大廠湧入，馬斯克盛讚，科技圈都在説的AIGC究竟是什麼_風聞

文 | 山核桃

如果要問科技圈最近最火的話題是什麼？AIGC無疑是創業者與投資人們最關注的話題。今年8月，在美國科羅拉多州舉辦的新興數字藝術家競賽中，一位毫無繪畫基礎桌遊公司老闆提交了一幅用Midjourney完成的AI生成繪畫作品《太空歌劇院》，隨即引發了一場人工智能與藝術家之間的大論戰。

引發“唇槍舌劍”的不僅是AI繪畫，隨着應用場景的擴容，人們對AIGC技術的商業化潛力逐步從偏C端的娛樂遊戲，拓寬至工業、金融、醫療、教育等2B領域。那些AIGC的擁躉者試圖將其理解為打開元宇宙大門的“魔棒”，是繼PGC和UGC之後，新一輪內容革命的生產力工具。

然而，在這根“魔棒”所點燃的浪潮下，從實驗室裏走出的AIGC可能並不如極客們想象中那麼美好，不管是與國外底層技術能力的差距、產品形態的同質化、單一的商業化場景，還是所面臨的版權與倫理問題，種種跡象都在表明，AIGC仍尚處萌芽期。

本文主要圍繞AIGC解決以下三個問題：、

1. AIGC為何會興起？

2. 搶灘AIGC的大廠與創業者，進行到哪一步了？

3. 為什麼説AIGC是一場屬於“冒險者”的遊戲？

AIGC爆火的三要素：技術、需求與產業鏈

時間撥回2019年，在世界人工智能大會上，馬雲與馬斯克曾針對“機器與人到底誰更聰明”這一問題展開一場精彩的辯論。作為新技術的狂熱愛好者，馬斯克理所當然地認為人工智能比最聰明的人還要聰明，而馬雲則認為“人類足夠聰明，AI不是一種威脅”。

“雙馬”之間的battle，某種程度上可以代表當下人們對AIGC的兩派觀點：一類將AIGC視為生產力工具，是web3.0時代的基礎設施；另一類，則對新技術抱着觀望與懷疑，認為其與大多數元宇宙技術一樣，不過又是一場極客們的狂歡。

儘管，目前人們對AIGC技術究竟是什麼，依舊沒有形成廣泛的共識，但僅用其英文翻譯（AI-Generated Content），即“利用人工智能技術來生產內容”，並不能準確理解AIGC。

參考學界以及業界的諸多觀點，AIGC其實並不是一門單一的技術，也不是一類具像化的產品，其本質是利用AI賦能技術而形成的一種高自由度且低門檻的內容生產能力，而這種能力將服務於各類場景中的創作者與生產者。

事實上，AIGC並不是新鮮事物，人們所熟悉的DeepMind、會作詩的微軟小冰以及近期橫空出世的ChatGPT，都可被視為AIGC發展過程中的重要節點。

那麼，一個關鍵問題產生了，既然不是新鮮事物，那為什麼AIGC會在2022年突然受到人們的關注？核心原因其實在技術、需求與產業鏈的共同驅動。

首先，深度學習技術的快速突破，可商用的成熟技術起着“臨門一腳”的關鍵作用。

在深度學習模型的迭代上，AIGC最早出現的深度學習模型為“對抗生成網絡”GAN，儘管曾被稱為“21世紀最強大的算法模型之一”，但也存在着生成圖像分辨率較低、新圖像創意不足等問題。而誕生於2021年的CLIP模型由於能夠同時進行自然語言理解和計算機視覺分析，實現圖像和文本匹配，也為後續AIGC應用的落地打下了基礎。

來源：招商證券到了2022年，Stable Diffusion擴散化模型的出現與正式開源，直接推動了AIGC技術的突破性發展。簡單來説，Diffusion模型其實實現了兩方面的突破，一是更成熟的深度學習模型能讓AI可以快速、靈活地生成不同模態的數據內容。二是，這一訓練好的模型大大降低了AIGC創業的門檻，更多的生產者與創作者可以藉助這一可商用的開源工具，立足不同的應用場景做更多的事。

其次，是需求端對AIGC的追捧，AIGC恰好能彌補供給與需求端的這條“效率鴻溝”。

我們可以將創作者生態的發展分成三個階段：專業生成內容時代（PGC）、用户生成內容時代（UGC）以及即將到來的AI生成內容時代（AIGC）。

在PGC時代，儘管專業化的內容能夠為用户帶來極佳的體驗，但由於生產成本較高，產能往往跟不上需求。

而另一邊，由此誕生的UGC模式能夠大大降低生產成本，也能解決PGC的產能瓶頸，但海量內容參差不齊，儘管生產成本降低了，但用户對於優質內容的搜尋成本卻在持續提升。

換句話説，一邊是生產成本，另一邊是搜尋成本，供給與需求的生產效率都有極大的提升空。而藉助AI，一方面能夠通過持續深度學習提升內容的專業性，另一方面也能輔助專業創作者，提升創作效率，供給與需求端的這條“效率鴻溝”也因此被縫合。

以ChatGPT為例，除了能更好地“效率鴻溝”外，我們能夠確定的是，AIGC已具備很好的內容總結能力，去幫助人們一些具體問題。

根據“AIGC 探索站”主理人Szhans的總結匯總，ChatGPT在商業寫作、人文創作以及日常生活等應用場景上，已具備足夠的想象力，這些藉助ChatGPT的視角而生成的內容某種程度上確實能夠取代一部分的“初級內容生產者”。

比如，“寫一篇關於AIGC的稿件提綱”——ChatGPT的回覆已經包含了關於AIGC的大部分關鍵內容。

公眾號“劉言飛語”的主理人劉飛也曾用ChatGPT寫過一篇關於“互聯網黑話”的領導演講稿，“領導味兒”和“黑話感”都很足。

圖片來源：公眾號“劉言飛語”當然，除了技術與需求端的變化，推動AIGC發展的關鍵因素還有產業鏈的初步成熟。

圖片來源：量子位據量子位AIGC圖譜顯示，從上游的數據供給、開源算法，中游的行業玩家以及下游的包括文字、圖像、視頻、音頻、遊戲等應用場景，關於AIGC的一條初步產業鏈已經悄然形成，產業生態的完善也為後期的發展奠定了基礎，而在不同的應用場景下，已出現了一批代表性的玩家。

比如在文本生成場景，包括了瀾舟科技、聆心智能等垂直公司，同時百度、騰訊等大廠也是該領域的重要玩家。

可以確定的是，技術、需求與產業鏈三大要素是AIGC快速發展的重要前置條件，但在國內一派火熱的AIGC能否實現大規模的商業化落地，從目前來看，仍是一個頗為理想化的遙遠故事。

效率大於價值，創意大於應用

AIGC當然是一片“富礦”。對乏善可陳的移動互聯網創新而言，作為“元宇宙”世界的重要工具之一，據Gartner預計，到2025年，AIGC將佔所有生成數據的10%，有潛力產生數萬億美元的經濟價值。

在海外，作為較早佈局AIGC的科技巨頭，Meta、Google等已從文本生成等應用場景進入到視頻領域，如Meta的Make-A-Video、谷歌的Imagen Video，AIGC豐富了科技巨頭們的AI產品線。

一些新晉獨角獸也成為了資本眼中的“香餑餑”，Stability AI、Jasper、OpenAI等企業的估值也水漲船高。據The Information報道，ChatGPT背後的開發商OpenAI目前的估值已接近200億美元。

反觀國內，儘管這一賽道也不乏明星初創公司與大廠加持，但行業發展看似火熱，實際上卻是“效率大於價值，創意大於應用”。

為什麼這麼説？主要有以下三點原因：

**首先，在應用場景上，**比起遠大的“生產力工具”理想，目前國內AIGC的主要應用場景仍集中在圖像生成、文本生成等領域，在尚未出現大規模落地的C端產品，產品的同質化趨勢也大大加強。

以AI繪畫為例，此類“文生圖”的應用無論在圖像生成模型上，還是玩法上，都已是紅海。

如Midjourney，以輕量級小程序為主的意間AI、盜夢師等，由於使用門檻都不高，都曾在C端短暫地引發熱議。

但正如行業從業者所提及的，需求端的火熱以及Diffusion模型的開源，大大降低了行業的入局門檻。6pen創始人王登科曾提及：“一時間出現了上百家AI繪畫的公司，也就導致了AI繪畫工具的泛濫以及產品的嚴重同質化。”

**其次，在內容模式上，**當下的AIGC充其量只是輔助生產的效率工具，其創作模式實際上並沒有跳出PGC與 UGC的創作框架，現階段的AI繪畫、AI文本都需要人為的參與與調試，實現與外部環境的交互。

以《太空歌劇院》這一引發巨大爭議的AI繪畫獲獎作品為例，其並不完全是機器生成的，而是人與AI作畫技術不斷磨合過程的產物。ChatGPT也是如此，該創始團隊也坦言：“AI生成的答案不總是準確或相關的。”這些通過模型生成的答案往往需要專業人士進行二次判定或潤色。

**最後，在盈利模式的探索上，**國內AIGC的商業化仍在“摸着國外過河”。目前來看，無論是2B或2C，AIGC距離真正的商業化落地，還有較遠的距離。

C端有着龐大的流量基礎，但如何提升用户付費意願，以更為個性化的定製服務與社區生態實現差異化，考驗着大廠們與小型創業公司的能力。

而在B端，特別是一些提供大模型等基礎設施服務類的科技巨頭，固然也面臨着廣闊的藍海，但生態如何搭建？後期運維能力如何提高？應用場景解決方案的深度如何？這些都是實實在在的問題。

AIGC是一場屬於“冒險者”的遊戲

而從更深層的角度來説，當下的AIGC更像是一場只屬於“冒險者”的遊戲。

**首先，國內AIGC的生態並沒有如國外一樣形成較為明確的分工體系。**大多數的大廠與創業公司都是專注垂直賽道的場景應用，渴望“大力出奇跡”的同時，大多數的AIGC業務其實尚屬“邊緣”。

對比國內與國外，歐美大廠和創業公司之間的生態更為成熟，一類專注做基礎設施型，以技術為重，比如OpenAI提供技術模型GPT-3，而創業公司通過翻新模型，找到應用場景，不同生態方各司其職，在協同中，更易實現規模效應。

而在大洋彼岸外的中國，AIGC大多作為公司的部分業務或相對邊緣化的功能，同時國內獨立運行的初創公司數量明顯少於國外。

從融資輪次來看，包括DeepMusic、倒映有聲、聆心智能等初創企業大多集中在A到B輪，而盜夢師、意間AI等也並未憑藉着社交媒體的熱度由此收穫新一輪的融資。

**其次，在應用場景上，國內AIGC多侷限在內容側，**這背後其實是當前中國的創業公司尚未找到能快速實現商業化落地的應用場景，還在摸索產品與場景之間的適配度。

**再者，AIGC產業需要長期主義，**聆心智能創始人、清華大學計算機科學與技術系長聘副教授黃民烈認為，如OpenAI這種技術見長的公司需要很多特別牛的工程技術人才，同時也非常燒錢，需要雄厚資本的支撐，“這樣的資本投入在中國還是挺難複製的”。

這意味着，在未來很長一段時間內，AIGC都是一門“賠本賺吆喝”的生意，一些不具備資金實力與生態能力的初創型公司，很有可能面臨着被大廠們收購或繼續“小而美”的命運。

**最後，則是倫理困境，**如眾多新興技術一樣，AIGC將不可避免地面臨版權與數據確權問題，這當然是每一項新技術必然要經歷的過程。黃民烈也提到，現在的大模型AI能力它很容易做到記住和模仿，但無法進行創造，因此就會不可避免地會面臨一些版權，甚至是反人類的倫理問題。

某種程度上，在遙遠的web3.0時代，與NFT、VR等熱詞一樣，AIGC也是焦慮的人們尋找下一個“移動互聯網”時代的新入口。但比起移動互聯網時代那些已具備確定性的技術與場景應用，尚屬萌芽階段的AIGC更像是被一堆被吹高的泡沫，它必然經歷與其他技術熱詞一樣的降温過程，回到現實中找到具備商業價值的落地場景。

正如Midjourney創始人所言，儘管人工智能被視為新世界的“水源”，人們渴望它成為新一代的基礎設施，但創業者們的任務是“是製造衝浪板，而不是製造水。”

在那些吹捧“奇點降至”的論調背後，AIGC距離真正的商業化繁榮，註定還有更難的路要走。

參考資料：

1、甲子光年：《AIGC爆火背後，錢都被誰賺走了？》

2、腦極體：《2023，AIGC能賺到錢嗎？》

3、華創資本：《生產力的範式轉移：一場AIGC帶來的奇幻革命 | 創·享 CGC-XView》

4、華泰證券：《從孿生到融生，AIGC 成為長期方向》

5、招商證券：《AIGC--打開元宇宙大門的新魔法棒》

6、國海證券：《AIGC：內容生產力的革命》

7、光錐智能：《創業者的AIGC淘金記》

8、劉言飛語：《沉迷AIGC兩週後：某些人失業是必然的》