一： AIGC的历史发展
在前两篇的文章中，我们介绍了AIGC的早期阶段和沉淀积累阶段中AIGC的起源，以及AIGC的理论和概念。那么这篇文章我们就简单的介绍下AIGC历史上发展的第三个阶段，也就是目前所处的阶段：AIGC（生成式人工智能）阶段
1.1 chatGPT
大家都知道，chatGPT打开了AIGC生成式人工智能的第一枪，瞬间爆火全球，从chatGPT3.0到3.5再到4.0等等正式宣告了生成式人工智能（AIGC）时代的到来。在这个新时代的潮流下，企业们都不想落下，都想在这一块新生的领域内分的一块蛋糕。于是各种AI技术如雨后春笋般涌现，令人眼花缭乱，不知该如何抉择，如何选择。但说实话目前的AIGC技术都有着一定的门槛，针对的是企业或者有开发基础的开发人员，对于普通大众而言，门槛还是稍高一些，所以接下来必定会有一些公司或者企业，对其AI技术进行封装，包成亲民、利民的软件，抢占用户市场。
1.2 AIGC：万物皆可AI生成
最近很流行的一句话，万物皆可AI生成。我还记得初听这句话时，是抱着怀疑的态度的，甚至有点嗤之以鼻。但后来我利用了github上的Stab Diffusion 在自己的本地上，搭建了一个本地环境，然后利用C站上的Loar模型，以及一些基础模型，试着生成了一下，哇哦，简直不可思议，竟然真的能生成各种类型的图片！下面我就放一张我自己生成的，给大家看看：
真的太神奇了，不管是整体还是局部，都令人惊艳。精致、可控是文图生成AIGC的一大优点，用户完全可以根据自己的喜欢来微调。
1.3 AIGC分类
二： 多模态AIGC大模型驱动的具身智能
最近，谷歌5620亿参数的PaLM-E，他们将真实世界的传感器信号与文本输入相结合，建立语言和感知的链接，然后再利用可操控机器人完成任务规划和物品操作。
他们利用PaLM-E进一步验证了“智慧涌现”在多模感知和具身智能上的效果。
主要架构思想:
将连续的、可感知的观察数据 注入预先训练的语言模型的嵌入空间中，以使 其能够理解这些连续数据。这是通过将连续观 测数据编码为与语言嵌入空间中的语言标记具 有相同维度的向量序列来实现的。
这种连续信 息以类似于语言标记的方式注入语言模型中。
在机器人操作规划、视觉问答和字幕生成等任 务中进行了端到端的训练。
