生成式人工智能是人工智能的一个分支，专注于生成新内容：文本、图像、音频、视频、代码或3D资产。分类器将输入映射到标签，而生成模型则充分学习其训练数据的分布，从而从中采样出新样本。该术语在2022年11月ChatGPT发布后的AI热潮中成为主流，到2024年，它已成为整个产品类别和投资浪潮的代名词。
技术基础
现代生成式人工智能依赖于少数几个模型家族。自回归模型（如大型语言模型）一次生成一个词元的序列，为聊天助手和代码生成提供动力。扩散模型主导图像和视频合成，学习逆转逐步加噪的过程。早期方法包括生成对抗网络（2014年），它推动了第一波照片级真实感合成和深度伪造，以及变分自编码器。几乎所有当前系统都基于Transformer (architecture)架构，并通过自监督学习在网页规模的训练数据上进行训练。
模态
文本生成是部署最广泛的形式，通过ChatGPT、Claude、Gemini、Microsoft Copilot、DeepSeek、豆包、Grok、Kimi和Qwen等助手实现。文本到图像系统（如DALL-E、Firefly、Stable Diffusion和Midjourney）在2022年将生成引入视觉艺术；文本到视频从2024年起紧随其后，出现了Sora、Veo和LTX。其他活跃模态包括语音合成、音乐生成和3D生成。
影响与争议
生成式人工智能通过AI编码助手重塑了软件开发、营销、设计和教育，同时引发了关于训练数据中版权、创意产业中的岗位流失、错误信息以及大规模低质量合成内容（有时称为AI垃圾）的争议。批评者（如随机鹦鹉论文的作者）质疑流畅的生成是否反映理解。支持者则认为该技术增强而非取代人类创造力，这一争论至今未决。
近期发展
到2025年年中，由于集成困难、数据质量问题和回报未达预期，公司正越来越多地放弃生成式人工智能试点项目，导致Gartner和《经济学人》的分析师将这一时期描述为进入Gartner炒作周期的“幻灭低谷”阶段。在美联储2025年10月的一项调查中，四分之一的美国工人报告称在上个月工作中使用了生成式人工智能。Just So Soul社交媒体应用2024年的一项调查显示，18%的2000年后出生受访者“几乎每天”使用生成式人工智能，超过60%的受访者喜欢或热爱AI生成内容（AIGC），而不到3%的受访者不喜欢或讨厌它。在Ipsos 2024年的一项调查中，亚太国家比西方社会对生成式人工智能明显更乐观，68%的亚太受访者认为AI对世界产生了积极影响，而全球这一比例为57%。一份联合国报告指出，从2014年到2023年，中国实体提交了超过38000项生成式人工智能专利，超过任何其他国家。