随着AIGC培训模式和开源版的不断发布，各种AIGC应用平台的发展以超乎想象的速度发展。除了少数人感到威胁，所有人都说他们太过分了，一个接一个地尝试。

大多数早期用户都是研究人员或游戏爱好者。持续的获得感和饱腹感需要用户和制造商的共同进步。

因为是测试版，分析和可控性还有待开发，其他厂商也是一样的。版本升级的乐趣真的很难忘。每个家庭都擅长不同的东西，比如国内厂商对中文的理解和对数据的把握和分析能力。当然，每个家庭的审美都略有差异，这也是科技和艺术带来的魅力。整合跨学科需要时间。

在日常设计中，单幅图案的应用大多需要透明层的扣底处理，便于印刷的二次设计和排版。当然，在AIGC出现之前，需要复杂的构图和色彩设计，但在AIGC的支持下，可以等同于单幅图案。

在技术方面，有长或开放的文本生成、NeRF模型、Diffusion模型、跨模式大型预训练模型、小样本学习和自我监督算法，加强学习和环境学习，基于聊天文本生成、个性化营销文本、情感和细节TTS、拼凑视频生成、基于人工智能绘画、语音复制、技术方面的文本，深度神经网络的结构升级是促进AIGC快速发展的另一个主要因素，深度神经网络的量变带来了AIGC技术能力的质变。

根据模式区分，AIGC可分为音频生成、文本生成、图像生成、视频生成和图像、视频、文本跨模式生成、细分场景、跨模式生成也成为焦点，同时，人工智能分析功能不同，人工智能可以对不同模式元素进行二次拆卸组合，改变内容生产逻辑和形式，与其他人工智能系统或数据库联动，实现高度个性化、高频优化，AIGC的价值释放需要与不同行业的特殊场景深度融合。深度学习技术的快速发展带来了深度神经网络技术在大模型和多模式两个方向的不断进步，为AIGC技术能力的升级提供了强有力的支持和新的可能性。