​​生成式人工智能可按生成内容、核心技术、行业应用场景及可控性分级分类，主流分类方式均体现其在不同维度的技术特性与应用价值，涵盖文本、图像、音频、视频等多模态生成，以及各领域落地场景。​​

生成式AI按生成内容可分为文本、图像、音频、视频和多模态生成。文本生成以Transformer自回归模型和检索增强生成（RAG）为核心，应用于智能客服、新闻撰稿与代码补全，代表工具包括ChatGPT和GitHub Copilot；图像生成依赖扩散模型和生成对抗网络（GAN），用于概念艺术、照片修复，典型工具有Midjourney和Photoshop AI；音频生成技术如WaveNet和音乐扩散模型，支持虚拟主播配音与AI作曲，代表产品为ElevenLabs和Suno；视频生成基于时空扩散模型与帧序列预测，服务于短视频制作与影视分镜预演，代表工具为Sora和Runway；多模态生成通过跨模态对齐技术（如CLIP）实现图文互转与3D模型设计，代表工具为GPT-4o和NVIDIA GET3D。

按核心技术分类包括生成对抗网络（GAN）、扩散模型、自回归模型和变分自编码器（VAE）。GAN擅长高分辨率输出但训练不稳定，适用于人脸生成与艺术风格迁移；扩散模型生成质量高且可控性强，尽管计算成本较高，仍在图像和视频生成中占据优势；自回归模型长文本连贯性强但生成速度较慢，常用于小说创作与代码生成；VAE通过隐变量控制灵活但细节模糊，适合分子结构生成等科学场景。

从行业应用场景看，生成式AI覆盖创意、商业、教育、医疗等多个领域。创意领域中，AI绘画与音乐生成工具激发设计灵感与原创艺术表达；商业领域用于自动化营销内容生成与个性化广告定制；教育领域通过个性化学习资源和辅导提升教学效率；医疗领域辅助医学影像分析与药物研发。

在按行业应用场景分类的基础上，还可对生成式AI的可控性进行分级，从低到高分为完全不可控、条件可控、细粒度可控。例如，GAN生成的图像可能具有多样性但缺乏精确控制，而扩散模型的条件可控性更强，可通过输入文本或参数生成符合需求的图像，高精度3D建模则需达到细粒度可控级别。根据具体需求选择合适的分级模型可优化生成效果与效率。

总结而言，生成式AI的分类体系覆盖内容类型、技术原理、应用场景与可控性维度，为不同行业与用户提供了针对性选择。理解这些分类逻辑有助于把握其技术边界与应用潜力，在数字化转型与创意表达中释放更大价值。