MUSE Vol. 2：AI 對創作者經濟的實際影響是由 Billion Dollar Boy 發布的 103 頁優質產業研究報告，該報告基於 Censuswide 在 2025 年 6 月至 7 月進行的一項研究，調查了英國和美國的 4,000 名消費者、1,000 名內容創作者和 1,000 名資深行銷決策者。它提供了關於生成式 AI 如何重塑創作者內容、品牌支出和消費者信任的 2023 年至 2025 年的縱向數據，涵蓋了 AI Content Stack 框架、虛擬網紅、數位分身、Deepfake 和負責任的創新原則。專為行銷人員、代理商策略師和創作者經濟領導者設計，它將硬性績效基準與來自 L'Oréal、Diageo 和 H&M 的專家評論和品牌案例研究相結合。
快速導航
標籤
分享幻燈片
MUSE Vol. 2：AI 對創作者經濟的實際影響是由 Billion Dollar Boy 發布的 103 頁優質產業研究報告，該報告基於 Censuswide 在 2025 年 6 月至 7 月進行的一項研究，調查了英國和美國的 4,000 名消費者、1,000 名內容創作者和 1,000 名資深行銷決策者。它提供了關於生成式 AI 如何重塑創作者內容、品牌支出和消費者信任的 2023 年至 2025 年的縱向數據，涵蓋了 AI Content Stack 框架、虛擬網紅、數位分身、Deepfake 和負責任的創新原則。專為行銷人員、代理商策略師和創作者經濟領導者設計，它將硬性績效基準與來自 L'Oréal、Diageo 和 H&M 的專家評論和品牌案例研究相結合。
每張幻燈片頁面的詳細視圖，包括版面、關鍵內容和視覺元素。
全版面的編輯封面，以沙漠背景中垂墜的紫色和橘色布料為特色，確立了報告的高級視覺形象。
全版面攝影背景，中央顯示標題、卷標，左下角有 Billion Dollar Boy 標誌書籤
目錄列出所有報告章節—簡介、執行摘要、第 1–4 章、結論、詞彙表、方法論和貢獻者—以及頁碼參考。
深色背景，使用排版層次結構的雙欄內容列表；章節標題使用展示字體，小節使用內文字重
章節分隔頁，標示簡介章節，以彩虹長笛玻璃抽象照片作為全版面背景。
全版面抽象攝影背景，大型像素化/打字機風格重點字體標籤置中或錨定
設定生成式 AI 出現兩年後的場景，指出現在的受眾正在抵制低品質的「AI 垃圾」內容。
深石板色背景，白色內文以單一寬欄呈現；編輯重點引言處理
延續簡介，提出產業核心挑戰：品牌和創作者是否能在不犧牲真實性的情況下，負責任地擴展 AI 的應用。
深石板色背景，單欄內文，與前一頁一致的排版風格
章節分隔頁，標示執行摘要章節，使用抽象漸層或攝影圖像作為全版面背景。
全版面攝影或抽象漸層背景，帶有像素化/打字機風格重點字體章節標籤
並排的白色卡片摘要，提煉第 1 章（GenAI 的新現實）和第 2 章（新的 AI 內容堆疊）的關鍵發現。
深色或彩色背景上的兩個等寬白色圓角卡片，每個卡片都有章節標題、圖示和三到五個重點摘要
並排的白色卡片摘要，提煉第 3 章（創作者身份的未來）和第 4 章（負責任的創新）的關鍵發現。
深色或彩色背景上的兩個等寬白色圓角卡片，與前一個執行摘要頁面的版型相同
全版面章節分隔頁，開啟第 1 章，介紹生成式 AI 在創作者和行銷生態系統中演變的角色主題。
全版面攝影或抽象背景，粗體章節編號，展示字體章節標題，底部章節條
介紹 2023 年的基準期，當時生成式 AI 首次進入創作者經濟，伴隨著廣泛的樂觀情緒和採用的「蜜月期」。
深色背景，帶有編輯標題、副標題和介紹性內文段落；時間軸或年份標籤作為視覺錨點
呈現三個重點 2023 年數據點—70% 的行銷人員增加了 GenAI 創作者的支出，69% 的創作者預測了積極的顛覆，以及 60% 的消費者更喜歡 AI 創作者的內容—以日落照片上的甜甜圈環視覺化。
三個白色甜甜圈/環形百分比圖表疊加在全版面日落照片上；每個圖表都配有粗體百分比和簡短標籤
顯示在 2025 年，77% 的行銷人員計劃將預算轉向 AI 創作者內容（高於 2023 年的 65%），並且 75% 的人認為 AI 更具成本效益，並提供英國/美國的細分數據。
白色或淺色卡片，帶有大型百分比標題統計數據、同比比較箭頭和英國/美國子指標標註
一篇「解碼」專欄文章，分析數據並指出 AI 已超越實驗階段，能為行銷人員帶來可衡量的實質商業成果。
強調色卡片，帶有「解碼」像素化打字機標籤、分析師評論段落，以及圖形或圖示點綴
案例研究，展示 L'Oréal 如何運用七位 AI 輔助創作者來製作 Revitalift Laser Peptide Serum 系列的行銷活動，將理論與可衡量的實踐連結起來。
深色卡片，帶有品牌標誌、行銷活動圖像、創作者人數標註，以及主要成果或引言；「從理論到實踐」標籤採用強調字體
橫條圖，呈現圍繞 AI 廣告支出的四項指標—79%、79%、76% 和 77%—比較過去 12 個月與未來一年的展望。
深色背景，帶有四個彩色橫條、百分比標籤，以及過去與未來期間的比較標籤
解碼卡片揭露，四分之三 (71%) 的美國行銷人員和約一半 (52%) 的英國行銷人員每年在 AI 創作者內容上的投資超過 100 萬美元。
強調色「解碼」卡片，帶有美國和英國的大膽百分比標註、輔助評論，以及打字機風格標籤
案例研究，詳細說明 Diageo 如何分配 27 億英鎊/37 億美元的預算來建立一個為 34 個品牌服務的虛擬內容工作室，將開發/生產成本從 21% 降低到 14%，目標為 10%。
深色品牌案例研究卡片，帶有 Diageo 標誌、預算數字、品牌數量，以及成本降低指標箭頭；「從理論到實踐」標籤
顯示創作者採用率急劇上升，工作量減輕從 79% 增加到 84%，收入從 78% 增加到 85%，並且 87% 的人表示過去 12 個月 AI 產出有所增加。
前後百分比卡片，帶有上升趨勢箭頭和甜甜圈環或條形視覺效果；配對指標與成長指標
揭示品牌期望正在轉變，33% 的行銷人員要求使用新興技術，51% 的人期望 AI 內容創作工具，31% 的人認為缺乏創新是不合格的原因。
三項指標佈局，帶有百分比標註、簡短描述性標籤，以及深色或中性背景上的輔助圖示
將行銷人員/創作者的信心（73-78% 的人表示 AI 表現更好）與消費者偏好從 2023 年的 60% 急劇下降到 2025 年的 26% 進行對比。
分割面板或雙欄佈局，將正面的品牌/創作者數據卡片與下降的消費者統計數據進行對比；視覺張力設計
追蹤消費者情緒的轉變：正面顛覆者從 34% 下降到 31%，負面情緒從 18% 上升到 32%，「不確定」從 30% 成長到 37%。
三段式前後比較，使用甜甜圈圖或堆疊條形圖，帶有情緒標籤和顏色編碼的百分比變化註釋
解碼評論指出差距日益擴大：創作者仍然保持 73% 的樂觀態度（相較於 2023 年的 68%），而行銷人員的信心降至 70%（相較於 75%），這表示信任鴻溝正在擴大。
強調色「解碼」卡片，帶有創作者與行銷人員的比較統計數據、同比箭頭和解釋性段落
回顧平台層面對 AI 內容問題的回應：YouTube 營利更新、Pinterest AI 內容標籤、TikTok 自動標籤，以及 Meta 的 AI 資訊揭露。
四平台網格，帶有品牌標誌、簡短政策描述和深色背景上的圖示徽章
強調 Meta 的 AI 內容策略演進以及 OpenAI Sora 2 的推出，將平台之間塑造 AI 內容創作工具的競爭日益激烈。
雙欄或並排平台比較卡片，帶有品牌標誌、產品名稱和簡短的策略背景文字
介紹內容品質與多元性這兩個主題，將其視為衡量 AI 對創作者經濟影響的關鍵指標，並為後續針對特定受眾的數據做準備。
編輯式簡介版面，包含章節標題、雙詞副標題（「品質」/「多元性」），以及深色背景上的簡短框架段落
顯示消費者回報的改善：38% 的人表示 AI 提高了內容品質（高於 2023 年的 35%），41% 的人表示 AI 提高了多元性（高於 35%），以甜甜圈圖呈現。
兩個甜甜圈圖並排顯示，標有年增百分比標籤、受眾標籤「消費者」，以及簡約的深色背景
創作者更加樂觀：82% 的人表示 AI 提高了品質（高於 74%），84% 的人表示 AI 提高了多元性（高於 74%），年增幅度比消費者更大。
兩個甜甜圈圖，帶有創作者受眾標籤、更大的百分比值，以及與消費者頁面版面相符的年增長註釋
行銷人員的年增率略有下降：76% 的人表示 AI 提高了品質（低於 80%），77% 的人表示 AI 提高了多元性（低於 82%），表明在早期熱情之後，期望有所緩和。
兩個甜甜圈圖，帶有行銷人員受眾標籤和向下的年增率指標，與消費者和創作者頁面版面一致
解碼詮釋，認為 AI 的價值不在於產生更多內容，而在於實現更豐富的創造力、更高的可訪問性以及更多樣化的故事講述。
帶有三個支持性子點（創造力、可訪問性、故事講述）和簡短總結評論段落的重點「解碼」卡片
總結第一章的核心發現：生成式 AI 已從新奇事物轉變為必需品，但品牌必須在機器能力與不可替代的人類創造本能之間取得平衡。
摘要卡片或全寬聲明，帶有粗體摘要標題、支持性正文段落和章節標籤
Katrine Rasmussen（Pixelz 行銷長）和 Omar Karim（創意技術專家兼 AI 影音製作人）關於 AI 在創作者經濟中的影響的並排專家引言卡片。
兩個引言卡片，帶有圓形人像裁剪、演講者姓名和職稱、引言文字以及品牌/隸屬關係標誌
全出血章節分隔頁，開啟第二章，介紹 AI 內容堆疊的概念，作為理解 AI 生成內容類別的新框架。
全出血攝影或抽象漸層背景，帶有粗體章節編號、章節標題和底部章節條
透過解釋 AI 如何重塑內容組合來構建第二章，並介紹 AI 內容堆疊作為報告的核心分析框架。
編輯式簡介，包含章節標題、框架段落和介紹性 AI 內容堆疊圖表或標籤
定義三個頂級 AI 內容類別：AI 驅動（完全合成）、AI 啟用（可見 AI）和 AI 輔助（隱形 AI），並簡要描述每個類別。
三欄或堆疊卡片版面，每個類別都有類別標題、括號標籤和描述性段落，背景為深色
呈現完整的 AI 內容堆疊視覺效果 — 一個分層圖表，其中「有意圖地設計」是將五個內容層連結在一起的指導原則。
中心分層堆疊圖表，帶有五個標記層、藝術性↔實用性軸標籤，以及「有意圖地設計」標題處理
詳細表格，將五個堆疊層（實驗性 (藝術家)、探索 (放大器)、創新 (協作者)、應用 (助理)、引擎 (執行者)）沿著藝術性到實用性的範圍進行映射。
五列表格，包含圖層名稱、角色標籤、描述欄和藝術性↔實用性軸指標；簡潔的深色背景，帶有白色行
提供診斷品牌當前內容組合的指南，特別著重於創新層（Innovation Layer）和探索層（Exploration Layer），將其作為策略性AI投資的優先領域。
創新層和探索層的雙欄診斷卡片，包含品牌自我評估其在堆疊中位置的問題或標準
說明探索層（Exploration Layer）是「氛圍行銷」的所在地——內容優先考慮情感、語氣和氛圍，而非硬性的產品資訊，以創造品牌感覺。
單一焦點的編輯頁面，帶有「探索層」標籤、氛圍行銷定義，以及氛圍圖像或漸層處理
展示三個創作者帳號——@joooo.ann、@arthur_chance 和 @officialshanikwa——作為探索層（Exploration Layer）運用AI實現創意表達的典範。
三位創作者的網格，帶有社群帳號標籤、個人資料圖像，以及他們運用AI實現創意風格的簡短描述
認為隨著AI以同質化的內容淹沒資訊流（「千篇一律」），真正的人類創作者作為品質和原創性的區別者，變得更有價值，而不是價值降低。
帶有醒目的「千篇一律」概念的編輯聲明頁面、支持論點的段落，以及強烈的對比設計處理
來自 Matthew Drinkwater（倫敦時尚學院時尚創新機構負責人）的精選引言，說明在AI飽和的環境中，為何人類創作者的觀點仍然不可或缺。
全寬引言卡片，帶有圓形人像裁切、引言文字、演講者姓名、職稱和機構隸屬關係
呈現一個策略性的 2×2 矩陣，在實驗性與效率以及藝術性與實用性的軸線上，繪製AI內容方法的分布圖，以幫助品牌定位其當前位置。
經典的 2×2 象限網格，帶有四個標記的象限、軸標籤，以及位於每個象限中的範例內容類型或策略
揭示 66% 的創作者經歷過創意疲勞，並且 77% 的行銷人員和 82% 的創作者都認為 AI 有助於解決實際的創意和營運瓶頸。
以指標為導向的佈局，帶有 66% 創意疲勞的標註、兩個受眾群體的同意數據，以及深色卡片背景上的簡短框架段落
顯示 AI 能夠實現更多的資產（82% 的行銷人員/87% 的創作者）和更廣泛的概念探索（81% 的行銷人員/85% 的創作者），從而擴展了創造的可能性。
兩個配對的指標卡片——一個用於「更多資產」，一個用於「更廣泛的概念」——每個卡片都帶有行銷人員和創作者的分裂百分比和簡短描述
發現 80% 的人表示 AI 增強了品牌個性，77–78% 的人表示提高了情感共鳴，表明 AI 在加深而不是稀釋品牌表達方面發揮了作用。
品牌個性和情感共鳴的兩個指標卡片，帶有百分比標註和深色背景上的簡短標籤描述
證明 84% 的創作者和 80% 的行銷人員現在都將情感參與視為直接的績效驅動因素，而不僅僅是一個軟性指標。
兩個受眾群體的百分比卡片，帶有醒目的統計標題、受眾標籤，以及深色或強調背景上的支持性解釋語句
來自 Simon Harwood（Billion Dollar Boy 全球效能總監）的精選引言，解釋了面部編碼研究如何驗證情感是AI生成內容中可衡量的績效信號。
全寬或顯眼位置的引言卡片，帶有圓形人像裁切、引言、演講者姓名、職稱和 BDB 隸屬關係
發現只有 33% 的消費者認為AI創作者的內容具有情感共鳴，只有 26% 的消費者更喜歡它，這表明即使品牌大力投資，消費者仍然保持謹慎。
雙指標消費者焦點佈局，帶有 33% 和 26% 的甜甜圈圖或統計卡片，與前面頁面中來自品牌方的數據形成對比
實用指南頁面，概述四個類別：「何時使用 AI」、「避免過度使用 AI」、「經驗法則」和「適用於所有」，為品牌提供戰術決策框架。
四象限或四卡網格，帶有標題標籤、項目符號指導清單以及每個類別的不同圖示或顏色編碼
總結第二章的核心論點：AI 加速了內容的產生，但只有人類的目的和創造意圖才能賦予內容意義。
簡潔的摘要卡片，帶有粗體章節結論標題、輔助段落以及與第一章摘要風格相符的章節標籤處理
全出血章節分隔頁，開啟第三章，探討 AI 如何透過虛擬角色挑戰和重新定義創作者身分。
全出血攝影或抽象背景，帶有粗體章節編號、展示字體的章節標題和底部章節條
介紹 Billion Dollar Boy AI 委員會，作為專家顧問機構，其對 AI 創作者身分和政策的見解為第三章的發現提供了資訊。
深色編輯介紹，突出顯示 AI 委員會的名稱，簡要描述委員會的組成，以及背景框架段落
一個結構化的表格，比較三種 AI 角色格式——虛擬網紅、數位分身和 Deepfake——在格式特徵、風險、優勢和預測的消費者反應方面。
三欄比較表，帶有行標題（格式/風險/優勢/消費者反應）、顏色編碼的欄位區分和簡潔的排版
章節分隔頁，介紹虛擬網紅子章節，使用抽象或時尚編輯圖像來表示虛擬角色的高級、令人嚮往的本質。
全出血攝影或風格化背景，帶有「虛擬網紅」展示字體標籤和像素化/打字機風格的裝飾處理
介紹虛擬網紅領域，參考 Lil Miquela、Noonoouri 和 Imma 作為先驅，並強調 Mia Zelu 在溫布頓的亮相作為一個具有里程碑意義的文化時刻。
編輯介紹，帶有虛擬網紅圖像、具名角色標註、溫布頓賽事參考和背景框架段落
說明虛擬網紅美學的光譜：照片寫實、風格化的人形和高度風格化的形式，展示品牌可以部署的各種方法。
三欄視覺展示，每個美學類別都有範例圖像，每個圖像下方都有簡短的描述性標籤
關鍵數據：76% 的消費者信任虛擬網紅的推薦，68% 的人表示他們會影響購買決策，而行銷人員則被他們提供的控制和規模所吸引。
雙指標數據卡，帶有 76% 信任度和 68% 購買影響力統計數據，以及「行銷人員被控制和規模所吸引」的編輯子章節
儘管指標強勁，但 62% 的創作者擔心來自虛擬網紅的競爭，59% 的人擔心市場過度飽和，將這種動態框架為混音而不是取代。
雙指標創作者擔憂卡，帶有 62% 和 59% 的標註，以及框架聲明「不是取代，只是混音」作為編輯標題
Lewis Davey（Pixel.ai 聯合創始人）的特色引言，提供了關於虛擬網紅如何重新定義創造力和品牌合作模式的觀點。
全寬引言卡，帶有圓形人像裁剪、引言文字、演講者姓名、職稱和公司隸屬關係
Mary Bekhait（YMU CEO）和 Danae Mercer（記者兼創作者）的並排引言，提供了關於虛擬網紅和創作者真實性的對比觀點。
兩張引言卡，帶有圓形人像裁剪、引言文字、演講者姓名和職稱/隸屬關係
H&M 與虛擬網紅 Kuki 合作的行銷活動，廣告回想度提升 11 倍，單人成本降低 91%，且總成本相較於先前的影片行銷活動降低 38%。
品牌案例研究卡片，具有 H&M + Kuki 品牌標誌、三個重點 KPI 標題，以及「從理論到實踐」標籤處理
兩個迷你案例研究：Vogue 的 AI 生成 Guess 模型（2025 年 8 月）以及 SheerLuxe 的 AI 強化編輯 Reem，展示虛擬人物進入高級編輯和時尚領域。
兩個並排的迷你案例研究卡片，具有品牌標誌、AI 人物名稱、日期和簡要的結果描述；「從理論到實踐」標籤
總結虛擬網紅章節：它們可以擴展和豐富創作者文化，但前提是必須以清晰的標籤和透明的資訊揭露方式向受眾呈現。
總結卡片，具有醒目的結論陳述、強調標籤/透明度，以及章節標籤處理
開啟數位分身子章節的章節分隔，使用抽象或玻璃折射圖像來介紹 AI 驅動的創作者複製品概念。
全出血抽象或攝影背景，具有「Digital Twins」顯示字體標籤和像素化/打字機風格的點綴處理
將數位分身定義為在創作者知情同意下構建和部署的真實創作者的 AI 驅動複製品，將它們與未經授權的 deepfake 區分開來。
編輯定義卡片，具有醒目的術語、定義段落，以及在深色背景上強調同意的子點
麥肯錫預測，到 2027 年，數位分身市場將達到 735 億美元，複合年增長率為 60%；85% 的創作者對數位分身持開放態度，其中 52% 的人表示倦怠，37% 的人考慮離開這個行業。
三指標佈局：735 億美元的市場預測、85% 的創作者開放度，以及配對的 52%/37% 創作者倦怠/流失統計數據
Phil Hughes（Lewis Silkin / Eleven Advisory / Digital Creator Association 合夥人）的精選引言，內容關於在數位分身部署中保護創作者權利所需的法律和道德框架。
全寬引言卡片，具有圓形肖像裁剪、重點引言、發言人姓名、多重頭銜隸屬關係
Ash Xu（攝影師兼創作者）和 Jo Burford（TikTok 前創作者主管）從業者的角度出發，對數位分身的吸引力和風險的並排引言。
兩個引言卡片，具有圓形肖像裁剪、重點引言文字、發言人姓名和頭銜/隸屬關係
消費者數據顯示，只有 31% 的人贊成數位分身，而 57% 的人認為它們會削弱創作者與受眾之間的信任。
雙指標消費者數據卡片，具有 31% 和 57% 的重點標註、信任侵蝕框架和簡要的解釋段落
H&M 引領潮流，成為垂直領域特定的先驅，創建了 30 個模特兒數位分身，同時確保模特兒保留對其肖像的創作所有權。
品牌焦點卡片，具有 H&M 標誌、「30 個模特兒」重點標註、強調所有權保留，以及「先驅」章節標籤
評論平台的回應：TikTok Symphony Digital Avatars、Calvin Chen 在抖音上使用數位分身進行的 15 小時直播，以及 Meta 決定取消名人 AI 帳戶。
三平台故事卡片，具有標誌、事件描述和結果註釋；「平台回應」章節標題
Ash Xu 的第二個引言，專注於當數位分身在未經透明揭露的情況下使用時，受眾受到欺騙的風險，將努力和誠實視為核心原則。
全寬單一引言卡片，具有圓形肖像裁剪、重點引言、發言人姓名和創作者頭銜
Katrine Rasmussen（Pixelz 行銷長）和 Zoe Clapp（YouTube Creative Studio 創辦人暨前董事總經理）關於數位分身治理和創作者賦權的並排引言。
兩個引言卡片，包含圓形人像裁切、引言文字、講者姓名和職稱/隸屬關係
總結數位分身章節，包含三個行動原則：放慢腳步、教育受眾，以及在擴展數位分身計畫之前，清楚標示所有 AI 生成的內容。
三點摘要卡片，包含「放慢腳步/教育/標示」行動原則、章節標籤和簡短的結語
開啟 Deepfakes 子章節的章節分隔，使用鮮明的抽象或黑暗攝影圖像，以表示此主題的嚴肅性和複雜性。
全出血的黑暗或鮮明攝影背景，包含「Deepfakes」展示字體標籤和像素化/打字機風格的點綴處理
將 deepfakes 定位為創作者經濟中創新超越責任的最明顯象徵，為後續的證據和政策討論奠定基礎。
社論介紹卡片，包含粗體的概念標題、框架段落和深色背景上的強烈排版設計
數據顯示，44% 的行銷人員和 54% 的創作者認為 deepfakes 是一個普遍且日益嚴峻的挑戰，兩者都認為它們會損害產業信任。
兩個受眾數據卡片，包含 44% 行銷人員和 54% 創作者的重點引述、信任損害框架和簡短的支持段落
65% 的消費者表示 deepfakes 損害了他們的信任；58% 的創作者希望合法地為他們的肖像、聲音和身分進行版權保護——突顯了對智慧財產權防護措施和道德框架的迫切需求。
警告語氣的版面配置，包含 65% 消費者信任損害重點引述、58% 肖像版權需求，以及四個行動要務：保護智慧財產權、建立防護措施、培訓團隊、執行道德規範
記錄真實世界的 deepfake 損害案例：Taylor Swift、Selena Gomez、Joe Rogan 和 Elon Musk 的模仿，以及創作者 Arielle Lorre Skaind 使用她的肖像製作的假 Instagram 廣告。
案例事件卡片，列出具名人士、平台背景和損害類型；以點綴字體顯示「從理論到實踐」標籤
涵蓋 YouTube 擴展其 AI 肖像偵測系統，作為對 deepfake 威脅的主要平台回應，標誌著系統性保護基礎設施的開始。
平台焦點卡片，包含 YouTube 標誌、肖像偵測系統描述、擴展範圍和「平台回應」章節標題
以關鍵原則總結 Deepfakes 章節：AI 本身不是風險——不負責任的人類選擇如何使用它才是真正的危害來源。
摘要卡片，包含粗體的重新框架標題（「AI 不是風險，我們如何使用它才是」）、支持段落和章節標籤
全出血的章節分隔，開啟第 4 章，介紹負責任的創新主題，作為創作者經濟中永續 AI 採用的框架。
全出血的攝影或抽象背景，包含粗體的章節編號、章節標題和底部章節條
介紹本章的總體主題：品牌、創作者和平台如何透過健全的治理和建立信任的實務，自信地擴展 AI 採用。
社論介紹卡片，包含粗體的主題標題、框架段落和章節背景副標題
消費者 (48%)、創作者 (52%) 和行銷人員 (55%) 的信任指標下降，不到 45% 的消費者能夠識別 AI 內容，60% 的創作者承認違反法規。
三個受眾信任下降卡片，包含百分比重點引述，以及兩個額外的警告統計數據——45% 的識別差距和 60% 的法規違規——作為次要指標
Decoded 編輯卡片將信任差距數據框定為業界警鐘，認為重建信任並非可有可無，而是商業上的當務之急。
強調「Decoded」卡片，以警鐘框架、信任重建的必要性聲明和打字機標籤呈現
認為明確且持續執行的監管是提供受眾保證，並在 AI 創作者生態系統中重建信任的主要機制。
編輯聲明頁面，具有粗體的監管論點、佐證段落和監管環境介紹標題
涵蓋美國機構（FTC、BBB、CARU、SAG-AFTRA、美國版權局、FCC）和英國框架（2023 年網路安全法、Ofcom、平台政策）的當前監管框架結構化表格。
雙欄美國/英國監管表格，包含機構名稱、政策描述和範圍註釋；簡潔的深色表格佈局
指出關鍵的治理差距：55–53–52% 的人表示擔心 IP 侵權問題，只有 57% 的行銷人員與 45% 的創作者認為存在足夠的保護措施，並且 58% 的人希望對其面孔、聲音和身分進行版權保護。
多指標佈局，包含三個受眾統計數據的 IP 侵權三角形、行銷人員與創作者保護差距的標註，以及 58% 的肖像權版權需求
Decoded 卡片重點介紹美國《禁止偽造法案》，該法案是一項兩黨立法，旨在解決肖像權保護差距，為 AI 生成的複製品提供首個聯邦保護。
強調「Decoded」卡片，包含《禁止偽造法案》名稱、兩黨標籤、立法描述和美國特定背景
Mary Bekhait (YMU CEO) 和 Kelsey Farish (媒體律師) 關於創作者權利、IP 治理以及 AI 創作者內容中監管改革的迫切性的並排引言。
兩個引言卡片，包含圓形人像裁剪、引言文字、演講者姓名和職稱/隸屬關係
案例研究涵蓋 2025 年 9 月 Sora 2 的發布以及 Jake Paul AI 客串影片的病毒式氾濫（980 萬、510 萬、1540 萬和 370 萬次觀看），作為平台審核的真實世界壓力測試。
兩部分案例研究卡片：Sora 2 發布詳情和 Jake Paul 客串影片指標，包含四個觀看次數標註；「從理論到實踐」標籤
結構化的風險矩陣，涵蓋五個類別：IP 濫用、受眾欺騙、創意同質化、無意識偏見和監管滯後—包含每個類別的影響描述和緩解說明。
五行風險表格，包含類別名稱、影響描述和緩解欄；深色背景上簡潔的交替行設計
概述創作者權利框架的三大支柱：控制其肖像和數據的權利、AI 生成作品的共同所有權以及在所有合作夥伴關係中保留的創意自主權。
三大支柱佈局，包含粗體的權利術語、定義段落和「創作者權利」章節標籤處理
提出五項可行的信任重建原則：明確的標籤、AI 透明度、真實性基準、明確的同意框架以及所有利害關係人的 IP 教育。
五項原則卡片網格或列表，包含粗體的原則標題、簡短的行動描述和「重建信任」章節標題
以報告的總體論點結束第 4 章：創造力可以而且應該隨著 AI 擴展，但信任必須引導關於如何追求這種擴展的每一個決定。
簡潔的摘要卡片，包含粗體的結尾論點標題、佐證段落和與先前摘要頁面匹配的章節標籤
全出血章節分隔頁，標記結論，使用優雅的抽象或攝影圖像來表示報告的最終綜合。
全出血攝影或抽象漸層背景，包含像素化/打字機強調處理的「結論」顯示字體標籤
提供報告中針對創作者經濟中 AI 的三部分參與規則框架：有意識地使用 AI、負責任地使用 AI，並以獨特的方式使用它，使其脫穎而出。
三個規則卡片版面配置，包含粗體規則標題（有意圖性/負責任/獨特性）、定義段落和「參與規則」主標題
章節分隔頁，開啟術語表，使用簡潔的排版或抽象設計，將讀者從分析過渡到參考資料。
全出血或深色背景，帶有像素化/打字機風格的「術語表」顯示字體標籤
為三個基礎術語提供清晰易懂的定義：生成式 AI、AI 人物誌和虛擬網紅，為非技術讀者提供共享的詞彙。
三術語術語表版面配置，包含粗體術語標題、定義段落和簡潔的深色背景白色字體
完成術語表，提供數位分身和 Deepfake 的定義，確保高階主管讀者可以理解報告中技術上最複雜且法律上最敏感的概念。
雙術語術語表版面配置，包含粗體術語標題、定義段落，並突出顯示同意/危害區別
描述研究方法：Censuswide 在 2025 年 6 月至 7 月進行的一項研究，涵蓋英國和美國的 4,000 名消費者、1,000 名內容創作者和 1,000 名資深行銷決策者，並遵守 ESOMAR 原則。
簡潔的方法頁面，包含研究詳細資訊、樣本大小、地理位置、日期範圍和 ESOMAR 合規聲明
感謝完整的 AI 委員會（Ash Xu、Jo Burford、Katrine Rasmussen、Kelsey Farish、Lewis Davey、Mary Bekhait、Matthew Drinkwater、Omar Karim、Phil Hughes、Zoe Clapp）和 Billion Dollar Boy 研究團隊。
雙部分貢獻者頁面：AI 委員會成員網格，包含姓名和職稱，以及 Billion Dollar Boy 團隊列表，包括 Becky Owen CMO、Simon Harwood、Thomas Walters 等人
結尾頁面，包含 Billion Dollar Boy 聯絡方式：mail@billiondollarboy.com、Instagram 和 LinkedIn 連結，供讀者直接與該機構互動。
簡潔的結尾頁面，包含 BDB 標誌、電子郵件地址、社群媒體圖示，以及品牌顏色背景上的簡短行動呼籲段落
關於此幻燈片和基礎簡報內容的常見問題。
MUSE Vol. 2 專為需要權威、數據支持的洞察，以了解生成式 AI 如何在 2025 年重塑創作者內容、活動投資和消費者信任的 CMO、資深品牌行銷人員、代理商策略師、創作者經濟領導者、內容創作者和 AI/創新總監而設計。
該報告基於 Censuswide 在 2025 年 6 月至 7 月進行的一項研究，涵蓋了英國和美國的 4,000 名消費者、1,000 名內容創作者和 1,000 名資深行銷決策者，所有這些研究均按照 ESOMAR 研究原則進行。在註明的情況下，包含來自原始 MUSE Vol. 1 研究的 2023 年數據，以進行逐年比較。
是的，此簡報範本可在 2Slides 圖庫中使用，專為希望將其優質編輯美學應用於自己的研究報告、代理商簡報或策略簡報的團隊而設計。設計系統——全出血攝影封面、甜甜圈環數據視覺化、白色圓角內容卡和像素化強調排版——可以使用您自己的品牌顏色、數據和副本進行自訂。
該報告分析了三種不同的 AI 角色格式：虛擬網紅（完全合成的 AI 生成角色，例如 Lil Miquela 和 Noonoouri）、數位分身（在知情同意下構建的真實創作者的 AI 驅動副本）和 Deepfake（未經授權或有害的 AI 生成肖像，未經同意使用）。每個格式都會檢查其風險、收益和當前消費者反應。
該報告的第 4 章和結論概述了一個五項原則的信任恢復框架——清晰的標籤、AI 透明度、真實性基準、明確的同意和 IP 教育——以及三個參與規則：有目的地（具有創造性目的）、負責任地（在道德和法律護欄內）和獨特地（區分而不是同質化）使用 AI。優先考慮這些原則的品牌更有能力擴展 AI，而不會疏遠受眾。
是的。所有量化數據均來自英國和美國的雙重市場研究，並具有具有全國代表性的樣本。如果市場之間存在具有統計意義的差異——例如 78% 的英國與 76% 的美國預算轉移統計數據，或行銷人員投資水平分配（52% 的英國與 71% 的美國每年投資超過 100 萬美元）——該報告會分別列出這兩個數字，以用於區域規劃。
AI Content Stack 是第 2 章中介紹的專有框架，它將 AI 輔助內容分為五個策略層級，這些層級沿著藝術性到實用性的範圍排列：Experimental (Artist)、Exploration (Amplifier)、Innovation (Collaborator)、Applied (Assistant) 和 Engine (Executor)。該框架可幫助品牌和代理商診斷其當前的內容組合，確定 AI 在何處增加最大價值，並做出有意的創意選擇，而不是預設為量驅動的自動化。
Create Your Own Slides
Turn your ideas into professional presentations in seconds with 2slides AI.
參考專業設計，選擇您的風格，產生具有完美文字渲染的投影片。由 Nano Banana 提供支援—立即開始建立您的簡報。
