最近，中国人民大学创意产业技术研究院发布了《中国文化和科技融合发展战略研究报告（2023）》。该报告预测并提出了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、文化治理和监管理念等。

焦点一 数据可信

目前，AIGC领域部分环节尚不完善，语料库规模少且质量低，训练数据面临 " 可信 " 挑战。另外，模型训练不当带来 "AI 幻觉 "，引发可信度危机。

因此，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。中游：鼓励生成保护，以 " 技术赋能 " 打破虚假内容困境。下游：完善风险分级制度，包容管理与严格监管并存。

焦点二 模型机会

AIGC 领域的大模型具有规模大、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。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。

焦点三 替代焦虑

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；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。

创作路径的差异导致了人机效能的不同，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。

焦点四 版权困境

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。

焦点五 内容挖掘

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。

焦点六 价值衍生

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。

焦点七 文化治理

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；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；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。

焦点八 监管理念

对 AIGC 的监管需要考虑创新发展与风险规避的适度平衡。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（比如大模型的涌现能力）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。