前段時(shí)間，做過(guò)一期關(guān)于AIGC的分享。

緣起于近兩年看到 DELL E 到 Stable Diffusion 多模態(tài)文本可控圖像生成的大火，讓AIGC概念漲了一大波流量。百度等一些頭部大廠，以及關(guān)注元宇宙、web3.0領(lǐng)域的很多媒體和公司，都蹭上了這波熱點(diǎn)瘋狂宣傳。

似乎有種，辭舊迎新，新時(shí)代到來(lái)的趕腳，世界仿佛一夜之間，就要發(fā)生翻天覆地的變革。AI生成的炫酷圖像，遍布各個(gè)媒體在聊，公眾號(hào)，頭條，視頻號(hào)，抖音，B站，小紅書。有的創(chuàng)投機(jī)構(gòu)迅速做出行業(yè)研報(bào)，組建AIGC論壇，有的UP主，就光發(fā)自己用AI作圖的過(guò)程，粉絲三連就蹭蹭上漲。

作為一位關(guān)注AIGC領(lǐng)域五年的技術(shù)從業(yè)者、創(chuàng)業(yè)家，這件事我有不同的看法（也想蹭個(gè)熱度）。

結(jié)論

先說(shuō)結(jié)論：

1. AIGC是歷史的必然節(jié)點(diǎn)

2. AIGC的爆火來(lái)源于我們過(guò)去對(duì)「從量變到質(zhì)變」發(fā)展的AI技術(shù)的預(yù)期低估，但現(xiàn)在我們對(duì)它的商業(yè)化可能性卻過(guò)于高估。

3. 技術(shù)發(fā)展的階段可以縮短，但不可跨越。最終它還是要走「回到量變積累下一個(gè)質(zhì)變」的周期。投資人和創(chuàng)業(yè)者都需要十足的耐心。

下面是我上次分享的大綱

結(jié)論一：為什么AIGC是歷史的必然節(jié)點(diǎn)

每個(gè)時(shí)代有每個(gè)時(shí)代的主題，我們可以簡(jiǎn)單回顧一下工業(yè)革命發(fā)展的歷程：

1. 蒸汽機(jī)促進(jìn)了機(jī)械化生產(chǎn)，掀起了第一次工業(yè)革命。（1780~1870 持續(xù)約90年）

1. 電力應(yīng)用勞動(dòng)分工和批量生產(chǎn)的實(shí)現(xiàn)，拉開了第二次工業(yè)革命的大幕。（1870-1970 持續(xù)約100年）

1. 微電子實(shí)現(xiàn)了自動(dòng)化的IT系統(tǒng)、信息物理系統(tǒng)開創(chuàng)了第三次工業(yè)革命。（1970 - 至今）

有人說(shuō)我們當(dāng)今屬于第四次工業(yè)革命開端，當(dāng)前智能化解決的核心問(wèn)題也還是降本增效，自動(dòng)化。

信息化是當(dāng)前時(shí)代的挑戰(zhàn)，怎么讓信息流更高效地在節(jié)點(diǎn)之間傳播是核心要解決的問(wèn)題。信息差的不對(duì)稱帶來(lái)了人與人認(rèn)知上的差異，也孕育出了更多的商業(yè)機(jī)會(huì)。結(jié)果就是催生出了很多以信息流為生的新興產(chǎn)業(yè)。粗粒度看，從感官象限去分，從視覺的圖像，到聽到的聲音，到語(yǔ)言的理解，在最近10年內(nèi)極速擴(kuò)張。一方面，依賴于IT通信這些基礎(chǔ)設(shè)施的完善，另一方面，也依賴于搜索推薦這樣的智能信息分發(fā)平臺(tái)的精準(zhǔn)推送。

進(jìn)一步說(shuō)，從最早的內(nèi)容生產(chǎn)方式來(lái)說(shuō)，整體趨勢(shì)在向「更多樣的內(nèi)容」，「更高效的生產(chǎn)和傳播」發(fā)展。多樣意味著，不再是只有權(quán)威機(jī)構(gòu)才有發(fā)聲話語(yǔ)權(quán)，普通人，創(chuàng)作者也可以生產(chǎn)出有意思的內(nèi)容。內(nèi)容不限于傳統(tǒng)的媒體，它變得更廣域化，碎片化，生活化。載體也從聲音圖像文本，到視頻，甚至3D影像。而高效意味著信息被更精準(zhǔn)地推送給那些對(duì)內(nèi)容感興趣的人消費(fèi)。于是就有了搜索推薦廣告智能化技術(shù)的發(fā)展。

于是，從「信息化」這一主題去推理，我們可以得出結(jié)論。AIGC一定是歷史的必然節(jié)點(diǎn)。因?yàn)樗嵘诵畔⑸a(chǎn)的效率，讓內(nèi)容的創(chuàng)作變得簡(jiǎn)單和無(wú)門檻。而隨著算法技術(shù)和芯片算力發(fā)展，它的成本會(huì)不斷降得越來(lái)越低。就好比以前的電信小靈通短信，一毛錢一條。到現(xiàn)在發(fā)微信幾乎不用錢。我們也可以類比做個(gè)想象，現(xiàn)在我們創(chuàng)作寫文章，做音樂(lè)，畫畫需要很多時(shí)間：市場(chǎng)需求的調(diào)研，工具的學(xué)習(xí)上手使用，事后的調(diào)整編輯等。時(shí)間和精力是最大的成本。而AI輔助創(chuàng)作會(huì)讓創(chuàng)意變得廉價(jià)。因?yàn)閺膭?chuàng)意到原型的實(shí)現(xiàn)變得簡(jiǎn)單了。

然而，商業(yè)機(jī)會(huì)并不在技術(shù)本身，而在于依托于技術(shù)基礎(chǔ)之上的人、社會(huì)、生態(tài)和模式。技術(shù)起到的是一個(gè)將紅利自動(dòng)化、規(guī)?；母軛U作用。你用微信發(fā)信息并不是因?yàn)樗赓M(fèi)，而是因?yàn)槟阒苓叺暮糜讯荚谑褂盟?，你需要與他們聯(lián)系不得不用到它。再比如，你會(huì)上淘寶買東西并不完全是因?yàn)樗阋?，而是因?yàn)樗芄?jié)省你自己去店里外面找東西的搜索成本。

這是因?yàn)楹图夹g(shù)性能掛鉤的可以比價(jià)。但與人社群體驗(yàn)服務(wù)掛鉤的卻難比價(jià)。比如說(shuō)，同樣是語(yǔ)音合成服務(wù)，A公司賣60塊每小時(shí)，B公司賣50塊每小時(shí)。想使用該服務(wù)稍微有點(diǎn)調(diào)研能力的人就會(huì)了解到，兩家公司效果差不多，應(yīng)該選更便宜的B公司。因?yàn)槭忻嫔嫌?xùn)練的數(shù)據(jù)差不多，算法沒多大差別，最后拼都是數(shù)據(jù)。然而，現(xiàn)在C公司做了這樣一件事，它讓語(yǔ)音合成服務(wù)幾乎免費(fèi)，但為定制化聲音服務(wù)收費(fèi)。比如說(shuō)，你是一個(gè)自媒體人，有大量的錄稿需求，現(xiàn)在我們可以定制化你的聲音，讓你只輸入文字，就可以讓AI念稿。因?yàn)槎ㄖ苹曇?，它是專屬于你的。因你所在行業(yè)，收入水平，需求程度而變化。它是一個(gè)帶主觀色彩的事情，就很難定價(jià)。因此當(dāng)你把聲音定制和合成時(shí)長(zhǎng)打包賣時(shí)，就有更大的溢價(jià)空間。

那些潛藏在普通人共識(shí)之外，但又在大眾需求情理之中的信息差才是機(jī)會(huì)點(diǎn)、盈利點(diǎn)。

結(jié)論二：過(guò)去太低估，未來(lái)卻高估

回顧歷史你就會(huì)知道，技術(shù)一直都是指數(shù)級(jí)復(fù)利發(fā)展的。

但我們對(duì)新事物的預(yù)期會(huì)遵循一個(gè)技術(shù)成熟曲線。要不是期盼它更早到來(lái)，過(guò)于樂(lè)觀，要不就是認(rèn)為它到來(lái)還要很久，過(guò)于悲觀。這是因?yàn)?，我們身為人這一生物屬性，需要適應(yīng)環(huán)境，天生喜新厭舊。從后往前看，你就會(huì)發(fā)現(xiàn)這個(gè)規(guī)律。現(xiàn)在的最新出的蘋果 iphone 14 pro手機(jī)，對(duì)于5-10年前的你，你會(huì)覺得這是魔法，這是科技的奇跡。對(duì)于3-5年前，你會(huì)極度渴望想要體驗(yàn)。但現(xiàn)在你會(huì)大罵蘋果越來(lái)越?jīng)]有創(chuàng)新。而這樣的感受，和10年前你拿著裝載著塞班系統(tǒng)的諾基亞手機(jī)一樣體驗(yàn)過(guò)。人對(duì)數(shù)碼產(chǎn)品的反應(yīng)，和對(duì)新興技術(shù)的感知共用同一套神經(jīng)系統(tǒng)。

早在1950年前，圖靈剛提出AI概念起，到馮諾依曼第一代計(jì)算機(jī)架構(gòu)被發(fā)明出來(lái)，到現(xiàn)今，人工智能技術(shù)一直是指數(shù)級(jí)增長(zhǎng)的。而期間歷經(jīng)的資本寒冬，它幾經(jīng)波折，起起伏伏，最終走出了現(xiàn)今的模樣。人們對(duì)它的展望，設(shè)想，需求和預(yù)期卻一直在變化。好奇它指向更多的可能性。

我們來(lái)回顧一下2017年，現(xiàn)有技術(shù)，早在5年前，就已經(jīng)初具雛形。AI畫畫，自動(dòng)生成唇形視頻，圖像高清化，圖像編輯，圖像風(fēng)格遷移，wavnet語(yǔ)音合成等。

到了2018年，為降低標(biāo)注成本，陸續(xù)出現(xiàn)了以預(yù)訓(xùn)練語(yǔ)言模型為主導(dǎo)模型。先前是圖像領(lǐng)域的遷移學(xué)習(xí)大火，接著bert在自然語(yǔ)言處理領(lǐng)域出圈火遍全球研究界，到現(xiàn)今去噪自編碼器成為了一種標(biāo)準(zhǔn)的預(yù)訓(xùn)練范式。這一年，神經(jīng)翻譯機(jī)，圖像分割，視覺推理，高清人臉的生成也得到了進(jìn)一步發(fā)展。

2018年的預(yù)訓(xùn)練模型大火，讓AI可以使用更多的無(wú)標(biāo)注數(shù)據(jù)訓(xùn)練更好的模型。這也激發(fā)了多模態(tài)多任務(wù)終身學(xué)習(xí)/元學(xué)習(xí)的研究領(lǐng)域興起。而海量訓(xùn)練數(shù)據(jù)中混雜著用戶隱私問(wèn)題，被加強(qiáng)了監(jiān)管，進(jìn)而促進(jìn)了支持?jǐn)?shù)據(jù)保護(hù)的聯(lián)邦學(xué)習(xí)的解決方案。

不到3年時(shí)間，自監(jiān)督學(xué)習(xí)成為了業(yè)界的主流，機(jī)器視覺和語(yǔ)音領(lǐng)域開始向NLP靠齊。模型變得越來(lái)越大。其中里程碑事件便是openai發(fā)布了 175 Billion參數(shù)的GPT3。與此同時(shí)，低資源，知識(shí)增強(qiáng)，跨語(yǔ)言，跨模態(tài)，進(jìn)一步得到了發(fā)展。因?yàn)樗鼈兊倪M(jìn)展將拓寬人們更大的想象空間。

到2020年，以GAN為主導(dǎo)的深度生成模型漸漸成熟。其難訓(xùn)練，易崩塌的缺陷也隨著后來(lái)研究者一步步填補(bǔ)上坑。海量的應(yīng)用得到產(chǎn)品化，最典型的就是圖像的可控編輯，換臉換風(fēng)景換裝，變動(dòng)圖這些全都不在話下。但這些大開眼界的純技術(shù)產(chǎn)品并沒有支持一家足夠大的商業(yè)公司崛起。理由很簡(jiǎn)單。技術(shù)不是商業(yè)模式。與此同時(shí)，基于流和基于擴(kuò)散的另一波深度生成模型的在這時(shí)開始初見萌芽。短短一年后就成為全球吸睛最亮的崽。

2021年，AI最顯著的進(jìn)化里程碑是MAE，視覺終于可以用NLP自然語(yǔ)言同樣的架構(gòu)訓(xùn)練預(yù)訓(xùn)練模型，再加上多模態(tài)多任務(wù)最近2年的發(fā)展，催漲了文本圖像對(duì)齊的研究高潮。文本細(xì)粒度可控生成圖像有了重要進(jìn)展。而怎樣挖掘大模型的零樣本/少樣本能力，也催生出了模板工程這一新的細(xì)分領(lǐng)域。

簡(jiǎn)單總結(jié)一下這五年的趨勢(shì)：

1. 模型需要越來(lái)越少的人類世界知識(shí)干預(yù)

1. 更少的人工標(biāo)注數(shù)據(jù)

2. 更少的任務(wù)、模態(tài)領(lǐng)域知識(shí)依賴

1. 性能越來(lái)越好，從感知到認(rèn)知的發(fā)展

1. 模型和參數(shù)越來(lái)越大，預(yù)訓(xùn)練成本越來(lái)越高

2. 呈現(xiàn)出多模態(tài)，多任務(wù)大統(tǒng)一收斂的趨勢(shì)

3. 技術(shù)上持續(xù)突破，產(chǎn)品創(chuàng)新和商業(yè)模式創(chuàng)新還未跟上

2022年今年，最近一年，究竟發(fā)生了什么。首先是擴(kuò)散生成模型，它在數(shù)學(xué)上更直觀優(yōu)美，比GAN更好訓(xùn)練，生成多樣性上有更大的潛力和展望空間。因此被廣泛使用，大量涌現(xiàn)

而大模型的訓(xùn)練發(fā)布，相比于過(guò)去每一年都來(lái)得更頻繁，更具顛覆性。從最近半年來(lái)看，超出了過(guò)去一年的進(jìn)展。

其中最顯著的是文本生成圖像模型。它成為當(dāng)今媒體熱議的點(diǎn)。得益于clip訓(xùn)練的圖像文本對(duì)齊模型，AI可以很輕松地捕獲語(yǔ)義中的物品描述風(fēng)格空間和顏色信息，進(jìn)行內(nèi)容的生成創(chuàng)作。

緊接著是deepmind發(fā)布的通用型人工智能Goto，它驗(yàn)證了，AI可以在完全不同的領(lǐng)域的數(shù)據(jù)，在同一個(gè)神經(jīng)網(wǎng)絡(luò)訓(xùn)練后，同一套參數(shù)，各自的任務(wù)都能有很好的表現(xiàn)。這也是多模態(tài)收斂的重要里程碑。

把AIGC創(chuàng)作最終推向平民化的是stability.ai推出的stable diffusion。打著AI by the people, for the people的slogen，開源免費(fèi)了比openai更好的 DALL·E 2。每個(gè)人都可以在自己帶GPU的個(gè)人電腦上跑動(dòng)它。打破了人們對(duì)遙不可及的大模型的刻板印象。

提兩個(gè)商業(yè)化落地的場(chǎng)景

AI作畫對(duì)藝術(shù)界產(chǎn)生了巨大沖擊，也催生出了AI輔助創(chuàng)作這一新興領(lǐng)域的發(fā)展。最典型的例子是工業(yè)設(shè)計(jì)?，F(xiàn)在你可以把任意元素和鞋子混合，激發(fā)你新的設(shè)計(jì)靈感。

另一個(gè)場(chǎng)景是AI的動(dòng)捕。你可以實(shí)時(shí)地通過(guò)圖像動(dòng)捕自己的表情動(dòng)作去操縱任意人物（這對(duì)直播視頻會(huì)議，元宇宙場(chǎng)景極其有用）。但技術(shù)本身還是作為提升效率帶來(lái)便利的工具。它可以吸引你過(guò)來(lái)體驗(yàn)，賺點(diǎn)買賣。但它單獨(dú)的售賣會(huì)陷入之前提到的比價(jià)困境。就好比stable diffusion 之于 DALL·E 2。只要有人把你的技術(shù)免費(fèi)開源出來(lái)，你的買賣就一文不值。技術(shù)專利的門檻只有在高精尖行業(yè)（比如醫(yī)藥、芯片）才比較彰顯它核心價(jià)值。在產(chǎn)品應(yīng)用層面，它難做大。

因此在AIGC技術(shù)熱潮興起的今天，我們尤其要保持冷靜和清醒。我們需要提前思考好，我是想做賣短信的生意，還是想做免費(fèi)的微信。

結(jié)論三：十足的耐心

AIGC 對(duì)于我們是什么，以及未來(lái)會(huì)變成什么？

AI對(duì)數(shù)字化進(jìn)程的貢獻(xiàn)可以總結(jié)為三大能力：

1. 孿生能力。將現(xiàn)實(shí)物理世界中數(shù)字世界復(fù)刻一遍

1. 照相機(jī)，留聲機(jī)，錄影機(jī)，打字機(jī)，midi電子琴

2. 數(shù)碼相機(jī)，錄音機(jī)，PC word打字，midi虛擬樂(lè)器

3. 手機(jī)（包含照相錄像，錄音，打字，社交，付款，等近乎一切功能）

4. 虛擬數(shù)字人→基于你錄像和語(yǔ)音，生成你沒說(shuō)過(guò)的內(nèi)容和畫面，語(yǔ)義理解，ASR轉(zhuǎn)錄等

1. 編輯能力。將數(shù)字世界的化身數(shù)據(jù)進(jìn)行修改編輯

1. 音視頻的剪輯，圖像的美化，DAW 宿主軟件對(duì)音樂(lè)的編輯

2. 圖像風(fēng)格遷移，AI圖像編輯

3. 個(gè)性化可控定制

1. 創(chuàng)作能力

1. 模仿學(xué)習(xí)，自動(dòng)作畫，AI文案，AI編曲，AI作曲，自動(dòng)音樂(lè)的生成

最近幾周，我下載了近200個(gè)app，體驗(yàn)總結(jié)出了一些商業(yè)化場(chǎng)景。更詳細(xì)的調(diào)研和總結(jié)會(huì)另開一期細(xì)講。

你會(huì)看到，他們其中賺錢盈利的，幾乎沒有一個(gè)是純賣技術(shù)起家的。更多的是生態(tài)運(yùn)營(yíng)，面向切實(shí)的用戶需求，解決實(shí)際問(wèn)題的產(chǎn)品。以新奇體驗(yàn)為主的應(yīng)用可能爆款（概率也不高），但較難留住用戶。

關(guān)于未來(lái)的變化，AIGC會(huì)存在很長(zhǎng)一段時(shí)間的基于prompt的新的輔助創(chuàng)作模式，和新的收益模式。比如賣算力，社區(qū)交易，賣創(chuàng)意靈感。對(duì)模型期望變得更小，性能更好，效果更逼真、自然、貼近人的理解，更有沉浸感。AI慢慢可以生成更復(fù)雜的3D場(chǎng)景，動(dòng)作序列和故事腳本。多模態(tài)之間的語(yǔ)義聯(lián)系會(huì)對(duì)齊得更好，更加可控。

參考了量子位發(fā)布的《AIGC深度產(chǎn)業(yè)報(bào)告》，比較有前景的方向是，現(xiàn)有需求成熟度高，但技術(shù)成熟度還差1-2年的領(lǐng)域。我國(guó)目前還未真正進(jìn)入AIGC階段。即便細(xì)分賽道出現(xiàn)一些個(gè)別優(yōu)秀的公司和研究機(jī)構(gòu)，但還未進(jìn)入大規(guī)模驗(yàn)證和體系化發(fā)展的階段。場(chǎng)景上，內(nèi)容領(lǐng)域的需求也較為飽和，降本增效不迫切。細(xì)分看，虛擬人是產(chǎn)業(yè)的中短期增長(zhǎng)動(dòng)力，玩家需要容錯(cuò)率高專業(yè)度和創(chuàng)意要求有限的場(chǎng)景。長(zhǎng)期去看，AIGC還缺乏更加清晰和明確消費(fèi)落地的場(chǎng)景，比如實(shí)時(shí)互動(dòng)和高度個(gè)性化生成。

結(jié)尾

技術(shù)還未成熟的時(shí)候，創(chuàng)始人會(huì)告訴消費(fèi)者和投資人，我們需要耐心，等技術(shù)做成熟。比如VR/AR領(lǐng)域的發(fā)展就是這樣。創(chuàng)始人說(shuō)的對(duì)，但實(shí)際人們對(duì)它的預(yù)期和反應(yīng)都是反過(guò)來(lái)——毫無(wú)耐心可言。因?yàn)槭袌?chǎng)就是急功近利的。

歷史的經(jīng)驗(yàn)告訴我們，越是3-5年內(nèi)沒成熟的技術(shù)，我們就越應(yīng)該不報(bào)期望，加大投入搶占賽道。為了避免我們未來(lái)感到失望，而對(duì)它視而不見，是遵循了技術(shù)成熟曲線，但忽略了技術(shù)一直在進(jìn)步的事實(shí)。而等到它成熟了，再興起的那一波熱潮，大概率是泡沫、一地雞毛。

我們大部分人其實(shí)都無(wú)法賺認(rèn)知以外的錢。為什么？因?yàn)轭^雁只有一只。等到一個(gè)技術(shù)的興起，再入場(chǎng)，大概率就是晚了。不等你時(shí)間反應(yīng)，很快會(huì)有人把可能的商業(yè)機(jī)會(huì)測(cè)試跑通。跑通了，你處于競(jìng)爭(zhēng)劣勢(shì)，沒跑通，大概率你也不行。而你又是急功近利而選擇進(jìn)場(chǎng)的，你又沒有耐心。

因此，越是資本新概念興起的時(shí)候，我們?cè)叫枰韬捅３帜托?，做好量變的?zhí)行準(zhǔn)備，為下一次質(zhì)變做準(zhǔn)備。畢竟想象力等同新的可能性，不等同于真實(shí)的需求。