<button id="i4rrk"></button>
    1. <em id="i4rrk"></em>
      <rp id="i4rrk"><object id="i4rrk"><blockquote id="i4rrk"></blockquote></object></rp>
    2. <rp id="i4rrk"><object id="i4rrk"><input id="i4rrk"></input></object></rp>
      投中網
      搜索
      公眾號矩陣
      • 超越J曲線

      • 燃點新消費

      • 氫元子

      • 象三一

      • CV智識

      • PropTech研習社

      • 東四十條資本

      • 投中網

      登錄 | 注冊
      投中網  >  業界動態  >  正文

      創·享 CGC-XView|AIGC專場回顧

      華創資本   |   華創資本
      2022-12-02 14:22:39

      一場AIGC帶來的奇幻革命

      圖片

      AI-generated content(AIGC,即“AI生成內容”),被認為是顛覆現有內容生產方式的新一代技術,2022年8月,在美國科羅拉多州舉辦的新興數字藝術家競賽中,參賽者 Jason Allen 提交了一幅使用 Midjourney 完成的 AI 生成繪畫作品《太空歌劇院》,他沒有繪畫基礎但卻獲得了“數字藝術/數字修飾照片”類別一等獎,引發了全球科技界對 AIGC 的熱議。

      應用層快速爆紅的背后則是預訓練大模型的突破性發展。2020年5月 OpenAI發布了 GPT-3 語言模型,1750億參數的 GPT-3 在問答、摘要生成、文本生成上展現出極強的通用能力;2021年,OpenAI 為致敬《WALL-E》以及超現實主義畫派達利,推出了新型人工智能模型 DALL-E,并快速優化到第二代。2022年9月20日,百度首次發布“2022十大科技前沿發明”,跨模態AIGC 上榜。(編者注:跨模態通用可控AIGC提出語言與視覺統一的理解與生成模型,創新提出融合知識的生成,實現了文本生成、圖像生成、視頻生成、數字人生成的實用化跨越??蓱糜趫D文轉視頻、高精度數字人生成、文生圖等創新領域,大幅提升內容生產效率。)

      隨著海外迅速進入商業化和 VC 熱捧的 AIGC 應用公司 Jasper AI、Copy.ai、Stability AI 等受到真實熱烈的用戶好評,以及被稱為“模型屆的Github”的Hugging Face 的開發者生態崛起,AIGC正在逐步探索性地進入真實工業生產鏈條,應用到營銷、游戲、代碼、生命科學等多個領域。

      11月19日,創·享 CGC-XView AIGC 專場線下閉門會,來自大廠、創業公司、學界以及投資機構的朋友們齊聚一堂,圍繞“生產力的范式轉移:一場AIGC帶來的奇幻革命“進行了熱烈的討論。

      本文摘取了當天討論部分精彩內容,分享如下:

      Outline:

        • AI 是否真正進入應用爆發的時代,從研究模式轉變為商業模式?

        • AIGC 在文字、圖片、視頻等領域,能給業務流程帶來更深刻的改變嗎?真實生產環境中的部署會碰到什么問題?

        • 模型開源化,下游及垂類應用將如何差異性發展自己的優勢?

        • 國內生態環境下,大廠會各自建立AI模型,還是會有中國的 OpenAI?

        • 海外由英偉達主導 GPU 和人工智能硬件,國內面臨“芯片封鎖”等問題該如何應對?

        • AI 下一步有機會大幅提升效率的會是什么領域?挑戰在哪里?

      Q1. 

      中國會誕生自己的OpenAI 嗎?

      黃民烈:

      聆心智能創始人。自然語言生成、對話系統領域專家、清華大學計算機科學與技術系長聘副教授

      中國和北美的商業和科技環境不一樣,OpenAI這種技術見長的公司需要很多特別牛的工程技術人才,同時也非常燒錢。Open AI 現在收入應該比較少,遠遠覆蓋不了支出,需要雄厚資本的支撐,這樣的資本投入在中國還是挺難復制的,需要有遠見的資金方支持。從技術層面來講,中國人的技術不亞于歐美。在本土化實踐技術、中文大模型等方面,我們甚至某些方面領先。

      鐘凱祺:

      某大廠數據科學家

      AI 技術的創新本質上是開創性的工作,背后一定要有一家大型的公司做資金支持,因為它是燒很多錢卻看不到明確短期收益的事。如果要在國內做,問題就是誰來出錢。目前國內大廠暫時都更在乎經濟上的表現。AI 技術需要短期內用大的資本投入去引領未來開創型的模型,用短期的投入換10年后千倍收益的事。我理解大廠們現階段很難是引領者或規劃者,可能更多是技術追隨者。當技術相對明確后,大廠的優勢是能夠快速跟上,找到落地場景,做大規模的落地,從而轉變為企業內部價值和用戶價值。

      胡家康:

      就職于某大廠,負責AIGC/大模型相關的戰略和投資

      在我們的 2C 應用里,已經有不少內容是 AI 生成的了,甚至有一些廣告的文案的撰寫已經在大規模落地使用 AIGC 技術。我理解我們做這事的一個優勢就是,投入資源做出來的一個大模型,它在內部是可以帶來價值的。對外的價值點在于,一是,面向創作者或者廣告主提供生產力工具;二是,技術引領;三是,開放API接口給應用層。不管做 GPT-3 還是 DALLE2,其實都是開放了一個 API 接口,讓大家做應用。

      Q2.

      當下是否到了應用大爆發的階段?

      陳雨恒:

      rct AI創始人&CEO

      我在硅谷,接觸的大部分投資人都很看重商業化落地,非??粗仨椖康膍etric,以及是否有很好的應用場景切入。例如,jasper.ai 是具有標桿性的,它的增量做得非常好,一年收入做到了9000多萬美金。我覺得未來5~6個月的時間,甚至是明年下半年,市場上才能迎來在產品側或者商業側的小高潮。大家還需要時間和資本來持續投入,總得來說行業都在追求實際的商業價值。

      閆俊宇:

      計算機在讀博士,北航 VR 國家重點實驗室

      從去年開始,學術界在多模態和 AI 生成方面有了比較大的突破,并且開始迅速迭代,一步步向業界演化滲透,今年上半年國內外很多比較好的案例和產品被快速推出,年中伴隨著紅杉美國的報告,AIGC 在資本界迅速爆紅,這里有明確的過程的演化。同時,如果我們橫向看,去年底開始AIgenerativemode在不同的領域中也同樣迅速發展,比如在蛋白質設計和電路設計等都有了徹底超越傳統方法,并且可以應用于實踐的 AI based mode。但在迅速發展的同時,我們也能看到這些尚處于相對早期,技術擴展是需要時間的。從理論、學術領域向其它領域拓展需要時間,從一個學術領域向其它服務領域的拓展的過程,也需要時間?,F在最能夠容易看到和離產品最近的,比如娛樂產業方面。向更深的工業領域滲透,塑造更大的變革不會是一蹴而就的。從現在開始算,明年下半年以及往后是一個持續擴張的浪潮,這個浪潮同時伴隨著橫向領域和縱向深度(和模式)的拓展,大家還是要從兩個方面都進行關注。

      王思捷:

      啟元世界戰略副總裁

      AIGC 應用的場景拓展,可能跟 unity/Unreal 有點類似,先在某一個比較直接的場景落地,比如游戲,再拓展到其他相似的數字孿生領域。啟元提供的游戲策劃端離線工具,可以用深度強化學習技術輔助策劃生成游戲關卡、數值,也已經用到生成式大模型生成對話和做劇情創作。我們也在研究現在最火的文生圖,如何真正地跟游戲美術結合在一起。文生圖看上去很好,但可能對游戲美術畫師來說沒有多大價值。在整個生產流程中的前10%,即創意階段,會有一定的參考作用,但仍無法嵌入到游戲美術生產流程,完整替代某一個環節。舉個例子,比如線稿透視筆觸,現在的技術根本無法在這個維度上去做調整,AIGC 還理解不了。所以我目前感覺文生圖大規模商業應用并不會那么快,未形成和場景的深度耦合。

      Q3.

      真實生產環境中模型落地的問題,是否有解決方案?

      黃民烈:

      過去兩三年,技術得到了很大的發展。AI 模型在對話、智能寫作、圖像生成等領域已經接近甚至超過人類的水平。今天我們已經具備了做商業落地的可能性,找到比較好的場景。我們處在一個非常好的起點和時機,跟一些特定應用場景結合起來落地,商業路徑上也會比較順利一點。

      閆俊宇:

      從商業的角度來看,關鍵是用好現有的技術水平解決需求,解決市場需求是第一位的。模型不能落地說明這個 PMF 是偽擬合的,這根本上不只是技術的問題,是商業邏輯就有問題。技術的發展是連續的,是一步步積累的,把需求的解決,寄希望于新技術的突然爆發是比較冒險的事。但整體而言,AI 在越來越多的領域展現了可喜的進步,一個階段的技術可以做出一個階段的產品,滿足一個階段的需求,如果目前落不了地,那就去看看能用哪些落地的模型去解決其他問題。目前大型的工程,雖然使用了大量的數據,每個模塊做了很多精巧的調整,看起來能解決很多通用問題,但是模型的作用、意涵、能解決哪些問題都是非常明確的,不能指望模型變大了,解決的問題更多更綜合了,就更好落地了,落地不落地也不能單純從技術側去討論。而且創業公司也不是要解決模型層的問題,是要解決技術和需求匹配的問題。

      Q4.

      下游具體的場景和用戶的數據是非常重要的。大廠的數據優勢是否有助于解決方案?

      鐘凱祺:

      我理解當下 AIGC 的模型,創業公司也好,大廠也好,做的都是用產品去適配,讓 AI 和人類之間能更好地互相理解,包括有很多 Prompt Engineering 的庫,其實也試著在人類和 AI 之間搭橋,短期之內的突破肯定是來自于產品上的演進。

      技術側可以突破的點有兩個,一個是可控性,一個是可解釋性。當下的 AIGC 還有一定的黑盒性質,可控性決定著在工業的生產下,更加精準和穩定??山忉屝?,可以部分幫助解決版權問題。AIGC 有一個很重要的關鍵點,就是版權和確權很多時候會出問題。過去的5年,研究深度學習的人越來越多,如果把數據資產和數據的確權的問題給解決好,是一個比較重要的方向。

      胡家康:

      我們去年年底已經發布了文生圖,還有文本生成的 demo,但當時用戶量不及現在。今年4月份這一波火了之后,大家的應用場景越來越多。這個領域技術迭代的加速度非常之快,吸引了更多的創業者進入,相信大家會碰撞出更多的想法。

      這個領域是一種全新的應用形態,對產品經理是個非常大的考驗。整個創業生態一起探索創新,會給技術一個加速度。從技術迭代到應用玩法的加速度,這兩波疊加在一起,我們是非??春眠@一波機會的。

      Q5.

      垂直應用的差異性壁壘在哪?

      于春景:

      心識宇宙研究院院長

      對比現在基于大數據、神經網絡或其它單一進路的人工智能,我們一開始就想做一個通用的數字心智系統,像人一樣,它能夠從內在系統上溝通所有的信息,所有的感官輸入,包括所有的單點任務 AI 能力,這是我們做的底座。我們推出了一個小程序,叫萬物總動員,任意掃一個物品,跟物品進行對話,運用的就是我們一部分的開放式對話能力?,F在的預訓練大模型是一個類似人的直覺系統,很簡單,但數據量很大,類似一個潛意識系統,但沒有像人的語言智能或推理智能,本質一種被動的統計學習。它沒有像人那樣的工作記憶系統(Working memory),在一個全局空間(Global Workspace)有自己的人格和記憶、或像自我意識那樣的念流。比如你和很多機器人對話,上一句跟你很親,下去問問我是誰,他不認識你了或和前面無關了。這就是我們研發MindOS 系統,相信過不了多久大家就能像捏人一樣捏心了。其實相比于今年Yann LeC un 或其它幾位AI大佬提倡基于世界模型的自主通用智能或NeuroAI,我們很早就開始涉及我們稱之為 MindAI 方面研究,專注于虛擬人心智的賽道。在我們看來它最關鍵是這樣一個內在心智系統底層,加上外部跟別人的開放交互和實時數據輸入。我們把兩部分結合起來,就相當于把神經 AI 、任務式AI 、AIGC、C端流量等系統統一到一個界面,這就是我們致力于打造的壁壘。

      李文玨:

      聆心智能聯合創始人

      我們底層確實用了大模型,也不只是用了大模型,對話會比文圖或者寫作更復雜、更難一些,但大模型只能提供比較基礎的對話能力,但如果我們要提供支持靈活定制的靈魂引擎,還需要知識、情感、個性等額外的關鍵技術。比如,知識表示和知識融合;情感分兩個方面,一要是能夠識別說話人的情緒和背后隱藏的意圖,就是言外之意。最難的是機器人的個性和風格,比如是霸道總裁型或者是溫柔型等等。我們希望每個 AI 智能體都能有“靈魂”,那就是 TA 要有思想、見識、有觀點、態度,有個性和風格。

      陳雨恒:

      歐美的大廠和創業公司之間的生態比國內更成熟一些。其實是分兩個方向,一是做基礎設施型、平臺型的,以技術為重;另外一種是應用場景,明確解決某個場景的需求,并用現在的技術就能夠解決。產品做增長,有增長就有數據,數據的積累跟社區也是分不開的。

      硅谷的創業氛圍,特別對早期的用戶,通常是建立一個社區,通過社區形成付費用戶群體。有一些創業公司在非常垂直的且定義清晰的場景里做產品,非常清楚這個場景面對的用戶群體,基于用戶增長有了數據,有了數據就可以轉化,逐步建立起忠實的客戶群之后,它在這個特定場景積累的數據就是它的壁壘之一。我覺得 AIGC 公司大部分都是在找這樣一個特定的場景,解決細分的需求。例如 Replika,2019年給國內的朋友看,當時他們一個月大概賺2-3萬美金,只有幾千個付費用戶,2021年已經超過1000萬用戶,說明已經圍繞一個忠實的付費客戶群體發生了顯著的增長。所以我覺得核心還是圍繞增長,基于數據的基礎上建立自己的壁壘。

      Q6.

      聽起來數據決定了壁壘。那么,擁有數據優勢的大廠,壟斷性威脅是否存在?

      胡家康:

      國外已經形成了比較明確的分工體系——OpenAI 提供技術模型 GPT-3,創業公司在上面翻新模型,得到返回數據,不斷優化模型,在技術上形成競爭力和壁壘。我們也希望中國能夠走出這樣的模式,比如有幾家企業集中地買好服務器、資源,做好性能優化,把基礎模型做好點,提供給應用層公司。應用層公司再基于自己的板塊數據和場景,把模型翻新得更好,這是一種更良性的生態。比如文生圖的應用,已經開始和垂直行業做結合。

      Q7.

      芯片封鎖會是未來發展的潛在瓶頸嗎?

      閆俊宇:

      影響是實際存在的,但這可能不是國內某一家商業公司能夠突破的。目前,對創業公司而言,短期還好(規模、體量、時間尺度)。體量上,創業公司需求并不大,或總能有方法來滿足相關的標準;而且其中變數較多,影響的是方方面面。但對創業公司來說,目前面臨的主要問題不是顯卡,創業公司做不好不能賴顯卡。

      陳雨恒:

      撇開技術本身,這個問題不是我們能討論得出來的,作為創業者聊這個問題沒有意義。假設這個事情一定會往極端的方向走,我覺得更需要像百度、華為這樣的公司,在國內建立完善健康的開發者生態,再去服務創業者。所以不如做好分工,把生態上下游都建立起來,而不是所有人都去想著解決終端需求。

      Q8.

      AI行業的下一個機會在哪?

      王思捷:

      不斷給成熟技術找到真正剛需的具體場景。啟元之前主要是在數字娛樂場景和一些科研項目中,后面會探索包括元宇宙、數字人等,這也是游戲公司包括3D 引擎公司本身在破圈探索的領域。AI 公司重要的是形成可以由用戶自助使用,可規?;瘮U展的產品,不一定要純 to C,比如 Jasper.ai 生成營銷文案,很難說到底是 C 端還是 B 端的工具。

      趙億陽:

      云知聲聯合創始人、首席戰略官

      我想到三個關鍵詞。

      第一個是時間感。人工智能的概念至今差不多 60 多年了,并不是從 AlphaGo 戰勝李世石開始的,要看在19世紀60年代、70年代、80 年代、90 年代發生了什么,時間是連續性的,大家通過自己正在做的事情可能會有一些啟發。

      第二個是空間感。我們屬于中國的創業公司,在本土發展時,一定要符合國情。除了中、美以外,也可以關注一下印度、一帶一路沿線國家在發生什么,這些市場可能也有屬于自己的 AI 創業機會,而這些機會也許在商業上非常好復制中國5 年前、美國10 年前的道路,這是個非常大的機會。

      第三個是系統觀念。我們非常在乎業務和收入怎么落地?,F在環境變了,客戶結構發生巨大變化,必須清楚我們的客戶是誰?他們在哪里?這是生命線的問題;第二,以我們的基因能夠提供什么樣的產品靠近客戶;第三是方式和方法,短期之內,個人建議可以關注以場景為中心的知識圖譜產品。

      黃民烈:

      從智能的角度來講,感知智能、認知智能,最后才是 通用人工智能 AGI,AGI的最終目標 就是無障礙的人機交互?,F在文生圖已經非常卷了,一些非常低成本的工具開始出現。如果聚焦未來1~2 年,Character.ai 已經是很好的樣板了,可以關注認知智能這個方向,尤其中文對話,中文比英文更難做,在技術上我們大概有0.5 年的技術滯后,英文做得比較好才會反映到中文上。但我們中文對話的能力已經在世界上領先,超過了 Character ai 的中文能力。


      網站編輯: 郭靖

      0

      第一時間獲取股權投資行業新鮮資訊和深度商業分析,請在微信公眾賬號中搜索投中網,或用手機掃描左側二維碼,即可獲得投中網每日精華內容推送。

      發表評論

       / 200

      全部評論

      —— 沒有更多評論了 ——
      —— 沒有更多評論了 ——
      聯系我們 歡迎投稿
      • 投中網
      • CVS投中數據
      1. 創新經濟的
        智識、洞見和未來

      2. 投資人都在用的
        數據專家

      返回頂部
      爆乳操逼大黄视频