AIGC—— AI打开内容产业的新魔法门
从AI诞生的那一刻起，每年都会有大量的统计和预测，分析未来会有哪些岗位被人工智能所取代。从流水线工人到电话客服，从文稿校对到财务会计，在AI刚出现的那些年里，人类的岗位焦虑还停留在这些基础又琐碎的工种上，那时大家心里似乎还有一条底线——只要从事创造类的工作，自己就不会被机器取代。 然而，随着技术发展逐渐从分析型AI（Analytical AI）迭代到创造型AI（Generative AI），机器们也开始生成本不存在的新事物——写诗、绘画、开发游戏。 9月23日，美国红杉在官网上发布了一篇报告《生成式AI：一个创造性的新世界》，文章插图全部在Midjourney上生成。同月，在美国科罗拉多州博览会艺术比赛上，一名没有任何绘画基础的参赛者通过Midjourney生成的《太空歌剧院》斩获一等奖，这也将人工智能创造内容（即AIGC）成为了传媒领域的新热点。 那么，这个在红杉眼里能够产生数万亿美元经济价值的产业究竟是怎么回事？它又将如何层层递进颠覆如今的内容产业？曾是新财富最佳分析师计算机行业第一团队核心成员、现和谐汇一研究部高级研究员的凌晨提供了他的解读视角。
在沉寂了一段时间后，AI最近又火出圈了，在美国科罗拉多州举办的新兴数字艺术家竞赛，参赛者在没有任何绘画基础的情况下基于AI创造的作品成功拿下头奖，轰动艺术圈，画家们直言有了被AI替代的失业焦虑。
那么AI作画背后的原理是什么？AI作画是炫技还是新产生力？
本期研究视角让我们聚焦于人工智能的新魔法——AIGC（AI Generated Content，人工智能创作内容）。
01
AIGC为什么现在火了？
什么是AIGC？在探讨AIGC为什么现在火了之前，先对AIGC做更精确的概念定义。
所谓AIGC即基于人工智能技术自动生成内容的新型生产范式，其中，两大核心关键词是AI+新型内容生成方式。
一、新型内容生产方式——有望引领内容产业的新一轮工业革命
对于计算机来说，内容=信息（数据）+载体（音频、视频、文字等），只要输入信息，选好载体，AIGC就能自动生成与之对应的内容。
典型场景即目前大火的AI作画，用户可以通过简短的文字描述（prompt）来生成与之相应的图像，而且随着文字描述的颗粒度不断细化，生成的图像也会越来越精准。
除了文字转图片之外，目前AIGC已经可以胜任图像、视频、文本间的跨载体生成。
从内容生产方式的发展历程来看，可以大致分为专家生成内容（PGC）、用户生成内容（UGC）、AI生产内容（AIGC）三大阶段。
PGC、UGC 分别被产能与质量所束，难以满足快速增长的内容需求；
而基于AIGC，内容生产的门槛显著降低（比如，毫无绘画基础的用户，也可以通过AI作画，画出高质量的作品）、内容生产的效率显著提升（可以快速批量生产大量内容），将有望引领内容产业的新一轮工业革命。
二、生成式AI——不只是模仿，更多是创造
AIGC背后的核心技术是生成式AI。通常意义上，我们了解的AI更多是分析型AI（Analytical AI），比如人脸识别、短视频的算法推送等。
而AIGC背后用的AI技术则是生成式AI（Generative AI），不再只是分析，而是开始尝试创造新的东西。
如果把AI比作小孩学习的话，基于生成式AI技术的成熟意味着AI不仅是会模仿，更可以在学习的基础上创造出新的东西。
我们仍然以AI作画为例，基于生成式AI的技术，AI不仅能从人类过去数千年的画作中汲取相关的经验，融会贯通更大绘画流派，
而且基于AI生成图像的随机性（涌现性）的特点，更可以创造出全新的绘画风格，也就是说AI在学习一千种人类绘画的方式，甚至创造出“第一千零一种可能”。
为什么是现在爆发？技术已经初步成熟。
AIGC背后的技术本质上是使用AI算法对大量训练数据集进行学习，寻找已有数据的规律并将其适当泛化，进而使得AI获得孪生能力、编辑能力、创作能力。
之所以现在可以在产业中大火，离不开背后的AI技术的成熟。
众所周知，AI技术的核心三要素是——数据、算法、算力，这一次快速迭代的是算法。
1）第一代算法GAN
生成式AI最早的算法模型可以追溯到2014年的“对抗生成网络”GAN（Generative Adverserial Network)。
GAN 最知名的应用是人脸生成：模型去看海量的人脸照片，知道人脸是一种分布，然后学习到人脸的特征。
作为第一代生成式AI模型，GAN的问题是其生成的图像只是对现有作品的模仿，而非创新，因此依托GAN模型难以创作出新图像。
此外，GAN也不能通过文字提示生成新图像，这导致他的应用局限性比较明显。
2）第二代算法CLIP
2021年，OpenAI团队将跨模态深度学习模型CLIP（Contrastive Language-Image Pre-Training）进行开源。
CLIP模型能够将文字和图像进行关联，比如将文字“狗”和狗的图像进行关联，并且关联的特征非常丰富，AI的学习能力、创造能力更加泛化。
因此，相对于GAN，他可以实现“输入文本——输出图像”的功能，而且通过输入-输出的内容是可控制的。
3）第三代Diffusion扩散化模型
Diffusion 扩散化模型的原理类似给照片去噪点，通过学习给一张图片去噪的过程来理解有意义的图像是如何生成。
因此Diffusion 模型可以基于更少的数据做训练，同时模型生成的图片相比 GAN 模型精度更高，更符合人类视觉和审美逻辑，同时随着样本数量和深度学习时长的累积，Diffusion 模型展现出对艺术表达风格较好的模仿和创造能力。
AIGC在文字—>图像、图像—>视频、文字—>文字领域的技术已然成熟。
根据红杉以及量子位的分析判断，不同应用场景的技术成熟度和规模化应用时间可能会有差异。
以AI作画为例，早期AI作画的效果还不尽如人意，往往不够拟真，容易激发“恐怖谷”效应，但随着技术层面上的不断进化，不仅可以达到 “以假乱真”的程度，更是可以在创造力达到类人的水平。
目前在文字—>图像、图像—>视频、文字—>文字领域，AIGC技术已经基本成熟，后续产业发展则依赖于商业化开发，具体如下：
1）文字—>图像领域，底层技术明确，预计在1-2年将实现规模化应用。
2）图像—>视频领域，底层技术明确，预计在1-2年将实现规模化应用。
3）文字—>视频领域，底层技术待完善。
4）图像—>文字领域，底层技术待完善。
5）文字—>文字领域，底层技术明确，已经实现规模化应用。
02
AIGC产业图谱
AIGC产业的上中游。根据量子位的梳理，可以把AIGC产业分为上游（数据供给方、开源算法社区、创造者生态层等）——中游（文字、图像、音频、视频等垂直赛道）——下游（应用场景和终端客户）。
上游，国内AIGC产业还有众多欠缺，以数据标注为重点体现。
中游，由于技术发展不足以及投资环境的影响，AIGC大多被作为公司的部分业务、乃至相对边缘化的功能进行研发开发，独立运行的初创公司数量明显少于国外，也导致国内对于AIGC场景开发较少。
整体上，更为常见的是研究机构对AIGC能力进行理论研究，实际效果开发较少。
AIGC产业图谱，资料来源：量子位
·典型玩家分析
Jasper .ai可能是目前估值最高的AIGC独角兽，就在22年10月份，公司官宣完成了 1.25 亿美金的 A 轮融资，估值达到了 15 亿美金。
公司提供的核心产品是通过 AIGC帮企业和个人写营销推广文案以及博客等各种文字内容。
从商业化模式来看，Jasper主要是通过SaaS付费的模式，根据其 CEO 透露，目前公司已经有 7 万名付费客户，
其中包括了像 Airbnb、HubSpot、Autodesk 以及 IBM 等企业客户，21年收入已经超过了 4000 万美金，预计22年年底整个收入会增加一倍以上，也就是可能达到 9000 万美金到 1 亿美金左右。
在9月23日举办的2022万象·百度移动生态大会上，百度发布了AI助理，堪称AI打工天团，覆盖了各种AIGC应用，包括AI自动生成文字、图片，图片转换成视频。
用百度的话来说，这个团队里不仅有文案、插画师，还有视频制作人，创作者熬夜加班的活儿都可以交给AI了。
基于AIGC的新风口，百度希望掀起一场内容生产革命。
换言之，为百度现有的500多万百家号创作者带来一套AI生产内容工具，帮助他们更快、更好地产出视频内容，从而增加百度百家号等产品的用户粘性。
根据公司披露，目前其AIGC生产内容的良品率已经超过50%，未来大规模商用后，公司的内容会更为丰富，带动整个百度的广告变现能力提升。
03
商业化：“科技炫技”还是“新生产力”？
AIGC不只是“科技炫技”，更是“新生产力”。
上一轮AI带给我们的震撼可能要回溯到2016年，谷歌AlphaGo战胜世界围棋冠军李世石，但在惊叹过后，大家发现AlphaGo在围棋领域的突破可能只是一次“科技炫技”，其本身并没有创造出太多的产业价值。
而这一次以AI作画为代表的AIGC的出圈，我们认为绝不止是“科技炫技”，更代表着未来的先进生产力。
简单的说，AIGC，它可以以十分之一甚至更低的成本，千百倍的生产速度，创造出有独特价值和独立视角的内容，这绝对会为内容生产领域带来巨大变革。在AIGC的时代，人人都可以快速创造出有质量的内容，无论是内容创造者还是内容消费者都将显著受益。
·商业化方式——自用or商用？
1）自用——内容厂商的技术自用
典型的例子就是百度，“自己生产的降落伞自己先跳”，百度22年发布的AIGC技术栈，将帮助百度内容生态的创造者们，解决的是创作成本过高、重复劳动的问题，显著提高生产效率。
2）商用——内容创造者付费
AIGC的潜在客户包括两类：1）内容生产公司：如资讯媒体、音乐流媒体、游戏公司、视频平台、影视制作公司等；2）专业C端用户：个人画家、个人写手等。
典型的付费模式，如前文所介绍的Jasper，主要是通过按照账号进行SaaS付费的模式（Jasper定价是40-80美金/月）。
·AIGC市场潜力估算——存量内容产业市场潜力在千亿级别，更大价值在增量市
1）AIGC对存量内容产业改造的市场潜力——千亿级别
对于内容产业，内容制作成本往往是产业成本的大头。
我们按照内容市场的规模、内容制作成本的比重、有多少比重的内容可被AIGC化来做假设，可以简单估算出AIGC对存量内容产业改造的市场潜力至少是千亿级别。
AIGC对存量内容产业改造的市场潜力
2）内容产业的本质是供给创造需求，AIGC更大的价值在于对增量市场的创造
内容产业的本质是供给创造需求，AIGC作为全新的内容生产方式，可以为内容产业带来更新的内容风格、更快的生产速度，更低的生产成本，这无疑会驱动内容产业的大爆发。
更进一步，让我们打开脑洞，在未来的元宇宙中，AIGC有望成为数字世界的“梦幻编辑器”，只需要用户描述出想要的场景，AI就可以生产与之对应的数字场景，所谓“言出法随”，这将是多么震撼的体验。
总之，我们非常看好AIGC为内容产业带来的全新增量。
对于新技术，人们常高估一年的变化，低估十年的变化。虽然AIGC仍然是处于萌芽期，但是其所展现出来的创造能力已经足以让人惊叹。
在未来世界中，我们期待AIGC持续颠覆内容生产的方式，将创造和知识工作的边际成本降低至零，全面变革电影、游戏、元宇宙等产业，让子弹飞一会儿！
PS：小彩蛋——我们使用了stable diffusion AI生成了一个插图（关键词：What’s next for AI – Creativity），作为读者的你们觉得AI的创作水平怎么样？
远川： AIGC的逐渐成熟会对现有的内容产业产生颠覆性的影响吗？现有的一些内容公司（如广电公司、电影公司、流媒体）如何面对AIGC带来的挑战？
凌晨： 我认为AIGC的成熟必然会对现有的内容产业产生颠覆性的影响。
说得夸张点，AIGC的普及意味着内容创作从“手工作坊时代”进化到“工业化生产时代”，最先适应这个变革的内容厂商，有望充分享受新时代的红利。对于现有的内容厂商，我的建议就是可以尽快赶上AIGC的时代列车。
远川： 内容产业作为一种可选消费，一个公司真正的壁垒来自于哪里？
凌晨： 由于用户的审美不一，内容行业相对更加百花齐放，没有一家厂商可以完全垄断内容。因此，在我看来，内容厂商的壁垒，更多体现为经营的高效率，这种高效率的表现形式是——
以更有效率的方式持续生产出好的内容，并且可以更精准地推送给用户。从这方面来看，内容厂商拥抱AIGC，对于自身壁垒和竞争力的提升，有着很重要的意义。
远川： 在图文创作、视频创作、游戏开发、代码生成等多种商业模式场景中，AIGC 最有前景的场景是什么？为什么？
凌晨： 相对更看好AIGC在游戏领域的应用。游戏天然就是数字化的内容，因此用户对于AIGC所生产出来的内容的接受度也会更高。而且AIGC在游戏领域的应用，不仅会在美术外包领域；正如我前文所强调的，AIGC很有可能成为数字世界的“梦幻编辑器”。
远川： 在硅谷，AIGC产业是围绕整个web3.0生态展开的，从更中观的层面来看，国内外在web3的建设和应用上，有哪些不同？
凌晨： 不是特别认同“海外AIGC产业是围绕web3.0生态展开的”这个观点。现在AIGC实际上可以广泛应用在现实世界，比如电影创造、营销方案写作等等。
至于web3.0在国内外表现形式的差异点，由于市场没有一个对于web3.0比较官方的定义，我先给个市场通用的概念框定，web3.0是下一代互联网，本质是去中心化的互联网，把经济体系嵌入到互联网，基于区块链技术实现价值的流通与重新分配。总的来看，海外对于去中心化更加开放，而国内有政策监管的约束，对于去中心化会更加谨慎。比如在NFT（数字藏品）领域，国内对于二级市场流通交易会有严厉的监管，海外更宽松。
远川： 对于国内的参与者而言，什么样的公司有可能在这场内容生产革命的浪潮中占据上风？
凌晨： 首先要区分为两大类公司，一类是内容厂商；一类是AIGC工具厂商。
对于内容厂商而言，我们相信，AIGC带来的生产力的进步，会诞生更加丰富多元而且制造成本便宜的内容，这会让内容厂商充分受益。谁最先应用AIGC技术到自身的内容生态当中，谁就有望享受第一波红利。
对于AIGC工具厂商而言，要记住一点，以AIGC为单一功能点的工具体验未必是最好的，但如果将其嵌入到现有的内容创造工作流中，用户体验和工作流程会更完整。类似于PhotoShop、Notion等现有的生产力工具，我认为完全有机会在AIGC时代继续引领风骚。
风险提示：本内容仅代表原创号或原作者的分析、推测与判断，登载于此仅出于传递信息之目的。对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性，和谐汇一不作任何明确或隐含的声明或保证，且不承担信息传递的任何直接或间接责任。相关信息仅供参考，不构成广告、销售要约，或交易任何证券、基金或投资产品的建议。本内容中引用的任何实体、品牌、商品等不代表和谐汇一的投资实例。
版权声明：本内容版权归原创号或原作者所有，如转载使用，请注明来源及作者、文内保留标题原题以及文章内容完整性，并自负版权等法律责任。本号转载文章大部分已获原创号或原作者授权，但部分文章推送前我们未能与原创号或原作者成功取得联系，若涉及版权问题，请通过本号微信后台联系我们。