AIGC的本质：广义出版20260826

📋 总结 本次分享围绕“AIGC的本质是广义出版”这一核心观点展开，深入探讨了AI应用的三层研究框架及其深远影响。核心要点如下： 一、AIGC的内容（Content）至少具有三种属性：表达型、生产型和决策型。 表达型内容以唱歌、画画等大众娱乐为代表，服务于对外表达；生产型内容涵盖报告、汽车设计、白酒包

总结
总结
本次分享围绕“AIGC的本质是广义出版”这一核心观点展开，深入探讨了AI应用的三层研究框架及其深远影响。核心要点如下：
本次分享围绕“AIGC的本质是广义出版”这一核心观点展开，深入探讨了AI应用的三层研究框架及其深远影响。核心要点如下：
一、AIGC的内容（Content）至少具有三种属性：表达型、生产型和决策型。 表达型内容以唱歌、画画等大众娱乐为代表，服务于对外表达；生产型内容涵盖报告、汽车设计、白酒包装等，服务于生产需要；决策型内容则直接参与用户的决策执行。这三者之间还存在相互转化和边界拓展的关系，例如表达型内容可能拓展到生产型，生产型内容也可能走向决策型。
一、AIGC的内容（Content）至少具有三种属性：表达型、生产型和决策型。 表达型内容以唱歌、画画等大众娱乐为代表，服务于对外表达；生产型内容涵盖报告、汽车设计、白酒包装等，服务于生产需要；决策型内容则直接参与用户的决策执行。这三者之间还存在相互转化和边界拓展的关系，例如表达型内容可能拓展到生产型，生产型内容也可能走向决策型。
二、AIGC的本质不是传媒行业的升级，而是所有交互、交换、交易和生产活动的数字化。 传统理解将AIGC局限于文字、图片、音频、视频的生成，但广义来看，AI生成的代码、设计流程、决策方案等均是内容。内容的边界由AI应用的深度和广度决定，AI能跑到哪里，广义出版的边界就延伸到哪里。
二、AIGC的本质不是传媒行业的升级，而是所有交互、交换、交易和生产活动的数字化。 传统理解将AIGC局限于文字、图片、音频、视频的生成，但广义来看，AI生成的代码、设计流程、决策方案等均是内容。内容的边界由AI应用的深度和广度决定，AI能跑到哪里，广义出版的边界就延伸到哪里。
三、AI将重塑各行各业的生产环节，不是修修补补而是重构。 以汽车设计为例，80%-90%的环节（从手稿创意到零部件拆解）均可通过线上或AIGC方式完成。每个产业都需要建立自己的“数字生产层”，不仅包括沉淀下来的成型生产资料，更包括交互过程中的反馈数据。
三、AI将重塑各行各业的生产环节，不是修修补补而是重构。 以汽车设计为例，80%-90%的环节（从手稿创意到零部件拆解）均可通过线上或AIGC方式完成。每个产业都需要建立自己的“数字生产层”，不仅包括沉淀下来的成型生产资料，更包括交互过程中的反馈数据。
四、多模态技术（2025年11月突破）和全模态技术（预计2026年底突破）是技术升级的关键节点。 多模态对应生产型内容，全模态对应决策型内容。预计2027年8月前后，我们将看到大量决策型、行动型AI应用的涌现。
四、多模态技术（2025年11月突破）和全模态技术（预计2026年底突破）是技术升级的关键节点。 多模态对应生产型内容，全模态对应决策型内容。预计2027年8月前后，我们将看到大量决策型、行动型AI应用的涌现。
五、价值链正在从线性模式转向循环模式。 传统“原材料—生产—渠道—消费”的线性链条，正在转变为“数据—模型—生成—筛选—调用—执行—反馈—再生成”的持续迭代循环。AI时代做减法比做加法更重要，稀缺性不再来自“完成”，而是来自“能验证、能执行、能担责”。
五、价值链正在从线性模式转向循环模式。 传统“原材料—生产—渠道—消费”的线性链条，正在转变为“数据—模型—生成—筛选—调用—执行—反馈—再生成”的持续迭代循环。AI时代做减法比做加法更重要，稀缺性不再来自“完成”，而是来自“能验证、能执行、能担责”。
会议实录
会议实录
大家好，我是张娟。最近一段时间，我们持续外发了大约四篇深度报告，形成了“3+1”的矩阵，搭建了一个关于AI应用的三层研究框架的小体系。在这个过程中，我愈发觉得“AIGC的本质是广义出版”这篇报告越来越重要。
大家好，我是张娟。最近一段时间，我们持续外发了大约四篇深度报告，形成了“3+1”的矩阵，搭建了一个关于AI应用的三层研究框架的小体系。在这个过程中，我愈发觉得“AIGC的本质是广义出版”这篇报告越来越重要。
我发现，很多人已经注意到AIGC的“C”不只是大众娱乐或娱乐形态，它的范围比我们想象的要广得多。在这篇报告中，我提出了AIGC的内容至少具有三种属性。
我发现，很多人已经注意到AIGC的“C”不只是大众娱乐或娱乐形态，它的范围比我们想象的要广得多。在这篇报告中，我提出了AIGC的内容至少具有三种属性。
第一种是表达型内容。 唱歌、画画，这些都是大众娱乐取向的表达，是对外表达。
第一种是表达型内容。 唱歌、画画，这些都是大众娱乐取向的表达，是对外表达。
第二种是生产型内容。 举个例子，我写的这份报告本质上属于生产型内容，它服务于我们整个投研的需要。汽车设计、各种广义设计、白酒包装设计，都属于生产型内容。最近我越来越觉得生产型内容的范围比我想象的广得多——你在业内看到某个东西，原来它属于生产型内容，但之前你可能意识不到。
第二种是生产型内容。 举个例子，我写的这份报告本质上属于生产型内容，它服务于我们整个投研的需要。汽车设计、各种广义设计、白酒包装设计，都属于生产型内容。最近我越来越觉得生产型内容的范围比我想象的广得多——你在业内看到某个东西，原来它属于生产型内容，但之前你可能意识不到。
第三种是决策型内容。 举个例子，某位客户在某个股票的配置决策中，参考我的建议权重比较重，那我就参与了他的决策。
第三种是决策型内容。 举个例子，某位客户在某个股票的配置决策中，参考我的建议权重比较重，那我就参与了他的决策。
最近我还发现，这三层之间是相互转化的。表达型内容有可能把边界拓展到生产型内容，生产型内容也有可能最终走向决策型内容。比如，我最近很烦，看了一部电影或电视剧受到启发，然后做出一个决策，这就是表达型内容转化为决策型内容。这三者之间存在着相互关系、边界拓展和相互转化。
最近我还发现，这三层之间是相互转化的。表达型内容有可能把边界拓展到生产型内容，生产型内容也有可能最终走向决策型内容。比如，我最近很烦，看了一部电影或电视剧受到启发，然后做出一个决策，这就是表达型内容转化为决策型内容。这三者之间存在着相互关系、边界拓展和相互转化。
每隔一段时间，我对“AIGC的本质是广义出版”的认知就会更深一层。AI应用就是这样神奇——当它没有真实应用时，我们不知道；等它真实应用了，我们才恍然大悟：“原来还可以这样！”这也是AI应用的魅力所在。
每隔一段时间，我对“AIGC的本质是广义出版”的认知就会更深一层。AI应用就是这样神奇——当它没有真实应用时，我们不知道；等它真实应用了，我们才恍然大悟：“原来还可以这样！”这也是AI应用的魅力所在。
AIGC不是内容行业的升级，不是传媒行业的升级，更不是传媒互联网内容与文化的升级。 它是所有交互、交换、交易，所有生产力流淌范畴内活动的数字化。传统理解中，我们觉得AIGC生成的是文字、图片、音频、视频，范围基本就是传媒、娱乐，顶多加上营销。但技术迭代后，对这个概念的理解一定要重新划定范畴。
AIGC不是内容行业的升级，不是传媒行业的升级，更不是传媒互联网内容与文化的升级。 它是所有交互、交换、交易，所有生产力流淌范畴内活动的数字化。传统理解中，我们觉得AIGC生成的是文字、图片、音频、视频，范围基本就是传媒、娱乐，顶多加上营销。但技术迭代后，对这个概念的理解一定要重新划定范畴。
广义理解的话，AI生成的代码、设计流程、决策方案全是内容。它进入所有产业的每一个生产环节。Content本质上是数字化生产的对象、半成品、原材料或要素。 广义出版的边界不是出版行业决定的，而是AI应用能跑到AI产业的哪个深度、广度、边界决定的——它跑到哪里，边界就界定在哪里。
广义理解的话，AI生成的代码、设计流程、决策方案全是内容。它进入所有产业的每一个生产环节。Content本质上是数字化生产的对象、半成品、原材料或要素。 广义出版的边界不是出版行业决定的，而是AI应用能跑到AI产业的哪个深度、广度、边界决定的——它跑到哪里，边界就界定在哪里。
为什么我坚持用“出版”这个词？因为“出版”是国家层面的词。我们国有传媒公司、出版、有线网络和纸媒，是国家序列的表征。出版代表人文，纸媒代表价值观和立场，有线网络代表渠道。出版在历史上一直是人的意图呈现的主流形态。 以前是书、期刊、杂志，承载的是人的意图。现在大模型反向理解人的文字、图片、音频、视频，本质还是要理解人的意图。在AI时代用大模型刷新一遍出版，刷新出来的不一定是书或期刊，可能是指令、代码等——只要能代表你的意图就可以。
为什么我坚持用“出版”这个词？因为“出版”是国家层面的词。我们国有传媒公司、出版、有线网络和纸媒，是国家序列的表征。出版代表人文，纸媒代表价值观和立场，有线网络代表渠道。出版在历史上一直是人的意图呈现的主流形态。 以前是书、期刊、杂志，承载的是人的意图。现在大模型反向理解人的文字、图片、音频、视频，本质还是要理解人的意图。在AI时代用大模型刷新一遍出版，刷新出来的不一定是书或期刊，可能是指令、代码等——只要能代表你的意图就可以。
因为大模型的能力太强了，它可以瞬间解读音频、图片、视频，承载量极大。以前人的CPU和GPU解读能力偏弱，沉淀下来的主流形态就是书和期刊。但现在，文字、代码、模型都可以，模态更丰富，能够更精准地逼近人的真实意图，颗粒度变得更细，从而更好地传导结果。
因为大模型的能力太强了，它可以瞬间解读音频、图片、视频，承载量极大。以前人的CPU和GPU解读能力偏弱，沉淀下来的主流形态就是书和期刊。但现在，文字、代码、模型都可以，模态更丰富，能够更精准地逼近人的真实意图，颗粒度变得更细，从而更好地传导结果。
AIGC的“C”从表达型扩展到了行动型。 表达型主要是认知和娱乐，通俗讲就是传媒和教育。生产型内容就多了：代码、设计、图纸、方案、模型、合同、工作流，面向企业生产的各个环节。比如大模型训练自己的多模态时，从在线视频平台剪辑出的电视剧、电影素材，对于大模型训练来讲就是生产型内容。版权生意在AI时代是非常好的生意。
AIGC的“C”从表达型扩展到了行动型。 表达型主要是认知和娱乐，通俗讲就是传媒和教育。生产型内容就多了：代码、设计、图纸、方案、模型、合同、工作流，面向企业生产的各个环节。比如大模型训练自己的多模态时，从在线视频平台剪辑出的电视剧、电影素材，对于大模型训练来讲就是生产型内容。版权生意在AI时代是非常好的生意。
行动型内容方面，多模态技术从去年11月至今大约10个月，表达型向生产型迁移的趋势已经很明显。生产型什么时候向行动型迁移？我觉得是2027年8月。 2026年底突破全模态，全模态经过半年多的传导期，明年这个时候我们应该能看到很多决策型、行动型内容的呈现。
行动型内容方面，多模态技术从去年11月至今大约10个月，表达型向生产型迁移的趋势已经很明显。生产型什么时候向行动型迁移？我觉得是2027年8月。 2026年底突破全模态，全模态经过半年多的传导期，明年这个时候我们应该能看到很多决策型、行动型内容的呈现。
物质生产没有消失，但生产环节中80%-90%可以全面线上化。 举个例子，设计一款新型跑车，可能需要80-100人的团队、三到五年才能定稿。从最初的手稿创意，到零部件全部拆解、打样、试运行、调整，这些环节中80%-90%现在都可以用线上方式或AIGC方式推进。这一轮AI应用的行情一旦起来，会非常波澜壮阔、如火如荼，因为变革真的很剧烈、很猛烈，范围在明显扩大。
物质生产没有消失，但生产环节中80%-90%可以全面线上化。 举个例子，设计一款新型跑车，可能需要80-100人的团队、三到五年才能定稿。从最初的手稿创意，到零部件全部拆解、打样、试运行、调整，这些环节中80%-90%现在都可以用线上方式或AIGC方式推进。这一轮AI应用的行情一旦起来，会非常波澜壮阔、如火如荼，因为变革真的很剧烈、很猛烈，范围在明显扩大。
全模态非常关键。全模态对应的是决策型内容，多模态对应的是生产型内容。 技术上还有升级的空间。现实世界被模型读懂，它是以“学习”的方式去读的，所以一切都是重构的。AI囊括现实物理世界的方式，是双向改造：一是改造现实物理世界的认知、理解的概念、框架和体系；二是改造互联网和移动互联网。
全模态非常关键。全模态对应的是决策型内容，多模态对应的是生产型内容。 技术上还有升级的空间。现实世界被模型读懂，它是以“学习”的方式去读的，所以一切都是重构的。AI囊括现实物理世界的方式，是双向改造：一是改造现实物理世界的认知、理解的概念、框架和体系；二是改造互联网和移动互联网。
全模态、Agent、执行接口，会构成现实与数字世界的闭环。 现在AI改造不了现实世界，一是缺少全模态，二是缺少全模态时Agent的流程不能跑太长，否则报错率很高，正反馈建立不起来。执行接口的错误率也是关键问题。全模态对于Agent和执行接口最终能跑通非常重要。
全模态、Agent、执行接口，会构成现实与数字世界的闭环。 现在AI改造不了现实世界，一是缺少全模态，二是缺少全模态时Agent的流程不能跑太长，否则报错率很高，正反馈建立不起来。执行接口的错误率也是关键问题。全模态对于Agent和执行接口最终能跑通非常重要。
AI应用真实的边界在哪里，广义出版的边界就推到哪里。 编程、医疗、汽车、金融、机器人，这些还是我们现在的划分方式，实际上后续可能会标准化、标配化各行各业的生产环节。以前的生产环节是买材料、半组装（模组）、进一步组装、最后统一组装。以后很可能是用AIGC方式——各种MaaS、各种Agent、各种垂类模型——重新定义各行各业生产环节中的每个步骤。
AI应用真实的边界在哪里，广义出版的边界就推到哪里。 编程、医疗、汽车、金融、机器人，这些还是我们现在的划分方式，实际上后续可能会标准化、标配化各行各业的生产环节。以前的生产环节是买材料、半组装（模组）、进一步组装、最后统一组装。以后很可能是用AIGC方式——各种MaaS、各种Agent、各种垂类模型——重新定义各行各业生产环节中的每个步骤。
以我写报告为例，以前的生产方式是先有想法和思路框架，再写逻辑，最后填充数据。未来的生产方式是我提出一个问题，我对某个方向很好奇，我确认自己懂的是1到10中的1、3、5、7，但2、4、6、8是我的盲区。我把1、3、5、7告诉大模型，让大模型帮我补足2、4、6、8。各行各业的生产方式变化就是类似这样，不是修修补补，而是重构。
以我写报告为例，以前的生产方式是先有想法和思路框架，再写逻辑，最后填充数据。未来的生产方式是我提出一个问题，我对某个方向很好奇，我确认自己懂的是1到10中的1、3、5、7，但2、4、6、8是我的盲区。我把1、3、5、7告诉大模型，让大模型帮我补足2、4、6、8。各行各业的生产方式变化就是类似这样，不是修修补补，而是重构。
我做了这么多年卖方，突然发现要重新考虑怎么做卖方了。降费、增量变存量博弈有影响，但AI可以实现新的生产方式，所以卖方也得重新想想怎么做。修修补补不管用，一定要重构，最好另起炉灶。 我做的AI应用三层研究框架，就是我的另起一派，用这个方向的研究作为我重构的探索。
我做了这么多年卖方，突然发现要重新考虑怎么做卖方了。降费、增量变存量博弈有影响，但AI可以实现新的生产方式，所以卖方也得重新想想怎么做。修修补补不管用，一定要重构，最好另起炉灶。 我做的AI应用三层研究框架，就是我的另起一派，用这个方向的研究作为我重构的探索。
在这个重构过程中，我发现自己的数字生产层不光要有报告，更重要的是我与用户之间的交互、用户的反馈、用户的辩论或反驳。我需要的是生产过程中或决策过程中反馈回来的数据。所有的产业基于这种重构，它的数字生产层不光有沉淀下来的成型生产资料，更多的是交互数据。
在这个重构过程中，我发现自己的数字生产层不光要有报告，更重要的是我与用户之间的交互、用户的反馈、用户的辩论或反驳。我需要的是生产过程中或决策过程中反馈回来的数据。所有的产业基于这种重构，它的数字生产层不光有沉淀下来的成型生产资料，更多的是交互数据。
基于这些认知，我发现有些公司做得很好。比如我认识一个朋友，以前做版权保护快穷死了，但有了AIGC的各种工具后，现在做版权出海，富得流油。变革一方面要重构，另一方面会补足原来的短板。 我发现交互数据、反馈数据是欠缺的，所以后续我会追着问大家：你在AI应用方向有什么需求、有什么想法？
基于这些认知，我发现有些公司做得很好。比如我认识一个朋友，以前做版权保护快穷死了，但有了AIGC的各种工具后，现在做版权出海，富得流油。变革一方面要重构，另一方面会补足原来的短板。 我发现交互数据、反馈数据是欠缺的，所以后续我会追着问大家：你在AI应用方向有什么需求、有什么想法？
内容绝对不是最终的产品，它是生产资料。 基于这句话，我发现有些公司在互联网、移动互联网时代混得一般，但在AI时代变成了生产资料，卡住了关键生态位。现在我审视上市公司会一分为二地看：第一，你在互联网、移动互联网时代混得怎么样？第二，你现在的资源禀赋在AI时代怎么样？用这种视角去看，眼中的上市公司会有翻天覆地的变化。
内容绝对不是最终的产品，它是生产资料。 基于这句话，我发现有些公司在互联网、移动互联网时代混得一般，但在AI时代变成了生产资料，卡住了关键生态位。现在我审视上市公司会一分为二地看：第一，你在互联网、移动互联网时代混得怎么样？第二，你现在的资源禀赋在AI时代怎么样？用这种视角去看，眼中的上市公司会有翻天覆地的变化。
上市公司不仅认知上要变化，估值上也要变化。 存量博弈时代，AI又在重塑、替代、改革生产环节，那上市公司的核心观察指标是什么？肯定不是收入增速和净利润增速。用AI应用的三层研究框架去框，用一分为二的视角去看它新的生态卡位是否优化，最后会发现关键指标也有变化了。
上市公司不仅认知上要变化，估值上也要变化。 存量博弈时代，AI又在重塑、替代、改革生产环节，那上市公司的核心观察指标是什么？肯定不是收入增速和净利润增速。用AI应用的三层研究框架去框，用一分为二的视角去看它新的生态卡位是否优化，最后会发现关键指标也有变化了。
AIGC这个生产力出来之后，会有四组结构性变化：边界扩张（从狭义出版到广义出版）、价值链重新分配、生产关系变化、形成新的生态。 到2027年底，这四层应该都能看得出来了——全模态出来之后，运行半年到一年时间。
AIGC这个生产力出来之后，会有四组结构性变化：边界扩张（从狭义出版到广义出版）、价值链重新分配、生产关系变化、形成新的生态。 到2027年底，这四层应该都能看得出来了——全模态出来之后，运行半年到一年时间。
产业链价值的重新分配，很多都在我们没太注意的地方。以前炒的数据语料库，现在要重新定义了——死在图书馆里的数据不行，单纯的作品产品数据也不一定行，要进入生产、进入交互反馈的数据才行。模型方面，各种模型都在细化，核心在于供给的内容能不能被调用。执行层面能不能跑通，以及卡住关键生态位的人如何进行产业链重新分配。
产业链价值的重新分配，很多都在我们没太注意的地方。以前炒的数据语料库，现在要重新定义了——死在图书馆里的数据不行，单纯的作品产品数据也不一定行，要进入生产、进入交互反馈的数据才行。模型方面，各种模型都在细化，核心在于供给的内容能不能被调用。执行层面能不能跑通，以及卡住关键生态位的人如何进行产业链重新分配。
我认为AI时代要做减法，不是做加法。 互联网是做加法的，AI时代不是。价值链从线性的“原材料—生产—渠道—消费”转向循环往复的“数据—模型—生成—筛选—调用—执行—反馈—再重新开始”。消费型企业如果能从这个传统价值链变成这个新价值链，会非常强，因为它会持续沉淀数字生产层。
我认为AI时代要做减法，不是做加法。 互联网是做加法的，AI时代不是。价值链从线性的“原材料—生产—渠道—消费”转向循环往复的“数据—模型—生成—筛选—调用—执行—反馈—再重新开始”。消费型企业如果能从这个传统价值链变成这个新价值链，会非常强，因为它会持续沉淀数字生产层。
新的生态一定不是围绕作品，而是围绕任务和结果的运转。 AI时代可能更加理性，冷冰冰地指向各种数据化的反馈呈现。所有人被逼着往前走——你拿出作品本身不重要，重要的是能不能构建交付任务，以及交付过程中别人的反馈。未来的出版社一定是一个组织者，持续构建数字生产资料，其余的是任务系统。
新的生态一定不是围绕作品，而是围绕任务和结果的运转。 AI时代可能更加理性，冷冰冰地指向各种数据化的反馈呈现。所有人被逼着往前走——你拿出作品本身不重要，重要的是能不能构建交付任务，以及交付过程中别人的反馈。未来的出版社一定是一个组织者，持续构建数字生产资料，其余的是任务系统。
AI数字世界有五层：现实数据层、统一表征层、模型与访问层、Agent组织层、现实执行层。AI对现实世界的数据采集有自己的方式、方法和体系。每个人都被逼着走向“能验证、能执行、能担责”，稀缺性不再是“完成”，而是这三个能力。
AI数字世界有五层：现实数据层、统一表征层、模型与访问层、Agent组织层、现实执行层。AI对现实世界的数据采集有自己的方式、方法和体系。每个人都被逼着走向“能验证、能执行、能担责”，稀缺性不再是“完成”，而是这三个能力。
总结一下： 广义出版回归到它在历史上的定位——人的意图的主流呈现形态。现在大模型很厉害，AIGC可以把这种形态变成表达型、生产型、决策型。边界会扩得很广，每个产业都要重塑，并长出属于自己的数字生产层。价值链要重新分配，导向要变。我自己也在慢慢变。这就是我最近感受特别强烈的地方。
总结一下： 广义出版回归到它在历史上的定位——人的意图的主流呈现形态。现在大模型很厉害，AIGC可以把这种形态变成表达型、生产型、决策型。边界会扩得很广，每个产业都要重塑，并长出属于自己的数字生产层。价值链要重新分配，导向要变。我自己也在慢慢变。这就是我最近感受特别强烈的地方。