生成式AI的未来商业化之路
浪潮已然来临,生成式AI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。
“人人都能成为创作者”,过去我们一再使用类似的话语,表达技术演进给内容生产带来的变革。如果说短视频一类工具的出现降低了表达的门槛,那么AI工具的应用无疑让这句话更为贴近现实,其商业前景同样广阔。
中关村大数据产业联盟发布的《中国AI数字商业展望2021-2025》报告预测,到2025年,中国AI数字商业核心支柱产业链规模将达到1853亿元,其中AI数字商业内容产业规模将达到495亿元。
生成式AI的未来商业化之路
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,一幅由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。
不过真正让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,也就是生成式AI。
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。2022年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”。
不仅如此,生成式AI已让机器开始大规模涉足知识类和创造性工作,其巨大的商业空间已经显现——在写作、设计、影视、广告等多个领域,AI相当于可以作为人类的“副手”,可以快速提供一些最为基本的创意指导。
文案写作
日益增长的个性化网页、电子邮件等网络空间,用以支持销售和营销战略,甚至提供更好的售后服务,都将催生大量的文案写作需求。这些短小精悍、格式相对固定的宣传式话语,再加上相关从业人员工作压力大、预算不高等特点,这一领域将是文案写作型AI实现自动化与写作增强方案的最佳用武之地。
特定垂直领域的写作助手
如今大部分写作都是横向的,但对于特定的终端市场,从拟定法律合同到剧本创作,都有可能借助生成式AI的力量获得更长足的发展。在这一领域,产品差异化的主要发力点将是对特定工作流程模型和用户体验模式的细节打磨。
代码生成
在该领域,生成式AI的应用已经带来了质的提升,程序开发人员的生产力和创造力都被极大增强:如今使用GitHub Copilot生成的程序中,有近40%的代码是由AI生成的。但如果打开想象,我们甚至可以设想,将来借助更好的生成式AI,普通消费者(非专业程序开发人员)也将有能力自行创作程序代码。基于提示的学习(Learning to prompt,译注:一种新的AI训练方式)将有可能成为最终的高级编程语言。
艺术作品生成
如今,不少大型的AI已经将整个艺术史和流行文化的作品数据编码进了模型当中,任何人都可以随意生成——以前可能需要人花一辈子才能掌握的——想要的艺术风格的作品。
游戏
最理想的应用状态是人们可以使用自然语言来创建复杂的场景或可操纵的模型;我们离这样的梦想还有很遥远的距离,但在短期范围内,还是有不少可实现的场景应用,比如生成游戏场景的纹理或Skybox VR场景的图像等。
媒体/广告
自动化广告代理的潜力——它将能针对不同的消费者来优化广告文案与创意。而多模态生成的应用将能更好地针对不同的销售信息生成互补性视觉效果广告。
设计
数字和实体产品的原型设计是一个劳动密集且往往需要不断反复修改的过程。现在的AIGC已经实现了根据粗略的草图与文字描述生成高保真渲染图。随着这一技术往3D模型的方向发展,生成设计过程将打通从文字到具体产品实物的全流程。说不定下一款手机应用程序,或将来的某双运动鞋,都将是AI设计生成的。
生成式AI:打开想象边界
但生成式AI无限拓展和输出的特性,也伴随着人们的担忧:商业壁垒到底在哪里?
大厂们在算力、数据训练上投入多年,底层基础设施注定是大公司的游戏。不过,由于大厂间内卷得厉害,成本在急速下降。据一家美国风投机构NfX统计,在过去2个月中,AI生成图像的成本下降了100倍。
显然,底层技术和模型无法成为壁垒。应用层的竞争已经开始——想要生成式AI让打开商业新局面,真正达到规模化,市场需要一个杀手级的应用。
对此,NfX创始人James Currier在博客里举例——Facebook成立时,市面上有50个和它一样,有着相同功能的产品。但Facebook最巧妙的选择在于,从哈佛大学的学生群体开始推广,最终吸引到各个大学的学生竞相跟随。
AI生成的插图
相较于国外,国内的技术发展和商业化处在更早期。国内市场上已经有层出不穷的AI绘画小生意,比如在抖音、闲鱼等平台开展代画服务,提供词组调试攻略等等,很多人声称“AI画画,月入过万”。但这些生意都相对边缘。
短期内,生成式AI还是要依靠企业端,才能有足够资源支撑起底层技术的快速迭代。尤其对国内而言,中文数据的NLP(语义识别)比英文更为复杂,要做中文版的AI生成技术,不是简单汉化就能够解决问题。
不过当我们尽情畅想几十年后的未来,我们不难想象彼时的生成式AI已经深刻融入我们的工作、创造与游戏中:自动生成的备忘录;3D打印任何你想象出来的东西;文字直接生成皮克斯电影;靠想象来实时生成世界场景的游戏体验等等。
这些事情如今看来像是科幻小说一般,但我们还是要对技术进步的速度有信心。要知道,短短几年时间,我们便从狭窄的语言模型发展到了代码自动补全,沿着这样的发展思路,如果大型模型也有所谓“摩尔定律”,那么天马行空般的未来想象也并非没有实现的可能。
AI生成的画作
编辑:孙浪
监制:李红梅
文章参考:
1.《从AI画画到“用声音做视频”,全球掘金AIGC 焦点分析》36氪
2.《生成式AI:充满创造力的新世界》红衫汇内参
3.《2022年人工智能生成内容(AIGC)白皮书》中国信通院
4.《AIGC,人工智能的下一个风口?》机器之心