文|洞見新研社 辰紋
“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?！?/p>
李彥宏7月在百度世界大會上的發(fā)言話音未落，AI作畫的風(fēng)潮如同一場旋風(fēng)，席卷了互聯(lián)網(wǎng)的每個角落，不光引發(fā)了社會各界的廣泛討論，而且開始從專業(yè)領(lǐng)域走進普通人的生活。
曾敗于AI的天才棋手柯潔、知名畫師烏合麒麟等都曾參與過相關(guān)討論，閑魚上甚至出現(xiàn)售賣AI繪畫作品的帖子，“1分鐘內(nèi)出圖”，“5元4張”，主打一個低價高速。
而隨著像百度、華為這樣的科技巨頭以及資本的入場，更是將AI繪畫的熱度抬高了一個等級。
百度和華為分別推出了各自的AI繪畫平臺“文心一格”與ModelArts。
生成式AI平臺“TIAMAT”則在10月12日宣布完成由知名風(fēng)投機構(gòu)DCM投資的數(shù)百萬美元天使輪融資。
在此之前，Stability AI獲得了1.01億美元種子輪融資，正式晉升獨角獸行列；幾乎同一時間，另一家人工智能獨角獸公司Jasper也宣布獲得了1.25億美元的新融資。
AI作畫爆火，展示了AIGC技術(shù)的突破進展，當(dāng)然有值得高興的地方，可技術(shù)的進步與落地如何產(chǎn)生價值，進而引導(dǎo)相關(guān)行業(yè)完成生產(chǎn)力與生產(chǎn)關(guān)系的重建，卻仍有諸多疑問待解。
01 為什么是AI作畫？
AI作畫并不是什么新鮮事物，早在2012年就已經(jīng)有所發(fā)展，只是AI繪畫的早期作品看起來還很粗糙，直到今年年初時，AI繪畫還只停留在“能看”的階段。
其實對比一下現(xiàn)階段的AI寫作、AI作曲、AI配音、AI唱歌等技術(shù)，可以發(fā)現(xiàn)這些活A(yù)I都能做，但與人類相比，存在明顯的差距，當(dāng)時的AI繪畫大致也是這樣的水平。
大眾對AI繪畫觀感的轉(zhuǎn)變發(fā)生在今年8月，美國游戲設(shè)計師Jason Allen用一張AI繪畫作品《太空歌劇院》，拿下了美國科羅拉多州博覽會美術(shù)競賽一等獎。
大賽評委對這副AI作品的評語是：即使它是AI生成的作品，也依舊配得上這樣的成績。
雖然這副作品在AI生成之后，設(shè)計師還進行了上千次的修改，花費了近80個小時才完成，但并不妨礙公眾對AI能力的重新認識：原來AI繪畫已經(jīng)可以超越人類了！
《太空歌劇院》能獲得專業(yè)評委認可并獲獎，背后支撐技術(shù)的突破功不可沒。
在今年年初時，AI繪圖軟件Disco Diffuion解決了效率問題，可以在很短的時間內(nèi)批量生產(chǎn)繪畫作品；
后續(xù)幾個月，經(jīng)過DALL·E 2與MidJourney等AI繪畫平臺的相繼測試，AI已經(jīng)可以生成符合大眾審美要求的人物形象；
到了7月份，Disco Diffuion成功解決了細節(jié)與效率的問題，AI繪畫的精度提升到藝術(shù)品級別，生產(chǎn)效率提升到秒級，創(chuàng)造所需的門檻也大大降低，普通電腦甚至手機也能適用。
AI繪畫最終引爆的導(dǎo)火索當(dāng)屬Disco Diffuion的開源，此次開源開放的不僅僅是程序，還有訓(xùn)練好的模型，這大大降低了AI繪畫創(chuàng)業(yè)的難度，同時也對技術(shù)的普及起到了極大的推動作用。
在技術(shù)之外，C端用戶的瘋狂追捧，也成為AI繪畫爆火的重要因素。
相比其他AIGC創(chuàng)造，AI繪畫的門檻更低，參與度更高。
最開始時，MidJourney、Disco diffusion、Stable Diffusion等AI繪圖平臺生產(chǎn)了大量AI繪畫作品，這些作品在推特、Facebook等社交媒體平臺發(fā)布后，引發(fā)大量用戶圍觀，特別是當(dāng)用戶輸入幾個關(guān)鍵詞，就能在十幾秒內(nèi)生成一幅高質(zhì)量的繪畫作品，極大刺激了用戶的參與熱情。
在中國，是由搖滾樂隊萬能青年旅店的MV作品《殺死那個石家莊人》在B站率先引爆的，這個MV的每個畫面都取自歌曲的歌詞，由Midjourney平臺生成。
在此之后，《七里香》《孤勇者》《加州旅館》《波西米亞狂想曲》等熱門歌曲都被UP主們用AI繪畫的作品作為MV的素材重新創(chuàng)作了一次。
對此，有專業(yè)人士評述，對于用戶而言，AI作畫讓原來沒有繪畫基礎(chǔ)的人，能夠享受到創(chuàng)作帶來的愉悅，對于一些專業(yè)畫師，則是一個很好的工具，能夠更有效率的完成作品。
B站上有個熱評，在一定程度上反應(yīng)了C端用戶喜歡AI繪畫的原因：一是出概念、找靈感，二是當(dāng)成P圖素材與手工結(jié)合。
02 一座待挖的金礦
那么問題來了，AI繪畫能賺錢嗎？又該怎樣賺錢呢？
AI繪畫平臺們面對洶涌而至的C端需求，利用社交平臺的引流，推出類似于付費服務(wù)或者“會員制”的收費模式。
由于目前面向C端的AI繪畫平臺大多為輕量級的工具應(yīng)用，能夠展現(xiàn)出來的玩法和內(nèi)容場景都比較有限，同時C端用戶進入AI繪畫平臺，大多出于好奇嘗鮮的目的，當(dāng)新鮮感過去之后，如果不是專業(yè)人員，很難再刺激用戶進行二次消費，因而當(dāng)前這種純粹To C的商業(yè)模式的根基并不穩(wěn)固。
但若圍繞AI繪畫在C端用戶中的社交屬性，以及AIGC本身所包含的內(nèi)容社區(qū)屬性去挖掘，則仍有一個非常大的成長空間等待開拓，利用微信小程序，創(chuàng)造了日增5萬用戶的紀(jì)錄的AI繪畫平臺“盜夢師”團隊也認為這是一個機會，但“難度很大”。
五大時尚刊物之一《時尚芭莎》在36周年紀(jì)念刊特地邀約了幾位AI畫手，借助AI繪畫工具完成了一幅東方美學(xué)與超現(xiàn)實主義相結(jié)合的畫作，這可視為AI繪畫在B端應(yīng)用的一個典型。
而在醫(yī)療、工業(yè)設(shè)計、動漫設(shè)計、游戲制作、服裝設(shè)計等領(lǐng)域中，AI繪畫可以施展的空間就更大了。
比如，有一種心理咨詢療法叫繪畫藝術(shù)療法，有的病人很難用語言表達自己的心理狀態(tài)，咨詢師就會請他們繪畫，從畫中看出他們的心理狀態(tài)。
但不是每個病人都會畫畫，如果在其中應(yīng)用到AI繪畫的能力，病人表述畫作的構(gòu)思與關(guān)鍵詞，AI生成畫面后經(jīng)病人確認，或可為心理咨詢療法提供更多的支持。
比如，網(wǎng)絡(luò)小說與漫畫的聯(lián)創(chuàng)，通常情況下，小說的寫作速度會高于漫畫的繪制速度，但有了AI繪畫后，可以大膽想象直接將小說的內(nèi)容生成漫畫圖片，此時不光提高內(nèi)容生產(chǎn)速度，更是整個內(nèi)容生態(tài)的重構(gòu)。
再比如，在元宇宙的世界中，從元宇宙場景的創(chuàng)建，到個人自我角色在元宇宙中的內(nèi)容創(chuàng)作，AI繪畫乃至AIGC都是不可或缺的一項能力，很多專業(yè)人士認為，AI繪畫乃至AIGC與元宇宙的結(jié)合是必然趨勢。
其實AI繪畫能夠落地哪些場景，行業(yè)都有共識，在技術(shù)之外，AI繪畫平臺之間競爭的焦點則在于成本。
針對B端市場，面向一個特定行業(yè)時，AI繪畫要對相關(guān)模型進行大量的專業(yè)訓(xùn)練，其中需要花費高額模型訓(xùn)練成本，當(dāng)營收無法覆蓋研發(fā)支出時，其商業(yè)模式也就無法成立了。
特別是當(dāng)AI繪畫或?qū)⑷〈鷮I(yè)畫師時，企業(yè)需要考慮的因素就更多了，兩者之間的成本差是一方面，更重要的是，企業(yè)會要求AI不但要便宜，還要比人類畫的更好，才會有動力和足夠的理由推動變革的進行。
03 什么是中國式AI作畫該有的樣子？
回到中國市場，在行業(yè)內(nèi)普遍由DALL-E 2和Stable Diffusion等國外模型唱主角的背景下，如何讓AI繪畫更好的表達中國元素成為一個不容忽視的問題。
為什么要這么說，我們先來看看一副AI繪畫作品是如何產(chǎn)生的。
在盜夢師小程序中輸入文本：
沐浴在晨光里；山頂上有中國式建筑；壯麗的、奇妙的；約翰·豪；山水；湖泊；云；早晨；農(nóng)田；王凌；神話；光效；夢；格雷格·魯特科夫斯基，虛擬引擎；詹姆斯·格尼；ArtStation
幾秒之后就能生成以下一副作品。
很明顯，模型對中文語義與中國文化的理解非常重要，特別是在實際落地階段，模型如果不能理解具有中國特色的行業(yè)特點，那么AI繪畫出的產(chǎn)品將很難適用行業(yè)及場景的需求。
對此，盜夢師雖然用的是Stable Diffusion模型，但對該模型進行了中國本土化的改造，用自己寫的follow instruction的方式對模型進行訓(xùn)練，并且加入了大量本地化數(shù)據(jù)。
TIAMAT也認為，AI模型的訓(xùn)練過程其實和小學(xué)生練習(xí)寫作的過程非常相似，不斷吸收優(yōu)秀作品的寫作風(fēng)格、修辭手法，才能最終創(chuàng)作出一篇高分作品，其中采用中國元素的數(shù)據(jù)資源進行訓(xùn)練是極為關(guān)鍵的一環(huán)。
百度發(fā)布的AI繪畫平臺文心ERNIE-ViLG 2.0中，則采用了知識增強算法的混合降噪專家建模。
為了能夠準(zhǔn)確理解用戶在使用AI繪畫應(yīng)用時輸入文字的語義，特別是一些復(fù)雜描述，ERNIE-ViLG 2.0通過視覺、語言等多源知識指引擴散模型學(xué)習(xí)，強化文圖生成擴散模型對于語義的精確理解。
為了增強AI繪畫生成作品的精細度，ERNIE-ViLG 2.0又引入了基于時間步的混合降噪專家模型來提升模型建模能力，讓模型在不同的生成階段選擇不同的“降噪專家”網(wǎng)絡(luò)，從而實現(xiàn)更加細致的降噪任務(wù)建模，進而提升生成圖像的質(zhì)量。
眾所周知，要想提高AI作畫的能力，特別是對中文語義和中國文化的理解，就必須有大量的中文圖文數(shù)據(jù)對模型進行訓(xùn)練，這是一個極其繁瑣與耗費時間與金錢的過程，如果沒有足夠多的市場需求，一般的AI繪畫平臺不會投入太多資源。
百度不同，它在搜索、AI以及深度學(xué)習(xí)框架等業(yè)務(wù)的研發(fā)中已經(jīng)積累了海量的中文圖文數(shù)據(jù)資源，這些資源可以隨時調(diào)用，同時也成為ERNIE-ViLG 2.0的核心競爭力，相比其他模型，ERNIE-ViLG 2.0在表達具有中國風(fēng)意境的畫作中表現(xiàn)更為突出。
在某種程度上來說，AI作畫的技術(shù)突破雖然是由美國帶動的，但中國的跟進速度并不慢，演化到現(xiàn)在，AI繪畫并不是簡簡單單的市場開拓方面的商業(yè)競爭，更是關(guān)乎到自主掌控AI關(guān)鍵技術(shù)的競爭，而其中取勝的關(guān)鍵是技術(shù)研發(fā)過程中尋找市場的內(nèi)生需求，通過因地制宜的本土化適配，做好細分市場和細分場景的落地。