科技企业怎么都开始卷AIGC了？

作者：陈彬

来源：饭统戴老板

一场始于艺术的“风暴”，已经席卷到了一级市场。8月，由AI创作而成的绘画《太空歌剧院》在一场艺术大赛中获得头奖，一时间全球哗然。当人们讨论“画师会不会因此失业”时，VC却嗅到了机会。

《太空歌剧院》

9月，红杉发表了一篇题为《Generative AI: A Creative New World》的文章，盛赞“生成式AI”巨大的商业应用潜力，且很快会出现“杀手级应用”。而该文的署名作者GPT-3，正是个生成式AI。

生成式AI的主要功能是创作内容，包括绘画、文章、音乐等等，走的是文艺青年路线。而过去人们所熟知的多是分析式AI，擅长各类数据分析工作，是一个木得感情的运算机器。AI从“工具人”摇身一变，开始大搞艺术，催生了一个全新的领域——AIGC，即AI内容创作，眼下极具话题度的AI绘画正是其中一个赛道。

随着红杉等头部VC对AIGC愈发关注，原本曲高和寡的AI产业也热闹了起来。这些翻天覆地变化的背后，AI产业到底经历了些什么？

进化：AI的革新

AI绘画之外，更多其他类型的AIGC产品也在走入日常生活。前些日子，著名AI实验室OpenAI推出的AI聊天机器人ChatGPT爆红，上线五天已有100万用户。它是开头提到那位AI写手GPT-3的升级版，内容风格更适配聊天场景。从写作、绘画，再到聊天，AIGC迎来了井喷期。

当下种种繁荣，是AI产业近十年积累产生质变的结果——更强大的工具、更优秀的模型，以及更丰富的数据，三者缺一不可。

在工具端，随着AI产业逐渐挖掘出GPU的潜力，AI研究成本得以大幅下降，成功摆脱了“只烧钱不赚钱”的瓶颈。

此前AI产业主要使用的工具是CPU——特长是复杂的运算，但单个CPU效率不高。所以2012年AI科学家吴恩达搞研究时，需要同时用上16000个CPU，约等于四五十个网吧的规模，花掉了足足100万美元成本。但研究者们后来发现，AI运算实际相当简单，用“高智商”的CPU实在屈才。

用上16000台CPU后，AI终于能识别出猫的样子

相比之下，GPU虽运算能力弱，堪比“三年级小学生”，但在AI领域完全够用；更重要的是，GPU的效率极其拔尖。吴恩达后来算了笔账：如果把当年实验的工具换成GPU，只需要12个，成本骤降。

此前，AI产业曾两度步入黄金时期，又两度陷入停滞——第一次遇到的问题是算力不足，第二次是成本过高。但GPU的出现，堪称一石二鸟：不仅成本更低，且算力仍能保持周期性提升，这构成了新一轮AI黄金时代的基石，也替AI模型快速迭代提供了基础条件。

AI模型是各种应用构建的地基。近十年，AI模型屡屡迎来技术性突破，成功让AIGC从科幻小说照进现实。例如2015年，谷歌在一篇革命性的论文中，介绍了全新发明的transformers神经网络架构——而这正是GPT-3和ChatGPT的基础。至于讨论最多的AI绘画，其模型更迭速度更快：

2014年，吴恩达的学生Ian Goodfellow有了重大突破——他设计出了生成式对抗网络GAN。其原理简单来说，是给负责创作的AI增加一个“审核员”，让创作者和审核员互相内卷，以此生成更高质量的绘画。这套模型后来被广泛使用并不断改良，其作品后来更通过了著名的图灵测试——这意味着AI已经初步具备人类智能。

2021年，OpenAI实验室又更进一步，开源了全新的深度学习模型CLIP——其颠覆性在于，AI变得能够将图片和文字，这两个不同维度的数据关联在一起。

CLIP的意义相当重大：过去种种AI绘画模型，多是依靠输入海量图片数据来生成绘画作品；CLIP的出现，意味着人们可以通过输入关键词来生成对应图片——而这正是如今席卷全球的AI绘画应用的地基。

昆仑天工AI绘画作品

CLIP模型的“魔力”，是经由40亿个具有文字标签的图片数据反复训练的结果——这些数据全部搜刮自互联网的各个角落。日益浩瀚的互联网数据海，构成了AI产业快速发展的第三个条件。

上述三重Buff加持之下，AI行业一脚油门驶上了高速公路，闯入了公众视野。但对整个AI产业而言，技术突破只是解决了第一道障碍；除此之外，AI产业还有另一个长期困扰的难题。

突破：商业与价值

2020年初，著名工程与机器人设计公司波士顿动力正面临第三次“卖身”，买家将会是韩国现代汽车集团。短短8年时间，该公司已从谷歌、软银再到现代汽车“三易其主”，颇有种烫手山芋的既视感。