AIGC重塑出版業生態

人工智能生成內容（AIGC）技術在出版領域的應用已經帶來了深遠的影響。現探討AIGC技術對出版行業的影響，如提高生產效率、降低成本、個性化內容推薦等。然而，AIGC技術也面臨一些挑戰，如信息真實性、版權問題和創意保護等。針對這些挑戰，提出構建生態、信息流程重塑、先研究后實踐、決策前充分討論商業模式得失等對策建議，以確保AIGC技術在出版領域的健康發展，并促進人類與AI共同創造更具創意和價值的內容。

關于人工智能，進化論相關研究中側枝盲端的理念比較符合ChatGPT，它像不斷成長的魔法箱，也像人類真正的大腦，能夠對外界的輸入（提示詞）產生輸出（猜測）。了解AIGC與大模型的基本原理和發展過程，是應用大模型技術和AIGC工具的前提條件。智能時代的背景下，以算力、算法和應用構筑的大模型生態已見雛形，未來的路線清晰可見。

在出版業，利用AIGC工具增強信息采集能力，能幫助編輯快速獲取特定主題數據，高效歸納總結，支持選題策劃，正逐漸成為行業的應用趨勢。出版社運用AIGC與大模型的基本原理（如下圖），能對出版技術、內容創作、內容審核和數字化產生積極的推動作用。

AIGC的概念及發展歷程

AIGC（Artificial Intelligence Generated Content）是指生成式人工智能。從計算智能、感知智能到認知智能的進階發展來看，AIGC已經為人類社會打開了認知智能的大門。通過單個大規模數據的學習訓練，AI具備了多個不同領域的知識，只需要對模型進行適當的調整修正，就能完成真實場景的任務。AIGC把數據要素提到時代核心資源的位置，在一定程度上加快了整個社會的數字化轉型進程。

AIGC的發展總結和預測可分為4個階段。第一階段是1970—1990年，基于規則的推理，并未具備學習和歸納能力，是有效的老式人工智能，即啟發式的專家系統。第二階段是2000—2017年，基于統計學習，擅長學習和感知，但推理和創造能力不佳，僅對文字語言聲音和視覺進行處理，即神經網絡、CNN和RNN系統。第三階段是2020—2030年，即預測生成階段，在感知、學習、推理、歸納上表現出色，開始具備創造能力，即能更好地適應、解釋和決策，能用自然語言進行交談，在監督下自我學習和進行小樣本的數據訓練。第四階段是2030年之后，即類人智能階段，能完成人類所有智能工作，甚至超越人類大腦，具有超智慧。

AIGC浪潮與產業結合的特征和影響

AIGC與出版產業結合的特征

AIGC與出版產業結合的特征主要表現在三方面。第一，淺入淺出，開發難、投資大，但產品應用非常容易，產業使用不難。第二，落地生根，科技周期大幅縮短，投資周期與應用周期重疊。第三，相向而行，與以往產業所關聯的技術不同，賦能與顛覆效應并存。

文本類AIGC工具使用情況

大模型類工具使用對比。即使在中文領域，國內大模型工具的使用效果仍與ChatGPT有較大差距。國內的大模型工具更偏向于某一領域的專精（如下表）。例如，“文心一言”擅長內容創作、智能辦公，“訊飛星火”擅長中文語境處理、邏輯推演，“通義千問”更擅長效率類、生活類和娛樂類，“豆包”則更擅長撰寫軟文。

當前，ChatGPT版本已經可以免注冊使用，其能滿足大多數使用場景。更強大的4.0、4.5版本（4.5turbo）已經完全可以作為生產工具，不僅能根據文本提示創造圖像，還能對現有圖像進行編輯和改進，甚至可以僅憑一張網頁截圖就能生成完整的網頁代碼，可以為編輯的日常工作節省大量時間成本。

AIGC對出版產業的影響

第一，流程重塑，即對現有信息技術的重寫。主要體現在對生產流程和運營流程的重塑。生產和運營是傳統出版的兩個核心環節。在數字化領域，內容生產表現在智能校對、圖文和富媒體內容生成方面；內容運營表現在宣傳文案一鍵生成、虛擬人生成、數據庫多輪對話、閱讀App、知識社區（檢索）等方面。

第二，價值重塑，即出版內容的增值，是知識價值的體現，也是企業的重要資產之一。主要體現在內容通過Token語義存儲資產化、通過訓練與收入分成價值化、通過數據標引促進紙質書籍銷售。

第三，負面影響，即AIGC內容對著作權的影響。目前，部分觀點認為，其侵犯了著作權，也有觀點認為AIGC生產的產品著作權弱化。主要表現在對專業出版社、科技社的零售市場造成巨大沖擊，加速了數字資源的“被動使用”和傳統出版、數字出版的內容服務形成“競爭”關系的同時，也給稿件來源的甄別帶來很大壓力。

出版機構搭建垂直模型的方法

出版企業應用大模型主要有兩種方式，其一是進行API調用，基于現有通用大模型的接口進行應用的二次開發，從而對外提供服務；其二是自建垂直領域大模型，利用大模型的技術力量對自有數據進行二次學習，通過訓練與微調后形成具有自身特色的大模型基座，對外提供服務。目前，出版社普遍采用自建垂直領域大模型的方式。垂直大模型有三種自建方式。

利用開源模型，購買GPU與工作站開展自我訓練

目前，國內大部分的大模型公司均以開源模型為基礎進行二次開發和調優。此方法雖然理論上可行，但對于不以技術擅長的出版企業而言，此方法基本行不通。難度不在于硬件的購買（硬件購買的成本并不太高，以馬斯克的Grok-1為例，8個A100加一些輔助設備即可以跑通，以目前GPU的成本測算大約在250萬—300萬），而在于跑通后的數據調優和應用開發需要專業技術人員，且其后續的成長性嚴重不足（受限于初始開源模型的參數）。歸根結底，出版企業并不是技術性企業，此方法的選擇需慎之又慎。

利用現有通用大模型的API接口，開發相應的工具與應用

從以上步驟可以看出，如果出版企業要進行通用大模型的API調用，必須請專業公司按照需求進行開發。這種調用基本不涉及自身數據的二次訓練，是在通用大模型的基礎上進行有針對性地應用開發。其優勢是隨著通用大模型能力的提升，所開發應用的智能化程度也會相應增加，劣勢是在完全依托于API調用的邏輯下出版企業的自身數據特色不明顯，且調用成本不低。

與大模型公司合作，開發出版垂直大模型

與大模型公司合作開發垂直模型，一般是利用大模型公司的通用模型能力以及云算力，對出版企業的自有數據進行二次學習，所開發出來的垂直模型具備一定的通用性能，也具備和自身出版數據高度契合的特色。另外，隨著基座能力的提升，也可以持續迭代進化。在此過程中，出版社除了提出垂直模型的應用需求外，還需要提供自身的內容數據，并盡量按照大模型的要求做好數據標記以便學習所用。而大模型公司則主要提供模型基座（通用大模型基座）和算力支持（一般是云算力，類似于云服務，也可以購買與大模型匹配的算力硬件。目前，算力硬件一類以英偉達為代表，另一類以國產化的華為鯤鵬、晟騰為代表）。

AIGC應用的技術邏輯與風險

技術應用邏輯

第一，循序漸進。絕大部分先進技術的應用始于偏娛樂領域，先進技術的應用會先出現在游戲和電影等領域，縱向觀察技術在其他領域的應用程度，再判斷切入的時間點，也是一種選擇。第二，萬事俱備。任何數字產品均由技術鏈而非單一技術構成，如果技術鏈基本成熟，則需要開始做介入準備；如果技術鏈還有大量短板，即便產品能勉強開發出來，也不是好的切入節點。第三，成本壁壘。任何新技術在產業中的應用在初期均存在較高的成本壁壘，初期的商業變現基本在B端。因此，在具體的應用過程中，出版社要結合自身的實際情況綜合考量，如B端的滲透能力。

五種風險

1.數據安全風險

除了簡單的文生圖和多模態內容生成外，出版社在與大模型公司開展內容的深度合作時，通常需要將自身的數據通過接口方式提供給對方，即便對方承諾只是私域部署，也存在數據泄露的可能。出版社在開展AIGC技術研究時可以充分研究如GPT、Midjourney等工具。但如果要有針對性地對全社內容開展大規模訓練，則應盡量選擇與國產大模型合作。

2.數據應用風險

出版社擁有出版物特定年限內的專有出版權和專有信息網絡傳播權。目前，信息網絡傳播權中主要的出版形態為電子書和有聲書，這些出版物本身與原著作內容高度一致。理論上出版社可以向第三方授權許可使用（包括翻譯、出版、展覽、廣播、放映、攝制、改編、匯編、制作光盤等）的有關事宜，但相關合同需另行簽訂。目前，大模型公司開展語料庫訓練或者出版社利用大模型開展語料訓練，對內容的使用和改編、匯編雖然有相似之處，但從實際使用上看，是完全不同的概念。即便從法律上將改編、匯編和語料庫的訓練進行概念合并，出版社也需要征得作者的同意，重新簽訂協議方可，這一過程的工作量較大。

3.內容甄別與AI倫理

模型技術日趨成熟，會帶來內容的極大豐富，也會造成內容的AI化比率攀升。學術出版是內容出版領域的“明珠”，對所出版內容的合規性審校（關注AI內容生成甄別工具）應慎之又慎，盡量降低來稿內容的AI化程度。

4.技術風險

通用大模型的成長迅速，其囊括的數據量可能已經包含出版社自身的大部分數據。發展到通用大模型的高階階段，垂直大模型的應用效果極可能出現跟不上通用大模型發展的情況。如果出版社過早投入，會出現前期的投入效率低下的情形。當前，國內通用大模型的整體水平落后于國外，出于數據安全性考慮，出版社不能夠進行大規模的國外大模型API調用。而國內模型的“明日之星”，當前階段尚未顯現。過早選擇合作商開展垂直領域大模型訓練，存在未來技術全面落后的風險。

5.商業風險

到目前為止，大模型公司的商業變現方式主要有四種。第一，會員收入，如GPT4和MJ等。第二，API調用，按Token計費，如國內的文心一言和訊飛星火。第三，垂直領域的商業合作。第四，大模型能力下沉到產品層，通過產品的差異化競爭優勢而變現。

出版社應用大模型，要有相對清晰的商業考量，并擺正自身的位置，即出版社是AIGC的應用商而非技術開發商。從商業變現來看，在降本增效層面短期可以考慮購買相應的服務，如智能校對、智能翻譯、虛擬人等。在產品服務層面，應該著重將大模型下沉到現有的出版物，如紙質出版物和數據庫、社區等產品。

AIGC應用在出版領域的應對策略

持續研究，準確時變，構建生態

從發展趨勢來看，在做好當下出版業務的同時，出版單位還應持續密切關注大語言模型的發展動態，及時開展AIGC相關專題研討部署，進一步分析AIGC產品給出版行業帶來的短期影響、長期影響以及有利影響、不利影響，做好預判預測，便于提前應對。

從內容數據訓練與內容輸出角度看，出版社和大模型公司之間的關系較為微妙。一方面，大模型公司需要出版社的高質量語料持續供給；另一方面，通用大模型在未來的內容輸出會在一定程度上搶占出版社的內容服務市場。在AIGC浪潮中，出版內容的數字資產化能否落地，絕大程度取決于行業和大模型公司之間的磨合和博弈，目前雙方的訴求不在同一維度，這時更需要行業主管單位發聲，推動機構“抱團取暖”。

積極利用AI工具，信息流程重塑

在應用信息技術提質增效的過程中，絕大部分出版社采用“打補丁”和分領域采購相應工具的方式，之后再集成并貫通。在AIGC時代，除極個別實力雄厚的出版社外，絕大部分出版機構可能需要延續此方式，根本原因在于出版社自身的定位為大模型應用的使用方，對于生產和流程中的一些輔助性應用開發的專業性不足，且過早全面涉入，存在成本過高、投入產出較低的問題。

充分研究后開展實踐，不急于一時

于出版機構而言，有些風險是不可控的，如數據應用的政策風險、通用大模型高速成長帶來的技術風險等。規避這些風險的最好方式是充分研究，如成本研究、技術研究、交互設計研究等，并耐心等待。另外，AIGC浪潮的特征之一是開發難、投入大，但其應用相對簡單，不用太擔心因為實踐較晚而出現較高的準入門檻。

決策之前應充分討論商業模式的得失

模型高速發展，已進入應用階段。在此階段，開展任何產品設計與開發的過程中，都應充分考慮產品商業模式的可行性，并綜合考慮開發成本和應用成本。

從數字內容的消費與服務到內容的跨界融合，再到內容元宇宙，這是數字出版的發展階段。期待數字產業能在新模式與新生態中尋求更高的定位，讓內容服務更好地融入社會的方方面面，真正推動全球范圍內的文化大交融，推動世界文明的發展。