图片来源：iStock
文献来源：
Goldberg, Samuel and Lam, H. Tai, Generative AI & creative goods: market expansion, crowd-out, and copyright (February 24, 2025). Stanford University Graduate School of Business Research Paper, Available at SSRN: (Conditionally accepted, The Quarterly Journal of Economics)
01
引言
近年来，生成式人工智能（Generative AI, GenAI）的快速发展正在深刻改变创意产业的生产方式。从图像、音乐到书籍和电影，GenAI通过降低创意产品的生产成本，使大规模、低成本地创造个性化内容成为可能。与此同时，由于GenAI模型依赖大量已有创意作品进行训练，其训练数据的使用是否需要获得版权持有者授权、创作者是否应获得补偿等问题，引发了全球范围内关于版权制度的激烈讨论。要回答这些政策争议，我们需要理解GenAI如何改变创意市场的竞争格局：AI生成内容是否会替代人类创作？它们与传统作品之间是否存在实质差异？生成式AI最终带来的，是一个更加繁荣的创意市场，还是对原有创作者生态的冲击？
为了回答这些问题，本文利用一家大型在线商业图片交易平台（a large stock images marketplace）的微观数据，考察生成式AI进入创意市场后对图片生产、创作者进入、产品销售以及内容特征带来的影响。2022年12月，该平台首次宣布允许创作者使用生成式AI工具制作图片并进行销售，而此前AI生成图片被严格禁止。与此同时，平台也引入了两项重要规则：所有AI生成图片必须进行明确标注，让消费者能够识别其来源；此外，AI工具仅被允许用于生成非编辑类（non-editorial）图片，而涉及新闻事件、现实品牌等内容的编辑类（editorial）图片仍被禁止使用AI生成。借助这一政策变化带来的时间节点和不同图片类别之间的差异，本文采用双重差分法识别生成式AI对创意市场的因果影响。
本文发现，生成式AI显著扩大了创意图片市场，但同时也对传统创作者产生了明显的挤出效应。政策开放后，平台图片产量增长136%，活跃艺术家数量增加47%；与此同时，非AI图片产量下降15%，非AI创作者数量减少29%。在需求端，市场总销售额增长82%，但非AI图片销售额下降28%，销售转化率下降5%。进一步利用基于机器学习的图像嵌入方法（image embeddings）分析图片质量和特征后，研究发现市场图片的质量整体提升了10%，其中非AI内容质量也小幅提升2%，表明部分低质量非AI创作者可能退出市场。但是，AI生成图片在特征空间中呈现较高集中度和同质化特征，可能限制其长期市场价值。
02
数据
本文的数据主要来源于一个大型在线图片交易平台。该平台属于全球规模最大的商业图片市场之一，连接了图片创作者与企业、博客作者、新闻媒体等图片需求方。与许多创意产品市场类似，平台对所有图片进行统一定价（3美元每张）。对于AI生成作品，平台要求作者明确标注其由AI生成，并使用自研算法识别潜在的不实标注行为。
本文最终构建了一个覆盖2021年10月至2024年5月的月度平衡面板数据，包含1,719个由关键词定义的细分图片市场、约300万张图片以及55,008个市场-月份观测值。基础数据以图片层面进行收集，涵盖图片创作者信息、图片特征、是否AI生成、销售情况、标签信息、平台质量评级以及由图像嵌入技术构建的内容特征等多维度指标。在此基础上，作者使用词典法，基于平台用户实际搜索逻辑和搜索关键词构建了1,719个细分图片市场。进一步地，这些细分市场被分为两类：品牌相关（branded）和非品牌相关（non-branded）。在1,719个细分市场中，384个被定义为品牌相关市场。这类市场均属于“编辑类”，由于涉及新闻事件和现实品牌等法律风险，平台禁止AI生成图片在此类市场销售。相比之下，非品牌相关市场绝大多数属于“非编辑类”，平台允许创作者使用AI生成图片并进行销售。
03
实证模型与结果
由于平台于2022年12月宣布有关AI创作的政策调整，并在6个月后正式实施，且仅部分细分市场受到该政策影响，本文使用如下双重差分模型来识别生成式AI进入市场对创意产品生产和销售的因果作用：
回归分析在市场-月份（m,t）层面进行。Y_m,t为一系列反映市场供给、需求与内容特征的流量变量，包括该月内某市场的新图片的数量（new images）、活跃创作者数量（active artists）、新图片售出数（sold）、新图片售出率（sales rate）、图片质量（embedding quality）、市场体量（volume）、扩散程度（partial trace）以及内容集中度（Gini coefficient）。其中，后四个变量为机器学习计算得到。对于内容质量变量，作者利用 Google多模态嵌入模型提取每张图片的1,408维特征向量，并基于政策实施前的数据训练机器学习模型预测图片销售概率，将其作为图片质量的代理指标。
处理组为非品牌相关市场，而对照组为品牌相关市场。为区分平台宣布政策与正式实施的影响，作者将政策后的时期进一步划分为两个阶段：政策宣布后的1-6个月和正式实施的7个月及以后，并分别估计两个阶段的政策效应。此外，模型还控制了市场固定效应和月份固定效应。
根据因变量类型的不同，作者采用了不同的非线性双重差分估计方法。对于图片产量、创作者数量等计数型变量，采用泊松（Poisson）模型；对于销售率等介于0和1之间的比例型变量，采用分数Logit（Fractional Logit）模型。同时，考虑到不同细分市场规模差异较大，论文重点报告了政策带来的平均百分比效应（Average Percentage Effect, APE），以便更直观地衡量生成式AI对市场的影响。
3.1 供给
如Table 2第1至4列所示，在平台宣布政策后的6个月内，图片产量略有下降，这一下降主要来自非AI图片生产的减少；而当平台正式开放AI图片销售后，图片总产量迅速增长136%，活跃创作者数量增加47%。不过，这种增长并非来自原有创作者纷纷转向AI，而是大量新的AI创作者进入市场。与此同时，非AI图片产量下降约15%，活跃非AI创作者减少29%，表明生成式AI在扩大市场供给的同时，也对传统创作者产生了明显的挤出效应。
第5至6列的分析显示，生成式AI还提升了平台图片的整体质量，图片质量指标提高约10%；即使仅考察非AI图片，其质量也提高了约2%。结合创作者进入和退出的结果，作者认为，这并非意味着传统创作者整体水平提升，而更可能是由于部分低质量非AI创作者退出市场，使得留在市场中的非AI作品平均质量有所提高。
3.2 需求
如Table 3所示，从需求端来看，生成式AI同样带来了市场扩张效应，但也改变了消费者对不同类型图片的需求结构。研究发现，GenAI进入市场后，平台整体销量增长约82%，但非AI图片销量下降28%，且其销售概率下降约4.8%，表明消费者需求正在从传统内容转向AI生成内容。与此同时，售出图片的整体质量提高了约8.6%，这一提升主要来自AI生成图片，说明消费者不仅接受AI创作内容，也愿意为更高质量的AI图片付费。
3.3 内容特征
为刻画生成式AI对创意市场内容结构的影响，作者基于图像嵌入空间构建了三个指标：市场体量（volume），衡量图片特征空间的边界范围，用于反映市场是否产生新的创意方向；扩散程度（partial trace），衡量图片在主要特征维度上的分布范围，用于刻画市场内部的多样性；集中度（Gini coefficient），衡量图片分布在特征空间中的集中程度。
如Table 4所示，进一步分析图片特征空间的变化发现，生成式AI不仅增加了市场中的图片产量，也改变了创意产品的结构。整体来看，市场创意边界扩大，表明新的图片类型进入市场；但新增AI图片大多集中在特定的特征空间，使市场内部的多样性下降，说明AI带来的“创新”主要集中于有限的创意区域。相比之下，非AI创作者通过减少内容集中度、拓展创意空间来回应竞争压力，逐渐转向生成式AI较少覆盖的细分领域，实现差异化竞争。
3.4 异质性分析
在异质性分析中，作者分别按照图片内容类型（人物图片市场与非人物图片市场）和市场规模（大众市场与小众市场）对样本进行分类，开展三重差分回归。研究表明，相比于以非人物内容为主的市场，人物图片市场由于涉及肖像授权等法律约束，传统创作者受到的挤出效应相对较弱，说明制度和法律壁垒能够在一定程度上缓解生成式AI带来的竞争冲击。此外，相较于大众市场，小众市场虽然受到GenAI的冲击更大，但也获得了更为明显的图片质量提升。
04
总结
本文为当前生成式AI的版权争议提供了新的经验证据。一方面，生成式AI虽然创造了一定的新内容，但也显著挤压了原创作品的市场需求和创作者生存空间，说明模型训练及AI生成内容确实会对原有市场产生实质性影响；另一方面，研究还发现，肖像授权等法律约束能够在一定程度上缓解生成式AI对传统创作者的竞争冲击。这表明，合理的版权保护和法律制度不仅有助于维护原创创作者的经济激励，也可能成为促进人类创作者与生成式AI差异化共存的重要机制。
本文所聚焦的商业图片市场并非一个孤立案例，而是生成式AI重塑创意产业的一个早期缩影。由于图片、音乐、影视、文学等创意产品市场都具有消费者偏好异质性、依赖搜索匹配、统一或近似统一定价以及质量不确定性等共同特征，本文的研究结论有望推广至更广泛的创意产业。
Abstract
We study how generative artificial intelligence (GenAI) affects creative goods markets using data from a large stock images marketplace. In December 2022, the platform announced it would allow artists to sell GenAI-produced images, subject to two conditions: all GenAI images must be labeled, and GenAI would be prohibited in certain markets. We exploit this policy variation using a difference-in-differences design. We estimate a 136% increase in image production and 47% increase in active artists, accompanied by a 15% decline in non-GenAI production and 29% decline in non-GenAI active artists. On the demand side, total sales increase by 82%, but non-GenAI sales fall by 28% and non-GenAI sales rates decline by 5%. We use image embeddings to develop novel measures of image quality, characteristics, and market composition. We find that quality increases by 10% overall and 2% for non-GenAI content, suggesting low-quality non-GenAI artists exit. Our product characteristic measures indicate that GenAI production is heavily concentrated in characteristic space, potentially limiting the value of these images to the market. Non-GenAI production responds to GenAI by differentiating into niches. Our results suggest that GenAI can lead to market expansion and quality improvements, but substantially crowds out non-GenAI production--a finding with direct implications for copyright policy and the longer-run sustainability of original creative work.
推文作者：
张润铎，香港浸会大学博士研究生。欢迎学术交流。推文内容若有错漏，敬请批评指正。
声明：推文仅代表文章原作者观点，以及推文作者的评论观点，并不代表香樟经济学术圈公众号平台的观点
0
推荐
京公网安备 11010502034662号 
