人工智能艺术的未来趋势

可以说，目前无论是公众还是部分艺术院校师生对人工智能艺术的认知，大多停留在“输入一句话生成一幅画”的阶段。然而，截至2026年3月下旬，全球人工智能艺术创作已悄然迈入第二阶段。这一阶段的核心变化并非模型画质的提升或视频生成技术的进步，而是创作模式的转变。过去，艺术家主要依赖软件完成创作，如今则更多采用“自建数据集+定制模型+传感器/机器人+空间装置+观众互动+机构支持”的综合方式。与此同时，类似龙虾这样的智能体接口可能进一步推动AIGC的普及化。过去三年，专业院校通过掌握SD参数、提示词工程秘方及工作流设置构建的专业壁垒，或将逐渐瓦解。AI艺术正从单纯的图像风格探索，向系统艺术、环境艺术及制度化创作方向发展。

生成艺术：从通用模型调用到微调模型与数据主权

如今，成熟艺术家已不再满足于直接调用现成平台，而是更加注重自有训练数据、知识语料和模型边界的自主构建。随着AI工具的普及，每个人都能轻松生成图片和视频，创作的关注点也从“我用了AI”转向“我的AI基于什么数据训练”以及“我的模型与公共大模型有何关联”。

Refik Anadol在西班牙毕尔巴鄂古根海姆美术馆展出的《活体建筑：盖里》，基于大量开放图像、草图和建筑蓝图，训练专门模型重构建筑师弗兰克·盖里的建筑语言。Refik Anadol工作室开发的定制人工智能模型“大型建筑模型 (LAM)”，通过从盖里工作室收集的大量符合伦理规范的数据、建筑图像和图形文档，形成反映盖里建筑语言的集群。整个训练过程耗时数月，使用了3500万张数据图像。通过结合艺术家的改进，AI能够自主生成全新图像，并在展览期间保持不重复。音效则由工作室开发的“数据声化”软件生成，利用古根海姆博物馆及其周边区域的声音样本。

Refik Anadol还与谷歌文化实验室合作创建了DATALAND，开放艺术家驻地申请。DATALAND自称为“全球首个专注于数据可视化和人工智能创意的AI艺术博物馆和数字生态系统”，整合了在线访问和学习平台，作为大规模、以自然为中心的数据集的公共存储库，并构建全面的AI艺术作品集。他们将数据集和模型整合为“活百科全书”，供访问者自行创作，这种开放性推动了数据集的持续增长。顶级艺术家已将自己定位为类似企业的角色。

Solienne是首位在巴黎摄影展上展出的AI艺术家，其“传记式人工智能”基于艺术家克里斯蒂·科罗纳多46年的人生档案训练而成。有趣的是，它与艺术家的持续互动形成了一种合作关系。

莎拉·梅约哈斯（Sarah Meyohas）的《花瓣云》（2017）在贝尔实验室旧工厂雇佣工人对一万朵玫瑰进行分类，并按花瓣美感排序。莎拉还投资多家AI公司，发行加密货币，尝试将股市变为艺术，创作以股价涨跌为主题的画作。

顶级艺术家的做法表明，与其依赖“奇特提示词”调整通用模型和数据集，不如从数据集入手训练专属模型。虽然并非每位艺术家都能像Refik Anadol工作室那样具备技术积累，但基于大模型的微调是可行的。

值得注意的是，许多数据可视化和生成艺术作品虽视觉震撼，但思想深度未必超越早期新媒体艺术。

主体边界：从个人创作到参与式数据共同体

越来越多的AI艺术不再将观众视为被动的观看者，而是将其转化为数据贡献者、训练参与者、声音提供者和共同作者。AI艺术的创作主体因此发生变化，从单一艺术家扩展为由社区、合唱团、街区居民和参与者共同构成的数据共同体。

Holly Herndon和Mat Dryhurst这对德美艺术家夫妇推动的Holly+项目，训练了一台机器模仿Holly的歌声，并将模型开放给所有人使用，制定收益五五分成协议。他们还邀请全球唱诗班合作，生成新的歌集。唱诗班成员参与了一场“数据信任实验”，即通过“许可型知识产权”机制，利用公共领域数据训练基础模型，再用个人或团体数据微调模型，从而让贡献者从中获利。

这一案例揭示了一个趋势：通过prompt生成特定输出是一方面，但从数据入手探索创作则是另一重要方向。