AIGC的發(fā)展，將使得知識(shí)性與創(chuàng)造性工作的邊際成本降至0，從而產(chǎn)生巨大的生產(chǎn)效率和經(jīng)濟(jì)價(jià)值，每一個(gè)需要我們?cè)瓌?chuàng)的領(lǐng)域都或多或少將有AI的參與。AIGC 的產(chǎn)品形態(tài)未來(lái)會(huì)是什么樣的呢？它的細(xì)分機(jī)會(huì)又在哪里？本文作者對(duì)此進(jìn)行了分析，一起來(lái)看一下吧。

本文核心觀點(diǎn)來(lái)自紅杉在 9 月發(fā)布的一篇文章《Generative AI: A Creative New World》，我按大白話翻譯并做了刪減和補(bǔ)充。

原文想要表達(dá)的意思是——“隨著 AIGC（AI Generative Content）變得更快更強(qiáng)以及更低成本，在某些程度上將比人類(lèi)手工創(chuàng)作得更好，AIGC 將使得知識(shí)性與創(chuàng)造性工作的邊際成本降至 0 ，從而產(chǎn)生巨大的生產(chǎn)效率和經(jīng)濟(jì)價(jià)值，它將有潛力產(chǎn)生數(shù)萬(wàn)億美元的經(jīng)濟(jì)價(jià)值，這些領(lǐng)域不限于社交媒體、游戲、廣告、建筑、設(shè)計(jì)、法律、銷(xiāo)售以及營(yíng)銷(xiāo)，每一個(gè)需要我們?cè)瓌?chuàng)的領(lǐng)域都或多或少將有 AI 的參與?！?/p>

01 Why Now？為什么是現(xiàn)在

原作者將 AI 模型的發(fā)展劃分為四波浪潮：

1）2015 年以前，小模型占優(yōu)

小模型在當(dāng)時(shí)被認(rèn)為是最優(yōu)選，它們擅長(zhǎng)分析任務(wù)，并應(yīng)用在各類(lèi)預(yù)測(cè)和欺詐分類(lèi)的工作上，但是這些模型對(duì)通用任務(wù)的處理表現(xiàn)并不好，想要讓 AI 輸出人類(lèi)水平的內(nèi)容或者代碼是不可能的。

2）2015 年至今，大模型發(fā)展

Google Research 在 2017 年發(fā)表了一篇里程碑意義的論文《Attention is All You Need》，通過(guò)被稱為 Transformer 的神經(jīng)網(wǎng)絡(luò)架構(gòu)來(lái)生成高質(zhì)量的語(yǔ)言模型，同時(shí)提高了并發(fā)處理能力，降低了訓(xùn)練時(shí)間，這些模型可以容易地針對(duì)特定領(lǐng)域進(jìn)行定制。

隨著這些 AI 模型變得越來(lái)越大，開(kāi)始提供人類(lèi)水平的處理能力。在 2015 年～2020 年期間，這些模型的計(jì)算量提高了 6 個(gè)數(shù)量級(jí)，這意味著在輸出結(jié)果上超過(guò)了人類(lèi)在書(shū)寫(xiě)、語(yǔ)音、圖像識(shí)別、閱讀和語(yǔ)言理解上的基準(zhǔn)。

Source：公開(kāi)網(wǎng)絡(luò)

2020年 5月，OpenAI 推出的 GPT-3 模型從中脫穎而出，相對(duì)于此前的 GPT-2 是一個(gè)巨大的飛躍，它的參數(shù)量是前代的百倍之多，達(dá)到 1750 億個(gè)參數(shù)量， GPT-3 能通過(guò)輸入的自然語(yǔ)言判斷和生成我們想要的內(nèi)容，從某種意義上說(shuō)它更像人類(lèi)了，但是該模型并沒(méi)有人類(lèi)那樣的價(jià)值觀和約束，只是在形式上依靠龐大的數(shù)據(jù)量和更優(yōu)的算法更加接近人類(lèi)智能。

當(dāng)然，這類(lèi)模型取得了研究上的進(jìn)展，但離商業(yè)普及仍然有一段距離，無(wú)非是部署起來(lái)成本高，存在諸多方面的商業(yè)化限制。

3）2022年開(kāi)始，多快好省

2022 年開(kāi)始至今的數(shù)月，AIGC 的發(fā)展可以說(shuō)是超預(yù)期的，先是去年 10月一名叫 Somnai 的工程師在 Github 上發(fā)布了名為 Disco Diffusion 的 text2img （文本到圖像）項(xiàng)目開(kāi)始走紅網(wǎng)絡(luò)，再是今年 4 月 OpenAI 發(fā)布了 DALL.E 2 模型，一款融合了藝術(shù)家達(dá)利+機(jī)器人瓦力能力，能夠生成高度逼真的原創(chuàng)圖像的模型。

再到 5 月，Google 推出了在精度和質(zhì)量上更出色的 Imagen 模型，7 月原 Leap Motion 聯(lián)創(chuàng) David Holz 的項(xiàng)目 Midjourney 開(kāi)始走進(jìn)大眾視野，例如少楠的《產(chǎn)品沉思錄》近期的封面創(chuàng)意就來(lái)源于此，還是宮崎駿風(fēng)味的：

Source：shaonan with Midjourney

接下來(lái)是 8 月 Stable Diffusion 項(xiàng)目開(kāi)源，Stable Diffusion 項(xiàng)目帶來(lái)的主要革新是大幅降低了模型對(duì)內(nèi)存和計(jì)算的要求，舉個(gè)例子，原先 512 x 512 對(duì)圖像一下子變成了 64 x 64，需要的內(nèi)存減少了 98%！這就像是在上世紀(jì)把一臺(tái) Eniac 計(jì)算機(jī)塞到了喬布斯的 Apple II 個(gè)人電腦里，這種普及為技術(shù)的商業(yè)化提供了合適的條件。

Stable Diffusion 的革新或許刺激到了資本們敏銳的神經(jīng)，今年以來(lái) AIGC 的概念也是非常火，感興趣的朋友可以訪問(wèn)我近日寫(xiě)的這篇《從 Stability AI 和 Stable Diffusion 看 AIGC》展開(kāi)閱讀。

4）當(dāng)前，殺手應(yīng)用的養(yǎng)料

就像是 4G 移動(dòng)網(wǎng)絡(luò)的成熟，千元機(jī)、網(wǎng)絡(luò)速度提升以及網(wǎng)絡(luò)資費(fèi)下降，讓大眾進(jìn)行短視頻內(nèi)容消費(fèi)成為可能，隨之出現(xiàn)的一波短視頻&直播創(chuàng)業(yè)中殺出了抖音和 Tiktok，在 AIGC 領(lǐng)域預(yù)計(jì)或許也會(huì)出現(xiàn)這樣的押韻，甚至也會(huì)有平臺(tái)的出現(xiàn)，但紅杉認(rèn)為這個(gè)機(jī)會(huì)還是比較小的，更偏向于垂直應(yīng)用。

02 市場(chǎng)生態(tài)和細(xì)分機(jī)會(huì)

AI 不僅影響業(yè)務(wù)和行業(yè)層面，按照技術(shù)語(yǔ)言叫多模態(tài)，按照大白話就是文字、代碼、聲音、圖像、視頻、3D 模型以及其它基礎(chǔ)性載體，如生物化學(xué)分子等產(chǎn)生碰撞，這些不同的內(nèi)容載體在更好的 AI 模型加持下，產(chǎn)生質(zhì)量更高、容量更大、領(lǐng)域更垂直以及更創(chuàng)意有趣的市場(chǎng)機(jī)會(huì)。

Source：Sequoia

如果把這些參數(shù)量和晶體管對(duì)照，將大模型對(duì)照成 AI 領(lǐng)域的摩爾定律，紅杉美國(guó)的觀點(diǎn)是在 2025 年及以后看到較為成熟的商業(yè)化案例。

以下是紅杉觀察到的幾個(gè)場(chǎng)景案例供參考：

• 文案（Copywriting）：隨著個(gè)性化和電子郵件需求增長(zhǎng)，銷(xiāo)售、營(yíng)銷(xiāo)以及客戶支持這些場(chǎng)景都是 AI 模型的用武之處，這些場(chǎng)景下對(duì)文本的要求簡(jiǎn)潔明了，對(duì)時(shí)間和成本有一定要求， 在這些 B 端領(lǐng)域做自動(dòng)化和增效解決方案是一個(gè)不錯(cuò)的機(jī)會(huì)；
• 專(zhuān)業(yè)寫(xiě)作（Vertical specific writing assistants）：不像是通用的文本創(chuàng)作，在專(zhuān)業(yè)領(lǐng)域如法律合同起草和劇本創(chuàng)作會(huì)有機(jī)會(huì)，當(dāng)然不同的垂類(lèi)其工作流程和用戶體驗(yàn)會(huì)有差異；
• 代碼生成（Code generation）：GitHub Copilot 是一款 AI 編程工具，它為當(dāng)前使用這款工具的開(kāi)發(fā)者創(chuàng)造了近 40% 的代碼，未來(lái)將有機(jī)會(huì)服務(wù)于更廣大的消費(fèi)者，而不僅僅是軟件工程師，畢竟在硅谷，工程師是個(gè)創(chuàng)造型的職業(yè)「doge」；
• 藝術(shù)生成（Art generation）：目前藝術(shù)和潮流內(nèi)容都已經(jīng)可以通過(guò) AI 大模型去完成，人人都可以通過(guò)這些模型創(chuàng)作以前只有專(zhuān)業(yè)藝術(shù)人員才能完成的風(fēng)格，例如騎馬的宇航員和在古埃及買(mǎi)面包的泰迪熊；
• 游戲（Gaming）：理想情況是通過(guò)自然語(yǔ)言腳本敘述來(lái)創(chuàng)建復(fù)雜的游戲場(chǎng)景或模型，但這是最終狀態(tài)，從當(dāng)前看還有很長(zhǎng)的路要走，當(dāng)然短期來(lái)講也有可行的機(jī)會(huì)，例如在微觀的素材創(chuàng)作上，生成紋理這些；
• 媒體/廣告（Media/Advertising）：這是非常好的落地場(chǎng)景，將銷(xiāo)售信息與動(dòng)態(tài)視覺(jué)效果以多模態(tài)的形式展現(xiàn)在消費(fèi)者面前，我展開(kāi)舉個(gè)栗子（未經(jīng)嚴(yán)格驗(yàn)證）——抖音里的廣告都是廣告商的分發(fā)，或許未來(lái)是通過(guò)算法根據(jù)你的數(shù)據(jù)推薦生成展現(xiàn)在你面前，而不是推薦分發(fā)；
• 設(shè)計(jì)（Design）：對(duì)于像我這樣學(xué)設(shè)計(jì)和藝術(shù)背景的同學(xué)太有感觸了，你還在為賽博網(wǎng)絡(luò)畫(huà)線搭模型而煩惱么？動(dòng)嘴就能生成的模型誰(shuí)不喜歡，無(wú)論是交給你的導(dǎo)師還是交給老板，AI 模型為你省去了繁重的執(zhí)行工作，剩下需要的只是你的創(chuàng)意！最近在建筑領(lǐng)域已經(jīng)看到了不少的案例，以及你或許有一天在 Photoshop、Figma 以及 Sketch 這些平面設(shè)計(jì)領(lǐng)域通過(guò) AI 插件或者小功能一句話找到你心水的素材；
• 社交媒體和數(shù)字社區(qū)（Social media and digital communities）：這個(gè)我就直接以國(guó)內(nèi)的場(chǎng)景和個(gè)人理解表述吧，比如我在某博某紅書(shū)某刻發(fā)一個(gè)有趣的圖文動(dòng)態(tài)，這個(gè)圖可能是平臺(tái)提供給我的有趣 AI 小工具，它可能是集成在表情包下面，我原來(lái)的搜索動(dòng)作變成了即時(shí)的 AI 生成，可能有一天我的微信容量也不用這么大了……

03 產(chǎn)品形態(tài)與技術(shù)趨勢(shì)

AIGC 的產(chǎn)品形態(tài)未來(lái)會(huì)是什么樣的？以下是紅杉的預(yù)測(cè)：

1）關(guān)于模型

AIGC 的產(chǎn)品構(gòu)建在 GPT-3 或者 Stable Diffusion 等大模型上面，并且隨著產(chǎn)品的應(yīng)用以及用戶數(shù)據(jù)的增長(zhǎng)，將會(huì)反過(guò)來(lái)促進(jìn)模型的優(yōu)化：

1. 模型在特定問(wèn)題上的質(zhì)量與性能
2. 模型的大小和成本優(yōu)化

2）關(guān)于產(chǎn)品

部分 AIGC 產(chǎn)品將作為現(xiàn)有軟件生態(tài)系統(tǒng)中的插件存在，融入在 IDE、Figma 和 Discord中，例如 Midjourney 就一款依托于 Discord 的文本到圖像創(chuàng)作工具，另外還有少量以獨(dú)立形態(tài)存在的產(chǎn)品，例如：

• 文案創(chuàng)作：Jasper 和 Copy.ai
• 視頻編輯：Runway
• 記筆記的：Mem

從現(xiàn)有的軟件生態(tài)以插件形式存在，然后獨(dú)立出來(lái)或許是一個(gè)冷啟動(dòng)的好方式，紅杉表示已經(jīng)在消費(fèi)和社交領(lǐng)域觀察到這種策略的成功。

3）關(guān)于交互

當(dāng)前許多 AIGC 的 Demo 產(chǎn)品幾乎是一次性完成的，即用戶輸入內(nèi)容，模型輸出結(jié)果，這些結(jié)果可以自動(dòng)保存，又或者放棄重新生成，模型也在持續(xù)迭代，用戶也可以將模型生成的結(jié)果進(jìn)行進(jìn)一步編輯、優(yōu)化或二創(chuàng)。

今天，AIGC 的結(jié)果可以被用在原型或初稿制作中，這類(lèi)產(chǎn)品很擅長(zhǎng)將不同的創(chuàng)意點(diǎn)子融入其中，以推進(jìn)整個(gè)創(chuàng)作過(guò)程，例如在建筑設(shè)計(jì)領(lǐng)域或者平面設(shè)計(jì)中起草各種 Logo 方案，然后由用戶來(lái)做進(jìn)一步“精修”。

隨著模型越來(lái)越聰明，并積累了使用者越來(lái)越多的數(shù)據(jù)，這些原型或初稿也將越來(lái)越完善，直到縮短整個(gè)創(chuàng)作周期，甚至被作為成品。

4）關(guān)于品類(lèi)

最好的 AIGC 公司通過(guò)打造用戶使用數(shù)據(jù)與模型性能之間的飛輪來(lái)持續(xù)建立競(jìng)爭(zhēng)優(yōu)勢(shì)。初創(chuàng)企業(yè)想要贏得這一勝利，必須建立這樣的商業(yè)模型：

• 第一步：更多用戶參與，迭代產(chǎn)品與數(shù)據(jù)積累；
• 第二步：更好的模型，反哺更好的產(chǎn)品體驗(yàn)；
• 第三步：進(jìn)一步用戶增長(zhǎng)和更多參與。

這樣的商業(yè)模型將會(huì)誕生在比較垂類(lèi)的市場(chǎng)中，比如代碼、設(shè)計(jì)或者游戲，而不是妄想做個(gè)大產(chǎn)品，什么群體都想服務(wù)。最好的切入方式還是在一些現(xiàn)有的應(yīng)用體系中深嵌來(lái)得到增長(zhǎng)，然后通過(guò)原生的 AI 方式慢慢替代落后的服務(wù)流程，當(dāng)然積累數(shù)據(jù)和用戶是需要花時(shí)間的，相信這是一種行之有效的增長(zhǎng)策略。

04 風(fēng)險(xiǎn)提示

最后，紅杉在文章中提示—— 雖然 AIGC 具有很大的潛力，但是就當(dāng)前而言還有很多商業(yè)模式和技術(shù)上的問(wèn)題沒(méi)有解決，例如在版權(quán)、隱私安全和成本等方面。

總的來(lái)說(shuō)，AIGC 還處在一個(gè)早期階段，平臺(tái)層的發(fā)展還不錯(cuò)，應(yīng)用層還有很大的發(fā)揮空間；需要澄清的是，用戶并不需要一些大的語(yǔ)言模型來(lái)長(zhǎng)篇大論寫(xiě)一篇托爾斯泰式的小說(shuō)，現(xiàn)有的模型已經(jīng)足夠創(chuàng)作一些博客初稿了，后期還有很多可以被釋放與創(chuàng)造的價(jià)值。

第一波 AIGC 的產(chǎn)品猶如 iPhone 剛剛誕生的那樣，充滿噱頭但還沒(méi)有明確的商業(yè)模式和差異價(jià)值，雖然我們能從現(xiàn)有的產(chǎn)品和技術(shù)中對(duì)未來(lái)管中窺豹，例如刷到一些 AI 生成的精美圖片。

最后，談一點(diǎn)個(gè)人理解，這里的機(jī)會(huì)可能是模型在某個(gè)垂類(lèi)上的內(nèi)容供給效率高于當(dāng)前人類(lèi)工作人員的效率才會(huì)出現(xiàn)，就像推薦算法當(dāng)初改變了傳統(tǒng)的內(nèi)容和商品分發(fā)效率那樣，但就當(dāng)前而言還不會(huì)有一個(gè)通用大模型一招吃遍鮮去生產(chǎn)所有各種形態(tài)的內(nèi)容、腳本、方案、配方、公式、素材等等。

Reference：

[1] 《Generative AI: A Creative New World》，Sequoia

免責(zé)聲明：在任何情況下，本文信息或表述，不構(gòu)成任何投資建議；若有侵權(quán)，請(qǐng)后臺(tái)聯(lián)系刪除。