从 GAN 到 ChatGPT，第一篇把 AIGC 完整历史串起来的综述到底说了什么
- 关联论文：2303.04226
你有没有想过这种问题：
现在每天刷到的 AI 头像、AI 配音、AI 短文、AI 短视频……这些"AI 生成内容"是从什么时候开始爆发的？ 2014 年的 GAN、2020 年的 Diffusion、2022 年的 ChatGPT——它们到底是什么关系？是接龙出现的，还是同时存在的？ 为什么同一个"AI 生成"标签下，画图、写文章、做视频的底层技术完全不一样？
第一篇系统性回答这些问题的论文，出现在 2023 年 3 月。
标题很朴素：《A Comprehensive Survey of AI-Generated Content (AIGC): A History of Generative AI from GAN to ChatGPT》。44 页，15 张图，把过去 10 年生成式 AI 的演进讲了一遍。
核心洞察：AIGC 不是单一技术，是三代范式接力
这篇综述最值钱的不是细节，而是它给出了一个清晰的三代演进框架——任何想理解"AI 怎么画出猫 / 写出文案 / 生成短视频"的人，都需要这个框架：
| 代际 | 核心技术 | 代表模型 | 核心局限 |
|---|---|---|---|
| GAN 时代 | 生成对抗网络 | DCGAN, StyleGAN, BigGAN | 训练不稳定、模式崩溃、多样性差 |
| Diffusion 时代 | 扩散模型 | DALL-E 2, Stable Diffusion, Imagen | 计算成本高、推理慢 |
| LLM 时代 | Transformer + RLHF + SFT | GPT-3.5/4, ChatGPT, Claude, LLaMA | 算力门槛极高、幻觉问题 |
为什么这个分代有用？
因为每一代都解决上一代的核心痛点：
- GAN 时代（2014–2019）：生成对抗网络的"对抗训练"思路很美——一个造假画师 + 一个鉴画师，互相博弈、共同进步。但训练极不稳定，常常"模式崩溃"（模型只生成同一张脸）。
- Diffusion 时代（2020–2022）：换个思路——先给图片逐步加噪变成纯噪声，再训练神经网络"去噪"还原。训练稳定了，生成质量大幅提升（Stable Diffusion 出现），但推理要跑几十到几百步去噪，慢且贵。
- LLM 时代（2022–至今）：在文本领域，Transformer + 大数据 + RLHF 直接把生成质量推到了"过图灵测试"水平。ChatGPT 让全世界第一次感受到 AIGC 的威力。
这条线索不是线性的，而是"在各自领域登顶"——文本侧 LLM 最早突破，图像侧 Diffusion 最成熟，视频侧至今还在"GAN/Diffusion/LLM 谁能统一"的拉锯中。
单模态 vs 多模态：两条独立但交叉的线
综述把 AIGC 拆成两条平行主线：
单模态（一个模态生成同模态）
- 文本生成：GPT 系列靠"Next Token Prediction"预训练，再用 SFT（监督微调）+ RLHF（人类反馈强化学习）把模型"对齐"到人类意图。涌现（Emergence） 是关键概念——模型规模突破临界点后，突然获得小模型不具备的能力（思维链推理、上下文学习）。
- 图像生成：Diffusion 模型在 2020 年后成为主流。Latent Diffusion（Stable Diffusion 的核心）在潜空间而非像素空间运行，把计算成本砍掉一个数量级。Classifier-Free Guidance 让用户可以"用提示词的强度"控制生成质量。
多模态（跨模态生成）
- 文本 → 图像：CLIP 把文本和图像塞进同一个隐空间，让"猫在草地上追蝴蝶"这样的描述能直接驱动图像生成（DALL-E 2 / Stable Diffusion 都是这条路线）。
- 文本 → 视频：Make-A-Video、Gen-2 等开始尝试，但视频的时序一致性（前后帧不闪烁、人物不变形）是公认的硬骨头。
- 图像/视频 → 文本：BLIP、LLaVA 等"多模态 LLM"，让模型能"看懂"图再回答问题——这是 2026 年所有视觉问答、电商搜图、视频内容审核的底层技术。
为什么"涌现"被反复提到
涌现（Emergent Abilities） 是这篇综述的高频词，也是后来 2026 年所有关于"大模型为什么有效"的讨论起点：
- In-context Learning（ICL）：不更新模型参数，只在 prompt 里给几个示例，模型就能学会新任务。
- Chain-of-Thought（思维链推理）：在 prompt 里说"让我们一步步思考"，模型准确率能从 30% 跳到 70%。
- Instruction Following：通过 RLHF，模型学会"听懂"自然语言指令，而不是只接 prompt 工程。
关键点：这些能力在小模型上几乎不存在，在大模型上突然出现——不是渐进，是跳变。这就是"涌现"。
⚠️ 但要加个注脚：后来 Schaeffer 等人在 2023 年发表论文《Are Emergent Abilities of Large Language Models a Mirage?》指出——所谓"涌现"很可能是指标选择带来的假象。换一种评测指标，曲线就是平滑的。这篇 AIGC 综述写于这场争论之前，所以采用了"涌现是事实"的表述。今天读这篇综述，应该把"涌现"理解为"在某些指标下，大模型确实有质变"，而不是"涌现已被完全解释"。
实际工程意义：2023 年的判断哪些仍成立，哪些已过时
读这篇综述最需要的是时间切片意识——它写于 2023 年 3 月，距今 3 年多：
仍成立的概念框架： - ✅ 三代演进（GAN / Diffusion / LLM）依然清晰 - ✅ 单模态 / 多模态的拆分依然是产品设计的核心思路 - ✅ "大规模 + 大数据 + 大算力"的范式依然主导
已过时的具体技术判断： - ❌ 综述说 GPT-3 在 SuperGLUE 上"接近人类"——实际 GPT-3 约 70-71%，人类约 89%，差 18pp。这条不要直接引用。 - ❌ 综述把 Stable Diffusion 2 列为图像 SOTA——2026 年的 Flux.1 / SD3 / DALL-E 3 已全面替代。 - ❌ 综述对视频生成"还在探索"——2024 年 Sora 出现后，视频生成已是独立赛道。 - ❌ 综述对版权和伦理"一笔带过"——2026 年 Getty Images v. Stability AI 等诉讼已让版权成为工程标配议题。
这篇综述的真正价值
它不是技术教程——任何想做 AIGC 工程实现的人都不应该从这篇入手。
它是历史框架——如果你要： - 给团队做 AIGC 入门培训 ✅ 用它建立三代演进的认知锚点 - 评估"我们要不要做 AIGC 产品" ✅ 用它理解能力边界 - 写技术综述 / 写行业报告 ✅ 用它做骨架，补充 2024–2026 的进展
它不是技术细节——任何要查具体 FID 分数、具体 prompt 工程技巧、具体模型选型，都要去翻 2024–2026 的细分方向顶会综述。
一句话给老板
"AIGC 不是单一技术，是 GAN → Diffusion → LLM 三代范式接力，外加单模态 / 多模态两条独立主线。这篇 2023 年的综述是建立这个认知的最好起点——但所有具体技术细节都已过时，工程决策要查 2024–2026 的最新工作。"
三个标题变体
- "AI 怎么画图、写文章、做视频？从 GAN 到 ChatGPT 的三代演进，一篇综述讲清楚"
- "为什么 Stable Diffusion 比 GAN 强？为什么 ChatGPT 比 GPT-3 强？AIGC 的三段式进化史"
- "第一篇系统性讲 AIGC 的论文，写于 ChatGPT 刚爆发的那个月——它现在还值得读吗？"
📱 小红书风格卡片文案
📚 今天被一篇 2023 年的综述震到了
它把过去 10 年的 AI 生成内容（AI 画图 / 写文章 / 做视频）讲成了一段三段式进化史：
1️⃣ GAN 时代（2014–2019）：让两个 AI 对抗训练（一个造假一个鉴假）—— 脑洞很美但训练极其不稳定，常常"模式崩溃"
2️⃣ Diffusion 时代（2020–2022）：换思路—— 先把图加噪变雪花，再训练 AI 去噪还原 —— Stable Diffusion / DALL-E 2 都是这条路，生成质量直接起飞
3️⃣ LLM 时代（2022–至今）：Transformer + 大数据 + RLHF —— ChatGPT 让全世界第一次感到"AI 真的在理解我"
关键洞察： - 不是技术接龙，是"各自领域登顶" - 单模态（文本 / 图像 / 视频独立生成）和多模态（跨模态）是两条平行主线 - "涌现"是大模型突破临界点后突然获得的推理能力（但 2023 年 Schaeffer 等人指出这可能是指标假象）
⚠️ 但要注意：这篇综述写于 2023 年 3 月，距今 3 年多。所有具体技术判断（SOTA 分数、模型能力）已过时 —— 读它的价值在于建立认知框架，工程决策要去翻 2024–2026 的最新工作。
📎 arXiv 2303.04226 · 第一篇系统性 AIGC 历史综述 · 44 页 15 图
#AI科普 #AIGC #生成式AI #StableDiffusion #ChatGPT #Diffusion模型 #GAN #LLM #多模态 #技术分享
📎 arXiv 2303.04226 · 2023-03 首发 · Semantic Scholar 被引 847 次 📅 2023 年 3 月发布，第一篇系统性梳理 AIGC 完整历史脉络的综述
💬 评论区聊聊：你工作中用过的 AIGC 工具是 GAN / Diffusion / LLM 哪一代的产物？有没有踩过"模型跟不上时代的坑"？