AIGC（AI-Generated Content）是利用人工智能技術來生成內容。2021 年之前，AIGC生成的主要還是文字，而新一代模型可以處理的格式內容包括：文字、語音、代碼、圖像、視頻、機器人動作等等。AIGC 被認為是繼專業生產內容（PGC，professional-generatedcontent）、用戶生產內容（UGC，User-generated content）之后的新型內容創作方式，可以在創意、表現力、迭代、傳播、個性化等方面，充分發揮技術優勢。
但是 GAN 有三個不足：1）對輸出結果的控制力較弱，容易產生隨機圖像；2）生成的圖像分別率較低；3）由于 GAN 需要用判別器來判斷生產的圖像是否與其他圖像屬于同一類別，這就導致生成的圖像是對現有作品的模仿，而非創新。因此依托 GAN 模型難以創作出新圖像，也不能通過文字提示生成新圖像。
CLIP 模型能夠將文字和圖像進行關聯，比如將文字“狗”和狗的圖像進行關聯，并且關聯的特征非常豐富。因此，CLIP 模型具備兩個優勢：1）同時進行自然語言理解和計算機視覺分析，實現圖像和文本匹配。2）為了有足夠多標記好的“文本-圖像”進行訓練，CLIP模型廣泛利用互聯網上的圖片，這些圖片一般都帶有各種文本描述，成為 CLIP 天然的訓練樣本。據騰訊科技公眾號顯示，CLIP 模型搜集了網絡上超過 40 億個“文本-圖像”訓練數據，這為后續 AIGC 尤其是輸入文本生成圖像/視頻應用的落地奠定了基礎。
