文 | 新眸 顧煜
編輯｜桑明強(qiáng)
今年7月，百度世界大會上李彥宏這樣預(yù)言到：“未來十年，AIGC（人工智能自主生產(chǎn)內(nèi)容）將顛覆現(xiàn)有內(nèi)容生產(chǎn)模式?？梢詫崿F(xiàn)以十分之一的成本，以百倍千倍的生產(chǎn)速度，去生成AI原創(chuàng)內(nèi)容?！蔽丛系?，當(dāng)時他的這番講話，會讓AIGC在之后幾個月里成為一級市場的關(guān)注焦點。
紅杉資本曾在今年9月聯(lián)合GPT-3，發(fā)布了一篇名為《生成式AI：一個創(chuàng)造性的新世界》的文章，并且立刻引爆了AIGC賽道?！叭藗兊膲粝耄荷墒紸I將創(chuàng)造和知識工作的編輯成本降至零，生產(chǎn)巨大的勞動生產(chǎn)率和經(jīng)濟(jì)價值，以及相應(yīng)的市值?！卑凑账睦斫?，AI能夠讓人效突破現(xiàn)在技術(shù)條件的天花板，未來企業(yè)的增長將不再受制于人力和成本，企業(yè)的經(jīng)營效率也會隨之發(fā)生質(zhì)變。
盡管AIGC處于剛起步的階段，技術(shù)大范圍應(yīng)用尚未穩(wěn)定，甚至沒有特別精準(zhǔn)地定位消費(fèi)者的需求，但這并不妨礙資本和機(jī)構(gòu)的加速入場：Stability AI宣布獲得1.01億美元種子輪融資，正式晉升獨(dú)角獸行列；幾乎同一時間，另一家人工智能獨(dú)角獸公司Jasper也宣布獲得了1.25億美元的新融資。
一時間，全球范圍內(nèi)掀起了一股AIGC投資熱潮，這背后的原因可以歸結(jié)為：VC們認(rèn)為，AIGC是AI算法的一次重大突破，意味著人類對于AI的運(yùn)用不再被局限在某一特定功能，比如語音識別、智能推薦等，而是真正邁入了通用人工智能階段，即人工智能可以像人類一樣高效的完成智力任務(wù)。
這是一個很有趣的風(fēng)向，因為在移動互聯(lián)網(wǎng)時代，關(guān)于未來的暢想，已經(jīng)進(jìn)行過很多次，從當(dāng)初紅極一時的元宇宙和Web 3，就像給大眾營造的一場終極幻想，跳脫出時間和空間的維度，充斥著對未來的無限期待，這也是很多極客的畢生夙愿。但，夢終有醒的那天，科技也要放在市場上進(jìn)行驗證，祛魅是一個周期的開始，也是一個周期的結(jié)束。
只不過，這次的主角換成了AIGC。伴隨著文本、圖片、視頻以及三者跨模態(tài)相互轉(zhuǎn)化方面的技術(shù)不斷突破，我們所熟悉的AI行業(yè)，正意欲重構(gòu)人類生產(chǎn)力和生產(chǎn)關(guān)系的變革，這究竟是一時曇花，還是一片新的藍(lán)海，已經(jīng)成了市場最值得討論的話題。
01、AIGC真如想象中那般完美嗎？未必
在就AIGC的想象力展開討論之前，我們先了解下什么是AIGC。顧名思義，AI Generated Content，就是人工智能生成內(nèi)容。歸根到底，拋開那些復(fù)雜的概念，AIGC現(xiàn)階段充其量只是人工智能模仿人進(jìn)行內(nèi)容生產(chǎn)的一種方式，它主要的技術(shù)難點有2點：一是語言，二是思維。
眾所周知，思維和語言是人類特有的、區(qū)別于動物的重要標(biāo)志，然而在2014年，以GAN（生成式對抗網(wǎng)絡(luò)）為代表的深度學(xué)習(xí)法的提出，以及2020年GPT-3算法的誕生，逐漸打破了這個傳統(tǒng)認(rèn)知。自此以后，人工智能不僅能夠模仿人的思維方式，而且能夠理解并運(yùn)用人類的語言。
這兩者的結(jié)合，使得AI進(jìn)入到真正意義上的通用人工智能階段，幾乎可以完成自然語言處理的絕大部分任務(wù)，比如搜索、問答、內(nèi)容生成等。在這個基礎(chǔ)上，AIGC的業(yè)務(wù)范圍迅速擴(kuò)張，據(jù)新眸不完全統(tǒng)計，過去2年間共計推出了約300多個應(yīng)用，功能上也從文本生成拓展到視頻生成。
尤其在今年，先有AIGC技術(shù)綜合體虛擬人度曉曉參加了高考語文作文寫作，在不到1分鐘的時間里，創(chuàng)作了40多篇文章，并拿得專家打分48分的成績，擊敗了75%的考生；后有由AI創(chuàng)作的繪畫作品《太空歌劇院》獲得了美國科羅納州博覽會藝術(shù)筆袋一等獎。突然間，AI替代人工的時代彷佛已經(jīng)悄然來臨。
但AIGC真如外界所宣傳的那般完美嗎？未必。
以百度度曉曉為例，雖然高考作文拿到了48分的成績，但整體內(nèi)容辭藻堆砌、立意較淺。對此，聆心智能的創(chuàng)始人黃民烈教授解釋稱，“目前文字生成主要捕捉的是，淺層次，詞匯上統(tǒng)計貢獻(xiàn)的問題。但長文本生成還需要滿足語義層次準(zhǔn)確、在篇章上連續(xù)通順的要求?！?/p>
這似乎是AIGC遇到的通病問題。雖然今年被稱為AI繪畫之年，但就繪畫質(zhì)量上來看，遠(yuǎn)未達(dá)到藝術(shù)家的標(biāo)準(zhǔn)。因為現(xiàn)階段的AI作畫，主要是根據(jù)用戶需求進(jìn)行素材匹配，然后將其進(jìn)行組合，但由于缺乏對圖片整體框架的規(guī)劃，導(dǎo)致繪畫往往具有拼湊感——乍一看很奪人眼球，但細(xì)看之下又會覺得違和。
換句話說，現(xiàn)階段AIGC仍然是效率工具，從事的是輔助生產(chǎn)工作。事實上，《太空歌劇院》的成功也證實了這一點，畢竟這幅畫并非由人所創(chuàng)作，但也不是完全的AI產(chǎn)物，而是二者共同創(chuàng)作的結(jié)果。據(jù)悉，這幅畫從開始到問世共經(jīng)歷了900多次的迭代，以及數(shù)周的挑選與調(diào)整。
長期來看，AIGC將持續(xù)輔助人類進(jìn)行內(nèi)容生產(chǎn)，與工業(yè)化進(jìn)程中，機(jī)器扮演的作用類似，AIGC能夠替代基礎(chǔ)性的勞動過程，進(jìn)而提高內(nèi)容質(zhì)量以及創(chuàng)作效率，但無法完成創(chuàng)造性、決策性的工作。畢竟，AIGC呈現(xiàn)出的內(nèi)容，是計算機(jī)算法得出的最好結(jié)果，但人是多樣的，最好的不一定是最合適的。
02、AIGC的應(yīng)用場景會在哪里？
任何新技術(shù)的核心價值都是場景下的創(chuàng)新應(yīng)用，AIGC也不例外。場景是技術(shù)應(yīng)用的一個環(huán)境，也是檢驗技術(shù)能力的一個外部條件。越好的技術(shù)，越具有場景運(yùn)用的普適性。因此，場景是檢驗AIGC的發(fā)展現(xiàn)狀及未來的一個重要因素。
就目前來說，廣義上的AIGC應(yīng)用場景大致可以分為To B和To C兩個賽道。在B端的的應(yīng)用主要是通過“AI+”，來為各產(chǎn)業(yè)進(jìn)行賦能，在C端主要是通過與人交互，進(jìn)行內(nèi)容生產(chǎn)，主要有包括AI駕駛、AI助手、AI輔助文本生成等。
今年7月的時候，科技狂人馬斯克宣稱已經(jīng)成功將自己的大腦上傳云端，不僅實現(xiàn)了人機(jī)對話，而且將大腦的數(shù)據(jù)進(jìn)行了永久保存。按照他的構(gòu)想，隨著AIGC技術(shù)的不斷發(fā)展，是可以建立起現(xiàn)實世界到數(shù)字世界映射，人類有望通過數(shù)字孿生，進(jìn)而在元宇宙中獲得技術(shù)上的永生。
不過，就像科大訊飛董事長劉慶峰說的：未來十年，人工智能將像水和電一樣無處不在。但就眼下這個節(jié)點來說，這一預(yù)言似乎為時過早。
AIGC更是如此。按照AIGC的發(fā)展邏輯，主要可以分為3個階段：一是AIGC內(nèi)容生產(chǎn)技術(shù)完善階段，能夠?qū)崿F(xiàn)文本、視頻、圖片生成以及三者的跨模態(tài)轉(zhuǎn)換；二是具有多模態(tài)生成技術(shù)的聚合應(yīng)用——虛擬人；三是AIGC內(nèi)容生態(tài)聚合體——元宇宙。
就第一個階段來看，首先是文本內(nèi)容生成領(lǐng)域，由于AIGC存在邏輯以及情感理解的問題，只能在特定的場景下進(jìn)行內(nèi)容創(chuàng)作，比如營銷號、新聞稿件以及劇情續(xù)寫。其次，是圖片生成領(lǐng)域，由于整體圖片生成質(zhì)量不穩(wěn)定，難以進(jìn)行商用，只能對圖片內(nèi)容進(jìn)行部分編輯，例如美圖秀秀等，但又由于AIGC識別圖像精度有限而存在一定的問題。最后是視頻生成，現(xiàn)有的應(yīng)用場景主要包括視頻剪輯、人臉替換以及背景替換等，因其原理和文本、圖片相似，問題也一脈相承。
如果是虛擬人，主要的發(fā)展場景在視頻以及客服領(lǐng)域。由于技術(shù)水平有限，虛擬人與人類并不能進(jìn)行很好的交互，不管是B端的智能化客服，還是C端的實時互動，都存在答非所問、無限循環(huán)的問題，無法滿足用戶的多元需求。
放到元宇宙的話，AIGC在其間的應(yīng)用就更像空中樓閣了。因為就目前來說，元宇宙自身的發(fā)展仍然受限于VR/AR/XR等技術(shù)設(shè)備才能為人所感知，更不用說其中AIGC所生產(chǎn)的內(nèi)容了。
所以我們不難發(fā)現(xiàn)，現(xiàn)在的AIGC仍處于早期摸索期，發(fā)展的有限程度導(dǎo)致了目前應(yīng)用場景的有限。也許未來技術(shù)的突破，能夠不斷擴(kuò)展AIGC的應(yīng)用場景，但短期內(nèi)各企業(yè)能做的，只是優(yōu)化模型，從而提高其與應(yīng)用場景的適配度。
03、薛定諤的商業(yè)價值探討
企業(yè)開發(fā)新技術(shù)，歸根到底，是看這一技術(shù)是否具有商業(yè)價值，而投資一家企業(yè)，是看核心技術(shù)能否讓其持續(xù)不斷的賺錢。盡管有報告指出，AIGC未來將擁有廣闊的商業(yè)前景以及變現(xiàn)空間，但就現(xiàn)在的AIGC賽道而言，既不賺錢也不可持續(xù)。
數(shù)據(jù)、算力、算法是驅(qū)動AIGC發(fā)展的三駕馬車，要實現(xiàn)AIGC的發(fā)展，這三者缺一不可，但每一項的發(fā)展，都需要企業(yè)投入大量的資金，這就導(dǎo)致AIGC初創(chuàng)企業(yè)的經(jīng)營成本居高不下。以新晉獨(dú)角獸企業(yè)Stability AI為例，該公司為維護(hù)一個擁有4000塊英偉達(dá)A100 GPU組成的算力群，總計花費(fèi)超5000萬美元。
較高的前期投入，要求了AIGC企業(yè)用戶規(guī)模的迅速擴(kuò)張。因為只有行業(yè)用戶規(guī)模達(dá)到一定體量，才能夠攤平成本，扭虧為盈。過去的經(jīng)驗表明，要在短時間內(nèi)實現(xiàn)用戶規(guī)模的快速增長，需要提供標(biāo)準(zhǔn)化的服務(wù)內(nèi)容，畢竟標(biāo)準(zhǔn)的等于大眾的，也等于最大規(guī)模的用戶需求滿足。
而且，AIGC自身的特點，其實也限制了服務(wù)標(biāo)準(zhǔn)化的進(jìn)程。由于AIGC生成內(nèi)容具有不穩(wěn)定性，內(nèi)容質(zhì)量層次不齊，無法形成統(tǒng)一的質(zhì)量標(biāo)準(zhǔn)，一定程度上限制了用戶規(guī)模的擴(kuò)張，也限制了AIGC企業(yè)的賺錢能力的提升。
不僅如此，由于AIGC賽道正處于摸索階段，公司戰(zhàn)略以完善技術(shù)水平、考察消費(fèi)者需求為主，大部分技術(shù)沒有完善到足以實際運(yùn)用到生產(chǎn)之中，而小部分相對成熟的應(yīng)用，也為了吸引顧客，而處在免費(fèi)試用的階段。這就意味著，AIGC技術(shù)本身缺乏變現(xiàn)能力。投入增多，而收入不夠，使得眾多AIGC公司處于虧損狀態(tài)。
并且，這種虧損狀態(tài)，長期內(nèi)，并不會因用戶規(guī)模的增多而得到改善。因為，一旦行業(yè)用戶規(guī)模達(dá)到一定體量，大廠們必然會加速入場，此時行業(yè)競爭加劇，一方面會促進(jìn)企業(yè)增加成本投入；另一方面也會導(dǎo)致企業(yè)收入減少。那時，面對著AIGC有限的變現(xiàn)能力，加上持續(xù)不斷的成本投入，又有多少企業(yè)能堅持下來。
現(xiàn)在的資本，在AIGC領(lǐng)域的下注依然有些過于冒險。因為從事實上看，各初創(chuàng)企業(yè)并不能突破AIGC技術(shù)不穩(wěn)定、應(yīng)用場景單一化以及變現(xiàn)能力缺乏的障礙。真正要實現(xiàn)AIGC技術(shù)的快速發(fā)展，需要算力、算法的大幅提升，這都是難以預(yù)測的。