计算高效处理结构化任务，适合通用型文化资产的生成，特点是效率很高、边界固定；另一方面，人类的最大优势是拥有感知、学习、理解、交流的能力，能够处理各类复杂任务，适合对通用型文化资产进行审核和再修正、以及专业型文化资产的生成，特点是效率较低、边界无限。

正是人机在创作效能上的不同，使得短期内人工智能无法替代人类，二者只有进行互补性合作，突破效率瓶颈和内容边界，才能发挥比较优势，实现最大效用。

替代焦虑——人工智能短期内仍是人类智能的互补品

焦点四：版权困境——AIGC版权认定的三层逻辑验证

AIGC自面世以来，其版权问题便引起了社会各界的热烈讨论。关于AI生成作品的版权归属，主要有三种观点：一是肯定性观点，认为人工智能生成作品只要满足独创性要求，就具备可版权性，例如DABUS在南非获得了专利授权；二是有条件的肯定，即内容创作中，由人类投入智力活动，再借助人工智能辅助完成，这种情况可以受到版权保护，例如美国《Zarya of the Dawn》案缩小版权注册范围，仅涵盖作者在写作本书时所形成的“作者创作的文字和对人工智能生成的作品的选择、协调和安排”，而那些由Midjourney自动生成的图像则不予保护；三是否定性观点，认为只有人的创作成果才能作为作品受版权保护，人工智能生成内容不受版权保护，例如美国“A Recent Entrance to Paradise”案认定其作品不构成版权作品。由此可以看出，AI生成作品的版权归属，理论上尚无定论，实践中判决各异。

版权困境——AIGC版权认定的三层逻辑验证

本《报告》认为，在有条件的肯定基础上，AIGC有获得版权的可能性，这需要满足以下三重条件：一是人类给机器的指令是否构成封闭性，即输入指令要保证原创和封闭，而不是采用已有的指令集；二是对机器生成的内容是否做修正，即输入指令之后，生成的内容是否作进一步调整和修正；三是人类拥有最终成果的创造性控制，即人类对作品的生成方式、解释方式等有最终控制。

版权困境——AIGC版权认定的三层逻辑验证

焦点五：内容挖掘——AIGC实现从“伪智慧”到“真智能”的跃迁

AIGC作为人工智能算法的一次重大突破，能从自然语言处理、多模态交互、数字孪生等多个业务层面广泛赋能内容领域，实现从“伪智慧”到“真智能”的跃迁。

“伪智慧”和“真智能”的区别主要如下：在内容挖掘方面，前者是静态的，后者是动态生成的；在内容展示方面，前者主要是线性展示，后者实现了深度交互展示；在内容需求方面，前者主要满足单一需求，后者满足了多元体验需求；在内容服务方面，前者是标准化服务，后者实现了定制化服务。

内容挖掘——AIGC实现从“伪智慧”到“真智能”的跃迁

AIGC助力了内容领域各个重要环节的智能化。在内容挖掘上，AIGC能通过大规模语料库的学习和分析，发现隐藏的文化现象和规律；在内容管理上，AIGC通过自动化和智能化技术，实现对内容的智慧管理；在内容展示上，AIGC通过多模态交互技术，实现文字、图片、视频等多种形态的内容展示；在内容交互上，AIGC大模型能根据用户需求自动筛选大量信息并生成针对性内容，进行实时的深度交互；在内容服务上，AIGC可以通过对用户历史行为和偏好的分析，自动推荐与用户兴趣相关的内容，实现个性化服务。

内容挖掘——AIGC实现从“伪智慧”到“真智能”的跃迁

焦点六：价值衍生——AIGC推动服务价值向情绪价值转变

AIGC在文化服务领域的应用，推动从服务价值向情绪价值进行转变。总体而言，传统文化服务是功能价值导向，以服务功能为主体；AIGC智能服务则融入了个性化、定制化服务，在功能价值之外提供了情绪价值。

传统文化服务以功能价值为导向。在服务受理方面，传统文化服务以单一渠道为主，且各渠道相对封闭；在服务效率方面，传统文化服务主要是在工作时间响应，效率不确定；在服务流程方面，传统文化服务一般有着比较固定的流程，特点是标准化、线性化；在服务价值方面，传统文化服务主要提供功能价值。

AIGC智能服务以情绪价值为导向。在服务受理方面， AIGC智能服务通过多元渠道接入，各渠道能互通；在服务效率方面，AIGC智能服务可实现无差别全天候响应，效率很高；在服务流程方面， AIGC智能服务的流程根据需求实时定制，特点是个性化、多样化；在服务价值方面，AIGC智能服务在功能价值之外，更重要的是提供了交互性情绪价值。

基于以上分析，AIGC以较低成本高效提供千人千面的个性化服务，更贴合客户情感共鸣点，形成有效的情绪价值。

价值衍生——AIGC推动服务价值向情绪价值转变

当前，一些虚拟博主、虚拟主播已拥有一定的情感对话能力和多模态交互能力，能够提供部分定制化、个性化情绪价值，进行沉浸式陪伴。未来，随着技术不断进步、算力成本降低、应用场景拓展，拥有更强情感交互功能、更好沉浸式陪伴能力的AIGC智能服务，将有更广阔的发展空间。

价值衍生——AIGC推动服务价值向情绪价值转变

焦点七：文化治理——AIGC带来内容安全新挑战

随着ChatGPT的横空出世，国内众多互联网企业的大语言模型陆续上线，文化治理也面临着内容安全新挑战。第一，AIGC可在短时间内生成大量引导性内容，使得舆论博弈竞争压力增大；第二，AIGC的多模态交互使得违规内容形态类型复杂多样，导致不良信息审核起来识别困难；第三，AIGC对于复合型专业知识的再生产形成了高专业性壁垒，导致内容真伪判断门槛提高。基于这些因素，AIGC的内容治理需要关注数据反向溯源、模型算法审查、机器过滤审核等关键技术环节。

文化治理——AIGC带来内容安全新挑战

焦点八：监管理念——考虑创新发展与风险规避的适度平衡

AIGC模型不受约束地自由发展，会不可避免地带来数据安全、内容安全、伦理冲击等各种风险。但是，如果对AIGC进行全面严格监管，又会制约其模型成长、技术创新和通用潜能。因此，对AIGC的监管需要考虑创新发展与风险规避的适度平衡。

目前，AIGC大模型带来的巨大变革对传统监管提出了挑战。首先，其应用范围由细分领域向通用场景拓展，导致监管对象更为分散；其次，技术发展的不可控性使得风险不确定性变大，导致事前监管难以预判风险；最后，技术迭代周期越来越短，导致监管时效问题突出。

监管理念——考虑创新发展与风险规避的适度平衡

基于对以上情况的考虑，AIGC需要包容审慎的监管理念，我国相关部门也在这方面进行了实践探索。在社会各界的关注下，全球首部AIGC领域的监管法规落地——《生成式人工智能服务管理暂行办法》于2023年8月15日起施行。《暂行办法》规定：国家坚持发展和安全并重、促进创新和依法治理相结合的原则，采取有效措施鼓励生成式人工智能创新发展，对生成式人工智能服务实行包容审慎和分类分级监管。这部法规的出台为AIGC的监管确立了基本原则，但是随着技术的进步，AIGC监管法规的完善和落实还需要进一步探索。

文化与科技，犹如文明两翼，是建设中华民族现代文明的关键力量。科技对文化的深度赋能始终是实现中华优秀传统文化实现创造性转化、创新性发展的关键环节，是处理好传统文化与时代基因、历史意义和现代价值的重要路径。未来，课题组将继续关注文化科技领域的新热点新动向新趋势，为文化科技深度融合、科技创新赋能文化产业高质量发展提供智力支持。