​​生成式人工智能（Generative AI）是一类能够自主创造文本、图像、音频、视频等新内容的技术，其核心能力在于​​模仿数据模式并生成原创输出​​。目前主流类型包括自然语言生成模型（如GPT系列）、图像/音频生成模型（如DALL·E、Stable Diffusion）、机器人控制模型，以及基于GAN、VAE、扩散模型等算法的多模态生成系统​​。

1. ​​自然语言生成模型​​
   以大型语言模型（LLM）为代表，如GPT-3、LLaMA等，通过学习海量文本数据生成连贯的语句或代码。这类模型可完成写作、翻译、编程辅助等任务，但需注意其输出可能存在“幻觉”（虚构事实）。

2. ​​图像与音频生成模型​​
   通过扩散模型（如Imagen）或生成对抗网络（GAN）生成逼真图像、视频或音乐。例如，Midjourney可根据文本描述创作艺术画作，而语音合成模型能模仿人声。这类技术已应用于设计、娱乐等领域，但也引发版权争议。

3. ​​多模态与跨领域模型​​
   结合文本、图像、音频等多类数据的生成能力，例如Sora可生成动态视频，UniPi模型能规划机器人运动轨迹。此类技术正在推动医疗（蛋白质结构预测）、工业（虚拟仿真）等领域的创新。

4. ​​底层算法架构​​
   生成式AI依赖多种技术路径：

   • ​​生成对抗网络（GAN）​​：通过生成器与判别器对抗优化输出质量；
   • ​​变分自编码器（VAE）​​：压缩数据后重建新样本，适用于数据增强；
   • ​​扩散模型​​：通过逐步去噪生成高精度内容，但计算成本较高。

随着技术发展，生成式AI正渗透至教育、金融、科研等场景，但其应用需平衡创造力与伦理风险，例如虚假信息防范和隐私保护。未来，垂直领域的专用模型与开源生态将进一步推动技术普惠化。