"下一代生產(chǎn)力工具。"

【資料圖】

本文為IPO早知道原創(chuàng)

作者｜Stone Jin

據(jù)IPO早知道消息，高榕資本榕匯日前聯(lián)合聲動活潑共同發(fā)起線上研討會，4位來自通用人工智能、3D內(nèi)容生產(chǎn)與消費一站式平臺、投資以及內(nèi)容領(lǐng)域的嘉賓圍繞「生成式AI」的話題展開了一次對話。

以下節(jié)選部分對話內(nèi)容：

>> 丁教：今年是AIGC紅得發(fā)紫的一年，包括AI作畫產(chǎn)品以及最近令人感到特別驚艷的ChatGPT。為什么是今天這樣一個時間點AIGC走進(jìn)大眾視野，背后是怎樣的技術(shù)在驅(qū)動？

袁泉：實際上，幾年前行業(yè)就用一些機(jī)器學(xué)習(xí)的方法（例如GAN）去生成圖像。但當(dāng)時一方面是效果所限，也沒有與今天最熱的文生圖聯(lián)系起來。

當(dāng)下這一波的AIGC熱潮，主要由OpenAI的兩個原創(chuàng)技術(shù)驅(qū)動。首先是以DALLE為標(biāo)志的Diffusion Model（擴(kuò)散模型），以及衍生出來的Stability.ai和Midjourney等開源工具，極大地推動了文生圖的發(fā)展。

另一方面是文本生成模型GPT。2017年，OpenAI第一次把Transformer和大規(guī)模訓(xùn)練系統(tǒng)結(jié)合起來做文本生成，實現(xiàn)了非常好的效果；近幾年GPT取得了非常大的進(jìn)展。目前AIGC進(jìn)入到成長期，AI生成圖、生成文字、生成代碼、生成音樂等都在快速發(fā)展，同時能夠輔助人做一些提升效率的工作。OpenAI的成功不是偶然的，我們總結(jié)為三個“555”: 5年時間、50個對AGI（通用人工智能）最有理解力的人、5億美元的算力。

未來，我認(rèn)為AIGC最重要的是從單模態(tài)到多模態(tài)的進(jìn)化，例如一個神經(jīng)網(wǎng)絡(luò)同時生成圖像、文字、語音等等，這方面的技術(shù)今天也在大踏步地前進(jìn)。因此我們相信，在一些與內(nèi)容相關(guān)的創(chuàng)作領(lǐng)域里，開始會有AI輔助人、甚至不排除在一些環(huán)節(jié)取代人。

>> 丁教：元象的浩智過往在圖形學(xué)引擎與計算機(jī)視覺領(lǐng)域有豐富的經(jīng)驗。從技術(shù)的角度看，為何今年AI作畫領(lǐng)域率先出現(xiàn)了現(xiàn)象級出圈的產(chǎn)品？

黃浩智：實際上AI作畫在研究層面已經(jīng)進(jìn)行了很多年。近期大家比較強(qiáng)烈感知到AI作畫已經(jīng)達(dá)到了可用的狀態(tài)，甚至超過了某些初階畫師的水平，背后得益于圖形生成技術(shù)、自然語言處理模型兩個方面的迭代。所以AI作畫的進(jìn)步是CV與NLP兩個子領(lǐng)域交叉帶來的結(jié)果。

圖像生成技術(shù)領(lǐng)域，此前GAN、Imagen AI等生成式模型，本質(zhì)原理是已經(jīng)有了一個圖像，經(jīng)過深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)處理，生成另外一幅內(nèi)容相似的圖像。今年備受關(guān)注的Stable Diffusion等模型，采用的是Diffusion Model（擴(kuò)散模型）。擴(kuò)散模型比較特別的是，從原來基于一維的noise去訓(xùn)練，變成基于完全2D的noise去建模，使用加噪-去噪的迭代來生成圖片，大家發(fā)現(xiàn)生成的圖像質(zhì)量更高。因此之后有了一系列擴(kuò)散模型相關(guān)的研究，帶來了技術(shù)突破。

另一方面，AI作畫之所以吸引人，是人們可以通過比較自然的語言描述就能生成相應(yīng)的畫作。背后是大規(guī)模預(yù)訓(xùn)練語言模型的功勞，將語言模型的特征提取出來、與圖像的特征進(jìn)行映射，最后得到從語言到圖像的映射。

隨著互聯(lián)網(wǎng)多年的發(fā)展，我們已經(jīng)積累了大量的文本和圖像數(shù)據(jù)，基于這些數(shù)據(jù)可以更好訓(xùn)練模型，從而生成較為高質(zhì)量的畫作。

>> 丁教：今天AIGC在海外市場有哪些創(chuàng)業(yè)機(jī)會正在爆發(fā)？

劉新華：區(qū)別于上一波判別式AI主要解決已有數(shù)據(jù)的分類和邊界問題，應(yīng)用場景主要是大家熟悉的算法推薦、人臉識別等等；這一波生成式AI，重點是能夠生成和創(chuàng)造新數(shù)據(jù)，輸出的結(jié)果是發(fā)散性、多樣性的，利用人類已有數(shù)據(jù)打開了新的邊界，創(chuàng)造了全新的增量。

從今年8月至今，AIGC領(lǐng)域涌現(xiàn)出非常多的創(chuàng)新，例如GPT-3大模型生態(tài)已長出上百個不同領(lǐng)域的應(yīng)用，背后不乏獨角獸公司。

在海外，AIGC不只是大廠的機(jī)會，也新起了很多創(chuàng)業(yè)公司。一類公司偏底層，在新場景中孕育大模型的突破，基于DALLE、GPT等產(chǎn)生很多新的模型；另外是在應(yīng)用層中，出現(xiàn)很多新公司，包括生成文字、圖像、視頻、代碼、3D模型等等。

另外在細(xì)分行業(yè)中，也密集跑出了一些創(chuàng)業(yè)公司。例如Jasper.ai目前應(yīng)用在營銷、電商和自媒體創(chuàng)作等領(lǐng)域。

>> 丁教：在觀察這些AIGC創(chuàng)業(yè)公司時，你會重點關(guān)注他們的哪些能力與指標(biāo)？

劉新華：從投資角度看，判斷某個領(lǐng)域是否達(dá)到爆發(fā)臨界點，我們關(guān)注典型產(chǎn)品是否達(dá)到了產(chǎn)品市場匹配（PMF）；在生成式AI這樣的前沿領(lǐng)域，我們還有個前置判斷：在PMF之前，哪些場景達(dá)到了AMF（AI Market Fit）。

AIGC達(dá)到AMF，有兩個重要的維度。首先，AI的能力基本達(dá)到了人類專業(yè)工種60%-70%的水平，即人類可用的標(biāo)準(zhǔn)。其次，基于AI的工具容錯率高，能提供可編輯性。在這兩個維度上，用戶量級大、數(shù)據(jù)可得性高、商業(yè)價值高的市場最容易爆發(fā)。

這次AIGC浪潮中大火的應(yīng)用有一個重要共同特征是，越是在創(chuàng)意濃度高的市場中，生成式AI反而最有機(jī)會。因為這些領(lǐng)域往往容錯率高，人類沒有嚴(yán)苛單一的審美標(biāo)準(zhǔn)，愿意接受多樣性，另外工具提供較強(qiáng)的可編輯性讓人類方便進(jìn)行二創(chuàng)。這一點是反共識的，正如OpenAI的CEO Sam Altman所說，“10年前人們都認(rèn)為創(chuàng)意型工作將是最后一個被AI取代的人類工種，萬萬沒想到今天事實恰恰相反?！?/p>

因此除了創(chuàng)意工作，未來生成式AI在游戲、建筑設(shè)計、新藥研發(fā)、新材料發(fā)現(xiàn)等創(chuàng)意發(fā)散性高、容錯率高的領(lǐng)域，可能也會存在機(jī)會。

也有很多人對AIGC的準(zhǔn)確率提出疑慮。那些熱度很高的AIGC公司首先準(zhǔn)確率已經(jīng)達(dá)到可用的閾值；我個人觀點是，如果要進(jìn)一步持續(xù)提高AIGC的可用性，社區(qū)驅(qū)動下數(shù)據(jù)與模型協(xié)同的增長飛輪非常重要。

今年火爆的Jasper.ai、Stable Diffusion的社區(qū)都非常繁榮，未來優(yōu)秀AIGC公司的社區(qū)能力是非常重要的。用戶社區(qū)不斷為模型貢獻(xiàn)數(shù)據(jù)，新數(shù)據(jù)帶動模型進(jìn)一步進(jìn)化，從而實現(xiàn)好的體驗、吸引更多用戶，形成了數(shù)據(jù)的網(wǎng)絡(luò)效應(yīng)和用戶的網(wǎng)絡(luò)數(shù)據(jù)，二者相互促進(jìn)，不斷帶動增長飛輪。

>> 丁教：現(xiàn)在啟元世界在生成式AI方面有怎樣的落地應(yīng)用？在游戲或者更廣泛的領(lǐng)域，未來的目標(biāo)和規(guī)劃是怎樣的？

袁泉：啟元世界從2017年開始在智能體/AI Being產(chǎn)品技術(shù)上不斷創(chuàng)新，應(yīng)用于游戲、數(shù)字孿生、虛擬人等領(lǐng)域。

啟元世界最早做的決策大模型主要應(yīng)用在游戲領(lǐng)域，AI生成一系列決策指令。目前在策略類游戲中（包括SLG、戰(zhàn)棋、卡牌等游戲品類）已經(jīng)有比較多落地應(yīng)用，智能體在其中主要起到“陪玩”的作用。比較有代表性的是啟元世界AI智能體在《星際爭霸II》中擊敗中國星際職業(yè)冠軍級選手。

未來我們的目標(biāo)是讓智能體進(jìn)化到“陪聊”乃至“陪伴”。在結(jié)束一局游戲之后，智能體還可以和你聊一聊，復(fù)盤玩得好不好，下一局怎么配合。所以從去年開始，啟元世界發(fā)力認(rèn)知對話大模型，讓智能體能夠看懂游戲態(tài)勢并說話。

再往前走就是構(gòu)建多模態(tài)、栩栩如生的智能體/AI Being，Ta的能力將逼近人，能夠理解上下文，以一種高情商的方式和用戶交流，也會寫作、會畫畫、會運動，類比于Human Being，這種AI Being是新的生命體。

>> 丁教：元象對于未來AI生成3D內(nèi)容，有怎樣的判斷？是否已經(jīng)有了一些實際案例？

黃浩智：首先元象有一個信念是，未來的媒介形態(tài)會向3D互動形式或者更加聚合和多模態(tài)的方向演進(jìn)。現(xiàn)實世界天然就是3D的，用戶對這種媒介形式感到非常親切。

但對比AI生成文字、圖像和視頻，目前生成3D內(nèi)容還處于非常初級的階段，原因在于3D內(nèi)容數(shù)據(jù)的稀缺性。3D內(nèi)容由于生產(chǎn)門檻比較高、周期比較長，目前主要靠PGC（Professional Generated Content）等專業(yè)內(nèi)容團(tuán)隊去生產(chǎn)，積累過程比較緩慢。

但近期我們也看到3D內(nèi)容兩個趨勢，為未來的AI生成奠定基礎(chǔ)。首先是隨著3D內(nèi)容或元宇宙相關(guān)應(yīng)用的崛起，3D內(nèi)容積累速度加快。另一方面，基于現(xiàn)實世界進(jìn)行三維重建的技術(shù)也在迭代，不斷降低3D內(nèi)容生成難度。例如2020年提出的NeRF技術(shù)，只需輸入多角度帶相機(jī)位姿的圖像，就可以訓(xùn)練得到一個NeRF模型，根據(jù)這個模型就能渲染出任意視角下的清晰照片。

短期來看，在3D內(nèi)容數(shù)據(jù)比較少的情況下，元象如何加速AI生成3D內(nèi)容的速度？我們的思路是以圖片為媒介來解決，即從文字到圖片、再從圖片到3D內(nèi)容的生成。近期谷歌就用NeRF模型嘗試從文字到生成3D內(nèi)容。

目前元象對于3D世界中的人、景、物三個類別，都在嘗試AI生成。在人方面，我們判斷人的動作生成（點擊了解元象技術(shù)方案，下同）將率先迎來爆發(fā)。隨著目前動作捕捉技術(shù)、可穿戴設(shè)備的發(fā)展，對于人物動作捕捉的數(shù)據(jù)不斷積累；此外，擴(kuò)散模型等生成式模型也可以用來做動作數(shù)據(jù)的生成。

場景方面，目前元象迭代比較多輪的是大世界生成技術(shù)，通過AI的方式幫助大規(guī)模和復(fù)雜場景的生成。

舉個例子，如果我們想生成深圳城市3D路網(wǎng)，要怎么做？首先內(nèi)部美術(shù)團(tuán)隊可以用2D圖形勾勒道路；之后我們利用GAN、擴(kuò)散模型等技術(shù)去生成路網(wǎng)模型；再結(jié)合地理位置信息、航拍等數(shù)據(jù)，利用CV最擅長的識別和分割類任務(wù)，對路網(wǎng)進(jìn)行劃分和判別，不同位置設(shè)置相應(yīng)的3D模型，進(jìn)而將路網(wǎng)3D化。

>> 丁教：與海外相比，國內(nèi)在AIGC領(lǐng)域?qū)⒊霈F(xiàn)怎樣的創(chuàng)業(yè)機(jī)會？更可能分布在哪些方向，例如To B還是To C？

劉新華：首先可以明確的是，國內(nèi)所有創(chuàng)業(yè)者都將受益于生成式AI的創(chuàng)新和生態(tài)。大模型的涌現(xiàn)和指數(shù)級的能力迭代，以及開源社區(qū)的繁榮、API的大量開發(fā)和開放，都會讓中國的創(chuàng)業(yè)者從中獲益。而且大模型的泛化能力和通用性極強(qiáng)，無需對場景和模型重復(fù)訓(xùn)練（即Zero-shot），由此而來的低成本準(zhǔn)入門檻、數(shù)據(jù)飛輪效應(yīng)和廣泛的場景適應(yīng)能力，都能讓國內(nèi)的創(chuàng)業(yè)者可以在巨人的肩膀上做組合式創(chuàng)新。

但國內(nèi)也會形成不一樣的創(chuàng)業(yè)公司生態(tài)。底層平臺的創(chuàng)業(yè)難度相對大，但也的確存在國產(chǎn)替代機(jī)會，特別是在本土數(shù)據(jù)特別豐富的場景中。

此外在一些新場景中的底層平臺，國內(nèi)創(chuàng)業(yè)者也有創(chuàng)新機(jī)會，例如3D場景、游戲、制造業(yè)、建筑業(yè)等。

國內(nèi)最可能涌現(xiàn)創(chuàng)業(yè)公司的機(jī)會或許在應(yīng)用層。To B方向應(yīng)該最先有潛力爆發(fā)，例如海外這一波生成式AI公司中商業(yè)化最成熟的Jasper.ai就是SaaS模式，瞄準(zhǔn)有高頻、大規(guī)模文字生產(chǎn)有需求的營銷、自媒體、電商等細(xì)分場景。To C方向，我相信有可能涌現(xiàn)下一代抖音/快手/騰訊視頻的機(jī)會，但可能更多是大廠的機(jī)會。當(dāng)然，AIGC作為新一代生產(chǎn)力工具，也有針對開發(fā)者的To D公司出現(xiàn)，例如今天海外已經(jīng)涌現(xiàn)Copilot這類代碼生成工具。

微軟GitHub AI編程工具Copilot

再暢想未來，生成式AI還有一個有意思的方向——個性化模型，可能每個人在未來都能有自己的模型，帶來AIUGC的浪潮。例如一位網(wǎng)紅，可以基于過往的視頻訓(xùn)練自己的模型，未來可以根據(jù)模型生成極度個性化、極度個人風(fēng)格的內(nèi)容。

袁泉：這里我回應(yīng)一下新華總說的，我們也判斷國內(nèi)第一波出來的AIGC公司應(yīng)該是SaaS類的。但也有一些有趣的事情在發(fā)生，隨著AIGC能力的大幅度提升，單個用戶每個月的消費可能就是幾十塊錢，購買決策成本很低。用戶覺得這個工具對自己提升效率，或者寫作、畫畫確實有用，就購買了。所以在某些場景下，To B和To C的界限在快速模糊化。

從這個維度上看，過往國內(nèi)很多AI公司主要是做To B大客戶或者To G這種特別重的模式，AIGC為我們打開了新的想象力。

>> 丁教：那么隨著AIGC的火爆，國內(nèi)AI公司的商業(yè)環(huán)境會更好嗎？未來如何尋找自己的增量空間？

袁泉：坦白說今年的外部環(huán)境對于AI公司來說非常有挑戰(zhàn)性，但啟元世界最信仰的還是通用人工智能技術(shù)（AGI），即深度學(xué)習(xí)加強(qiáng)化學(xué)習(xí)的范式和方法論。無論是我們在一個相對封閉的場景中訓(xùn)練，比如讓智能體從零開始學(xué)會玩一款游戲；還是AIGC的破圈，把通用智能延伸到了更大的范疇，拿全網(wǎng)語料去訓(xùn)練一個初始的認(rèn)知大腦，再通過各個場景的用戶數(shù)據(jù)和反饋，不斷修正與迭代這個大腦形成更強(qiáng)的能力，背后的技術(shù)都是一樣的。

AGI背后，是全世界理論上最好的兩家公司OpenAI和DeepMind在牽引著這個大的范式在大踏步前進(jìn)，長期來看越來越有信心。兩年前，在GPT-2出來的時候還沒有太多的感知，但是當(dāng)GPT-3發(fā)布之后，國外很多公司開始研究、獲得先機(jī)。

如今國內(nèi)開始感受到如火如荼的氛圍，AIGC就像是“冬天里的一把火”，點燃了大家，相信明后年在應(yīng)用層面會迎來一個突破爆發(fā)的階段。最先火起來的應(yīng)用可能是和互聯(lián)網(wǎng)以及通用常識比較相關(guān)的應(yīng)用，例如營銷文案。但未來再往前走要做成各個垂類的Jasper.ai，例如游戲中的2D資產(chǎn)、元象做的3D內(nèi)容以及一些專業(yè)化要求更高的領(lǐng)域。再進(jìn)一步，即我們所信仰的——多模態(tài)融合的更高階形態(tài)的內(nèi)容生成形式。

此外我認(rèn)為國內(nèi)創(chuàng)業(yè)者還是要敢于去想一些更大、更有想象力的事情。舉個例子，隨著國內(nèi)大模型的開放，基于這一大模型的認(rèn)知能力、對話理解能力，是否有可能打造下一個AI時代的搜索引擎？我覺得永遠(yuǎn)應(yīng)該往這些方向去快速探索和試錯。

>> 丁教：國內(nèi)AIGC創(chuàng)業(yè)者是否擁有一些優(yōu)勢？

袁泉：我認(rèn)為國內(nèi)AIGC創(chuàng)業(yè)團(tuán)隊，相比海外團(tuán)隊有兩點優(yōu)勢，首先是對場景和用戶的理解。有一種觀點認(rèn)為，AIGC最后的贏家不一定是AI公司，而是對各個行業(yè)、場景、用戶理解得最透的公司。中國團(tuán)隊在這方面的實力是不容小覷的，例如移動互聯(lián)網(wǎng)領(lǐng)域，我們做成了支付、購物以及像抖音、快手這類超級內(nèi)容平臺。

其次是中國創(chuàng)業(yè)環(huán)境就是唯快不破，在一個特別新的領(lǐng)域，最初可能只是一些朦朧的想法，但需要快速提升組織能力，快速迭代試錯，把真正的機(jī)會、好的產(chǎn)品形態(tài)給打磨出來。

>> 丁教：如果本身不是AI技術(shù)公司，如何學(xué)習(xí)AIGC，并利用這樣的機(jī)會和成長態(tài)勢獲益？

黃浩智：首先我認(rèn)為要結(jié)合自己的行業(yè)去思考獨特方向。例如我是做服裝品牌的，能用AIGC做什么？原本不知道應(yīng)該生產(chǎn)什么樣的衣服銷售效果好，我可能就去設(shè)計一下prompt，描述一下這件衣服長什么樣，生成圖片，從中篩選去小批量投放廣告，根據(jù)數(shù)據(jù)反饋幫助后續(xù)設(shè)計的決策。

另外，如果你的公司在技術(shù)能力上更強(qiáng)，有一件確定的事可以做，就是去決定自己的輸入和輸出。因為一些數(shù)據(jù)源只有某些公司才有，而且今天大家可以利用云訓(xùn)練資源去訓(xùn)練自己的模型，輸出的就是特定領(lǐng)域的內(nèi)容。值得一提的是，輸入的內(nèi)容可以不只是自然語言描述，還可以是數(shù)據(jù)分析描述、法律文書等等。

>> 丁教：有人擔(dān)心AIGC可能取代人類，也有人認(rèn)為AIGC的能力還不夠強(qiáng)，未來人類如何與AI共生？

劉新華：AIGC不能完全替代人類的工作，但的確是人類的強(qiáng)大助手，不是替代而是增強(qiáng)。我們要保持足夠開放的態(tài)度，因為人工智能進(jìn)化的速度不在于起點有多低，而在于進(jìn)化有多快。今天AIGC作為新一代的生產(chǎn)力工具已經(jīng)出圈，我們每個創(chuàng)業(yè)者、開發(fā)者、創(chuàng)作者，都應(yīng)該關(guān)注AIGC的進(jìn)步。結(jié)合各自的領(lǐng)域，建議大家去體驗ChatGPT、Jasper.ai、Midjourney、Stability.ai等產(chǎn)品，可能都會有非常有趣的發(fā)現(xiàn)。

而且未來AIGC領(lǐng)域的創(chuàng)業(yè)者要去思考：你的產(chǎn)品要和現(xiàn)有工作流無縫打通，讓現(xiàn)有工作流更高效，這樣低摩擦的集成更容易推動AIGC的商業(yè)化普及。例如Jasper.ai的產(chǎn)品體驗做得非常好，不但橫向跟用戶創(chuàng)作所有主流工作流都能集成，而且縱向集成SEO和營銷優(yōu)化工具、多語言翻譯器以及識別版權(quán)問題的合規(guī)工具等等，并且工作流支持二創(chuàng)和再編輯。所以優(yōu)秀的AIGC產(chǎn)品，不是和人類抗衡，而是更好與人類現(xiàn)有工具相結(jié)合，發(fā)揮出人類特長；同時也讓AI能夠更快進(jìn)步、去適應(yīng)特定場景。也正是這種“無侵入體驗”，使得Jasper公司成立不到二年，取得10萬付費用戶、ARR超過9000萬美元、年用戶留存率超過57%的佳績。

隨著AIGC的應(yīng)用，也會涌現(xiàn)新的工種，例如生成式AI的訓(xùn)練師或者提示工程師，“如何寫一個好的prompt，讓AI更好理解你，生產(chǎn)出更好的東西”，都是我們可以思考的潛在方向。

放眼未來10年，也許會發(fā)生很多意想不到的事情或者出現(xiàn)新物種。例如原本令時尚行業(yè)設(shè)計師引以為傲的是審美能力，但未來AI能力加上優(yōu)秀的設(shè)計師，可能會超越過去的框架、創(chuàng)造出全新的審美。

展望未來，隨著我們向通用人工智能不斷逼近，AI勢必是人類的朋友。正如英偉達(dá)CEO黃仁勛所說，未來AI將協(xié)助解決人口和勞動力短缺問題，提高整個社會的生產(chǎn)力和繁榮程度。

關(guān)鍵詞：