人工智能（即Artificial Intelligence，以下简称“AI”）已经成为近年来最吸睛的话题和科技热词，并首次列入2024年政府工作报告，其中，提到要大力发展以“AI+”为代表的新质生产力，助力经济高质量发展，作为产业发展的新赛道和经济发展的新引擎，上升为国家战略。这是一场以数字化和智能化为主要过程，以场景为依托，整合运用大数据、物联网、云计算、新材料、新能源、生命以及量子科学等核心技术，创造智慧社会和智慧生活的新科技革命，对人类经济生活的影响深远而全面。与此而来，以深度学习和自然语言处理为核心特征的大模型成为全球科技竞争的新高地，国内主要知名厂商纷纷布局，跟进迭代，进展不可谓不快，政策端从国家到地方积极响应，发力支持，产业端正在释放广泛的需求，市场前景充满想象力，非常可观。

作为AI的重要应用方向之一，AIGC是计算机程序根据人类指导或者自动从大量数据中学习，经过归纳并演绎创造，生成包括图片、视频、音乐、文字等多种形式的全新内容，这项技术最早可以追溯到1960年，由计算机科学的先驱艾伦·图灵提出，直到2022年底，ChatGPT（即Chat Generative Pre-trained Transformer）横空出世，掀起了AIGC的热潮。自2023年以来，各行各业都在竞相追逐这项技术，被视为继PGC（即“专业生成内容”）和UGC（即“用户生成内容”）之后的一次革命性创新，大幅提升了生产力，颠覆了传统营销行业的内容创作模式，也对营销人提出了新的能力要求。不止于此，诸如编码、翻译、设计、新闻、客服等工作也受到了不小的冲击。以公关和广告为代表的营销服务业，人力是运营成本中占比最高，也是最为刚性的部分，并且随着市场竞争和客户要求的提升，上涨趋势只增不减，边际收益越来越低。同时，以文字、图片和视频为主要形式的营销内容同质化显著，创意难度加大，产出效率跟不上需求。AIGC的出现，给营销行业带来全新的变化和可能，营销人从观望焦虑、尝试学习，练习使用到运用开发，并开始为产业赋能。

目前来看，业内一些头部的公关广告公司已经研发落地了一些AIGC产品，比如“森宇宙的CeMate”、“爱设计”、”迪思的FlinkAI”等，都是基于内容为中心搭建的全链路智能营销平台，覆盖了从需求导入与内容生成、数据集成、媒介管理、聚合展示以及数据分析反馈等多个环节，形成闭环，实现了用数字技术赋能营销产业的升级。相比于AI通用大模型，它们与产业深度融合，面向垂直领域，被称为“小参数”模型，是基于对长期服务的目标领域积累的经验、数据、模型和产业理解而研发定制，这类应用要求数据质量更好、更真实、指向性更明确，同时，训练消耗的算力也更经济。具体来看，有以下显著的特点和优势：

首先，平权化的创作。AIGC与其说是一项技术，不如说是一种能力，让普通人也可以生产出与专业人员质差不大的内容，极大降低了专业门槛，只要能提出明确和完整的需求，会给予Prompt（即提示词）指令和场景元素，就可以得到想要的结果，无需具备专业的创意或设计能力。同时，部分工具在开发阶段就预设了信息槽位，只要用户根据需求做出选择，一键计算就得到相应的内容。

其次，优质内容的高效输出。毋容置疑，AIGC的赋能极大提升了效率，比如电商运营设计师，单纯用人力打一组产品介绍和详情图，要7-20天不等，中间需要多次的沟通、修改和确认，耗费的人力和时间可想而知，如果遇到因人员流动带来交付成果不连续，质量不稳定，那么会给客户带来较差的满意度，甚至被投诉。如今，从业者应用了AIGC技术，几分钟内即可得多种选择方案，还能个性化推荐，启发创作方向，易如反掌。

然后，创新运营模式，降低运营成本。常规状态下，一方面，营销公司在渠道上较强依赖外部资源，在内容上主要通过代理公司或KOL创作并发布，对客户来说，资金投放以及重视程度也必然向其倾斜。另一方面，营销公司通常无法调动客户的内部资源，也较少直接参与产品营销，基本掌握不了一手的市场销售数据，甚至不能提供有效的营销策略和方案，也就逐渐失去了市场价值。如今在AI加持下，营销人有了新的机会和可能，通过挖掘客户在市场营销中的痛点和难点，整合大量的产品、生产、工艺、设备和应用场景数据，借助既有通用大模型的能力，自研算法，开发垂类场景应用，创造客户价值。

以家电行业为例，传统销售渠道是从集团公司发展经销商，经销商卖给零售商，零售商再卖给消费者，在社交化营销时代，微信、抖音、小红书等平台需要有优质内容才能给与推荐和更大的流量，建立账号，文案定位，产品图制作、拍摄剪辑短视频等内容创作确有一定的门槛和难度，更何况覆盖全国的经销商、零售商和导购员等组成的销售网络，由于这些用户的文化水平，知识能力、产品理解，拍摄角度和终端工具各不同，也就无法生成品质优良、风格调性一致的内容，如扩散到消费者中，影响和反馈参差不齐，转化效果各异，甚至大打折扣。如今用户只需选择或输入要求和指令，生成内容的属性、风格、品味和质感是基本稳定的、可控的和可监测的，此类问题迎刃而解。

此外，AIGC可以帮助电商平台自动化处理大量的数据和信息，减少对人工操作的依赖，直接降低了运营成本。例如，国内某家电巨头引入该项技术后，日均节省成本占比50.2%，特别在“双十一”大促期间，节省的人力数量是同期的1.67倍。

再次，辅助支持决策。AIGC的横空出世，让内容创意与设计工作不再是绞尽脑汁的思考题，而是选择题。营销人可以在短时间内提交多套方案供客户选择，甚至能对每套方案的执行效果做出预判、推演和呈现，找到最佳投入产出比，进而推动双方的合作关系也从纯粹的甲乙方，转变为搭档，从要求与执行，转变为讨论与共创。如此一来，营销方案的效果得到了最大的保护，市场预算也投放得更加有效，为解决出自百货商店之父约翰·沃纳梅克之问“我知道我的广告费有一半被浪费掉了，但不知道是哪一半“的营销行业著名难题提供过了解决之道。

最后，创新用户体验。AIGC的能力得到发挥不仅仅是纯文字和输入，还可以是语音和信息采集装置，输出的不仅是文案和图片，还可以是视频和音乐等多模态的内容创作，比如美国OpenAI公司开发的Sora，能生成比既有的Pika、Runway等更理解物理世界规律、真实细腻感更强的短视频内容。新技术带来交互模式的变革，AI的应用场景得到了广泛的扩展，诸如AI客服，虚拟主播、无人驾驶等，千行百态智能涌现，它将会颠覆人们以往的生活和作业方式，拥有AI思维，破卷破圈，才会发现新的蓝海。

然而，作为一个新事物，人们的态度往往是从焦虑观望开始，到认知学习，再到接受应用。AIGC等系列技术工具的出现，不仅打破了原有生产关系的平衡，还倒逼营销人必须要具备新的思维、新的技能以及新的管理模式与之相适应。如何充分释放AI的价值，规避其短板，其中不乏有一些掣肘、风险和挑战。展开来讲：

首先，从数据方面来看。我国目前的数据集偏小或者标注质量偏低都带来有效的训练资源库的缺乏，尤其在特定领域，由于缺少高质量的数据集，导致训练出来的结果有较大差异，从而限制了垂直大模型的发展。因此，AIGC应用的有效性取决于开发者能掌握和拥有多少行业、产品、交易、用户以及运营等真实客观的数据，成为最基础的一步。以笔者所悉，致力于为家电及智能化产业提供营销咨询服务的知名企业“森博营科”，其研发的垂直大模型产品CeMate，就投喂了近百万张家电家居类真实的素材和元素，融合了不同平台的爆款风格规律训练而成。

其次，从算法方面来看。当前的AI还只能执行专门开发的任务，还无法将学习到的能力迁移到另一项任务中，还不具备像人类一样的思考和逻辑能力，认知能力还不够，距离AGI（即“通用人工智能”）还有一定距离。

细究起来，其一，基于深度学习框架的AI算法虽然发展迅猛，表现出优越的性能，但很多企业并没有考虑到场景的实际需求，甚或是为了融资或给资本市场讲一个好听的故事，简单套用了一些开源框架和算法完成技术研发，导致各家产品雷同性极高，无法精准针对产业和落地应用，好看不中用。更何况，数据的整合也是难题，为了让系统用起来表现得智能满满，实则需要在算法上大做文章，需要更多精妙的设计来弥补由于架构不科学、数据量不足的缺陷，是一种“伪AI”。

其二，算法设计是否有效还取决于营销人对客户所在行业、内部运营、市场业务熟悉的程度，取决于对需求的精准分析和把握，从概念设计到建立计算模型，没有相当的实践积累是无法达成的。

其三，算法设计不可能天衣无缝，也容易受到黑客或其他系统的攻击，对于一些高度复杂的应用场景，比如驾驶、医疗等，安全问题的“危险性”会被随之放大，给人身和财产安全带来威胁。

其四，由于文化差异和价值观的多样性，AIGC的训练数据中存在的偏见歧视，可能会误导用户和社会认知。比如：职业、性别、宗教信仰、社会地位等数据，如果不在预训练之前进行审查，那么生成的结果就可能是刻板的，不公平的以及有偏见的。

接着，从算力方面来看。AI对资源，特别是水和电的消耗，令人惊诧。据美媒报道，AI大模型单次训练成本少则200万美元，多则达到夸张的1200万美元，其中60%是电费，是不折不扣的超级“电老虎”，以ChatGPT为代表的AIGC技术，为响应2亿个用户请求，每天消耗超50万度电，用电量抵得上5万多个中国家庭。与此同时，Google也发布的2023年环境报告，文称Google数据中心去年用掉了全球每天饮用水的1/4水量。依目前，AIGC技术在文字、图片生成的算力消耗上勉强承载，未来大量的视频生成，叠加并发请求，亦或是随着AI应用的多样化和预训练大模型规模的持续增加，以海量GPU芯片为主的智能算力基础设施需求的持续提升，如果不能满足如此大规模的算力需求、降低算力成本，将极大限制AI技术，甚至是经济的发展，有数据显示，计算力指数平均每提高1%，数字经济和GDP将分别增长3.5‰和1.8‰，全球各国的算力规模与经济发展水平，已经呈现出显著的正相关关系。一个国家的算力规模越大，经济发展水平就越高。因此，国家和规模企业还必须做出更多的关注和投入。

再次，从内容创作来看。深度学习技术在快速迭代，AI生成的素材风格和人力创作的几乎无异，内容水平趋于一致，用户会分不清哪些是人做得，哪些是机器做得，造成真假难辨的“幻觉”，给虚假信息传播和网络欺诈带来了空间，比如当前有很多AI数字人主播，在无人监管的状态下直播，完全达到了以虚乱真的程度，一旦发生纠纷，追责就有真空地带。

同时，AIGC的知识产权界定和归属也是一个难题。当前，我们国家还没有对AI算法技术的法律描述，也没有明确规定相关对象的可专利性规则。理论上，对通用大模型而言，所有人既是训练数据和信息的贡献者，也是生成内容的使用者。行业大模型由于其专业性和实用性强的特点，训练时涉及了大量商家和个人的隐私，对数据的保密性要求很高，如何用法治手段提供有效保障是亟需解决的问题。

最后，从AI人才培养来看，国内AI人才的培育机制还不健全，相应的师资力量也严重不足。根据工信部和教育部等权威部门预测，我国AI人才缺口超过500万，国内供求比达到1：10，比例严重失衡，由于涉及学科多、培养周期长，传统上主要以计算机等行业人才转型为主，而拥有多元技能、工程思维和AI专业知识的复合型人才缺口就更加大。另有海外统计数据表明，中国的顶尖AI人才中，有34%在国内就业，约56%在美国就业。去美国学习AI专业的中国人中，有88%毕业后在美国就业，只有约10%回国就业。如此一来，我们要想做到科技自主，不被卡脖子，实现产业AI化，AI产业化，培养出足够数量和质量的人才，尤其是吸引更多海外高级AI人才回国发展创业，成为了当务之急，重中之重的事。

综上所述，数字化和数字经济已经迫然临近，AIGC技术必将带给以“内容”、”用户“和“渠道”三要素为核心的营销行业颠覆性的影响，变化越来越快，越来越剧烈，从组织架构设计、人才配备、盈利模式、生产关系和运营管理等都在倒逼做出适应调整，经营层面提质降本，价值层面去伪存真，AI将无处不在，拥有足够的创造力、创意力和创新力才能不可取代，才是生存下来的不二法门。各行各业实现转型升级，一个更有质量的新经济时代拉开帷幕，套用那句老话，“这是一个最好的时代，也是一个最坏的时代”，但历史终将证明，这确实是一个最好的时代，也是最好的机会。

参考文献：

1.中国人工智能系列白皮书—智能产品与产业[R].北京：中国人工智能学会，2022.