由AI作畫應用Midjourney生成的繪畫作品《太空歌劇院》在今年9月美國科羅納州博覽會上獲得藝術比賽一等獎，吸引了不少人的眼球。今年以來連續(xù)好幾個AIGC領域的項目獲得了不錯的融資， 到底AIGC有什么特別之處？本文中，PANews將對AIGC近來的發(fā)展作一個梳理介紹,。

美國科羅納州博覽會獲獎藝術作品《太空歌劇院》

什么是AIGC,？

互聯(lián)網(wǎng)內(nèi)容生產(chǎn)方式經(jīng)歷了PGC——UGC——AIGC的過程。PGC（Professionally Generated Content）是專業(yè)生產(chǎn)內(nèi)容,，如Web1.0和廣電行業(yè)中專業(yè)人員生產(chǎn)的文字和視頻,，其特點是專業(yè)、內(nèi)容質(zhì)量有保證,。UGC（User Generated Content）是用戶生產(chǎn)內(nèi)容，伴隨Web2.0概念而產(chǎn)生,，特點是用戶可以自由上傳內(nèi)容,，內(nèi)容豐富,。AIGC（AI Generated Content）是由AI生成的內(nèi)容，其特點是自動化生產(chǎn),、高效。隨著自然語言生成技術NLG和AI模型的成熟,，AIGC逐漸受到大家的關注,，目前已經(jīng)可以自動生成文字、圖片,、音頻,、視頻，甚至3D模型和代碼,。AIGC將極大的推動元宇宙的發(fā)展,，元宇宙中大量的數(shù)字原生內(nèi)容，需要由AI來幫助完成創(chuàng)作,。

內(nèi)容生產(chǎn)方式演變過程

AIGC底層技術突破

底層技術的突破使AIGC商業(yè)落地成為可能,，傳統(tǒng)AI繪畫技術采用生成對抗網(wǎng)絡（GAN），但GAN生成的圖片結果輸出不穩(wěn)定，分辨率低,。直到2021年OpenaAI團隊開源了其深度學習模型CLIP,，以及今年7月出現(xiàn)的去躁擴散模型Diffusion，兩者相互結合,，讓AI自動生成文字和圖片的質(zhì)量得到了質(zhì)的提升,。

Diffusion是一種去噪擴散模型，工作原理是對圖像逐步施加噪點,，直至圖像被破壞變成完全的噪點,，然后再逆向?qū)W習從全噪點還原為原始圖像的過程，而AI所看到的是全是噪點的畫面如何一點點變清晰直到變成一幅畫,，通過這個逆向過程來學習如何作畫,。

CLIP是 OpenAI 在 2021 年初發(fā)布的用于匹配文本和圖像的神經(jīng)網(wǎng)絡模型，是近年來在多模態(tài)研究領域的杰出成果,，它一方面對文字進行語言分析,，另一方面對圖形進行視覺分析，不斷調(diào)整兩個模型內(nèi)部參數(shù),，達到文字和圖像高度匹配的效果,。

在AI生成文字方面，目前AI已經(jīng)可以作詩,、寫郵件,、寫廣告、劇本和小說,。在今年,，采用AIGC技術的虛擬人度曉曉寫作高考作文，在不到1分鐘的時間,，完成了40多篇文章,，獲得專家打分48分的成績，擊敗了75%的考生,。目前OpenAI的GPT-3模型是AI生成文字中最成熟的模型,，最近有一些項目把GPT-3模型商業(yè)化，包括自動寫郵件的OthersideAI,，自動寫廣告文案的Copy.ai和Jasper.ai,，在用戶數(shù)量上突飛猛進，并獲得了大筆的融資,，就在11月16日知識管理和內(nèi)容協(xié)作平臺Notion也發(fā)布了其文字自動生成產(chǎn)品Notion AI,，并開始Alpha版本測試，Notion AI也是基于GPT-3模型開發(fā),。

在AI生成圖片方面,，今年AI作畫水平突飛猛進,，其背后的算法模型也在不斷迭代，年初推出的Disco Diffusion只能生成粗糙的圖片,，4月OpenAI發(fā)布的DALL-E2代已經(jīng)可以生成完整的人像和圖片,，到8月StabilityAI發(fā)布的Stable Diffusion模型取得質(zhì)的突破，已經(jīng)可以生成可以媲美專業(yè)畫師的作品,，生成圖片的效率也從年初的數(shù)小時到現(xiàn)在的幾分鐘甚至數(shù)十秒,。

AI生成圖片技術演變

在AI生成音頻方面，10月11日,，AI播客Podcast.ai生成的一段關于喬布斯和美國知名主持人喬·羅根之間的20分鐘訪談播客在科技圈廣為流傳,，在播客中喬布斯談到自己的大學時代、對計算機,、工作狀態(tài)和信仰的看法,，整個播客聽起來毫無違和感，基本做到以假亂真,。

由AI生成的喬·羅根采訪喬布斯播客

在AI生成視頻方面，目前AI生成視頻的算法模型還未成熟,，也還沒出現(xiàn)一家獨大的局面,。9月底Meta公布了AI制作視頻工具Make-A-Video，Google也緊接著發(fā)布了Imagen Video和Phenaki,。Make-A-Video具有文字轉(zhuǎn)視頻,、圖片轉(zhuǎn)視頻、視頻生成視頻三種功能,。僅僅通過文本描述,，Phenaki就可以生成一段情節(jié)連貫的視頻。10月9日B站上的UP主“秋之雪華”公布了全球首個AI繪圖,、AI配音的動畫《夏末彌夢》的DEMO,，其畫面精美程度不輸專業(yè)畫師的作品。

AI動畫《夏末彌夢》DEMO

但PANews觀看該DEMO后發(fā)現(xiàn),，動畫中人物幾乎是靜態(tài)的,，只是在場景切換時換了個另一張圖，由此可以看出目前AI生成視頻中動畫的過度和連貫性技術還不是很成熟,，因為AI生成視頻需要多個AI模型來配合完成,。

AI生成視頻技術模型

從技術上看，視頻是把多張圖片有邏輯和連貫的組合在一起,。由文字生成視頻,，首先要生成多張圖片，然后還要把這些圖片有邏輯和連貫性的組合起來,，因此難度比文字生成圖片高了很多,，如果一旦像文字生成圖片那樣能夠高效率的生成高品質(zhì)視頻,，將對內(nèi)短視頻、影視,、游戲,、廣告等內(nèi)容生產(chǎn)行業(yè)帶來重大影響，不僅提升視頻制作的效率和成本,，還能幫助設計師產(chǎn)生更多的靈感和創(chuàng)意,，讓視頻內(nèi)容行業(yè)變得更加豐富和繁榮。

在AI生成3D方面,，以往的“3D建?！毙枰萌S制作軟件通過虛擬三維空間構建出具有三維數(shù)據(jù)的模型，技術要求比較高,，需要懂美術,、熟悉3DMAX和Maya等軟件，還需要大量的時間去人工繪制,。但UC Berkeley 的幾個博士后發(fā)表的論文神經(jīng)輻射場技術（NeRF）可以把全景相機拍攝的視頻自動渲染為3D場景,，減少了人工3D建模的過程，NeRF技術在2020年的 ECCV (歐洲計算機視覺國際會議) 提出,， 并在2021年的ACM（美國計算機協(xié)會）獲了榮譽提名獎,。著名VR科技博主Robert Scoble 7月在他的Twitter發(fā)布了這個視頻，他用NeRF技術渲染Insta360全景相機所拍視頻后得到的3D場景,，效果令人驚嘆,，預計會有相關項目將NeRF技術進行商業(yè)落地嘗試，對于這點非常值得期待,。

AIGC領域重要項目

今年加入AI作畫賽道的公司越來越多,，今年分別出現(xiàn)了Mid Journey、DALL-E2,、Stable Diffusion,、Tiamat、百度文心等多家AI作畫公司,，以及JasperAI,、CopyAI這樣的AI文字項目。

從融資角度來看,，目前AIGC有3個商業(yè)化的方向：

◎第一個方向是通過AI生成文字,，比如自動寫郵件和廣告營銷文案，這要歸功于OpenAI的GPT-3 AI語言模型,，目前大多數(shù)AI生成文字類項目都使用該模型,。

◎第二個方向是利用AI作圖，主要技術是結合多模態(tài)神經(jīng)語言模型CLIP和圖像去躁擴散模型Diffusion,，僅僅提供一些關鍵詞描述就可以自動生成圖片,。

◎第三個方向是AIGC的底層技術模型開發(fā),，OPENAI和StableAI 是這個方向的龍頭，也是融資金額最大的,。

預計接下來AIGC的熱門方向可能是用AI生成視頻和動畫,，這就看Meta、Google的AI視頻模型能不能解決視頻的連貫性和邏輯性問題,，或其他公司提出更好的解決方案,。

AIGC領域熱門項目

OpenAI/GPT-3, OpenAI是由馬斯克和Y-Combinator CEO Sam Altman于2015年成立的一個非營利組織，但2019 年馬斯克離開了OpenAI ,，緊接著微軟注資 10 億美元將其變?yōu)闋I利性公司,，并與微軟的云計算平臺Azure展開合作。最近微軟正在對OpenAI進行新一輪的投資進行后期談判,，目前估值已經(jīng)達200億美金,。GPT-3是OpenAI于2020年5月推出的自然語言處理模型，支持用戶僅輸入一些關鍵詞就能生成一封郵件,、文章或新聞,，甚至是小說，它是目前最成熟的自然語言生成技術NLG之一,。今年4月OpenAI還推出了DALL-E2項目,，允許用戶通過文本生成圖像，成為目前主流的三大AI作畫應用之一,。

StableAI /Stable Diffusion,，10月17日英國的Stability AI宣布以10億美元的估值完成1.01億美元融資,，此次融資由 Coatue 和 Lightspeed 領投,。消息稱Stability AI正準備下一輪 10 億美金的融資，本輪融資Google可能會參與,，如果投資成功,，相信Google將會和StableAI深度合作。Stability AI成立于2020年,，由去中心化組織EleutherAI支持開發(fā),，其理念是“AI by the people, for the people”。StableAI主要研AI生成圖片,、音頻,、視頻和3D的模型，其研發(fā)的開源AI作圖模型Stable Diffusion在2022年8月一經(jīng)推出就立刻吸引了大家的眼球,，在Stable Diffusion的Dream Studio測試版網(wǎng)站中只要輸入文字描述,，它就能生成一副可以媲美專業(yè)畫師的圖片，Stable Diffusion是開源產(chǎn)品,，一些AIGC項目對其進行了二次開發(fā),，退出了包括圖像,、語言、音頻,、視頻,、3D、生物AI等模型,。

由stable diffusion生成的圖片

Midjourney：Midjourney是一款可以和Stable Diffusio以及DALL-E2媲美的AI繪畫工具,。Midjourney是部署在Discord上的應用，在Discord里輸入文字,，一分鐘就可以生成對應的圖片,，目前其官方Discord已經(jīng)擁有140萬用戶，其免費版本能生成的圖片數(shù)量有限,，超出數(shù)量需要付費訂閱,，如果想體驗一下Midjourney作圖可以查看這個教程。

由Midjourney生成的圖片

OthersideAI：OthersideAI主打利用AI自動回復郵件,，底層技術采用OpenAI的GPT-3 協(xié)議,，OthersideAI曾獲得Madrona Venture Group領投的 260 萬美金種子輪融資，Madrona Venture Group曾參投過Amazon 的早期種子輪融資,。 OthersideAI 的操作非常簡單,，只要輸入郵件內(nèi)容的關鍵要點，它就可以為生成一封完整的郵件,。

CopyAI：Copy.ai 是一個通過AI來寫作廣告和營銷文案的創(chuàng)業(yè)公司,，它可以幫助用戶幾秒鐘內(nèi)生成高質(zhì)量的廣告和營銷文案，主打 ToB 商業(yè)場景,，它的底層技術也是采用OpenAI的GPT-3 協(xié)議,。目前Copy.ai的用戶包括像微軟、Ebay 這樣的大公司,。Copy.ai 曾獲得 Craft Ventures 領投的290 萬美金種子輪,，A 輪融資 1100 萬美金，由Wing Venture Capital 領投,，紅杉資金及Tiger Global 跟投,。

JasperAI：Jasper.ai 成立于2020年，通過 AI 幫企業(yè)和個人寫營銷推廣文案以及博客等各種文字內(nèi)容（和Copy.ai 類似）,，其底層技術也是 GPT-3,。Jasper.ai 10月以15 億美金估值完成了 1.25 億美元的 A 輪融資，由 Insight Partners 領投,，Coatue、BVP以及 IVP 跟投,。今年1月推出第一個版本后，很快受到歡迎,，短時間內(nèi)獲得了數(shù)百萬美元的收入,。

Play.ht ：Play.ht 是一個 AI 文本轉(zhuǎn)換語音應用,，在今年9月發(fā)布了第一個語音模型 Peregrine,，包含數(shù)千種說話的聲音,，可以學習人類的語氣、音調(diào)和笑聲,。再進生成采訪喬布斯播客的Podcast.ai就是采用Play.ht語音模型,，它通過大量采集網(wǎng)絡上關于喬布斯的錄音,，然后進行訓練,，最終生成假喬布斯的聲音,，相似度非常高。

Notion AI: 剛剛于本月16日公布的Notion AI是知名知識管理和內(nèi)容協(xié)作平臺Notion基于OpenAI GPT-3模型開發(fā)的AI文字生成工具,。目前Notion AI的功能包括自動撰寫文章,、廣告文案和播客；通過頭腦風暴為用戶提供創(chuàng)意建議,；自動檢查文字拼寫和語法錯誤,；自動翻譯文章；目前Notion AI以白名單的形式開放Alpha版本測試,。相信Notion AI的加入將會進一步推動AI生成文字走向普及,。

AIGC如何助推元宇宙發(fā)展

雖然元宇宙的終極形態(tài)還無法確定，但可以肯定的是元宇宙將極大擴展人類的存在空間,，在我們邁向元宇宙的過程中,，需要大量的數(shù)字內(nèi)容來支撐，單靠人工來設計和開發(fā)根本無法滿足需求,，AIGC正好可以解決這個問題,。游戲?qū)⑹窃钪嬷凶钕嚷涞氐膱鼍埃钪婧陀螒蛴幸粋€共同點,，都是為用戶提供高度的真實感和沉浸式體驗,，我們可以拿AIGC在游戲中的應用來說明其將如何主推元宇宙發(fā)展。

AIGC技術在游戲中的應用

開發(fā)游戲周期長和成本高,，通常需要花費幾年時間和上千萬資金,，好在AIGC可以極大提高游戲的開發(fā)效率,，具體來說，游戲中的劇本,、人物,、頭像、道具,、場景,、配音、動作,、特效,、主程序未來都可以通過AIGC生成。根據(jù)AIGC在文字和圖像方向的推進速度,，以上應用在五到十年之內(nèi)應該可以實現(xiàn),。

紅杉資本在最近的研究報告中也指出，到2030年文本,、代碼,、圖像、視頻,、3D,、游戲都可以通過AIGC生成，并且達到專業(yè)開發(fā)人員和設計師的水平,。

圖片來源：紅杉資本

除了游戲之外,，虛擬人也是元宇宙的一個重要落地場景，AIGC同樣也會促進虛擬人賽道的發(fā)展,。

虛擬人是圍繞一個虛擬的人設,，為其設計聲音、形象,、動作,、性格以及活動場景，其本質(zhì)和游戲相似度很高,。虛擬人注重一個人在虛擬世界的表演和功能性,，游戲注重多個人在虛擬世界中的交互體驗。游戲是一出戲,，虛擬人也是在演一出戲,，戈夫曼擬劇理論中的“人生如戲”一語道破了現(xiàn)實世界、虛擬世界的本質(zhì),。

AIGC在Web3方向的應用

AIGC聽起來這么好,，那跟Web3會有什么關系？最近聽說Web3的基金都在看AIGC方向的項目,，我想大概有這幾個方向值得關注,。

Gamefi 開發(fā)引擎:在傳統(tǒng)游戲中應用最廣的開發(fā)引擎是Unity和Unreal,，但在Web3中，游戲的開發(fā)范式也許會因AIGC帶來許多變革,，因此將需要一個采用AIGC技術的Gamefi開發(fā)引擎,。里面的人物、場景,、動畫均用AIGC設計,，游戲中的主程序和區(qū)塊鏈部分也可以通過AIGC代碼生成功能完成,，如果這些都能實現(xiàn)，設計Gamefi游戲或者元宇宙場景將變得非常高效,，這一套開發(fā)引擎將會具有極高的價值,。目前看到RCT AI是運用人工智能為游戲行業(yè)提供完整解決方式的一個項目,，但其在多大程度上采用了AIGC技術，還不得而知,，不過已經(jīng)有一款Gamefi游戲Mirror World是基于RCT AI來開發(fā)的,，有興趣的朋友可以進一步了解,。

開發(fā)Gamefi游戲：退而求其次，如果一套AIGC全集成的Gamefi開發(fā)引擎還太遙遠,，那采用各個廠商提供的AIGC工具來開發(fā)Gamefi游戲也會極大的提高效率,，比如用AIGC來生成游戲劇本、設計人物,、生成動畫這些都幾乎都會很快實現(xiàn),，特別在AI生成視頻和3D場景技術一旦成熟之后Gamefi游戲開發(fā)效率將會突飛猛進。

算力和數(shù)據(jù)共享：訓練AIGC模型需要海量的數(shù)據(jù)和強大的算力,，這導致成本非常巨大,，AIGC行業(yè)龍頭 Stability AI 為了訓練其 Stable Diffusion模型，在 AWS 中運行了包含 4000 多個 Nvidia A100 GPU 的集群,，運營成本高達數(shù)千萬美元 ,。如果能通過去中心化方式發(fā)行Token激勵用戶提供訓練模型所需的數(shù)據(jù)，就可以很好的解決AIGC生成中的版權問題,。另外也可以通過發(fā)行Token的方式,，激勵用戶提供訓練模型所需要的大量算力，分散算力成本,，實現(xiàn)成本共擔,，利益共享。

結語

今年7月李彥宏在百度世界大會上判斷,，AIGC將分為三個發(fā)展階段：“助手階段”——“協(xié)作階段”——“原創(chuàng)階段”,。“未來十年,，AIGC將顛覆現(xiàn)有內(nèi)容生產(chǎn)模式,。可以實現(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?！?/p>

在最近的研究報告中,，紅杉資本的兩位合伙人也認為：“AIGC目前已經(jīng)擁有更好的模型，更多的數(shù)據(jù),，更好的算力,，預計殺手級應用該要出現(xiàn)了”。

對于以上判斷,，我們傾向于認同,，AIGC的出現(xiàn)意味著創(chuàng)作者將從繁冗的基礎性工作中解脫出來，把更多的精力放到創(chuàng)意表達上，這是未來內(nèi)容創(chuàng)作行業(yè),，甚至是人類工作方式的整體趨勢,。