本文是 “2022 InfoQ 年度技術(shù)盤點與展望” 系列文章之一，由 InfoQ 編輯部制作呈現(xiàn)，重點聚焦 AIGC 領(lǐng)域在 2022 年的重要進展、動態(tài)，希望能幫助你準確把握 2022 年 AIGC 領(lǐng)域的核心發(fā)展脈絡(luò)，在行業(yè)內(nèi)始終保持足夠的技術(shù)敏銳度。

“InfoQ 年度技術(shù)盤點與展望”是 InfoQ 全年最重要的內(nèi)容選題之一，將涵蓋 操作系統(tǒng)、數(shù)據(jù)庫、AI、大數(shù)據(jù)、云原生、架構(gòu)、大前端、編程語言、開源安全、數(shù)字化 十大方向，后續(xù)將聚合延展成專題、迷你書、直播周、合集頁面，在 InfoQ 媒體矩陣陸續(xù)放出，歡迎大家持續(xù)關(guān)注。

特此感謝 百度 ERNIE-ViLG 團隊、黃民烈、李笛、林詠華、趙德麗對本文的貢獻，他們的真知灼見，是本文能與大家見面的關(guān)鍵。

2022，浪潮兇猛的 AIGC 元年。 風口上的 AIGC

今年的 AI 領(lǐng)域，可能沒什么比 AIGC 更熱了。

AIGC 的全稱是 Artificial Intelligence Generated Content，人工智能生成內(nèi)容。不過，AIGC 目前還沒有一個規(guī)范、統(tǒng)一的定義。

根據(jù)中國信通院與京東探索研究院發(fā)布的《人工智能生成內(nèi)容（AIGC）白皮書》中給出的定義，AIGC 既是從內(nèi)容生產(chǎn)者視角進行分類的一類內(nèi)容，又是一種內(nèi)容生產(chǎn)方式，還是用于內(nèi)容自動化生成的一類技術(shù)集合。

有預(yù)測數(shù)據(jù)顯示，到 2030 年，AIGC 的市場規(guī)?；?qū)⒊^萬億人民幣。

2022 年，尤其是下半年，AIGC 概念突然升溫。有這么幾個標志性的事件把 AIGC 推到了風口浪尖之上，其一是文生圖模型 Stable Diffusion 的開源，其二是 ChatGPT 的爆火出圈。

AI 繪畫神器 Stable Diffusion? 橫空出世

有人將 Stable Diffusion 形容為 AI 界的“神筆馬良”，這可能并不夸張。

Stable Diffusion 是一個文本至圖像的模型，于今年 8 月 22 日公開發(fā)布，它能讓數(shù)十億人在幾秒鐘內(nèi)創(chuàng)建出令人贊嘆的藝術(shù)品。用戶隨意輸入自己想要的文字描述，就能得到相應(yīng)的圖像結(jié)果。

兩個月后，伴隨著 Stable Diffusion 的開源，它所具備的潛力瞬間得到了極大釋放。開源讓 Stable Diffusion 將無過濾圖像生成的門檻下放到歷史最低，任何具備一點點技術(shù)知識的電腦用戶都能輕松上手，可以說是一項老少咸宜的 AI 圖像生成工具。

盡管此前，藝術(shù)創(chuàng)作 AI 已經(jīng)歷了一段時間的發(fā)展，但 Stable Diffusion 的出現(xiàn)才真正讓這項技術(shù)得到了騰飛式的發(fā)展。因為它可以免費使用、上手快捷，大大減少了用戶生成內(nèi)容的障礙。

Stable Diffusion 掀起了文生圖模型的熱潮。今年 10 月，百度發(fā)布了首個知識增強的 AI 作畫大模型 ERNIE-ViLG 2.0；11 月初，阿里達摩院在魔搭社區(qū) ModelScope 上開放了通義文生圖大模型；11 月底，智源研究院大模型研究團隊開源最新雙語 AltDiffusion 模型，中文世界有了專業(yè)級 AI 文圖創(chuàng)作工具，其在視效上媲美 Stable Diffusion。

ChatGPT 火爆出圈

最近幾周，OpenAI 最新的聊天機器人 ChatGPT 火出天際，成為現(xiàn)象級應(yīng)用。

問答、寫小說、寫代碼、寫論文、寫區(qū)塊鏈智能合約....ChatGPT 的應(yīng)用也頻頻出圈。ChatGPT 就像是一個無所不知的虛擬體，它能回答各種問題，而且總能給到讓人滿意，甚至超過預(yù)期的答案，因此引起了極高的關(guān)注度。

ChatGPT 展示出的強大的能力和無限可能，讓人們看到，通過 ChatGPT 這樣的技術(shù)方案解決很多任務(wù)的潛力。大家感到驚奇的是，在一個模型里面就可以完成各種任務(wù)，而且是很難的任務(wù)。在過去一些看似比較困難的任務(wù)（比如問倫理道德方面），ChatGPT 也能解決得很好。

清華大學教授黃民烈認為，ChatGPT 的技術(shù)創(chuàng)新性主要在于兩個方面：

強大的底座模型：過去幾年 GPT-3 的能力得到了快速提升，OpenAI 建立了用戶、數(shù)據(jù)和模型之間的飛輪。顯然，開源模型的能力已遠遠落后平臺公司所提供的 API 能力，因為開源模型沒有持續(xù)的用戶數(shù)據(jù)對模型進行改進。

利用強化學習從人類反饋中學習：在真實調(diào)用數(shù)據(jù)上的精調(diào)模型，確保數(shù)據(jù)的質(zhì)量和多樣性，從人類反饋中學習。從“兩兩比較的數(shù)據(jù)”中學習，對強化學習而言意義很大。如果對單個生成結(jié)果進行打分，標注者主觀性帶來的偏差很大，無法給出精確的獎勵值。在強化學習里，獎勵值差一點，最后訓練的策略就差很遠。而對于多個結(jié)果進行排序和比較，相對就容易做很多。這種比較式的評估方法，在很多語言生成任務(wù)的評價上也被廣泛采用。

黃民烈認為，ChatGPT 出現(xiàn)對 AI 界來說，有著十分重要的意義：“它宣示著無縫人機交互時代的來臨。過去我們講 conversation as a service （caas）還停留在紙面，但實際上今天，無論是開放域聊天，還是通用任務(wù)助理（ChatGPT）都在強烈地表明這一點”。

從信息檢索的角度看，ChatGPT 也取得了很大突破。達摩院基礎(chǔ)視覺負責人趙德麗在接受 InfoQ 采訪時表示，以前谷歌等搜索引擎做搜索和檢索，只是找已經(jīng)存在的信息，ChatGPT 的應(yīng)用，實現(xiàn)了從信息的搜索到信息的創(chuàng)造這樣一個范式的轉(zhuǎn)變，從算法能力上看，它取得了一個質(zhì)的飛躍。短期來看，ChatGPT 有望成為或者輔助像谷歌這種傳統(tǒng)信息檢索的強有力的工具；長期來看，它有望發(fā)展成為 AI 系統(tǒng)級的服務(wù)。

但至于它最終會不會取代搜索引擎。黃民烈認為，ChatGPT 取代谷歌搜索還比較遙遠，原因主要有，受限于訓練數(shù)據(jù)，ChatGPT 的信息實效性較弱，缺乏很多新的信息；在信息的可信度上，搜索引擎只“搬”東西，不創(chuàng)造內(nèi)容。ChatGPT 雖然會創(chuàng)造內(nèi)容，但創(chuàng)造的東西多大程度上“有用、可信、無害”，還沒有統(tǒng)一的定論；再就是成本問題，現(xiàn)在大模型的生成成本還是太高了，需要持續(xù)下降。

現(xiàn)階段的 ChatGPT 并不完美。通俗地說，它還存在“一本正經(jīng)地胡說八道”的問題，這本質(zhì)上是對信息可信性的度量和評估。解決這一問題，技術(shù)上需要有信息驗證的手段；從應(yīng)用上來說，需要深入結(jié)合應(yīng)用的場景和特點，針對性優(yōu)化和解決。

但整體而言，ChatGPT 還是讓人非常驚喜。黃民烈非?？春?ChatGPT 接下來的發(fā)展方向。他認為這是一個正確的方向，現(xiàn)在還比較粗糙，但假以時日，一定會催生很多應(yīng)用。

趙德麗同樣對 ChatGPT 抱有大期待。雖然還有各種瑕疵，但 ChatGPT 短時間內(nèi)出現(xiàn)了各式各樣的不同方向上解決問題的能力，展現(xiàn)了 AI 算法的巨大潛力。從技術(shù)發(fā)展和解決方案的角度看，它將來可能會成長為一個超級 APP，就像是一個無所不知的虛擬體?！癈hatGPT 這種應(yīng)用的出現(xiàn)，從長遠來看的影響力，其實不亞于阿爾法狗曾經(jīng)在人工智能界帶來的影響力，它將會是一個影響非常深遠的技術(shù)和應(yīng)用”。

AIGC 為什么突然火了？

AIGC 并不是一個新概念。AIGC，通常還有另一種叫法 — AI Creation（人工智能創(chuàng)造），大致從 2016 年—2017 年開始，其應(yīng)用不斷增加，尤其是在自然語言領(lǐng)域，廣泛應(yīng)用在生成文本、作詩句、寫對聯(lián)等方向，近幾年，逐漸延伸到作畫、作曲等領(lǐng)域。

憑何而火？

今年，AIGC 突然在全球躥紅，成為人人口中的流行詞。究其原因，主要由多項技術(shù)上的關(guān)鍵突破推動，總結(jié)來說：

一，算法上：從今年 4 月開始，在文生圖視覺方向上，視覺效果生成的效果取得了突破性的進展，文生圖的質(zhì)量得到了很大改善。OpenAI 的文本生成圖像模型 DALL·E 2 算法發(fā)布后，在算法效果上取得了和以往相比實質(zhì)性的突破，成為一個現(xiàn)象級的算法，其在文本生成圖像生成的效果、真實度表現(xiàn)上，讓大家看到了大規(guī)模商用的前景。AI 作畫任務(wù)十分直觀，給人的視覺沖擊強烈，使得 AIGC 逐漸破圈，快速傳播。

二，預(yù)訓練大模型是 AIGC 的底座，沒有大模型學到的豐富知識，就無法實現(xiàn)如此豐富的 AI 內(nèi)容生成能力。AIGC 最重要的是一種融會貫通的能力，要做領(lǐng)域的泛化，需要學習海量的數(shù)據(jù)，大模型的規(guī)模直接決定了 AIGC 創(chuàng)作力的廣度。多模態(tài)大模型的應(yīng)用，使得 AIGC 的質(zhì)量得到了較為明顯的進步。

三，擴散模型的發(fā)展。擴散生成的算法取得了突破，這個算法能夠?qū)D像做像素級別的建模，學習效率更高。Stable Diffusion 是文本生成圖像模型完全開源的第一個算法，它跑起來的效率相當高，其開源也帶動了相關(guān)生態(tài)快速的發(fā)展，讓人們看到，基于這種生成式基礎(chǔ)模型，能夠帶來無限的創(chuàng)造和想象空間。特別是在一些國外社區(qū)里，基于 Stable Diffusion 做的各種創(chuàng)新式的應(yīng)用發(fā)展快速，展現(xiàn)了商業(yè)化潛力。

四，算力降低。深度學習計算能力的快速發(fā)展。在大算力的基礎(chǔ)上，AI 作畫能夠?qū)崿F(xiàn)在海量數(shù)據(jù)上進行大參數(shù)模型的訓練。相比之前的 AIGC 算法，算力上有了很大降低。要訓練一個基礎(chǔ)的預(yù)訓練模型，需要很多算力。一些專注于基礎(chǔ)的大模型的機構(gòu)，將模型訓練好后，可以供很多小企業(yè)使用，只需用消費級的網(wǎng)卡就可以做微調(diào)，也可以直接基于 API 調(diào)用。預(yù)訓練大模型加上微調(diào)可以很好地進行文生圖生成風格的改變，派生出了大量的二次開發(fā)者，屢屢破圈。

從 GAN 到 Diffusion

GAN，是生成式 AI 的核心技術(shù)之一。2014 年以來，以生成式對抗網(wǎng)絡(luò) (Generative Adversarial Network,GAN) 為代表的深度學習算法的提出和迭代更新，讓 AIGC 進入了快速發(fā)展階段，帶動了 AIGC 的一波熱潮。

趙德麗表示，在 Stable Diffusion 這種擴散算法出現(xiàn)之前，從生成的效果上看，在計算機領(lǐng)域，GAN 是效果最好的。發(fā)展到現(xiàn)階段，GAN 生成的人臉圖像已經(jīng)到了真假難辨的程度。以 StyleGAN 為例，其生成的圖片可以做到栩栩如生，光線和紋理都清晰可見，非專業(yè)人士幾乎無法分辨出是由 AI 生成的虛假圖。即便是現(xiàn)在的 Diffusion model 目前也做不到現(xiàn)在 GAN 在人臉生成上的結(jié)果。

但 GAN 有一個最大的缺點，它對于多類別、語義非常復(fù)雜的、一般場景下的圖片生成的建模能力較弱。如果只是人臉，只是貓或者只是狗這類場景的數(shù)據(jù)，GAN 的效果很好。但它在某種復(fù)雜數(shù)據(jù)的規(guī)模能力方面，在性能上受限較大，如果把狗、貓、花朵、桌子、椅子、電話等不同種類的數(shù)據(jù)放在一起，目前的情況下，GAN 得不到一個較好的結(jié)果。

而 Diffusion model 在這方面取得了突破性的進展。Diffusion model 解決了 GAN 不能解決的問題，因此大家立刻意識到了它的巨大潛力。今年是 Diffusion model 取得快速發(fā)展的第一年。而且，它的發(fā)展速度超過當年的 GAN，當年的 GAN 已經(jīng)足夠火熱了，但可以感受到， Diffusion model 現(xiàn)在的受關(guān)注程度超過當年的 GAN 。

Diffusion 擴散化模型 帶動新一波 AIGC 的熱潮

今年這波 AIGC 的熱潮，被認為是由生成擴散模型帶動起來的。例如，OpenAI 發(fā)布了文本生成圖像模型 DALL·E 2；谷歌推出了 Imagen；今年 8 月，初創(chuàng)公司 Stability.AI 發(fā)布了 Stable Diffusion...

百度 ERNIE-ViLG 團隊向 InfoQ 介紹，擴散模型是受非平衡熱力學的啟發(fā)的一系列概率生成模型，通過逐漸增加噪聲的方式對原始數(shù)據(jù)進行擾動，通過學習反向的恢復(fù)原始數(shù)據(jù)去噪過程得到用于生成數(shù)據(jù)的模型，典型的擴散模型如 DDPM 等。而擴散模型在生成過程中加入文本條件產(chǎn)生了諸如 DALLE2、Imagen、ERNIE-ViLG 2.0 等基于擴散的文本生成圖像模型。傳統(tǒng)生成對抗網(wǎng)絡(luò) GAN 存在訓練不穩(wěn)定和生成結(jié)果多樣性差等缺點，而擴散模型顯著提升了圖像生成的效果和多樣性，受到業(yè)界廣泛關(guān)注。

生成擴散模型在多模態(tài)生成領(lǐng)域展現(xiàn)出很好的可擴展性。在訓練數(shù)據(jù)時，把不同模態(tài)的訓練數(shù)據(jù)混到一起，把文本、靜態(tài)圖片、視頻、聲音等各種各樣不同類型的訓練數(shù)據(jù)在一個語義空間里關(guān)聯(lián)在一起。但因為訓練數(shù)據(jù)規(guī)模大，大模型的參數(shù)特別多，用這種方式，它仍然只能得到一張分辨率很低的圖片。然后不停地通過擴散模型算法，把很小的分辨率和圖片不停地做超分辨率，不停地把一張很模糊的圖片變得尺寸更大、更清晰，在這個過程里還會補上很多細節(jié)，最后得到一張相對較清晰的圖。

現(xiàn)在很多人應(yīng)用 Diffusion model 來生成視頻，生成音樂，目前為止它最為可行的還是生成靜態(tài)的視覺畫面。

AIGC 相關(guān)技術(shù)逐步發(fā)展成熟

AIGC 包括多種內(nèi)容形式，按照黃民烈的分類方法，分為感知智能和認知智能。

感知類：文生圖、語音生成、音樂生成等

認知類：續(xù)寫、改錯、小說故事創(chuàng)作、對話生成等

從技術(shù)上看，寫作相關(guān)和圖像生成這兩個方向表現(xiàn)比較成熟，對話最難。

其中在文本生成方面，例如在金融文本摘要生成領(lǐng)域，其技術(shù)早已成熟到可以落地的程度。ChatGPT 在內(nèi)容的創(chuàng)作能力、問答流暢度上表現(xiàn)不錯，但要深究其真實性、正確性和時效性，還存在不少問題。如何保證內(nèi)容的真實性、正確性和時效性，是現(xiàn)在 AIGC 尤其是文字類的生成需要重點考慮的問題。

圖像生成方面，AI 繪畫格外火熱。百度 ERNIE-ViLG 團隊認為，今年以來，AI 作畫發(fā)展迅速，很大程度來自于技術(shù)的突破，使得效果有了質(zhì)的飛躍，甚至有些 AI 圖像作品十分驚艷。

不過，雖然 AI 繪畫已經(jīng)進入實用階段，但依然有很大的優(yōu)化空間。在技術(shù)角度，需要提高的主要是兩個方面，包括生成的可控性和細節(jié)描述能力。

AI 繪畫的可控性有待提升，對于數(shù)量、邏輯、關(guān)系、多圖關(guān)聯(lián)等問題暫無有效的解決方案。比如說要求生成 2 個蘋果，左邊是紅色，右邊是綠色。雖然這里邊的關(guān)系并不復(fù)雜，但模型很多時候，并不能穩(wěn)定地生成正確的結(jié)果。

細節(jié)描述能力有待提升，對于更加復(fù)雜的、有規(guī)律性的細節(jié)的描述能力有待提升。比如對于一棟居民樓的圖片，窗戶應(yīng)該是有多種不同描繪，有開的、有關(guān)的、有晾衣服的，同時很多窗戶應(yīng)該對齊且規(guī)格統(tǒng)一。

小冰公司 CEO 李笛認為，整體來看，AI 作畫在生成質(zhì)量上有了大幅提高，但仍然需要解決一些單點的問題，例如模型本身的迭代，一個人類設(shè)計師在和雇主的工作過程中，可以根據(jù)雇主的喜好，對設(shè)計初稿的某一局部做精細調(diào)整。但 AI 無法做到這一點，AI 畫作一旦生成，如果想讓它修改，往往是用重畫的方式來進行。而現(xiàn)有的技術(shù) — 多模態(tài)大模型，注定有這類問題。它只能在一定程度上，提高作品與需求的相關(guān)性，但無法從根本上提高良品率。

AI 生成視頻，是 AI 生成圖像的一種延伸。從技術(shù)本質(zhì)上看，視頻可以認為是多張“圖片”，即視頻幀構(gòu)成的序列，且序列上各幀之間有畫面、邏輯等層面的關(guān)聯(lián)。因此，從生成質(zhì)量上來說，AI 生成視頻相對更難。

當前文生圖技術(shù)可以通過簡單的技術(shù)組合，例如分步驟擴散生成等方式，將生成圖像擴展到生成視頻，但效果還不能令人滿意。此外，受限于數(shù)據(jù)規(guī)模和質(zhì)量，AI 生成視頻的生成效果和現(xiàn)在的文本生成圖像的效果相比，有較大差距。

不過，相對圖像，視頻內(nèi)容具有其獨特屬性。例如，在互聯(lián)網(wǎng)視頻內(nèi)容消費場景中，經(jīng)常會以“隨便截一張圖都是壁紙”作為對視頻質(zhì)量的極高贊譽。由此可見，相對于圖片，視頻對單個幀的質(zhì)量要求相對較低，更強調(diào)傳遞信息等功能。因此，AI 生成視頻可以采用其他技術(shù)方案完成，在降低技術(shù)難度的同時，更符合特定應(yīng)用場景的要求，例如基于圖文輸入生成視頻、基于數(shù)據(jù)生成視頻等。

總結(jié)來說，AI 按照生成圖像的方式生成視頻，仍處于前沿探索階段。

商業(yè)想象力幾何？

趙德麗認為，現(xiàn)階段，AIGC 的生成效果已經(jīng)非常驚艷了，它已經(jīng)達到了廣泛應(yīng)用的基礎(chǔ)性能，雖然在使用上還有較大門檻，但通過大模型的開源開放等，有助于將門檻降下來。

商業(yè)模式在探索中

而且可喜的是，現(xiàn)在，AIGC 已經(jīng)有不少可行的商業(yè)模式發(fā)生了。

例如在設(shè)計、藝術(shù)創(chuàng)作、電商、娛樂、金融等領(lǐng)域。具體在文本生成上，在一些商業(yè)非嚴肅性文書的輔助編寫上已產(chǎn)生了不錯的模式；在文生圖方向，已經(jīng)看到，面向設(shè)計師，面向教育行業(yè)的 AI 輔助畫作生成等正在探索商業(yè)用途的路上。

最近幾年，“數(shù)字人 +AIGC”成為不少企業(yè)的探索方向。小冰從幾年前就開始探索 AIGC。李笛表示，AIGC 對于 AI Being 來說的作用在于，在和人交互的過程中，它不光要能從數(shù)字世界中獲取知識內(nèi)容和服務(wù)提供給人，它自己也應(yīng)該相應(yīng)地隨機應(yīng)變地去創(chuàng)造相應(yīng)的內(nèi)容提供給人。

在互聯(lián)網(wǎng)應(yīng)用之外，AIGC 在實體經(jīng)濟領(lǐng)域，也蘊含著不少機會。

實體經(jīng)濟對內(nèi)容生產(chǎn)的需求很大。“我們以前認為實體經(jīng)濟的瓶頸在于生產(chǎn)、產(chǎn)能，其實不是，實體經(jīng)濟的很多瓶頸在于設(shè)計，在于內(nèi)容?！?李笛說。以小冰為例，小冰的 AIGC 內(nèi)容很早就應(yīng)用在紡織設(shè)計領(lǐng)域。小冰與中國紡織信息中心、國家紡織產(chǎn)品開發(fā)中心推出的 AI 圖案設(shè)計平臺，可按需定制 100% 原創(chuàng)的圖案紋樣，目前已有超過 400 家企業(yè)注冊，并在生產(chǎn)中使用。

北京智源人工智能研究院總工程師林詠華向 InfoQ 談到，工業(yè)生產(chǎn)、制造、倉儲、物流等實體行業(yè)，近幾年一直在探索如何用計算機視覺來進行智能化升級，但實際落地并不容易。原因在于，現(xiàn)有的模型質(zhì)量還未能滿足產(chǎn)業(yè)落地的質(zhì)量要求。其中一個重要原因是，訓練模型時所用的訓練數(shù)據(jù)十分局限。因此，可以考慮通過 AIGC 的方式來產(chǎn)生這些場景里的訓練數(shù)據(jù)。例如在倉儲、物流或更多的工業(yè)場景，用 AI 來輔助產(chǎn)生一些少見的場景數(shù)據(jù)，作為訓練數(shù)據(jù)的補充，提升整個模型的質(zhì)量。但這需要更精準的圖片生成的控制能力，比較起現(xiàn)有的 AIGC 模型能力，其可控性需要大大提升。

AIGC 在自動駕駛場景下也有著不錯的應(yīng)用潛力?，F(xiàn)在自動駕駛場景存在訓練數(shù)據(jù)不足的問題，例如針對惡劣天氣、事故等突發(fā)狀況，視覺模型在真實場景中很難捕捉，也難以進行模擬，因此，目前業(yè)內(nèi)在嘗試用數(shù)字孿生和仿真的方式來模擬。也可以嘗試用大模型的方式，通過給出描述，生成相應(yīng)的精確場景，緩解某些場景下自動駕駛數(shù)據(jù)難獲得的問題。

“整體來看，AIGC 現(xiàn)在已經(jīng)開始在探索向?qū)嶓w經(jīng)濟的應(yīng)用發(fā)展，但目前還在一個比較早期的階段” 林詠華判斷。

向 B 端收費還是 C 端？

然而，AIGC 的商業(yè)化落地，不得不面臨的一個尷尬的問題是 —— 如何避免走向 “廉價”。

AI 具有高并發(fā)性，注定了它的“廉價”。李笛認為，如果只對 AI 畫作收費，它很可能會進入到廉價的成本經(jīng)銷模式。因為，人是有創(chuàng)造力的，從人類設(shè)計師那得到的畫作，人可能愿意愿意付一百塊，從 AI 那得到的畫作，且不論質(zhì)量，人可能連一塊都不愿意付，因為覺得它是廉價的。AI 畫的畫可能很有價值，但人們認為它不值錢。因此如果賣的是內(nèi)容，無論是賣給 B 端還是賣給 C 端它都不值錢。而如果賣調(diào)用服務(wù)給 C 端，也很難持續(xù)。API 調(diào)用的模式是一種比較粗放的從技術(shù)源頭開始的商業(yè)化包裝方式。

內(nèi)容產(chǎn)業(yè)有一個重要特點是，它是高附加值且有區(qū)分度的，不同內(nèi)容的創(chuàng)作者定價不同，不完全取決于本身的作品質(zhì)量。但用 AI 創(chuàng)作不同的繪畫，定價是相同的，這樣容易把一個高附加值的市場“打”成一個低附加值的市場。

對于 AIGC 可行的賺錢路徑，李笛認為，如果 to C ，是走內(nèi)容平臺模式，打造一個內(nèi)容平臺，通過廣告收費。如果 to B，是用 AI Being 和企業(yè)之間進行協(xié)同。一個 AI Being 創(chuàng)作者，能一定程度對標人類創(chuàng)作者，他有“唯一性”。通過與雇主的長期磨合，雙方的審美、風格會越來越趨同。對雇主來說，他的作品質(zhì)量會越來越穩(wěn)定?！澳撤N意義上講，我們認為靠 AIGC 本身賺不到錢。我們不是在做‘畫筆’，而是在做一個‘手拿畫筆的人’，我們不是在做能畫畫的 AI，而是在做能畫畫的 AI Being。我們側(cè)重把創(chuàng)作的能力，把生成的能力賦予 AI Being，讓 AI Being 本身具有價值”。

爆發(fā)前夜

“AIGC 技術(shù)走到了一個轉(zhuǎn)折點，到了一個新階段的起點”。趙德麗認為，此前，雖然 AIGC 技術(shù)在不斷發(fā)展，但生成效果并沒有得到廣泛認可，還沒達到大規(guī)模商業(yè)化的條件。但現(xiàn)在，不一樣了。

今年，AIGC 生成的效果，包括基于 AIGC 技術(shù)推出來的應(yīng)用，大家看到，這項目技術(shù)已經(jīng)具備了大規(guī)模應(yīng)用和商業(yè)化的潛力和性能，具備了從只能在窄領(lǐng)域到更普遍場景下應(yīng)用的可能性。AIGC 技術(shù)到了大規(guī)模商業(yè)化應(yīng)用的轉(zhuǎn)折點。今年是一個起點，但還遠遠沒有到成熟的程度。

AIGC 具體在哪些領(lǐng)域能用好，發(fā)揮出商業(yè)化的價值，還需要不斷打磨產(chǎn)品和技術(shù)。例如對于文本生成圖，現(xiàn)在對 problem 的提示語要求很高，現(xiàn)在算法還做不到隨便給個描述，就能生成栩栩如生的圖片。什么樣的 problem 合適，如何設(shè)計出合適的 problem 等，都有一定門檻。

此外，像 ChatGPT 雖然展示了強大的能力，但在很多場景下還是有瑕疵，出現(xiàn)問題和答案不匹配的情況還非常多。如果對其進行商業(yè)化應(yīng)用，需要再針對具體的場景，不斷打磨和優(yōu)化。盡管它達到了大規(guī)模應(yīng)用的基礎(chǔ)，但并不是非常成熟，還達不到讓大家自由應(yīng)用的程度。

現(xiàn)階段，AIGC 已經(jīng)有了一些稱得上規(guī)模的應(yīng)用，但在實際應(yīng)用中，還存在一些問題。例如因為人設(shè)計的作品相對較貴，但人工智能的設(shè)計作品相對便宜，所以會有人利用這個漏洞，將人工智能系統(tǒng)里的大量作品改頭換面，將它搬遷到或囤積到那些原本是人類設(shè)計者的定價體系的平臺上去傾銷，最終會造成人類創(chuàng)作作品的銷量市場受到損害。AIGC 應(yīng)該避免形成這樣的規(guī)?；?/p>

熱度、爭議與未來 如何提高良品率

當前，AI 寫作、AI 作畫等 AIGC 內(nèi)容在質(zhì)量上還存在良莠不齊的問題，提高良品率尤為重要。

不過在大模型的生產(chǎn)模式下，提高良品率的方法并不多，某種意義上來講，良品率目前主要依靠翻動過程，它能夠在一定程度上降低瑕疵，但想要消除，不太可能，它不太可能是基于對大模型的修改而得到。接下來期待一個新的稱之為臺階式的技術(shù)理念出來。

提高數(shù)據(jù)的質(zhì)量是基礎(chǔ)方法之一。林詠華表示，AIGC 是針對訓練數(shù)據(jù)的融會貫通和變換，所以數(shù)據(jù)的廣泛性，數(shù)據(jù)的分布和數(shù)據(jù)的質(zhì)量都很重要。在 AI 領(lǐng)域的研究人員越來越意識到，尤其在需要大量數(shù)據(jù)訓練模型的大模型領(lǐng)域，數(shù)據(jù)起到的作用可能會比算法還大。如果希望生成的畫作精良，那需要訓練的圖片的質(zhì)量是精美的，但如果給的是小孩的畫，那生成的畫作可能還粗略停留在小孩階段。

此外就是從算法側(cè)改進算法，但改進算法本身如果針對通用場景，它可能在某些場景總是出現(xiàn)瑕疵或者出現(xiàn)瑕疵的概率比較高。很多團隊在開發(fā) AIGC 應(yīng)用時，目標不是通用場景，比如針對的是生成二次元圖像的產(chǎn)品，那需要對算法或模型進行二次開發(fā)。在這種情況下，完全有可能在二次開發(fā)的基礎(chǔ)上把瑕疵去掉，提高良品率。一般通過二次開發(fā)，且在一些具體場景下的數(shù)據(jù)做模型二次微調(diào)，可以大大提高 AIGC 的良品率。

“人工智能宣布放棄版權(quán)”

AI 作畫的一個很大的爭議點在于版權(quán)。例如，DALL-E 和 Stable Diffusion 等圖形生成類 AI 工具就被質(zhì)疑在互聯(lián)網(wǎng)上隨意抓取數(shù)據(jù)，且完全沒有考慮過任何許可或所有權(quán)限制。正是由于這種版權(quán)歸屬爭議的存在，Shutterstock 和 Getty Images 等公司禁止在其平臺上使用 AI 生成圖像。

談到版權(quán)問題，李笛表示，小冰很早就提出，“人工智能宣布放棄版權(quán)”。

通常來說，版權(quán)界定需要幾步：第一判定是不是侵權(quán)。人類作品判定侵權(quán)有明確的界定要求，比如一個作品多少比重的內(nèi)容一致，就可以判定侵權(quán)。人工智能作為系統(tǒng)，它天生就有判定機制，當它輸出作品的過程中，它自動就可以像知網(wǎng)一樣進行查重。它生成的原始圖像里，很可能存在著很多圖像跟現(xiàn)有的作品，存在相似性，如果相似性較高，侵權(quán)了，只要不把作品輸出就行。如果讓人工智能確保它給到用戶的每一個作品都是不侵權(quán)的，這件事很容易做。

第二步要有判定訓練的過程，是基于什么樣的訓練數(shù)據(jù)訓練的。但要注意的是，無論是人類作品還是 AI 生成作品，侵權(quán)的責任認定在于，這張作品是不是跟另一個作品產(chǎn)生了相似性，而并非在學習作畫的過程中學習了別人的作品及作品思想等。如果這樣，無論是人還是 AI 只要在畫畫，便會判定為侵權(quán)。從這個角度看，人工智能本身在訓練過程不存在版權(quán)責任，尤其是大模型，因為人工智能在訓練的時候，它使用的是公開的數(shù)據(jù)來進行訓練。

另一個放棄版權(quán)的原因在于，人工智能保留知識產(chǎn)權(quán)沒有意義。人工智能保留知識產(chǎn)權(quán)的一個先決條件是必須要經(jīng)過確權(quán)的步驟。目前全球?qū)τ谥R產(chǎn)權(quán)的確權(quán)方法主要是通過著作權(quán)登記，每登記一個作品，需要一筆著作權(quán)登記費用。而 AI 生成的內(nèi)容規(guī)模十分龐大，這一規(guī)則對 AIGC 來說顯然不現(xiàn)實。

無法辨別真?zhèn)涡畔⒌氖澜?/p>

很多人擔憂，隨著 AIGC 的不斷普及，未來大家將生活在一個無法辨別真?zhèn)涡畔⒌氖澜缋铩?/p>

AIGC 生成的內(nèi)容越來越多，信息的真假會成為很大的負擔。但這恐怕已經(jīng)是無法避免的趨勢，因為現(xiàn)在 AI 生成的圖片早已經(jīng)是海量規(guī)模，而且，這些 AI 生成的數(shù)據(jù)將會越來越多的出現(xiàn)在公共的資訊平臺上，這樣的時代正在快速到來。

對于用戶來說，未來將面臨判定真?zhèn)涡畔⒌奶魬?zhàn)。目前還少有比較好的解決這一問題的方法。趙德麗提出了一種標記的方法。從算法角度來說，可以做一些隱性標記，標記出哪些圖片是生成的，哪些是真實的圖片。

完全的 AIGC 可能不會出現(xiàn)

不可否認的是，AIGC 對內(nèi)容創(chuàng)作的確產(chǎn)生了重大影響。一種觀點認為，內(nèi)容生成的四個階段依次為“PGC、UGC、AI 輔助生成和完全的 AIGC”。按照這一走向，未來，AI 的終級趨向會是取代人，最后內(nèi)容產(chǎn)業(yè)將走向完全的 AIGC。

李笛對此持有相反的觀點，他認為，AI 的終極應(yīng)該是與人協(xié)同，應(yīng)該先實現(xiàn)“規(guī)?；?AIGC”再到達“AI 輔助生成”階段，當 AIGC 集大成以后，再輔助人類生成內(nèi)容。

此外，完全的 AIGC 可能不會實現(xiàn)。比如人看某個電影，是因為情節(jié)、演員、導演等多種因素。人類對作品的喜好，從來不僅僅是因為內(nèi)容質(zhì)量，即便未來完全的 AIGC 化了，可能也并不是人類想要的東西。李笛發(fā)出思考：“所以不存在 AIGC 顛覆人的可能性，顛覆的是人，實際上是驅(qū)逐了人”。

趙德麗表示，AIGC 本身是基于生成模型產(chǎn)生的能力，生成模型訓練需要數(shù)據(jù)，這些數(shù)據(jù)都是人類活動產(chǎn)生，生成的提示詞需要人來輸入，人需要做場景的設(shè)計、提示詞的設(shè)計、元素的設(shè)計等等。只不過在一些具體的場景上，對于一些固定的設(shè)計模式，比如設(shè)計成具體的圖形如紅包界面、商品素材等，可以實現(xiàn)完全的 AIGC 的方式。但整體而言，人還是 AIGC 中重要的因素。

再回到那個 AI 能不能讓藝術(shù)家丟掉飯碗的老生常談的話題 ——“讓 AI 負責生成，讓藝術(shù)家或設(shè)計師來負責審美，這兩個并不矛盾，是一個相輔相成的關(guān)系。也不存在誰取代誰，有了 AI 繪畫的輔助，藝術(shù)家會發(fā)揮出更大的能力，甚至說一些不是非常專業(yè)的藝術(shù)家，一些平民老百姓，借助 AIGC，也有可能創(chuàng)造出非常驚艷的藝術(shù)品” 李笛表示。

采訪嘉賓：（按拼音首字母排序）

百度 ERNIE-ViLG 團隊

黃民烈，清華大學計算機科學與技術(shù)系長聘副教授、博導，聆心智能創(chuàng)始人。

李笛，小冰公司 CEO

林詠華，北京智源人工智能研究院總工程師

趙德麗，阿里達摩院基礎(chǔ)視覺負責人

編輯：黃飛

?