背景

在流量存量时代，内容运营重要性不言而喻。在流量时代，内容可以不要过于多样化和差异化，只需要有足够多的人流量，按流量转化比率来看，1000个人有1%概率转化，素材不变只要增加足够多的流量那就一定会有收益。所以在流量时代，运营提出的打法就是“黑客增长”，所谓流量漏斗、如何引入更多用户进来是重点。但在流量的存量时代，用户流量已经不可能无法线性增长，已经不存在或者只有很少部分的用户是没有被覆盖的。那么如何提高用户访问次数、素材和用户匹配概率就是增长的路径；上面两个增长路径其实都会涉及到能够促达用户的素材质量和素材量。只有素材足够多足够个性才有可能有足够概率满足用户的喜好，如此才可能让用户的访问次数增加、让用户对素材的匹配概率增加。

用户素材消费量 = 用户数*用户访问次数*素材和用户匹配概率
素材和用户匹配概率 = 用户访问次数*素材数量*素材差异度概率*素材-用户喜欢概率

通过对运营增长的建模数据分析，我们可以看到在存量增长时代内容运营的重要性，内容运营中高质量内容的重要性，要有绝对数量的高质量内容一定基数的内容数量是必须的。如此可见互联网公司都开始涌入内容生成想搞AIGC绝非一时脑热，这是有必然性的。

说的更直白点，AIGC或者虚拟现实会被提出来。根本原因就在于大公司在抢人，但是现实中的抢人已经白热化了红海了不好搞了，那我就再搞一个空间出来，这空间就是所谓的虚拟世界数字世界。从这个逻辑来看，根本不是AIGC或者虚拟现实技术难、或者说这个技术正好成熟，大厂他们就拿来用拿来搞这件事。正好相反是他们创造他们的空间和世界需要这样技术，所以他们疯狂的拿钱砸这个技术。

技术点：

上面交代完AIGC火的逻辑和大环境背景，我们下面会简单的介绍下现在AIGC的两种实现思路：

1.一步到位满足需求

2.多种技术融合组合满足需求

一步到位满足需求

什么叫做一步到位满足需求呢，其实在算法角度看很简单。就是用一个模型用户一次输入模型一次输出就可以满足用户的需求。这种解法在单点问题上做的不错，比如语音识别、音乐生成、换画风、单张图生成、命名实体识别、摘要抽取。这种传统需要多步多个模型解决的问题，现在单模型基本都能一步到位的解决的还不错。换就换说也就是这种问题经过这么多年的AI技术发展，这些问题已经成为AI的原子问题。

这波大模型、生成模型的出现，之所以让大家眼前一亮，很大部分原因就在于以前需要一个系统来解决的问题。现在已经可以一个回合单个模型就把问题解决了，也就是这次的AI模型把问题原子粒度提高了。提高了原子粒度换句话说就是直接让大家对事情的抽象度往上提了一个层次，所以可以让我们更大的视野去解决更高层次问题。或者说是逼着大家提高视野去解决更抽象更大视野的事情。

多种技术融合组合满足需求

所谓多种技术融合来满足技术需求，其实也就是我们需要利用多种技术或者组件组合成一个系统来做战。之所以要如此原因就是没办法用一个技术或者组件来解决人类现在碰到的这个粒度的问题。所以我们需要多种组件和技术搭配来构建系统应对。

回到正题，对于现在大火的大模型，我们如何把这种大模型作为引擎来搭配出。以文案生成为例，给一个我自己搭建的系统。

小结

从运营思路角度出发，推理了下AIGC火爆的商业逻辑。为了抢人，为了在打造新蓝海创造自己的空间，内容为王、虚拟现实是必然的一个趋势符合也满足商业需要。

从技术侧简单介绍了，这次技术带来了什么。原子粒度的问题在变的更强，让大家自然有更高技术视野去解决更大更广问题。在这个阶段，企业的价值在于如何利用大模型引擎打造系统解决更复杂的问题。对于大模型的公司，要做的就是让模型能把原子问题边界变得更大。

提出一个大模型作为引擎构建系统来解决问题的框架。暂且叫检索式生成构建框架。