| 摘 要 | 随着人工智能技术的发展，诸如 ChatGPT、Mid-journey、Stable Diffusion 等技术被广泛运用于内容创意生成领域，在文字、图像、视频、虚拟数字人等内容形式上发挥了巨大的作用。对于品牌来说，内容创意影响了品牌能否持续驱动产品创新、形象塑造、实现与用户的情感连接，是当下品牌营销传播实践的重要组成部分。在全智能时代的背景下，生成式 AI 凭借强大的内容生产能力在品牌的内容创意方面实现了迭代升级。本文尝试梳理当前生成式 AI 大模型对品牌内容创意的应用能力，进一步审视生成式 AI 作为一种工具对于品牌内容创意的营销价值，并总结营销价值演进的过程，期望未来营销价值能走向更智能、更人性化的方向。

| 关键词 | 全智能时代 生成式 AI 内容创意 营销价值

| Abstract | With the development of artificial intelligence, technologies such as ChatGPT, Mid-journey, and Stable Diffusion are widelyused in the field of creative content, playing an important role in the forms of text, image, video, virtual digital person, andso on. For brands, creative content affects whether the brand continues to drive product innovation, image building, andachieve an emotional connection with users, which is an important part of the current brand marketing communicationpractice. In the era of full intelligence, generative AI has achieved an iterative upgrade in the brand's content. The paperattempts to sort out the application ability of the current generative AI model, further, explore the marketing value ofgenerative AI as a tool for brand content, and summarize the evolution process of marketing value, hoping that the futuremarketing value can move towards a more intelligent and more humane direction.

| Keywords | the era of full intelligence generative AI creative content marketing value

 01 

研究背景：

关于生成式 AI 内容创意的发展

随着生成式 AI 的崛起，人工智能技术的发展进入了一个全新的阶段。传统的人工智能主要聚焦于感知理解、数据分析、算法推荐等能力，而生成式 AI 以 ChatGPT、GPT-4等大型语言模型为基础，能够独立生产连贯的内容，这种自主性的创造能力为艺术、文学、内容创作等领域带来了全新的可能性，展现出了独特的创造性和高效率，这也意味着社会进入现代人工智能的探索阶段，人工智能进入大模型时代。从内容生产的发展阶段来看，Web1.0、Web2.0和 Web3.0 不仅代表了互联网发展的三个阶段，更体现了内容生产的演进历程。Web1.0 以专业内容生产（PGC）为主导，主要由各类门户等专业网站提供信息，内容呈现较为静态，用户在获取信息时相对受限。而 Web2.0 以用户生成内容（UGC）为主，社交媒体、短视频、电商平台等成为用户获取信息的主要来源，用户不仅是信息的消费者，更是内容的创作者，用户在社交、分享和评论等方面的参与度显著提高。而 Web3.0 的组织形态虽然尚未完全确定，但人工智能生成内容（AIGC）已经开始崭露头角，AIGC正成为下一代互联网内容的主要形式之一 [1]。在巨量数据和无监督预训练的支持下，生成式 AI 具备了基本的内容创作能力，实现了多模态的内容生产 [2]。如果说，互联网的发展带来了信息复制传播的零成本，那么生成式 AI 将实现信息和知识生产创造的零成本 [3]。

曾有学者利用定性实验探讨了人工智能在人类创造参与过程中发挥的重要作用，主要包括改变团队的协作模式和创造性角色、减缓合作中人际交往的摩擦和拖延等等。这项研究发现了生成式 AI 在人与人的创意合作中所发挥的作用，能够为生成式 AI 的多元应用提供参考思路 [2]。随着智能媒介技术的快速迭代，“内容”的内涵和外延进一步拓展，全新的内容范式将有助于支撑生成式 AI 在内容生产上的角色功能的扮演[4]。在传统媒介广告内容式微的背景下，品牌主加大了对数字技术和场景化传播的营销投放，其中“内容”构建了营销传播的内核 [5]，成为全智能时代品牌重点关注的方向。

首先，独特的内容创意能够打破传统广告的单一形式，吸引目标受众的注意力，利用巧妙的故事叙述、创意设计或幽默感，帮助品牌在竞争激烈的市场中脱颖而出，建立与消费者之间更为深刻的情感联系。其次，社交性的内容创意还能够促进社交分享和口碑传播。当消费者被一个有趣、有创意的内容吸引时，他们更愿意与朋友、家人分享，间接扩大了品牌的影响力。这种口碑传播对于品牌建立信任和忠诚度至关重要。最后，高品质的内容创意可以为品牌创造有深度的故事，引发消费者的共鸣，从内容中感受到品牌的核心价值和使命，从而建立起更为牢固的品牌忠诚度。全智能时代背景下，生成式 AI 如何利用其技术模型，在营销相关的法规和伦理规范内发挥营销价值、实现品牌营销价值与消费者情感价值的连接，已成为当前品牌需要面对的重要议题。

 02 

生产变革：

生成式 AI 智能大模型重塑内容创意

大模型又被称为基础模型、预训练模型 [6]，在经历了模型参数量提升、数据训练、强化学习等各个阶段后 [7]，实现了快速的升级，常见的人工智能大模型包括 NLP 元自然处理大模型、CV 计算机视觉大模型、跨模态大模型、科学计算大模型等。2021 年，北京智源人工智能研究院相继发布 AI 模型系统“悟道 1.0”和“悟道 2.0”，是我国首次研发的人工智能大模型。2023 年 8 月 31 日，百度“文心一言”大模型正式向社会公众开放使用。在专业内容生产领域，人工智能大模型优势体现在信息整合、标签细化和智能摘要上 [8]，运用其理解、生成、逻辑、交互等能力逐渐实现了内容创意生产。

2.1 从理解到生成：生成式 AI 智能大模型为内容创意提供参考来源

理解层面：由于大模型强大的文本数据和训练能力，它具有深刻的语言理解能力。例如当输入一个问题时，ChatGPT 能够理解问题的语境、含义，并生成具有逻辑性和实时性的回答，这种理解能力使得生成式 AI 被广泛运用于机器翻译、情感分析等。品牌在运用生成式 AI 的过程中，能否使得生成式 AI 对品牌形象、理念、产品性能等要素形成全方位的理解是品牌开展内容创意的前提。基于强大的智能模型，生成式 AI 能够将内容营销中的多源异构多模态数据在统一的框架下进行语义融合和知识对齐，形成多模态认知和理解能力，理解内容营销中的多模态数据应用和场景匹配，这将成为生成式 AI 内容创意的第一步。

生成层面：人工智能大模型生成的内容生成形式主要包括了文本、图像、视频等。2021 年，OpenAI 发布跨模态深度学习模型（CLIP），它能够提取图片和文本中的特征开展相似度对比，从而计算文本与图像的匹配程度，开启了生成式 AI 的跨模态生成应用，为后续生成式 AI 尤其是输入文本生成、图像 / 视频应用的落地奠定了基础。生成式 AI 大模型在前期依靠大量的数据驯化后，注入了大量专业内容创意知识，经历预训练、指令微调、强化学习阶段后，将会在内容生成上具备强大的创造力。

2.2 从逻辑到交互：生成式 AI 智能大模型增强内容创意的交互体验

逻辑层面：2019 年 11 月，图灵奖得主约书亚·本吉奥借鉴心理学家卡尼曼曾提出了“系统 1”（快速、直觉、无意识）和“系统 2”（慢速、逻辑、有意识）的理念，指出深度学习的未来应走向“系统 2”[9]。2020 年 9 月，陈左宁院士在《人工智能进展对算力需求分析》的主题报告中提出了人工智能的三大关系研究，其中一大关系便是逻辑关系，例如图循环神经网络中的循环连接及知识图谱中的推理 [10]。人工智能大模型在大规模数据上预训练，包含了百亿及以上参数且能通过微调、上下文学习、零样本等方式广泛应用于下游任务，依靠强大的演绎、推理、链接等逻辑关系实现品牌内容的深度链接，重塑内容生产的逻辑链条，为交互环节的应用提供了逻辑基础。

交互层面：人工智能大模型能够理解用户的需求、提供个性化的信息，并参与更为复杂的交互过程，这使得人工智能在虚拟助手、客服对话等方面有着广泛的应用。有学者从可供性理论和社会认同理论的视角探讨了聊天机器人可供性对消费者品牌忠诚度的影响，认为聊天机器人的信息关联能力、可见性、连接性等性能会提升品牌忠诚度[11]。美国用户体验设计专家 Don Norman 曾将本能（visceral）、行为（behavioral）和反思（reflective）作为用户交互的重要原则，并将这三大层次的交互作用概括为“情感化设计”（emotional design），由此总结出了全新的交互设计方法。在交互环节，内容创意的设计重点不仅需要从认知层面推动用户提高知识水平，更需要从情感层面帮助用户获取情绪价值与认同 [12]。在人工智能场景中，生成式 AI 为内容创意实现了自动问答、视觉识别、姿态识别等交互功能，为人与人工智能交互带来了更多可能性。

 03 

生成式 AI 内容创意的营销价值

3.1 转变内容创意维度，满足用户个性化需求

从广告创意的发展历程来看，广告创意经历了程序化创意、智能创意、数据创意、生成式 AI 创意几个阶段。程序化创意推动了广告投放的自动化；智能创意实现了广告内容、广告场景、广告用户之间的匹配和精准触达；数据创意从数据维度探讨量化创意的可能性 [13]；而生成式 AI 创意不仅结合了上述广告创意的智能化特性，更是将创意从二维层面转移至三维层面，聚焦内容创意的人机对话、情感卷入、社交临场感等属性，打开全智能化内容创意生成的思路。早期的生成式 AI 内容创意依赖预先设定的统计模其在内容创意领域的附加值，将帮助品牌探索出一条涵盖多业务、多领域、多模式的新型发展模式，进入品牌传播所畅想的“AI+ 时代”。

 04 

从经验导向到 AI Agent，

营销价值的演进历程

在大数据火热的背景下，有学者分析了传统营销体系的解构与全媒体营销体系的重构，认为亟须建立新的模式与方法应对营销环境的变化 [21]。而如今，现代人工智能的发展再次带领品牌传播和广告营销迈入了一个新阶段，营销价值也经历了从“经验导向”到“人机共生”再到“AIAgent”的演进过程。

4.1 经验导向：传统的营销价值

在早期的营销市场中，营销人员缺乏定量的理性营销思路，大多依靠自身生活、学习经验和认知开展营销活动，决策和策略主要建立在个人观点和感觉上。在营销技巧方面，由于缺乏科学的依据，推销技巧和沟通能力成为营销人员取得成功的重要因素，强调人际关系的建立和维护。

随着理性营销思路的引入，营销界开始采用定性的研究方法，例如，李奥贝纳建立专门的“李奥贝纳消费者访谈小组”，博报堂曾开发著名的“生活综合研究所”，洞察消费者偏好。然而，这一营销思路仍旧是以营销人员的经验为主导，访谈或调查的问题由营销人员基于自身想法设计，未能完全摆脱主观主导的局限。传统营销价值聚焦于产品的宣传、销售额的转化环节，核心仍在于个体经验的积累和应用，尚未应用科学的市场研究方法。这一阶段的营销价值体系在信息获取市场洞察方面受到多方限制，随着市场的复杂性增加，人们开始认识到仅仅依赖经验和直觉已经无法应对多变的消费环境。

4.2 人机共生：科学的营销价值

在营销领域，人机共生可以理解为人类与人工智能机器之间建立一种协同合作的关系，以科学的方式实现更高效、更精准、更个性化的营销价值。例如，智能技术能够在人工的参与下处理和分析大量的用户数据，为品牌提供全面详尽的市场趋势、消费者行为模式、竞品动态等；智能技术可以参与执行重复、烦琐的人工任务，包括发送邮件、跟进消费者反馈等环节，减轻团队的劳动强度，提高工作效率，在科学的营销价值阶段，品牌能够利用人机共生的协作模式，在保留人类的创造力、战略思维和情感理解的前提下，发挥智能技术的自学习、自适应等特点，将产品销量以精准的方式转化为品牌影响力、品牌忠诚度等无形指标，推动营销全链路的科学性。

4.3 AI Agent：全智能的营销价值

根据官方定义，AI Agent（人工智能代理）是一种能够感知环境、进行决策和执行动作的智能实体，具有自动思考和行动的能力，属于人工智能的一大重要分支。早期的智能代理一般在设定的程序和代码中进行流水线的操作，无法完全理解自然语言并独立开展任务。而大语言模型的火热将 AI Agent 推向了更高的发展方向。AI Agent 可以嵌入不同特定的模型组件包括语音识别模型、神经网络模型等，在需要处理某项特定任务时，根据不同的模型调动相应的指令，自动完成设定的目标。曾有学者构建了一座基础设施完善的数字化虚拟城镇，多个人工智能体生活在城镇中开展工作、社交、生活等行为，充分展现 AI Agent的适应性、自主性和互动性 [22]。在营销领域，品牌正在探索 AI Agent 多领域的应用和落地。例如，英伟达在《我的世界》中打造的 Voyager 游戏智能体能够自主完成游戏训练任务 [23]；DeepMind 和 LinkedIn 创始人曾联合创造富有同理心的聊天机器人 Inflection AI，深入提供情感陪伴和支持，开辟人机交互的全新可能 [24]。

在未来，随着大模型技术的不断成熟，AI Agent 将能够依据品牌设定的目标，在无须干预的情况下自动进行内容创意生成和精准匹配，独立承担起引起关注、转化购买、后续跟进反馈等一系列用户体验的工作，最终达成目标。从经验导向到人机共生，技术始终承担着辅助性的边缘作用，未能对营销价值产生实质性的颠覆作用。如今，随着全智能时代的到来，品牌致力于发挥 AI Agent 的独立执行和决策等能力，将其广泛应用于智能客服、游戏交互、金融等多营销领域，挖掘内容创意的趣味性、社交性、情感性、艺术性等深度属性，培养用户的多元化思维和眼界，不断建立全智能的营销价值体系，最终实现用户与品牌之间的深度连接。

 05 

结语

本文从营销价值层面探讨了生成式 AI 打破传统的内容创意维度、内容生产流程和应用领域等正面作用。在营销价值的演进中，从经验导向到人机共生再到 AI Agent，品牌正不断探索新机遇、以全新的价值衡量方式应对市场的变化。本文主要从积极的角度分析了生成式 AI 内容创意为品牌带来的机遇，但生成式 AI 所引起的隐私泄露、版权危机、权责分配等问题仍需受到重视。众多资深开发人员曾多次公开表示应警惕 AI 对全人类的影响，科幻小说家玛丽雪莱曾在《弗兰肯斯坦》中拼凑出一个有自主意识的智能人，它因无法得到社会的理解，而成为社会秩序的破坏者 [25]。在全智能时代到来之际，人工智能开始走下“神坛”，品牌更应深度掌握生成式 AI 的应用能力，以其为辅助工具，平衡内容创意的艺术价值与科技价值，构筑全智能的营销价值体系，推动商业与技术运用的营销格局健康可持续发展。

本文为国家社会科学基金项目《新文科背景下计算广告的理论与实践研究》（批准号：21BXW009）的阶段性成果。

（作者信息：段淳林，华南理工大学新闻与传播学院教授、博士生导师；陈芮洁，华南理工大学新闻与传播学院 2023 级硕士研究生）

【参考文献及注释】References & Annotations

[1] 李白杨、白云、詹希旎等，人工智能生成内容（AIGC）的技术特征与形态演进 [J]，图书情报知识，2023，40(01)：66-74

Suh, Minhyang (Mia); Youngblom, Emily; Terry, Michael; Cai, Carrie J，AI as Social Glue: Uncovering the Roles of Deep Generative AI during Social Music Composition. Proceedings

of the 2021 CHI Conference on Human Factors in Computing Systems (2021): n. pag.

[2] 曹建峰，迈向可信 AI:ChatGPT 类生成式人工智能的治理挑战及应对 [J]，上海政法学院学报 ( 法治论丛 )，2023,38(04)：28-42

[3] 喻国明、李钒，内容范式的革命：生成式 AI 浪潮下内容生产的生态级演进 [J]，新闻界，2023(07)：23-30

[4] 奚路阳、程明，审美、情感与价值性——数字时代内容营销创意转向的内在逻辑与路径 [J]，教育传媒研究，2023(02)：55-58

[5] Discipline Frontier 学科前沿

[6] R. Bommasani, D. A. Hudson, E. Adeli, R. Altman, S. Arora, S. von Arx, M. S. Bernstein,J. Bohg, A. Bosselut, E. Brunskill, et al. On the opportunities and risks of foundation models,

2021. arXiv:2108.07258.

[7] Ouyang L, Wu J, Jiang X, et al. Training language models to follow instructions with human feedback[J]. Advances in Neural Information Processing Systems, 2022, 35: 27730-

27744.

[8] 黄淼，传媒技术：大模型浪潮席卷下的探索与调适 [J/OL]，青年记者，1-4[2024-01-16]

[9] 丹尼尔·卡尼曼，《思考 , 快与慢》[J]，教育， 2012(28)：95

[10] 陈左宁，人工智能进展对算力需求分析，第十六届 CCF 全过高性能计算学术年会，中国郑州，2020

[11] K.-W. L , C.-Y. L .It is not merely a chat: Transforming chatbot affordances into dual identification and loyalty[J].Journal of retailing and consumer services, 2023.

[12] Landry J. Emotional Design:Why we Love（or Hate）Everyday Things（Book）[M]. New York: Basic Books, 2004: 95.

[13] 段淳林，技术变革背景下中国计算广告的发展趋势 [J]，山西大学学报 ( 哲学社会科学版 )，2022，45(05)：96-104

[14] 郭全中、袁柏林，AIGC 与 WEB3.0 有机融合：元宇宙内容生产的新范式 [J]，南方传媒研究，2023(01)：36-47

[15] 游艳馨，中国 AIGC 广告营销产业全景报告，量子位智库 QbitAI insight，2024：12

[16] 中国信息通信研究院、京东探索研究院，人工智能生成内容（AIGC）白皮书 [R/OL]，（2022-09-02）[2022-11-05]

[17] 段淳林，整合品牌传播：从 IMC 到 IBC 理论建构 [M]，北京：人民出版社，2019

[18] 段淳林、林伟豪，移动互联网时代的品牌传播创意研究 [J]，编辑学刊，2014(01)：100-104

[19] Sonya Huang、Pat Grady ，Generative AI’s Act Two, 红山资本，2023

[20] McIntosh, T. R., Susnjak, T., Liu, T., Watters, P., & Halgamuge, M. N. (2023). From Google Gemini to OpenAI Q* (Q-Star): A Survey of Reshaping the Generative Artificial Intelligence (AI)

Research Landscape. arXiv preprint arXiv:2312.10868.

[21] 黄升民、刘珊，“大数据”背景下营销体系的解构与重构 [J]，现代传播 ( 中国传媒大学学报 )，2012,34(11):13-20

[22] Park, Joon Sung, et al. "Generative agents: Interactive simulacra of human behavior." arXiv preprint arXiv:2304.03442(2023)

[23] Wang, G.; Xie, Y.; Jiang, Y.; Mandlekar, A.; Xiao, C.; Zhu,Y.; Fan, L. J.; and Anandkumar, A. 2023. Voyager: An Open-Ended Embodied Agent with Large Language Models. ArXiv,

abs/2305.16291.

[24] 闻学臣，计算机 -Inflection AI- 打造最“走心”的 AI 对话机器人，中泰证券研究所，2023:2

[25] 艾晓明，科学与怪人——重读一部女性小说经典《弗兰肯斯坦》[J]，外国文学研究， 1998(1):5