作者：于蒙群

　　上世纪80年代，阿瑟·丹托审视大量现代与后现代艺术实践后，发现“哲学对艺术的剥夺”愈演愈烈，并提出“艺术的终结”理论。他认为：“当艺术获得自身认同的哲学意义后，它就走向了终结。”这种终结并非艺术本身的终结，而是传统艺术史宏大叙事就此终结。此后，艺术进入后历史的多元主义阶段，在艺术与非艺术边界逐渐模糊的过程中获得新的自由。40余年后的今天，生成式人工智能（AIGC）正以指数化递增的速度和规模介入视觉艺术创作，短短几年，我们对AIGC视觉内容的态度从惊奇、欣喜迅速滑向麻木、怀疑。何种力量推动这一剧变？答案或许藏在AIGC视觉内容的急剧“泛化”中。

　　这种泛化体现在两个方面。一是创作能力的泛化，随着AIGC工具不断迭代，在GPTImage2、Seedance2.5等强力工具的支持下，创作人员的训练成本日益降低，带来的是创作人群的与日俱增，初学者经过简单训练即可生成质量尚可的图像与视频。二是AIGC内容存量的泛化，低门槛与低成本致使AIGC内容以前所未有的速度充斥各类内容平台与社交媒体，这种泛化的现象在凸显技术狂欢的同时也带来深层的文化危机。

　　创新性匮乏

　　当下主流人工智能工具无论是Midjourney还是Nano banana2，其生成图像与视频等视觉内容的技术主要基于扩散模型，扩散模型的底层逻辑是通过去噪过程将随机信号还原为结构化图像。生成时，文本提示经编码后通过交叉注意力机制引导去噪方向，使模型从学习到的概率分布中采样出与语义匹配的图像。简单而言，扩散模型并不学习如何画一只老虎，而是从一张全是噪声的图中，识别并移除不是老虎的噪声。

　　实现这一过程的基础是大量的训练数据，AIGC的创造始终基于人类所提供的图像数据，AI在此基础上进行排列组合、融汇叠加，因此AIGC生成的内容无法脱离人类既有的视觉认知框架，它带来的新奇与惊讶多是已知风格的混合与叠加，如华纳音乐中国在今年年初推出的《吴爱花》MV，用AI将邵氏武侠电影美学与嘻哈音乐缝合在一起，产生了一种新的视听体验。这种新鲜体验并非AI在艺术创作上的创新，而是将我们记忆中日渐遥远的视觉印象重新唤醒，将复古的胶片颗粒感、手绘布景的塑料质感、柔光朦胧的影院效果搭配上邵氏经典的武术动作，AI用算法的精确性再现出那个时代的视觉特征。

　　《吴爱花》走红之后，互联网旋即掀起邵氏、胡金铨式的复古影像风潮，凸显出当下AI创作的主要方法——风格迁移。在算法的加持下，AI能够精确地掌握艺术史中千姿百态的风格类型，但AI无法脱离训练数据创造出新的风格，只能通过风格模仿、混搭、叠加来获得新的视觉效果。长此以往，视觉内容的创新性势必受到影响。当创新受到系统性阻碍，AI将注定在自我重复与低质模仿的路上一去不返，而这又带来新的问题：与AIGC视觉内容审美的同质化。

　　审美同质化

　　AIGC视觉内容的泛化带来的深层文化问题，是审美趋同。这并非完全受制于生产者的审美趣味或观看者的品味高低，而是生成模型架构自身的底层代码所带来的影响。无论是大语言模型还是主流的扩散模型，其训练目标决定了它们倾向于输出训练分布中的高概率区间，例如，在图像生成过程中，算法偏爱数据集中被反复验证的“安全”视觉惯例。而安全就意味着AI的生成始终局限在高概率的平庸里，就此产生不可避免的同质化。在红果、抖音等平台上线的大量AI动漫剧、网剧中，观众看到的是雷同的剧情、近似的画面风格与人物形象。当这些同质化的内容充斥互联网，文化的多样性以及对不同风格的包容性将不可避免地下降。

　　AIGC视觉内容的泛化所带来的审美趋同将随着时间的推移愈演愈烈，除了倾向安全的视觉惯例，其审美的同质化还会受到第二层隐蔽机制的影响，当AIGC内容回流成训练数据后，这种“近亲繁殖”带来的后果更加可怕。伊利亚·舒迈洛夫等人2024年发表于《自然》的研究显示，当AI模型不断在前代模型输出的内容上训练时，模型会逐代丢失关于真实数据分布的信息，随着迭代加深，模型输出分布的方差越小，不常见的、偏离主流的风格逐渐消失，模型产出也日渐退化为高度雷同的低质内容。可以预见，当网络被AIGC视觉内容淹没后，未被AI污染的高质量的人类视觉语料成为更加稀缺的资产，但AIGC视觉内容的泛化所带来的审美趋同等问题正在不断削弱人类视觉创作生态。

　　公共网络文化空间的贬值

　　AIGC视觉内容泛化带来的不仅是创新性匮乏与审美同质化，随着泛化的愈演愈烈，所产生的巨量视觉内容被贴上“AI slop”（数字泔水）的标签。2025年12月，韦氏词典（Merriam-Webster）将“AI slop”选为年度词汇，定义为“通常由人工智能批量生产的低质量数字内容”。“AI slop”的上榜标志着观众对AIGC内容泛化的现状已经产生了普遍的不满情绪。海外研究将“AI slop”的特征属性归纳为三点，第一是表面胜任，AI看似生成出较为精良的内容，但难以掩盖其内在的空洞；第二是不对等付出，创作者的劳动付出低于传统方式，但却把甄别、评估的负荷转嫁到接收者；第三是大规模生产性，在智能体的加持下，一些AI短剧、漫剧甚至可以批量生成。在这三者的共同作用下，大量表面合格的作品被生成和发布，观众却要耗费更多的时间来筛选、甄别想要的内容，当内容平台与社交媒体被大批量生成的“AI slop”灌满，便造成了公共网络文化空间的贬值、萎缩与崩塌，真正优质、创新的内容占比越来越少。

　　作为哈贝马斯“公共领域”概念在数字时代的延伸与变体，公共网络文化空间以互联网等数字信息技术为底层架构，由多元网络主体共同参与建构，以符号、信息、情感与价值观的数字化生产、传播与交流为主要内容，进而形成意义共享、价值建构与文化认同的虚拟社会场域。这一空间的价值由全体参与者共同塑造，而AIGC视觉内容的泛化对它的侵蚀是结构性的，集中体现为三重危机。

　　其一是文化真实性危机：AIGC最直接的冲击，是模糊了真实与虚构的边界，侵蚀文化传承的根基。例如，伪历史影像在短视频平台流布，与伪史论等博眼球的观点相互配合，凭借极强的视觉欺骗性干扰公众的历史认知，酿成集体性的错误记忆。与文字谣言相比，“视觉谣言”的破坏力在于它直接瓦解公众对文化机构与历史证据的信任。

　　其二是认知多样性受损：AIGC视觉内容与平台算法推荐深度耦合，正在压缩公共讨论的多层次、异质性与深度。算法通过推送大量同质化内容形成信息茧房，公众在日复一日刷屏中完成“认知塑形”，形成从生成、分发到反馈的AI主导闭环。

　　其三是公共信任机制消解：生成算法使图片、视频、音频等传统证据皆可伪造，“无图无真相”的认知框架受到挑战，公共讨论可能陷入“无限举证”的困境；人工核查的速度远远落后于生成与传播的速度，创作者以近乎零成本的劳动批量倾倒不实信息，甄别与评估的负荷却转嫁给每一个接收者。当公众不得不耗费大量时间在内容洪流中淘选，当信任被反复透支，参与者渐渐退场，公共网络文化空间的价值也由此流失。

　　丹托当年担忧的，是哲学对艺术的剥夺，今天我们面对的是AIGC视觉泛化后所带来的创新性匮乏与审美同质化，以及公共网络文化空间的贬值。艺术或许不会终结，但承载文化生成、传播与共享的公共网络文化空间，却可能在“数字泔水”的长期浸泡中失去活力。洪水尚可退去，被漫过的土地能否恢复生机，取决于我们此刻的警觉。

　　（作者为艺术学博士）