生成式人工智能（AI）通过算法自主创造文本、图像、音频等内容，核心分类包括生成对抗网络（GAN）、变分自编码器（VAE）、自回归模型及语言模型等，广泛应用于创意设计、内容生成等领域。

1. 生成对抗网络（GAN）
   由生成器与判别器组成，通过对抗训练生成逼真数据。例如生成人脸图像或艺术创作，特点是细节丰富但训练难度较高。

2. 变分自编码器（VAE）
   将数据压缩至低维空间后重构，生成结构相似但细节差异的内容，适用于数据增强或风格迁移，如医疗影像分析。

3. 自回归模型
   按顺序预测数据点生成内容，擅长文本或序列生成（如GPT系列），逻辑连贯但计算成本较高。

4. 语言模型与对话系统
   基于大规模语料训练，可生成自然语言文本或智能对话，如客服机器人，需结合上下文理解优化效果。

5. 跨模态生成技术
   整合文本、图像等多类数据生成内容，例如根据文字描述生成图片（DALL·E），突破单一模态限制。

生成式AI技术持续迭代，未来将更注重多模态融合与伦理规范，为行业提供高效创意工具。