突然爆火的AIGC究竟是不是泡沫？

文 | 新眸，作者 | 顧煜，編輯 | 桑明強
來源：鈦媒體

圖片來源：由無界版圖AI工具生成。

今年7月，百度世界大會上李彥宏這樣預言到：“未來十年，AIGC（人工智能自主生產內容）將顛覆現有內容生產模式。可以實現以十分之一的成本，以百倍千倍的生產速度，去生成AI原創內容。”未曾料到，當時他的這番講話，會讓AIGC在之後幾個月里成為一級市場的關注焦點。

紅杉資本曾在今年9月聯合GPT-3，發布了一篇名為《生成式AI：一個創造性的新世界》的文章，並且立刻引爆了AIGC賽道。“人們的夢想：生成式AI將創造和知識工作的編輯成本降至零，生產巨大的勞動生產率和經濟價值，以及相應的市值。”按照他的理解，AI能夠讓人效突破現在技術條件的天花板，未來企業的增長將不再受制於人力和成本，企業的經營效率也會隨之發生質變。

儘管AIGC處於剛起步的階段，技術大範圍應用尚未穩定，甚至沒有特別精準地定位消費者的需求，但這並不妨礙資本和機構的加速入場：Stability AI宣布獲得1.01億美元種子輪融資，正式晉陞獨角獸行列；幾乎同一時間，另一家人工智能獨角獸公司Jasper也宣布獲得了1.25億美元的新融資。

一時間，全球範圍內掀起了一股AIGC投資熱潮，這背後的原因可以歸結為：VC們認為，AIGC是AI算法的一次重大突破，意味着人類對於AI的運用不再被局限在某一特定功能，比如語音識別、智能推薦等，而是真正邁入了通用人工智能階段，即人工智能可以像人類一樣高效的完成智力任務。

這是一個很有趣的風向，因為在移動互聯網時代，關於未來的暢想，已經進行過很多次，從當初紅極一時的元宇宙和Web 3，就像給大眾營造的一場終極幻想，跳脫出時間和空間的維度，充斥着對未來的無限期待，這也是很多極客的畢生夙願。但，夢終有醒的那天，科技也要放在市場上進行驗證，祛魅是一個周期的開始，也是一個周期的結束。

只不過，這次的主角換成了AIGC。伴隨着文本、圖片、視頻以及三者跨模態相互轉化方面的技術不斷突破，我們所熟悉的AI行業，正意欲重構人類生產力和生產關係的變革，這究竟是一時曇花，還是一片新的藍海，已經成了市場最值得討論的話題。

AIGC真如想象中那般完美嗎？未必

在就AIGC的想象力展開討論之前，我們先了解下什麼是AIGC。顧名思義，AI Generated Content，就是人工智能生成內容。歸根到底，拋開那些複雜的概念，AIGC現階段充其量只是人工智能模仿人進行內容生產的一種方式，它主要的技術難點有2點：一是語言，二是思維。

眾所周知，思維和語言是人類特有的、區別於動物的重要標誌，然而在2014年，以GAN（生成式對抗網絡）為代表的深度學習法的提出，以及2020年GPT-3算法的誕生，逐漸打破了這個傳統認知。自此以後，人工智能不僅能夠模仿人的思維方式，而且能夠理解並運用人類的語言。

這兩者的結合，使得AI進入到真正意義上的通用人工智能階段，幾乎可以完成自然語言處理的絕大部分任務，比如搜索、問答、內容生成等。在這個基礎上，AIGC的業務範圍迅速擴張，據新眸不完全統計，過去2年間共計推出了約300多個應用，功能上也從文本生成拓展到視頻生成。

尤其在今年，先有AIGC技術綜合體虛擬人度曉曉參加了高考語文作文寫作，在不到1分鐘的時間裡，創作了40多篇文章，並拿得專家打分48分的成績，擊敗了75%的考生；後有由AI創作的繪畫作品《太空歌劇院》獲得了美國科羅納州博覽會藝術筆袋一等獎。突然間，AI替代人工的時代彷佛已經悄然來臨。

但AIGC真如外界所宣傳的那般完美嗎？未必。

以百度度曉曉為例，雖然高考作文拿到了48分的成績，但整體內容辭藻堆砌、立意較淺。對此，聆心智能的創始人黃民烈教授解釋稱，“目前文字生成主要捕捉的是，淺層次，詞彙上統計貢獻的問題。但長文本生成還需要滿足語義層次準確、在篇章上連續通順的要求。”

這似乎是AIGC遇到的通病問題。雖然今年被稱為AI繪畫之年，但就繪畫質量上來看，遠未達到藝術家的標準。因為現階段的AI作畫，主要是根據用戶需求進行素材匹配，然後將其進行組合，但由於缺乏對圖片整體框架的規劃，導致繪畫往往具有拼湊感——乍一看很奪人眼球，但細看之下又會覺得違和。

換句話說，現階段AIGC仍然是效率工具，從事的是輔助生產工作。事實上，《太空歌劇院》的成功也證實了這一點，畢竟這幅畫並非由人所創作，但也不是完全的AI產物，而是二者共同創作的結果。據悉，這幅畫從開始到問世共經歷了900多次的迭代，以及數周的挑選與調整。

長期來看，AIGC將持續輔助人類進行內容生產，與工業化進程中，機器扮演的作用類似，AIGC能夠替代基礎性的勞動過程，進而提高內容質量以及創作效率，但無法完成創造性、決策性的工作。畢竟，AIGC呈現出的內容，是計算機算法得出的最好結果，但人是多樣的，最好的不一定是最合適的。

AIGC的應用場景會在哪裡？

任何新技術的核心價值都是場景下的創新應用，AIGC也不例外。場景是技術應用的一個環境，也是檢驗技術能力的一個外部條件。越好的技術，越具有場景運用的普適性。因此，場景是檢驗AIGC的發展現狀及未來的一個重要因素。

就目前來說，廣義上的AIGC應用場景大致可以分為To B和To C兩個賽道。在B端的的應用主要是通過“AI+”，來為各產業進行賦能，在C端主要是通過與人交互，進行內容生產，主要有包括AI駕駛、AI助手、AI輔助文本生成等。

今年7月的時候，科技狂人馬斯克宣稱已經成功將自己的大腦上傳雲端，不僅實現了人機對話，而且將大腦的數據進行了永久保存。按照他的構想，隨着AIGC技術的不斷發展，是可以建立起現實世界到數字世界映射，人類有望通過數字孿生，進而在元宇宙中獲得技術上的永生。

不過，就像科大訊飛董事長劉慶峰說的：未來十年，人工智能將像水和電一樣無處不在。但就眼下這個節點來說，這一預言似乎為時過早。

AIGC更是如此。按照AIGC的發展邏輯，主要可以分為3個階段：一是AIGC內容生產技術完善階段，能夠實現文本、視頻、圖片生成以及三者的跨模態轉換；二是具有多模態生成技術的聚合應用——虛擬人；三是AIGC內容生態聚合體——元宇宙。

就第一個階段來看，首先是文本內容生成領域，由於AIGC存在邏輯以及情感理解的問題，只能在特定的場景下進行內容創作，比如營銷號、新聞稿件以及劇情續寫。其次，是圖片生成領域，由於整體圖片生成質量不穩定，難以進行商用，只能對圖片內容進行部分編輯，例如美圖秀秀等，但又由於AIGC識別圖像精度有限而存在一定的問題。最後是視頻生成，現有的應用場景主要包括視頻剪輯、人臉替換以及背景替換等，因其原理和文本、圖片相似，問題也一脈相承。

如果是虛擬人，主要的發展場景在視頻以及客服領域。由於技術水平有限，虛擬人與人類並不能進行很好的交互，不管是B端的智能化客服，還是C端的實時互動，都存在答非所問、無限循環的問題，無法滿足用戶的多元需求。

放到元宇宙的話，AIGC在其間的應用就更像空中樓閣了。因為就目前來說，元宇宙自身的發展仍然受限於VR/AR/XR等技術設備才能為人所感知，更不用說其中AIGC所生產的內容了。

所以我們不難發現，現在的AIGC仍處於早期摸索期，發展的有限程度導致了目前應用場景的有限。也許未來技術的突破，能夠不斷擴展AIGC的應用場景，但短期內各企業能做的，只是優化模型，從而提高其與應用場景的適配度。

薛定諤的商業價值探討

企業開發新技術，歸根到底，是看這一技術是否具有商業價值，而投資一家企業，是看核心技術能否讓其持續不斷的賺錢。儘管有報告指出，AIGC未來將擁有廣闊的商業前景以及變現空間，但就現在的AIGC賽道而言，既不賺錢也不可持續。

數據、算力、算法是驅動AIGC發展的三駕馬車，要實現AIGC的發展，這三者缺一不可，但每一項的發展，都需要企業投入大量的資金，這就導致AIGC初創企業的經營成本居高不下。以新晉獨角獸企業Stability AI為例，該公司為維護一個擁有4000塊英偉達A100 GPU組成的算力群，總計花費超5000萬美元。

較高的前期投入，要求了AIGC企業用戶規模的迅速擴張。因為只有行業用戶規模達到一定體量，才能夠攤平成本，扭虧為盈。過去的經驗表明，要在短時間內實現用戶規模的快速增長，需要提供標準化的服務內容，畢竟標準的等於大眾的，也等於最大規模的用戶需求滿足。

而且，AIGC自身的特點，其實也限制了服務標準化的進程。由於AIGC生成內容具有不穩定性，內容質量層次不齊，無法形成統一的質量標準，一定程度上限制了用戶規模的擴張，也限制了AIGC企業的賺錢能力的提升。

不僅如此，由於AIGC賽道正處於摸索階段，公司戰略以完善技術水平、考察消費者需求為主，大部分技術沒有完善到足以實際運用到生產之中，而小部分相對成熟的應用，也為了吸引顧客，而處在免費試用的階段。這就意味着，AIGC技術本身缺乏變現能力。投入增多，而收入不夠，使得眾多AIGC公司處於虧損狀態。

並且，這種虧損狀態，長期內，並不會因用戶規模的增多而得到改善。因為，一旦行業用戶規模達到一定體量，大廠們必然會加速入場，此時行業競爭加劇，一方面會促進企業增加成本投入；另一方面也會導致企業收入減少。那時，面對着AIGC有限的變現能力，加上持續不斷的成本投入，又有多少企業能堅持下來。

現在的資本，在AIGC領域的下注依然有些過於冒險。因為從事實上看，各初創企業並不能突破AIGC技術不穩定、應用場景單一化以及變現能力缺乏的障礙。真正要實現AIGC技術的快速發展，需要算力、算法的大幅提升，這都是難以預測的。