从AI画画到“用声音做视频”，全球掘金AIGC

作者 | 邓咏仪 编辑 | 苏建勋

来源：36氪

图片来源：由无界版图AI工具生成

整个科技行业经历了让人疲惫的2022年。但在下半年里，AI来了个华丽的返场——

登台的新宠儿名为“AIGC”，又称“生成式AI”（Generative AI）。这一领域正以令人侧目的速度发展，将创新和技术再度拉回到世界舞台的焦点。

今年4月，一家名为Open AI的公司公布旗下的DALL-E 2模型，其用文字生成图像的质量之高，让人震惊——以前，“AI画画”还只是一小群人的游戏，AI画出来的画，像出自小学生之手一样朴实稚拙。

但很快，大家发现AIGC进步神速。仅仅过了4个月，一名游戏设计师凭借AI模型Midjourney画出来的一幅画，夺取知名艺术大奖，这惹来争议一片。

获奖作品《太空歌剧院》

而刚过去的10月，AIGC的另一家代表公司Stability.AI，仅仅成立2年，就宣布完成1.01亿美金的种子轮融资，估值达10亿美金，步入独角兽行列。

AI领域沉寂太久了。上一次AI吸引巨大的公众关注度，还要追溯到2016年——AlphaGo在围棋比赛中最终击败韩国国手李世石。过去几年里，AI有点像科技圈里的过气网红，技术上少有让大众惊喜的进展。在国内，AI公司的更多新闻是上市受挫、盈利遥遥无期。

如今，AIGC接棒AlphaGo，带着全新的故事归来。

最新的进展是，AIGC已有强劲的商业化苗头。一家名为Jasper的公司，用AI帮助企业和个人客户写社交媒体、博客等内容。Jasper最近宣布，今年收入预计近亿美元，这距离这家公司成立仅过去18个月。

浪潮已然来临。AIGC已处在爆发前夜，一个技术和商业化交汇的路口。巨大的关注度背后，是整个产业链的蓄势待发，摩拳擦掌。

AI重归舞台中心，大厂小厂齐下场

以AI生成文字、图像、音频等内容，是已经存在已久的深度学习方向。在2017年，一副由AI学习大量画作，最后“模仿”生成的作品，就已经在佳士得进行拍卖出超过40万美元的价格。

但从今年开始，各种各样的AI绘画应用，如同雨后春笋一般冒出。无论是大厂小厂，都像约好了一样发布AI绘画产品：2月，Disco Diffusion推出AI图像生成平台；7月，微软旗下的Open AI推出新模型WALL-E2，并进行公测；8月，Stability AI推出Stable Diffusion，并开放注册……

与2017年时相比，现在的AI画画到了“Text-to-Image”（文字生成图像）的新阶段。即用户描述画面中的内容、风格、材质、位置等，提供一个词群（如深邃的太空、达利画风、远景），机器就能进行解析，最后输出一张画作。

在以前，人们普遍意义上感受到AI的技术改革，很大程度都是在于一些决策性行为，如识别人脸（是否符合本人）、下棋（如何得出最优解）等等。

而“输入文字-AI画画”的最大不同，在于底层的AI模型的学习模式是发散性的——简而言之，是通过对文字、图片、数据等信息的学习，AI要自己开始“模仿”和“创造”新的东西。这大大降低了人们的创作门槛。

AI绘画能发展如此之快，原因首先在于，前几年全球科技行业斥巨资和大量人力，大练“AI大模型”，为之打下基础。

AI大模型，顾名思义，即是拥有巨大样本量的模型。2017年，Transformer结构的提出，让得深度学习模型参数突破了1亿。随着深度学习技术发展，模型中的数据量，更是逐步到了十亿级，再到百亿级。

以前用于训练AI画画的著名对抗生成网络模型“GAN”，就是一个百亿级的大模型。但以前，GAN学习画画的模式，只能做到无限接近原作的模仿，而不是创新。

来源：Stability.AI

真正让AI绘画取得突破的，是几家AI公司的接力，包括Open AI和Stability.AI在内的公司，将深度学习模型CAN、Diffusion等，和GAN模型进行了创新性的结合——相当于让AI换了一种学习画画的方式。这才让AI画画真正摆脱了模仿，走向“创造”之路。

而此前的AI绘画要耗费大量算力，动辄半天一天的生成时间。Stability.AI又在新模型上改进机器运算的方式，大大压缩了所需内存和空间——从一天出图，到以秒出图，对硬件要求也降到极低，C端用户才能无障碍地进行创作。

AI生成内容的星星之火开始燎原，现在新战场已经从图像走到了视频领域。9月，Meta、 Google都公布了自家的AI生成视频技术进展。比如Meta的Make-A-Video技术，就能够让平面上的物体短暂地“动起来”。

来源：Meta

美丽新世界里，谁能淘到第一桶金？