?撰稿丨千山

今年以來，AIGC迅速崛起。

所謂AIGC，即AI-Generated Content，指的是利用人工智能來生成內容，被認為是繼專業產出內容（PGC）、用戶產出內容（UGC）后的新型內容創作方式。不久前掀起熱議的“AI繪畫”就是AIGC的一個典例。

在這一技術賽道，不僅有諸多老牌巨頭持續布局，甚至已經跑出了幾家估值逾十億美元的獨角獸。

10月18日，Stability AI宣布獲得1.01億美元的融資。它正是開源界“當紅炸子雞”文本到圖像生成器Stable Diffusion的背后公司。

10月19日，主打文字生成的AI初創公司Jasper宣布完成1.25億美元的A輪融資，估值達到15億美元。

此外，據統計，8成AIGC概念股前三季度實現盈利。創投圈無疑對其青睞有加，可以說一時風頭無兩。

這個不算新的概念為什么突然就火了？

1.為什么一夜爆火

從表面來看，一切似乎肇始于在今年8月于美國科羅拉多州舉辦的數字藝術家競賽。一幅名為《太空歌劇院》的繪畫作品獲得了數字藝術類別冠軍。消息一經公布就引發了諸多爭議。

Théatre D'opéra Spatial（太空歌劇院）@百度百科

爭議焦點就在于，這幅作品是游戲設計師杰森·艾倫（Jason Allen）利用AI繪圖工具Midjourney生成。雖然艾倫對其又進行了潤色，但這一點顯然不足以平復爭議。

關于“AI繪畫是否會取代畫師”、“AI是否會導致藝術之死”的討論迅速升溫，事件發酵后，更多人則陡然發覺：原來AI繪畫的發展水平已經到了十分驚人的地步。

其實早在去年年初，OpneAI推出的圖像識別系統CLIP和語言模型DALL·E就是一個非常重要的信號。之后，AIGC領域就開始遍地開花，除了AI繪畫之外，AI寫作、AI編程工具也相繼涌現。

今年以來，Disco Diffusion、Midjourney、Stable Diffusion等AI輔助工具陸續走紅，更不用說國內外大廠在這一領域的不斷深耕：

• 谷歌Brain接連推出了AI繪畫工具“Imagen”和“Parti”；
• 微軟亞洲研究院發表了無限視覺生成模型 NUWA-Infinity；
• Github 的AI編程神器Copilot可以根據海量的開源代碼生成子模塊供開發者使用；
• OpenAI正式開放了DALL-E 2的程序接口；……

AIGC的爆火看似突然，實則也經歷了較長的蟄伏期，而《太空歌劇院》碰巧成為了那根讓其“一朝成名天下知”的引線。歸根結底，多重因素的加持才讓AIGC在今年名聲大噪。

首先，技術層面達到了一定水平，尤其是生成擴散模型和多模態預訓練模型等技術的發展進步顯著，讓AI可以迅速生成不同模態的數據內容，能廣泛用于內容生成、編輯和輔助創作。

然后，市場需求驅動著內容生產方式的演進。人們對內容的需求快速增長，內容產業也需要相應升級。PGC制作門檻較高、質量有保證，但生產周期較長，UGC降低了生產成本與中心化程度，但質量往往參差不齊，而AIGC在某種程度上兼顧了產能和質量，可以被視作是內容生態在發展過程中的新一輪范式轉移。

再者，經濟下行的大環境讓技術更趨向于務實的應用。后疫情時代，降本增效成為諸多企業努力的方向。生成式人工智能恰恰可以滿足個人和團隊在創意輔助上的提效需求。

最后，不得不提的是，Stable Diffusion的開源所產生的的破圈式效應。作為一款文本到圖像生成器，Stable Diffusion不僅開放了程序，還有其已經訓練好的模型，這意味著其允許后繼的創業者們使用開源框架構建起更加開放而生猛的內容大生態，這為更廣泛的C端用戶的鏈接提供了可能。

2.引爆畫師圈的“搶飯碗”之憂

盡管AIGC在設計、繪畫、寫作、編程等領域均有了一展身手的空間，但關于其本身的質疑卻從未中斷。“AI繪畫”相關話題甚至一度登上眾多平臺的熱搜榜單，成為名副其實的流量密碼。

在畫師圈呈現出了兩極分化的巨大差異。有人抱著抵觸或警惕態度，也有人坦然接受甚至愿意主動接觸。

反對者們認為，不知疲倦的AI“10秒可以出一幅畫，而我卻需要幾天”。從短期來看，它的出現會擠占一大批中低層畫師的職業空間。長期來看，會導致繪畫圈的嚴重斷層，到最后存活的只有“大佬”。

更有甚者，提出了這樣一個觀點——“繪畫”已經是行業中比較具有不可替代屬性的職業技能了，如果畫師能被取代，其他職業還會遠嗎？

就像某位網友的評論：“不知未來路在哪里，我相信AI繪畫無法完全代替人類，但是可以替代我。”這種危機感引發了不少人的共鳴。

而支持者則認為，技術發展勢不可擋，AI繪畫可以更高效地幫助畫師制作內容，有時甚至可以提供靈感。優勝劣汰是發展的必然，不會以人的情感為轉移。

當然，也有對此持無謂態度，主張它山之石可以攻玉的。比如CG畫師烏合麒麟就表示：“畫畫這玩意不一直是誰畫的好就學誰么？ai畫的好把他好的部分學過來不就完事了。”

圖源：CG畫師烏合麒麟評論@微博

自人工智能誕生之日起，不可回避的一點就是：需要直面關于“AI取代人”的擔憂。而AIGC的發展似乎又加劇了這一“飯碗”之爭，但如果在眾聲喧嘩中回歸到AIGC本身，就會發現AIGC存在的意義更多是將生產者從枯燥的生產工作中釋放，或者幫助生產者突破生產瓶頸，而非取代從業者。正如AI繪畫工具Midjourney的創始人David Holz曾經提到的：

“我認為藝術家不僅僅是關于圖像的產生者，藝術往往是關于故事和情感的，而AI沒有故事和情感，AI創作的影像的敘事來源于使用它的人。貝殼皆來自大海，但海洋非造物者。美石皆來自川河，但河流非孕育者。這套系統并無創造的能力，但美可以來自其中。”

人工智能在創造性活動中的作用只是一種工具，一個載體，而不是創造者本身。Holz將人工智能比作水，“水是危險的，但你也可以在里面游泳、制造船只、用水壩發電”，關鍵是要學會如何利用它以及與之共處，“它沒有意志，沒有惡意，是的，你可能淹死在里面，但這并不意味著我們應該禁止水。當你發現一個新的水源時，這真的是一件好事”。

3.風光背后的陰翳

盡管很多人對AIGC的價值依舊存疑，甚至有些人批評其一直游走在道德和法律的邊緣。但某種程度上，黑紅也是紅，AIGC已經進入了大眾視野，并在逐步重塑眾多行業場景，在認知和關注度上打下了基本盤。市場也普遍看好這一賽道的發展潛力。

據量子位AIGC圖譜顯示，現在AIGC主要用在文字、圖像、視頻、音頻、游戲以及虛擬人上，里面涉及的初創企業大多集中在A到B輪，包括DeepMusic、倒映有聲、聆心智能、彩云小夢、rct.ai、影譜科技、超參數等。

我國現有AIGC產業鏈劃分

@《AIGC/AI生成內容產業展望報告》

而國內大廠百度、騰訊、阿里巴巴、字節跳動、網易等也都在AIGC領域有所投入。

• 百度推出了AI作畫平臺“文心一格”；
• 騰訊研發的寫稿機器人Dreamwriter可以在規定的22種場景中寫作；
• 阿里巴巴旗下的AI在線設計平臺Lubanner可以幫助營銷人員生產Banner；
• 字節跳動旗下的剪映以及快手云剪都能提供AI生成視頻；
• 網易推出了AI編曲系統“網易天音”；……

不過，盡管前景被多數人看好，但目前AIGC領域還存在著不少問題。

第一，關鍵核心技術仍然有待提升。圍繞AI繪畫、AI寫作的批評中，很多人直指其生成的內容堆砌且質量層次不齊，有時甚至會產生類似“縫合怪”一般的滑稽感。不久前哈佛大學的一項研究表明，DALL-E 2對于文本提示內的關系根本不理解，只是把文本中的幾個實體粘合在一起，圖像正確率僅有22%。

第二，需求的差異化提升了開發門檻。以AI寫作為例，AIGC能做到根據關鍵詞自動生成文本，甚至達到一定的流暢度，但是不同場景對寫作需求不同。比如，說明書和廣告文案在措辭上就有天壤之別，新聞評論和小說也是風格迥異。需求不同，訓練數據自然不同，這無疑提高了AIGC產品開發的成本和時間。

第三，大規模商業化落地依舊挑戰重重。由于當前的人工智能還處在傳統的弱人工智能階段，必須高度依賴人類對實際問題的建模，但這種方式存在著相當的不穩定性，加之硬件設施的性能限制，導致生成結果不理想，以及用戶缺乏付費意愿，這讓AIGC距離大規模商業化落地還需時日。

此前，曾經擁有50萬月活用戶的AI編程工具Kite在堅持8年后宣布了失敗，令人扼腕。其創始人Adam Smith將失敗歸因于“算法不夠好”和“用戶不買賬”。“最大的問題是最先進的模型不理解代碼的結構，例如非本地上下文。”其次，他們花了很長時間才發現，“個人開發者不會購買工具，只有他們的經理可能這樣做。但僅僅使開發人員在編寫代碼時速度提高18%——這也不足以打動他們。”

第四，AI作品的版權之爭未有定論。如今很多AIGC工具免費進行開放使用，但仍有很多使用者擔心其版權的合法性。由于整個行業目前還處于探索階段，各個國家的政策也不同，不同公司在面對相關問題時處理方法也千差萬別，因此，全世界還都處在蒙昧和混沌期。

版權之爭的核心問題主要集中在兩個方面：一是你能獲得AI模型所創造的東西的版權嗎？二是你可以使用受版權保護的數據來訓練AI模型嗎？

不久前GitHub Copilot引發的官司就是一個典型案例。在這項集體訴訟中，廣大程序員們指控OpenAI涉嫌違反開源許可，OpenAI和微軟使用他們貢獻的代碼訓練專有AI工具GitHub Copilot。不少業界人士認為，這起案件的進展和結果可能會為整個生成式人工智能領域的版權歸屬問題開創先例。

4.爭議不斷的前路

曾幾何時，人們對AI在創造性活動，尤其是藝術方面的落地并不抱有幻想。因為AI永遠只能依靠模仿而習得技能，而創作無疑是人的獨有稟賦。但AIGC的出現似乎打破了人類的這點自傲，故而又出現了“藝術已死”的論調。但正如相機的出現并沒有讓繪畫走上末路，AIGC的發展同樣如是。

盡管在發展之路上還要面臨核心技術不成熟、短期內難以實現大規模商用、相關法律法規不健全及技術倫理的挑戰，但這基本上是技術發展路徑上的普遍問題，碰撞不可避免，磨合尚需時日。不能否定的是，AI技術的發展確實會提升人類生產力。在爭議不斷的前路上，我們需要的可能只是一點耐心和一點信心。

參考鏈接：

https://www.8btc.com/article/6776768

https://baijiahao.baidu.com/s?id=1748281279813972418

https://view.inews.qq.com/a/20221123A0403B00

https://www.huxiu.com/article/721434.html