界面新聞?dòng)浾?| 于浩
美圖視覺大模型再次迭代。
10月9日，美圖發(fā)布了其自研AI視覺大模型MiracleVision3.0版，與現(xiàn)有工作流的結(jié)合、在應(yīng)用場(chǎng)景的實(shí)際落地仍是美圖發(fā)力AI的重點(diǎn)方向。
“目前市面上的大部分視覺大模型都在卷數(shù)據(jù)量和參數(shù)量，但我們認(rèn)為，衡量能力的標(biāo)準(zhǔn)并非在追求參數(shù)指標(biāo)，而是要抓住應(yīng)用場(chǎng)景的核心需求，并在商業(yè)模式上得到驗(yàn)證。”美圖公司創(chuàng)始人、董事長(zhǎng)兼首席執(zhí)行官吳欣鴻表示。
美圖視覺大模型至今已迭代了三個(gè)版本，據(jù)美圖公司技術(shù)副總裁、美圖影像研究院負(fù)責(zé)人劉洛麒介紹，1.0的目標(biāo)在于搭建大模型架構(gòu)，2.0是構(gòu)建高質(zhì)量數(shù)據(jù)集提升美學(xué)能力，3.0則更強(qiáng)調(diào)模型的可控性，使大模型可以滿足用戶在細(xì)節(jié)把控、局部編輯等方面的需求。
從視覺大模型的落地現(xiàn)狀來看，在生成效果、結(jié)果可控性以及適用范圍方面都亟待完善。大中型企業(yè)需要考慮AI創(chuàng)作的不可控性所帶來的風(fēng)險(xiǎn)；中小微企業(yè)對(duì)于效果精度要求相對(duì)較低，缺少部署的技術(shù)能力；個(gè)體用戶方面也面臨著寫好提示詞等具體的使用門檻。
吳欣鴻將AI視覺大模型在生產(chǎn)端落地方面的待解問題歸結(jié)為：垂直領(lǐng)域的極致效果、工作流整合、變現(xiàn)能力。三者分別對(duì)應(yīng)模型能力的提升、多人協(xié)作中的上下游協(xié)同以及模型對(duì)商業(yè)場(chǎng)景的理解。
3.0版可以視作美圖針對(duì)上述問題進(jìn)行的探索。據(jù)吳欣鴻所述，MiracleVision的核心能力具備“奇思妙想”和“智能創(chuàng)作”兩種特性。
所謂“奇思妙想”，是指大模型可通過“提示詞智能聯(lián)想”功能降低用戶使用門檻。當(dāng)用戶輸入關(guān)鍵詞后，大模型可自動(dòng)補(bǔ)充相關(guān)表述，如光影效果、質(zhì)感、風(fēng)格、圖片質(zhì)量等；此外，大模型可通過“提示詞精準(zhǔn)控制”功能來滿足更加專業(yè)的設(shè)計(jì)要求，如使用“近景”、“遠(yuǎn)景”、“順光”、“逆光”等描述控制最終生成效果。
在“智能創(chuàng)作”層面，MiracleVision通過“深化創(chuàng)作”功能，可以進(jìn)一步豐富作品細(xì)節(jié)和提升表現(xiàn)力；“AI畫面擴(kuò)展”功能則讓作品尺寸更大、細(xì)節(jié)更豐富；“局部修改”功能可對(duì)部分畫面進(jìn)行精準(zhǔn)修改與調(diào)整。此外，“分辨率提升”功能支持生成高清大圖，細(xì)節(jié)表現(xiàn)、色彩展示、物體辨識(shí)會(huì)更加精準(zhǔn)和生動(dòng)。
積極推動(dòng)視覺大模型與生產(chǎn)端結(jié)合已成為美圖的發(fā)力重點(diǎn)，電商、廣告、游戲、動(dòng)漫、影視則是其希望先期落地的五大行業(yè)。
美圖公司集團(tuán)高級(jí)副總裁、影像與設(shè)計(jì)產(chǎn)品事業(yè)群總裁陳劍毅在接受界面新聞等媒體采訪時(shí)表示，選擇行業(yè)時(shí)會(huì)更多地考慮與互聯(lián)網(wǎng)的相關(guān)性，如電商就是互聯(lián)網(wǎng)的原生行業(yè)；其次會(huì)觀察行業(yè)內(nèi)長(zhǎng)尾效應(yīng)是否明顯，長(zhǎng)尾性強(qiáng)的會(huì)有更多中小玩家，這類客戶對(duì)生成效果相對(duì)不敏感，更利于快速跑通模式，產(chǎn)生商業(yè)價(jià)值。
在AIGC方面，美圖并不回避對(duì)商業(yè)回報(bào)的追求。吳欣鴻此前接受36氪采訪時(shí)曾表示，對(duì)于影像生產(chǎn)力工具而言，月活數(shù)據(jù)與付費(fèi)用戶數(shù)據(jù)都重要，但非要二選一的話，付費(fèi)用戶數(shù)據(jù)更重要，“我們非常需要有造血能力。”
自研大模型的研發(fā)投入、算力成本都需要收入的支撐。但以大模型為基礎(chǔ)的應(yīng)用與傳統(tǒng)移動(dòng)互聯(lián)網(wǎng)應(yīng)用不同，用戶每用一次，廠商都要承擔(dān)算力成本，用的人越多，需要承擔(dān)的邊際成本也更高。
截至目前，視覺大模型的研發(fā)及相關(guān)應(yīng)用的開放并未影響到美圖的利潤表現(xiàn)。2023年上半年，美圖研發(fā)投入占總營收比重為23.31%，低于2022年同期的27.34%，毛利率則由去年同期的51.8%增至59.8%。
這與VIP訂閱及SaaS相關(guān)業(yè)務(wù)的增長(zhǎng)不無關(guān)系，此外美圖也在嘗試以“美豆”為代表的單購模式。與VIP訂閱模式相比，按次數(shù)付費(fèi)的單購模式消費(fèi)門檻更低。
吳欣鴻將單購視作對(duì)訂閱模式的補(bǔ)充，稱未來會(huì)以兩種模式為基礎(chǔ)反復(fù)進(jìn)行策略驗(yàn)證?！坝嗛喎矫?，未來不排除針對(duì)特定行業(yè)的專業(yè)需求增加更高級(jí)別會(huì)員的可能，”他強(qiáng)調(diào)，“單購模式下的一些生產(chǎn)力場(chǎng)景也可能會(huì)有更高的服務(wù)價(jià)格。”
至于目前美圖視覺大模型所處的階段，吳欣鴻坦言仍在探索期，2024年至2025年會(huì)是高速發(fā)展期，2026年至2030年為成熟期。“探索期是驗(yàn)證視覺大模型在工作流里支持單任務(wù)提效的可行性，明后年效果會(huì)逐步精進(jìn)，有明確的場(chǎng)景、為工作流帶來升級(jí)。”他相信，進(jìn)入成熟期時(shí)，視覺大模型在生產(chǎn)端的應(yīng)用會(huì)更加完善。