圖片來源 @視覺中國
文 | 财經無忌，作者 | 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》，随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，随着應用場景的擴容，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 的擁趸者試圖将其理解為打開元宇宙大門的 " 魔棒 "，是繼 PGC 和 UGC 之後，新一輪内容革命的生産力工具。
然而，在這根 " 魔棒 " 所點燃的浪潮下，從實驗室裡走出的 AIGC 可能并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、産品形态的同質化、單一的商業化場景，還是所面臨的版權與倫理問題，種種迹象都在表明，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. 為什麼說 AIGC 是一場屬于 " 冒險者 " 的遊戲？
AIGC 爆火的三要素：技術、需求與産業鍊
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：一類将 AIGC 視為生産力工具，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。
盡管，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産内容 "，并不能準确理解 AIGC。
參考學界以及業界的諸多觀點，AIGC 其實并不是一門單一的技術，也不是一類具像化的産品，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内容生産能力，而這種能力将服務于各類場景中的創作者與生産者。
事實上，AIGC 并不是新鮮事物，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，一個關鍵問題産生了，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、需求與産業鍊的共同驅動。
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。
在深度學習模型的叠代上，AIGC 最早出現的深度學習模型為 " 對抗生成網絡 "GAN，盡管曾被稱為 "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。而誕生于 2021 年的 CLIP 模型由于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。簡單來說，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、靈活地生成不同模态的數據内容。二是，這一訓練好的模型大大降低了 AIGC 創業的門檻，更多的生産者與創作者可以借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 "。
我們可以将創作者生态的發展分成三個階段：專業生成内容時代（PGC）、用戶生成内容時代（UGC）以及即将到來的 AI 生成内容時代（AIGC）。
在 PGC 時代，盡管專業化的内容能夠為用戶帶來極佳的體驗，但由于生産成本較高，産能往往跟不上需求。
而另一邊，由此誕生的 UGC 模式能夠大大降低生産成本，也能解決 PGC 的産能瓶頸，但海量内容參差不齊，盡管生産成本降低了，但用戶對于優質内容的搜尋成本卻在持續提升。
換句話說，一邊是生産成本，另一邊是搜尋成本，供給與需求的生産效率都有極大的提升空。而借助 AI，一方面能夠通過持續深度學習提升内容的專業性，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，我們能夠确定的是，AIGC 已具備很好的内容總結能力，去幫助人們一些具體問題。
根據 "AIGC 探索站 " 主理人 Szhans 的總結彙總，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，這些借助 ChatGPT 的視角而生成的内容某種程度上确實能夠取代一部分的 " 初級内容生産者 "。
比如，" 寫一篇關于 AIGC 的稿件提綱 " —— ChatGPT 的回複已經包含了關于 AIGC 的大部分關鍵内容。
公衆号 " 劉言飛語 " 的主理人劉飛也曾用 ChatGPT 寫過一篇關于 " 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：公衆号 " 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産業鍊的初步成熟。
圖片來源：量子位
據量子位 AIGC 圖譜顯示，從上遊的數據供給、開源算法，中遊的行業玩家以及下遊的包括文字、圖像、視頻、音頻、遊戲等應用場景，關于 AIGC 的一條初步産業鍊已經悄然形成，産業生态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。
可以确定的是，技術、需求與産業鍊三大要素是 AIGC 快速發展的重要前置條件，但在國内一派火熱的 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。
效率大于價值，創意大于應用
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 将占所有生成數據的 10%，有潛力産生數萬億美元的經濟價值。
在海外，作為較早布局 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 産品線。
一些新晉獨角獸也成為了資本眼中的 " 香饽饽 "，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。
反觀國内，盡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 " 效率大于價值，創意大于應用 "。
為什麼這麼說？主要有以下三點原因：
首先，在應用場景上，比起遠大的 " 生産力工具 " 理想，目前國内 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 端産品，産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，由于使用門檻都不高，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，也就導緻了 AI 繪畫工具的泛濫以及産品的嚴重同質化。"
其次，在内容模式上，當下的 AIGC 充其量隻是輔助生産的效率工具，其創作模式實際上并沒有跳出 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》這一引發巨大争議的 AI 繪畫獲獎作品為例，其并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産物。ChatGPT 也是如此，該創始團隊也坦言："AI 生成的答案不總是準确或相關的。" 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，國内 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，但如何提升用戶付費意願，以更為個性化的定制服務與社區生态實現差異化，考驗着大廠們與小型創業公司的能力。
而在 B 端，特别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，但生态如何搭建？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 是一場屬于 " 冒險者 " 的遊戲
而從更深層的角度來說，當下的 AIGC 更像是一場隻屬于 " 冒險者 " 的遊戲。
首先，國内 AIGC 的生态并沒有如國外一樣形成較為明确的分工體系。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 " 大力出奇迹 " 的同時，大多數的 AIGC 業務其實尚屬 " 邊緣 "。
對比國内與國外，歐美大廠和創業公司之間的生态更為成熟，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，不同生态方各司其職，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，同時國内獨立運行的初創公司數量明顯少于國外。
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 等也并未憑借着社交媒體的熱度由此收獲新一輪的融資。
其次，在應用場景上，國内 AIGC 多局限在内容側，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，還在摸索産品與場景之間的适配度。
再者，AIGC 産業需要長期主義，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别牛的工程技術人才，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制的 "。
這意味着，在未來很長一段時間内，AIGC 都是一門 " 賠本賺吆喝 " 的生意，一些不具備資金實力與生态能力的初創型公司，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，如衆多新興技術一樣，AIGC 将不可避免地面臨版權與數據确權問題，這當然是每一項新技術必然要經曆的過程。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确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，它必然經曆與其他技術熱詞一樣的降溫過程，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，盡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 " 是制造沖浪闆，而不是制造水。"
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，注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：《生産力的範式轉移：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：内容生産力的革命》
7、光錐智能：《創業者的 AIGC 淘金記》
8、劉言飛語：《沉迷 AIGC 兩周後：某些人失業是必然的》
更多精彩内容，關注钛媒體微信号（ID：taimeiti），或者下載钛媒體 App
