2023年的第一波冷水，浇向AIGC

来源：“财经无忌”（ID：caijwj），作者：山核桃

图片来源：由无界版图AI工具生成

如果要问科技圈最近最火的话题是什么？AIGC无疑是创业者与投资人们最关注的话题。今年8月，在美国科罗拉多州举办的新兴数字艺术家竞赛中，一位毫无绘画基础桌游公司老板提交了一幅用Midjourney完成的AI生成绘画作品《太空歌剧院》，随即引发了一场人工智能与艺术家之间的大论战。

引发“唇枪舌剑”的不仅是AI绘画，随着应用场景的扩容，人们对AIGC技术的商业化潜力逐步从偏C端的娱乐游戏，拓宽至工业、金融、医疗、教育等2B领域。那些AIGC的拥趸者试图将其理解为打开元宇宙大门的“魔棒”，是继PGC和UGC之后，新一轮内容革命的生产力工具。

然而，在这根“魔棒”所点燃的浪潮下，从实验室里走出的AIGC可能并不如极客们想象中那么美好，不管是与国外底层技术能力的差距、产品形态的同质化、单一的商业化场景，还是所面临的版权与伦理问题，种种迹象都在表明，AIGC仍尚处萌芽期。

本文主要围绕AIGC解决以下三个问题：、

1. AIGC为何会兴起？

2. 抢滩AIGC的大厂与创业者，进行到哪一步了？

3. 为什么说AIGC是一场属于“冒险者”的游戏？

01 AIGC爆火的三要素：技术、需求与产业链

时间拨回2019年，在世界人工智能大会上，马云与马斯克曾针对“机器与人到底谁更聪明”这一问题展开一场精彩的辩论。作为新技术的狂热爱好者，马斯克理所当然地认为人工智能比最聪明的人还要聪明，而马云则认为“人类足够聪明，AI不是一种威胁”。

“双马”之间的battle，某种程度上可以代表当下人们对AIGC的两派观点：一类将AIGC视为生产力工具，是web3.0时代的基础设施；另一类，则对新技术抱着观望与怀疑，认为其与大多数元宇宙技术一样，不过又是一场极客们的狂欢。

尽管，目前人们对AIGC技术究竟是什么，依旧没有形成广泛的共识，但仅用其英文翻译（AI-Generated Content），即“利用人工智能技术来生产内容”，并不能准确理解AIGC。

参考学界以及业界的诸多观点，AIGC其实并不是一门单一的技术，也不是一类具像化的产品，其本质是利用AI赋能技术而形成的一种高自由度且低门槛的内容生产能力，而这种能力将服务于各类场景中的创作者与生产者。

事实上，AIGC并不是新鲜事物，人们所熟悉的DeepMind、会作诗的微软小冰以及近期横空出世的ChatGPT，都可被视为AIGC发展过程中的重要节点。

那么，一个关键问题产生了，既然不是新鲜事物，那为什么AIGC会在2022年突然受到人们的关注？核心原因其实在技术、需求与产业链的共同驱动。

首先，深度学习技术的快速突破，可商用的成熟技术起着“临门一脚”的关键作用。

在深度学习模型的迭代上，AIGC最早出现的深度学习模型为“对抗生成网络”GAN，尽管曾被称为“21世纪最强大的算法模型之一”，但也存在着生成图像分辨率较低、新图像创意不足等问题。而诞生于2021年的CLIP模型由于能够同时进行自然语言理解和计算机视觉分析，实现图像和文本匹配，也为后续AIGC应用的落地打下了基础。

来源：招商证券

到了2022年，Stable Diffusion扩散化模型的出现与正式开源，直接推动了AIGC技术的突破性发展。简单来说，Diffusion模型其实实现了两方面的突破，一是更成熟的深度学习模型能让AI可以快速、灵活地生成不同模态的数据内容。二是，这一训练好的模型大大降低了AIGC创业的门槛，更多的生产者与创作者可以借助这一可商用的开源工具，立足不同的应用场景做更多的事。

其次，是需求端对AIGC的追捧，AIGC恰好能弥补供给与需求端的这条“效率鸿沟”。

我们可以将创作者生态的发展分成三个阶段：专业生成内容时代（PGC）、用户生成内容时代（UGC）以及即将到来的AI生成内容时代（AIGC）。

在PGC时代，尽管专业化的内容能够为用户带来极佳的体验，但由于生产成本较高，产能往往跟不上需求。

而另一边，由此诞生的UGC模式能够大大降低生产成本，也能解决PGC的产能瓶颈，但海量内容参差不齐，尽管生产成本降低了，但用户对于优质内容的搜寻成本却在持续提升。

换句话说，一边是生产成本，另一边是搜寻成本，供给与需求的生产效率都有极大的提升空。而借助AI，一方面能够通过持续深度学习提升内容的专业性，另一方面也能辅助专业创作者，提升创作效率，供给与需求端的这条“效率鸿沟”也因此被缝合。

以ChatGPT为例，除了能更好地“效率鸿沟”外，我们能够确定的是，AIGC已具备很好的内容总结能力，去帮助人们一些具体问题。