NFPrompt： 如何利用Web3技术重塑AIGC创造者经济

TL; DR:

在互联网和 AIGC 技术推动下，创作者经济迎来显著发展，为创作者带来了涵盖从广告收入到直接销售等多样化收入方式。

向公众公开的 AIGC 项目如 DALL-E 3、Midjourney 和 Stable Diffusion 在 AI 绘画应用中表现突出。对于创作者经济，AIGC 的加入提升了内容创作的效率和创作自由度。

尽管创作者经济面临 版权问题 和收入不稳定 等挑战，Web3的融入提供了新的解决方案，尤其在强化 版权管理 和 作品货币化 方面。

NFPrompt 作为结合 Web3和 AIGC 的新兴平台，为创作者提供了创作、交易和社交的一体化环境。NFPrompt 通过加入币安 LaunchPool 进行 $NFP 代币的首次公开发行，为项目带来了更广泛的曝光和参与机会。

未来，随着 AIGC 和区块链技术的发展，预计创作者经济将更加多元和包容，提供更多机会和自由给创作者和消费者。

一、创作者经济一路走来

1.1 互联网揭开帷幕

创作者经济指的是在互联网平台辅助下，允许创作者通过创造数字内容赚取收入的一种新经济模式。在互联网浪潮的推动下，创作者经济已成为全球经济的一个重要组成部分。尤其是随着人工智能生成内容（AIGC）和 Web3 技术的出现，这一领域正在经历前所未有的变革。现今，创作者经济的市场规模达到了前所未有的高度。据高盛的研究团队估计，未来五年全球 5000 万创作者的复合年增长率将达到 10% 至 20% ，至 2027 年全球总量有望超过 5000 亿美元，技术突破带来的 AIGC 为内容创作开辟了新的天地。这种增长得益于数字化和全球化的推进，使得创作者能够触及更广泛的受众，并且通过多样化的方式赚取收入，包括广告收入、赞助、商品销售、订阅服务等。

创作者经济这一领域，最早可以追溯到互联网时代早期的博客和社交媒体网站的兴起，在那时，内容创作者开始利用这些新兴平台来分享自己的想法、作品和生活经历。随着时间的推移，创作者经济经历了显著的发展。早期的博客和社交媒体平台，如 MySpace 和 YouTube，为个人提供了一个表达和分享的空间，也为他们创造了收入的可能性。YouTube 的合作伙伴计划更是早期践行创作者经济的一个重要标志，它通过允许视频创作者通过他们的视频赚取广告收入来激励内容的创建。

Youtube 标志着互联网的创作者经济新时代

时间进入 21 世纪，随着社交媒体的普及和智能手机的使用增加，更多的移动平台出现了，如移动设备上火爆的 Instagram、TikTok 和 Snapchat，为创作者提供了更多样化的表达方式和赚钱途径。同时，众筹平台如 Kickstarter 和 Patreon 的出现，为创作者提供了多元化的收入流，包括通过内容直接向粉丝销售产品和服务，以及通过赞助、会员制服务和版权销售等方式盈利。

1.2 AI 入局， AIGC 技术的兴起

进入 21 世纪，AI 技术的飞速发展带来了一系列创新应用，极大地影响了创作者经济。这些应用包括智能内容识别，能够评估内容的质量的优劣；以及智能系统推荐，优化了内容的生产与需求匹配等。尤其在 2022 年，伴随着多款图像 AIGC（人工智能生成内容）产品的问世，如 DALL·E 2、Stable Diffusion、Imagen 和 Midjourney，以及年末推出的全能助手工具 ChatGPT， 2022 年正式成为 AIGC 元年。AIGC 技术的出现标志着 AI 逐步向其更高级形式的发展，而且对于创作者经济而言，AIGC 其高效、接近人类水平的逻辑和内容生成能力，为创作者这个团体开辟了新的发展道路。

AIGC 可以高效生成风格多样的设计内容

AIGC（人工智能生成内容）的核心技术主要基于 Transformer 模型，这是一种在海量数据上预训练的高效算法，用于理解和处理语言或图像。AIGC 的一般流程首先是对输入的 Prompt（即指令或概念）进行深度解析，这一步骤通常由语言或图像的大模型（GPT 系列、BERT 系列 和 CLIP 系列等等）完成；然后再利用 扩散模型（Diffusion Model），利用对高斯模糊进行逆行计算的原理，完成高质量图像的最终生成。随着 AIGC 的热潮而来的，是当前市场上涌现的层出不穷 AIGC 应用，然而其中在 AI 绘画应用中表现最为突出的依然是最早发布的老牌项目： DALLE 3、Midjourney 和 Stable Diffusion，它们以卓越的生成质量脱颖而出。（其实还有一个谷歌家自研产品 Imagen，然而谷歌贯彻着以往的闭源风格，外人只能从谷歌推出的其他产品，和发表的各种学术论文中了解到它的蛛丝马迹，这从侧面展现出中心化机构垄断的负面影响，但这就是另一个话题了。）回到正题，下图展示了在接收到同样一条 Prompt 时，市面上的三个产品所生成的不同结果。可以看出 MidJourney 5.2 的生成结果最佳，不仅完美按照 Prompt 的描述生成场景，还为场景中添加了不少的细节。Dall-E 3 的生成结果次之，但也是完全按照 Prompt 的描述进行生成。Stable Diffusion 的结果最差，没有生成出 “anime girl” 的样貌风格，这可能是因为其开源项目的特性，导致其使用的训练数据规模不足。