"国内最可能涌现创业公司的机会或许在应用层，“To B方向应该最先有潜力爆发。"
作者：苏打
编辑：tuya
无论是用Stability.ai、Midjourney去生成画作，还是和ChatGPT聊天，亦或是体验Jasper.ai帮你写一篇小作文，最近的AIGC杀手级应用以及背后的大模型，“犹如冬天里的一把火”生成式AI正利用人类已有数据打开新的边界。
近期，高榕资本榕汇联合声动活泼共同发起线上研讨会，4位来自通用人工智能、3D内容生产与消费一站式平台、投资以及内容领域的嘉宾一同对话。
启元世界创始人兼CEO袁泉在对话中，就当前AIGC爆红背后的底层技术驱动进行解释时表示，目前AIGC进入到成长期，AI生成图、生成文字、生成代码、生成音乐等都在快速发展，同时能够辅助人做一些提升效率的工作。
“OpenAI的成功不是偶然的，我们总结为‘三个5’:5年时间、50个对AGI（通用人工智能）最有理解力的人、5亿美元的算力。”袁泉认为。
据高榕资本投资合伙人刘新华透露，在海外，AIGC不只是大厂的机会，也新起了很多创业公司。一类公司偏底层，在新场景中孕育大模型的突破，基于DALLE、GPT等产生很多新的模型；另外是在应用层中，出现很多新公司，包括生成文字、图像、视频、代码、3D模型等等。
与此同时，“国内所有创业者都将受益于生成式AI的创新和生态。大模型的涌现和指数级的能力迭代，以及开源社区的繁荣、API的大量开发和开放，都会让中国的创业者从中获益。而且大模型的泛化能力和通用性极强，无需对场景和模型重复训练（即Zero-shot），由此而来的低成本准入门槛、数据飞轮效应和广泛的场景适应能力，都能让国内的创业者可以在巨人的肩膀上做组合式创新。”
「创意浓度越高，生成式AI越有机会」
几年前，用机器学习的方法（例如GAN）生成图像的能力便已初现。但由于效果所限，并没有与今天最热的“文生图”功能联系起来。
“AI作画的进步是CV与NLP两个子领域交叉带来的结果。图像生成技术领域，此前GAN、Imagen AI等生成式模型，本质原理是已经有了一个图像，经过深度学习神经网络处理，生成另外一幅内容相似的图像。”元象XVERSE技术合伙人黄浩智在对话中表示，AI作画之所以吸引人，是因为人们可以通过比较自然的语言描述就能生成相应的画作，而这背后是大规模预训练语言模型的“功劳”。
在被问及“观察AIGC创业公司重点关注哪些能力与指标”这一问题时，刘新华表示，从投资角度看，判断某个领域是否达到爆发临界点，高榕会关注典型产品是否达到了产品市场匹配（PMF）；在生成式AI这样的前沿领域，还会进行“在PMF之前，哪些场景达到了AMF（AI Market Fit）”这样的前置判断。
其中，AIGC达到AMF，有两个重要的维度。首先，AI的能力基本达到了人类专业工种60%-70%的水平，即人类可用的标准。其次，基于AI的工具容错率高，能提供可编辑性。在这两个维度上，用户量级大、数据可得性高、商业价值高的市场最容易爆发。
“这次AIGC浪潮中大火的应用有一个重要共同特征是，越是在创意浓度高的市场中，生成式AI反而最有机会。这一点是反共识的。”刘新华认为，因为这些领域容错率高，人类没有严苛单一的审美标准，愿意接受多样性，另外工具提供较强的可编辑性让人类方便进行二创。
除创意工作外，未来生成式AI在游戏、建筑设计、新药研发、新材料发现等创意发散性高、容错率高的领域，可能也会存在机会。
面对市场中针对AIGC“准确率”的疑虑，刘新华表示，那些热度很高的AIGC公司首先准确率已经达到可用的阈值，“我个人观点是，如果要进一步持续提高AIGC的可用性，社区驱动下数据与模型协同的增长飞轮非常重要”。
如今，比较火爆的Jasper.ai、Stable Diffusion等，社区都非常繁荣。用户社区不断为模型贡献数据，新数据带动模型进一步进化，从而实现好的体验、吸引更多用户，形成了数据的网络效应和用户的网络数据，二者相互促进，不断带动增长飞轮。
SaaS类AIGC公司或将在国内「先跑出来」
在谈及国内AIGC的创业生态时，多位嘉宾认为，To B方向将成为最有希望爆发的前沿。
相较于国外，“国内会形成不一样的创业公司生态。底层平台的创业难度相对大，但也的确存在国产替代机会，特别是在本土数据特别丰富的场景中。”刘新华坦言。
此外，在一些新场景中的底层平台，国内创业者也有创新机会，例如3D场景、游戏、制造业、建筑业等。
他认为，国内最可能涌现创业公司的机会或许在应用层。“To B方向应该最先有潜力爆发，例如海外这一波生成式AI公司中商业化最成熟的Jasper.ai就是SaaS模式，瞄准有高频、大规模文字生产有需求的营销、自媒体、电商等细分场景。”
而To C方向，可能会涌现下一代抖音/快手/腾讯视频的机会，但可能更多是大厂的机会。同时，生成式AI还有一个有趣的方向个性化模型，未来，每个人可能都能拥有自己的模型，带来AIUGC的浪潮。例如一位网红，可以基于过往的视频训练自己的模型，未来可以根据模型生成极度个性化、极度个人风格的内容。
“我们判断，国内第一波出来的AIGC公司应该是SaaS类的。”袁泉表示。
但他同时表示，在某些场景下，To B和To C的界限在快速模糊化。“随着AIGC能力的大幅度提升，单个用户每个月的消费可能就是几十块钱，购买决策成本很低。用户觉得这个工具对自己提升效率，或者写作、画画确实有用，就购买了。”
针对希望利用AIGC获得成长和机会的非AI技术公司，黄浩智建议，要结合自己的行业去思考独特方向。
“例如我是做服装品牌的，能用AIGC做什么？原本不知道应该生产什么样的衣服销售效果好，我可能就去设计一下prompt，描述一下这件衣服长什么样，生成图片，从中筛选去小批量投放广告，根据数据反馈帮助后续设计的决策”。
如果是技术能力上更强的公司，可以先决定自己的输入和输出。“因为一些数据源只有某些公司才有，而且今天大家可以利用云训练资源去训练自己的模型，输出的就是特定领域的内容。值得一提的是，输入的内容可以不只是自然语言描述，还可以是数据分析描述、法律文书等等”。
