AIGC——利用人工智能技術(shù)來生成內(nèi)容，它被認(rèn)為是繼PGC、UGC之后的新型內(nèi)容創(chuàng)作方式。2022年AIGC發(fā)展速度驚人，迭代速度更是呈現(xiàn)指數(shù)級(jí)爆發(fā)，這其中深度學(xué)習(xí)模型不斷完善、開源模式的推動(dòng)、大模型探索商業(yè)化的可能，成為AIGC發(fā)展的“加速度”。騰訊將持續(xù)關(guān)注AIGC賽道，從技術(shù)突破、商業(yè)模式、頭部公司等方向，推出“AIGC未來指北”系列內(nèi)容，本文為系列第一篇。

以下為正文：

2022年8月，在美國科羅拉多州舉辦的新興數(shù)字藝術(shù)家競(jìng)賽中，參賽者提交AIGC（AI-Generated Content，以下簡(jiǎn)稱“AIGC“）繪畫作品《太空歌劇院》，參賽者沒有繪畫基礎(chǔ)但是卻獲得了此次比賽“數(shù)字藝術(shù)/數(shù)字修飾照片”類別一等獎(jiǎng)，引發(fā)多方爭(zhēng)議：一方面，批判者認(rèn)為AI在“學(xué)習(xí)”了大量前人的作品之后，其創(chuàng)作沒有任何情緒和靈魂，難以和人類的藝術(shù)創(chuàng)作相提并論。另一方面，支持者認(rèn)為創(chuàng)作者在一遍遍修改文本內(nèi)容后，才讓AI創(chuàng)作出滿意的作畫，而且作品有很強(qiáng)的觀賞性，AI的創(chuàng)作有其獨(dú)特價(jià)值。

(資料圖片僅供參考)

AIGC構(gòu)建發(fā)展“加速度”

AIGC是利用人工智能技術(shù)來生成內(nèi)容。2021年之前，AIGC生成的主要還是文字，而新一代模型可以處理的格式內(nèi)容包括：文字、語音、代碼、圖像、視頻、機(jī)器人動(dòng)作等等。AIGC被認(rèn)為是繼專業(yè)生產(chǎn)內(nèi)容（PGC，professional-generated content）、用戶生產(chǎn)內(nèi)容（UGC，User-generated content）之后的新型內(nèi)容創(chuàng)作方式，可以在創(chuàng)意、表現(xiàn)力、迭代、傳播、個(gè)性化等方面，充分發(fā)揮技術(shù)優(yōu)勢(shì)。2022年AIGC發(fā)展速度驚人，年初還處于技藝生疏階段，幾個(gè)月之后就達(dá)到專業(yè)級(jí)別，足以以假亂真。這讓花費(fèi)畢生所學(xué)進(jìn)行創(chuàng)作的從業(yè)人員倍感焦慮和緊張。同時(shí)，AIGC的迭代速度呈現(xiàn)指數(shù)級(jí)爆發(fā)，這其中深度學(xué)習(xí)模型不斷完善、開源模式的推動(dòng)、大模型探索商業(yè)化的可能，成為AIGC發(fā)展的“加速度”。

（一）深度學(xué)習(xí)模型是AIGC加速普及的基礎(chǔ)

視覺信息一直在網(wǎng)絡(luò)中有較強(qiáng)的傳播力且容易被大眾感知，具有跨平臺(tái)、跨領(lǐng)域、跨人群的優(yōu)勢(shì)，天然容易被人記憶和理解。同時(shí)視覺信息應(yīng)用場(chǎng)景廣泛，因此生成高質(zhì)量的圖像成為當(dāng)前AI領(lǐng)域的一個(gè)現(xiàn)象級(jí)功能。

2021年，OpenAI團(tuán)隊(duì)將跨模態(tài)深度學(xué)習(xí)模型CLIP（Contrastive Language-Image Pre-Training，以下簡(jiǎn)稱“CLIP”）進(jìn)行開源。CLIP模型能夠?qū)⑽淖趾蛨D像進(jìn)行關(guān)聯(lián)，比如將文字“狗”和狗的圖像進(jìn)行關(guān)聯(lián)，并且關(guān)聯(lián)的特征非常豐富。因此，CLIP模型具備兩個(gè)優(yōu)勢(shì)：一方面同時(shí)進(jìn)行自然語言理解和計(jì)算機(jī)視覺分析，實(shí)現(xiàn)圖像和文本匹配。另一方面為了有足夠多標(biāo)記好的“文本-圖像”進(jìn)行訓(xùn)練，CLIP模型廣泛利用互聯(lián)網(wǎng)上的圖片，這些圖片一般都帶有各種文本描述，成為CLIP天然的訓(xùn)練樣本。據(jù)統(tǒng)計(jì)，CLIP模型搜集了網(wǎng)絡(luò)上超過40億個(gè)“文本-圖像”訓(xùn)練數(shù)據(jù)，這為后續(xù)AIGC尤其是輸入文本生成圖像/視頻應(yīng)用的落地奠定了基礎(chǔ)。

“對(duì)抗生成網(wǎng)絡(luò)”GAN（Generative Adverserial Network, 以下簡(jiǎn)稱“GAN”)雖然也是很多AIGC的基礎(chǔ)框架，但是GAN有三個(gè)不足：一是對(duì)輸出結(jié)果的控制力較弱，容易產(chǎn)生隨機(jī)圖像；二是生成的圖像分別率較低；三是由于GAN需要用判別器來判斷生產(chǎn)的圖像是否與其他圖像屬于同一類別，這就導(dǎo)致生成的圖像是對(duì)現(xiàn)有作品的模仿，而非創(chuàng)新。因此依托GAN模型難以創(chuàng)作出新圖像，也不能通過文字提示生成新圖像。

隨后出現(xiàn)的Diffusion擴(kuò)散化模型，則真正讓文本生成圖像的AIGC應(yīng)用為大眾所熟知，也是2022年下半年Stable Diffusion應(yīng)用的重要推手。Diffusion模型有兩個(gè)特點(diǎn)：一方面，給圖像增加高斯噪聲，通過破壞訓(xùn)練數(shù)據(jù)來學(xué)習(xí)，然后找出如何逆轉(zhuǎn)這種噪聲過程以恢復(fù)原始圖像。經(jīng)過訓(xùn)練，該模型可以從隨機(jī)輸入中合成新的數(shù)據(jù)。另一方面，Stable Diffusion把模型的計(jì)算空間從像素空間經(jīng)過數(shù)學(xué)變換,降維到一個(gè)可能性空間(Latent Space)的低維空間里，這一轉(zhuǎn)化大幅降低了計(jì)算量和計(jì)算時(shí)間，使得模型訓(xùn)練效率大大提高。這算法模式的創(chuàng)新直接推動(dòng)了AIGC技術(shù)的突破性進(jìn)展。

總的來看，AIGC在2022年實(shí)現(xiàn)破圈，主要是在深度學(xué)習(xí)模型方面有了長(zhǎng)足進(jìn)步：首先CLIP模型基于海量互聯(lián)網(wǎng)圖片進(jìn)行訓(xùn)練，推動(dòng)AI繪畫模型進(jìn)行組合創(chuàng)新；其次Diffusion擴(kuò)散化模型實(shí)現(xiàn)算法創(chuàng)新；最后使用潛空間降維的方法來降低Diffusion模型在內(nèi)存和時(shí)間消耗較大的問題。因此，AIGC繪畫之所以能夠幫助大眾畫出各種天馬行空的畫作，背后離不開大量深度學(xué)習(xí)模型的不斷完善。

（二） “開源模式”成為AIGC發(fā)展催化劑

在算法模型方面，AIGC的發(fā)展離不開開源模式的推動(dòng)。以深度學(xué)習(xí)模型CLIP為例，開源模式加速CLIP模型的廣泛應(yīng)用，使之成為當(dāng)前最為先進(jìn)的圖像分類人工智能，并讓更多機(jī)器學(xué)習(xí)從業(yè)人員將CLIP模型嫁接到其他AI應(yīng)用。同時(shí)，當(dāng)前AIGC繪畫最熱門的應(yīng)用Stable Diffusion已經(jīng)正式開源（包括模型權(quán)重和代碼），這意味著任何用戶都可以以此建立針對(duì)特定文本到圖像的創(chuàng)作任務(wù)應(yīng)。Stable Diffusion的開源直接引發(fā)2022年下半年AIGC引發(fā)廣泛關(guān)注，短短幾個(gè)月時(shí)間內(nèi)出現(xiàn)大量二次開發(fā)，從模型優(yōu)化到應(yīng)用拓展，大幅降低用戶使用AIGC進(jìn)行創(chuàng)作的門檻，提升創(chuàng)作效率，并長(zhǎng)期長(zhǎng)期霸占GitHub熱榜第一名。

在訓(xùn)練數(shù)據(jù)集方面，機(jī)器學(xué)習(xí)離不開大量數(shù)據(jù)學(xué)習(xí)，LAION作為全球非盈利機(jī)器學(xué)習(xí)研究機(jī)構(gòu)，在2022年3月開放了當(dāng)前規(guī)模最大的開源跨模態(tài)數(shù)據(jù)庫LAION-5B，使得近60億個(gè)“文本-圖像”對(duì)可以用來訓(xùn)練，從而進(jìn)一步加快AI圖像生成模型的成熟，幫助研究人員加快推動(dòng)從文字到圖像的生成模型。正是CLIP和LAION的開源模式構(gòu)建起當(dāng)前AI圖像生成應(yīng)用的核心。未來，隨著模型穩(wěn)定，開源將成為AIGC成熟的催化劑，源模式有望讓相關(guān)模型成為海量應(yīng)用、網(wǎng)絡(luò)和服務(wù)的基礎(chǔ)，應(yīng)用層面的創(chuàng)造力有望迎來拐點(diǎn)。

AIGC為創(chuàng)作領(lǐng)域帶來的效率與模式的創(chuàng)新

（一） AIGC工具屬性有助于效率提升

在捕捉靈感方面，AIGC可以幫助有經(jīng)驗(yàn)的創(chuàng)作者捕捉靈感，創(chuàng)新互動(dòng)形式。例如在游戲行業(yè)，制作人靈感往往難以準(zhǔn)確表達(dá)，與美術(shù)工作人員經(jīng)常由于溝通產(chǎn)生理解誤差。通過AIGC系統(tǒng)可以在設(shè)計(jì)初期，生成大量草圖，在此基礎(chǔ)上制作人與美術(shù)人員可以更好的理解并確認(rèn)彼此的需求。同時(shí)，創(chuàng)作靈感難以琢磨，可以提前通過AIGC來尋找“感覺”，進(jìn)一步降低美術(shù)創(chuàng)作者大量前期工作和項(xiàng)目成本。例如，制作人先構(gòu)建完整的背景故事后，由AIGC生成系列畫作，之后再由專業(yè)的美術(shù)人員進(jìn)行篩選、處理、整合，并將整個(gè)故事和畫面進(jìn)一步完善提升。

在提升效率方面，AIGC的出現(xiàn)將會(huì)讓創(chuàng)作者擁有一個(gè)更加高效的智能創(chuàng)作工具，在內(nèi)容創(chuàng)作環(huán)節(jié)進(jìn)行優(yōu)化，而非成為競(jìng)爭(zhēng)對(duì)手。例如在極短的項(xiàng)目籌備時(shí)間內(nèi)，AIGC可以大幅提升效率，驗(yàn)證了AI投入到工業(yè)化使用的可行性。尤其是對(duì)于藝術(shù)、影視、廣告、游戲、編程等創(chuàng)意行業(yè)的從業(yè)者來說，可以輔助從業(yè)者進(jìn)行日常工作，并有望創(chuàng)造出更多驚艷的作品。同時(shí)，還可以進(jìn)一步降低成本和效率，為規(guī)?；a(chǎn)構(gòu)建市場(chǎng)增量。

（二） AIGC構(gòu)建創(chuàng)意與實(shí)現(xiàn)的分離

在創(chuàng)意構(gòu)思方面，AIGC構(gòu)建了新的創(chuàng)意完善通路，傳統(tǒng)的創(chuàng)作過程中消化、理解以及重復(fù)性工作將有望交由AIGC來完成，最終創(chuàng)意過程將變?yōu)椤皠?chuàng)意-AI-創(chuàng)意”的模式。

在創(chuàng)意實(shí)現(xiàn)方面，創(chuàng)作者和AIGC的關(guān)系類似于攝影師和照相機(jī)。攝影師構(gòu)建拍攝思路并進(jìn)行規(guī)劃，對(duì)相機(jī)進(jìn)行參數(shù)配置，但是不用了解相機(jī)的工作機(jī)制，一鍵生成高質(zhì)量的內(nèi)容。同樣的，創(chuàng)作者構(gòu)思并進(jìn)行規(guī)劃，對(duì)AI模型進(jìn)行參數(shù)配置，不需要了解模型的原理，直接點(diǎn)擊輸出內(nèi)容即可。創(chuàng)意和實(shí)現(xiàn)呈現(xiàn)出分離狀態(tài)，實(shí)現(xiàn)過程變?yōu)橐环N可重復(fù)勞動(dòng)，可以由AIGC來完成，并逐步將成本推向趨近于0。

（三） AIGC給創(chuàng)作者獲得更多收益帶來思路創(chuàng)新

創(chuàng)作者的成果是AIGC學(xué)習(xí)的對(duì)象，但創(chuàng)作者的創(chuàng)意才是關(guān)鍵，創(chuàng)意本身比AIGC生成的繪畫更有價(jià)值，因此如何將創(chuàng)作者的“創(chuàng)意”進(jìn)行量化，甚至定價(jià)，將有助于打造AIGC的商業(yè)模式。這其中“注意力機(jī)制”將成為AIGC潛在的量化載體。例如國內(nèi)有機(jī)構(gòu)專家提出，可以通過計(jì)算輸入文本中關(guān)鍵詞影響的繪畫面積和強(qiáng)度，我們就可以量化各個(gè)關(guān)鍵詞的貢獻(xiàn)度。之后根據(jù)一次生成費(fèi)用與藝術(shù)家貢獻(xiàn)比例，就可以得到創(chuàng)作者生成的價(jià)值。最后在與平臺(tái)按比例分成，就是創(chuàng)作者理論上因貢獻(xiàn)創(chuàng)意產(chǎn)生的收益。

例如某AIGC平臺(tái)一周內(nèi)生成數(shù)十萬張作品，涉及這位創(chuàng)作者關(guān)鍵詞的作品有30000張，平均每張貢獻(xiàn)度為0.3，每張AIGC繪畫成本為0.5元，平臺(tái)分成30%，那么這位創(chuàng)作者本周在該平臺(tái)的收益為：30000*0.3*0.5*（1-30%）=3150元的收益，未來參與建立AI數(shù)據(jù)集將有望成為藝術(shù)家的新增收益。

（四） 從“大模型”到“大應(yīng)用”，探索可行商業(yè)模式

基于深度學(xué)習(xí)算法數(shù)據(jù)越多，模型魯棒性越強(qiáng)的特點(diǎn)，當(dāng)前的大模型規(guī)模只增不減，比拼規(guī)模已經(jīng)成為標(biāo)配。例如，Open AI推出的GPT-3參數(shù)已經(jīng)超過1750億個(gè)。但“數(shù)據(jù)投喂”并非一種技術(shù)路徑上的創(chuàng)新，更多的是在工程領(lǐng)域的微調(diào)。需要指出的是，模型規(guī)模越大，其實(shí)越難以在現(xiàn)實(shí)場(chǎng)景中落地部署。同時(shí)“海量數(shù)據(jù)”并不等同于“海量高質(zhì)量數(shù)據(jù)”，有可能會(huì)導(dǎo)致反向效果產(chǎn)生。

AIGC的發(fā)展離不開預(yù)訓(xùn)練大模型的不斷精進(jìn)。大模型雖然在很多領(lǐng)域都表現(xiàn)出良好的使用效果，但是這些效果作為展示甚至噱頭之后，很難形成良性的商業(yè)價(jià)值，與大模型的訓(xùn)練成本、基礎(chǔ)設(shè)施投入更是相差甚遠(yuǎn)。如何推動(dòng)“大模型”向“大應(yīng)用”來轉(zhuǎn)變，正在成為關(guān)鍵的考驗(yàn)。AIGC的破圈以及引發(fā)的關(guān)注，可以看到大模型商業(yè)化的潛力正在清晰化：一方面大模型企業(yè)可以根據(jù)C端用戶實(shí)際“按需提供服務(wù)”和商業(yè)轉(zhuǎn)化；另一方面帶動(dòng)對(duì)云計(jì)算、云存儲(chǔ)的使用量上升。將AIGC從“嘗鮮試試看”變成大眾頻繁使用的需求，再到與具體行業(yè)和領(lǐng)域深度結(jié)合，依托我國豐富的產(chǎn)業(yè)需求和應(yīng)用場(chǎng)景，有望為大模型商業(yè)化和長(zhǎng)期價(jià)值探索一條新路徑。

AIGC發(fā)展面臨的挑戰(zhàn)

Gartner預(yù)計(jì)，到2025年，生成式人工智能將占所有生成數(shù)據(jù)的10%。根據(jù)《Generative AI ：A Creative New World》的分析，AIGC有潛力產(chǎn)生數(shù)萬億美元的經(jīng)濟(jì)價(jià)值。AIGC在引發(fā)全球關(guān)注的同時(shí)，知識(shí)產(chǎn)權(quán)、技術(shù)倫理將面臨諸多挑戰(zhàn)和風(fēng)險(xiǎn)。同時(shí)AIGC距離通用人工智能還有較大的差距。

（一） AIGC引發(fā)“創(chuàng)造力”歸屬爭(zhēng)論

傳統(tǒng)印象中，人工智能在創(chuàng)造性工作領(lǐng)域與人類還無法進(jìn)行競(jìng)爭(zhēng)，主要擅長(zhǎng)的是計(jì)算、挖掘，聚焦在海量數(shù)據(jù)分析領(lǐng)域。人類更擅長(zhǎng)的是創(chuàng)新，例如詩詞、設(shè)計(jì)、編程等需要?jiǎng)?chuàng)造性的事物上。與AI下棋相比，AI進(jìn)行繪畫創(chuàng)作給大眾帶來的沖擊更為明顯：棋類游戲具有明確的規(guī)則和定義，不需要AI具備創(chuàng)造性，但AIGC尤其是輸入文字就能進(jìn)行繪畫、視頻，讓沒有相關(guān)專業(yè)能力的人也可以制作出以假亂真的專業(yè)級(jí)別作品，則引發(fā)人們對(duì)自身引以為傲的“創(chuàng)造力”擔(dān)憂。AI不會(huì)替代創(chuàng)作者，但是可能會(huì)替代不會(huì)AI工具的創(chuàng)作者。

（二） 知識(shí)產(chǎn)權(quán)引發(fā)創(chuàng)作者擔(dān)憂

由于算法模型的進(jìn)一步完善和成本快速下降，AIGC大規(guī)模商業(yè)化成為現(xiàn)實(shí)，過去遙不可及的專業(yè)能力已經(jīng)具備從實(shí)驗(yàn)室飛入尋常百姓家的可能。與此同時(shí)，AIGC的飛速發(fā)展和商業(yè)化應(yīng)用，除了對(duì)創(chuàng)作者造成沖擊外，也對(duì)大量依靠版權(quán)為主要營(yíng)收的企業(yè)帶來沖擊。具體來看：

一方面，AIGC難以被稱為“作者”。根據(jù)我國《著作權(quán)法》的規(guī)定，作者只能是自然人、法人或非法人組織，很顯然AIGC不是被法律所認(rèn)可的權(quán)利主體，因此不能成為著作權(quán)的主體。但AIGC應(yīng)用對(duì)生成的圖片版權(quán)問題持有不同觀點(diǎn)，圖片屬于平臺(tái)、完全開源還是生成者，目前尚未形成統(tǒng)一意見。

另一方面，AIGC產(chǎn)生的“作品”尚存爭(zhēng)議。根據(jù)我國《著作權(quán)法》和《著作權(quán)法實(shí)施條例》的規(guī)定，作品是指文學(xué)、藝術(shù)和科學(xué)領(lǐng)域內(nèi)具有獨(dú)創(chuàng)性并能以某種有形形式復(fù)制的智力成果。AIGC的作品具有較強(qiáng)的隨機(jī)性和算法主導(dǎo)性，能夠準(zhǔn)確證明AIGC作品侵權(quán)的可能性較低。同時(shí)，AIGC是否具有獨(dú)創(chuàng)性目前難以一概而論，個(gè)案差異較大。

由于創(chuàng)作者每次新的創(chuàng)作都在無形中對(duì)AIGC進(jìn)行免費(fèi)培訓(xùn)，這讓眾多版權(quán)機(jī)構(gòu)產(chǎn)生巨大擔(dān)憂。目前已經(jīng)有大量藝術(shù)家和創(chuàng)作者宣布禁止AI學(xué)習(xí)自己的作品，從而保護(hù)自身知識(shí)產(chǎn)權(quán)。Getty Images、Newgrounds等網(wǎng)站也紛紛宣布禁止上傳和銷售AIGC作品。

（三） 距離通用人工智能還有較大差距

當(dāng)前熱門的AIGC系統(tǒng)雖然能夠快速生成圖像，但是這些系統(tǒng)是否能夠真正理解繪畫的含義，從而能夠根據(jù)這些含義進(jìn)行推力并決策，仍是未知數(shù)。

一方面，AIGC系統(tǒng)對(duì)輸入的文本和產(chǎn)生的圖像不能完全關(guān)聯(lián)起來。例如，用戶對(duì)AIGC系統(tǒng)進(jìn)行測(cè)試，輸入“騎著馬的宇航員”和“騎著宇航員的馬”內(nèi)容時(shí)，相關(guān)AIGC系統(tǒng)難以準(zhǔn)確生成對(duì)應(yīng)的圖像。因此，當(dāng)前的AIGC系統(tǒng)還并沒有深刻理解輸入文本和輸出圖像之間的關(guān)系。另一方面，AIGC系統(tǒng)難以了解生成圖像背后的世界。了解圖像背后的世界，是判斷AIGC是否具備通用人工智能的關(guān)鍵。目前來看，AIGC系統(tǒng)還難以達(dá)到相關(guān)的要求。比如，在Stable Diffusion 輸入“畫一個(gè)人，并把拿東西的部分變成紫色”，在接下來的九次測(cè)試過程中，只有一次成功完成，但準(zhǔn)確性還不高。顯然，Stable Diffusion 并不理解人的雙手是什么。

知名AI專家發(fā)出的調(diào)查也印證了同樣的觀點(diǎn)，有86.1%的人認(rèn)為當(dāng)前的AIGC系統(tǒng)對(duì)世界理解的并不多。持相同觀點(diǎn)的人還包括Stable Diffusion的首席執(zhí)行官。

（四） 創(chuàng)作倫理問題尚未有效解決

部分開源的AIGC項(xiàng)目，對(duì)生成的圖像監(jiān)管程度較低。一方面，部分?jǐn)?shù)據(jù)集系統(tǒng)利用私人用戶照片進(jìn)行AI訓(xùn)練，侵權(quán)人像圖片進(jìn)行訓(xùn)練的現(xiàn)象屢禁不止。這些數(shù)據(jù)集正式AIGC等圖片生成模型的訓(xùn)練集之一。例如，部分?jǐn)?shù)據(jù)集在網(wǎng)絡(luò)上抓取了大量病人就醫(yī)照片進(jìn)行訓(xùn)練，且沒有做任何打碼模糊處理，對(duì)用戶隱私保護(hù)堪憂。另一方面，一些用戶利用AIGC生成虛假名人照片等違禁圖片，甚至?xí)谱鞒霰┝托杂嘘P(guān)的畫作，LAION-5B數(shù)據(jù)庫包含色情、種族、惡意等內(nèi)容，目前海外已經(jīng)出現(xiàn)基于Stable Diffusion模型的色情圖片生成網(wǎng)站。

由于AI本身還不具備價(jià)值判斷能力，為此一些平臺(tái)已經(jīng)開始進(jìn)行倫理方面的限制和干預(yù)。例如DALL·E2已經(jīng)開始加強(qiáng)干預(yù)，減少性別偏見的產(chǎn)生、防止訓(xùn)練模型生成逼真的個(gè)人面孔等。但相關(guān)法律法規(guī)的空白和AIGC應(yīng)用研發(fā)者本身的不重視將引發(fā)對(duì)AI創(chuàng)作倫理的擔(dān)憂。

本文作者：騰訊科技，來源：騰訊科技，原文標(biāo)題：《一文讀懂AIGC：萬億新賽道為何今年獲得爆發(fā)？》

風(fēng)險(xiǎn)提示及免責(zé)條款 市場(chǎng)有風(fēng)險(xiǎn)，投資需謹(jǐn)慎。本文不構(gòu)成個(gè)人投資建議，也未考慮到個(gè)別用戶特殊的投資目標(biāo)、財(cái)務(wù)狀況或需要。用戶應(yīng)考慮本文中的任何意見、觀點(diǎn)或結(jié)論是否符合其特定狀況。據(jù)此投資，責(zé)任自負(fù)。

關(guān)鍵詞： 人工智能 知識(shí)產(chǎn)權(quán) 不斷完善