AIGC如何颠覆打开内容产业？

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）。

AI作画获奖作品——《太空歌剧院》，Midjourney

1. 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。

AIGC可以涉及多方面的内容载体和应用场景

AIGC是继PGC和UGC后又一内容生成范式

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。

AIGC的技术发展阶段预测

2. 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

典型玩家分析

1）国外玩家代表——Jasper.ai，主打以“AI 文字生成”

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。

基于Jasper.ai创造文字，资料来源：百度，附注：左边是用户输入情节和文字风格；右边是Jasper自动输出对应的文字

2）国内玩家代表——百度，全方面布局AIGC应用场景

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。

3. 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。

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。

4. 结语

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！