一文詳解 AIGC：推動元宇宙發展的加速器

作者：李科

由AI作畫應用Midjourney生成的繪畫作品《太空歌劇院》在今年9月美國科羅納州博覽會上獲得藝術比賽一等獎，吸引了不少人的眼球。今年以來連續好幾個AIGC領域的項目獲得了不錯的融資，到底AIGC有什麼特別之處？本文中，PANews將對AIGC近來的發展作一個梳理介紹。

美國科羅納州博覽會獲獎藝術作品《太空歌劇院》

什麼是AIGC？

互聯網內容生產方式經歷了PGC——UGC——AIGC的過程。PGC（Professionally Generated Content）是專業生產內容，如Web1.0和廣電行業中專業人員生產的文字和視頻，其特點是專業、內容質量有保證。UGC（User Generated Content）是用戶生產內容，伴隨Web2.0概念而產生，特點是用戶可以自由上傳內容，內容豐富。AIGC（AI Generated Content）是由AI生成的內容，其特點是自動化生產、高效。隨着自然語言生成技術NLG和AI模型的成熟，AIGC逐漸受到大家的關注，目前已經可以自動生成文字、圖片、音頻、視頻，甚至3D模型和代碼。AIGC將極大的推動元宇宙的發展，元宇宙中大量的數字原生內容，需要由AI來幫助完成創作。

內容生產方式演變過程

AIGC底層技術突破

底層技術的突破使AIGC商業落地成為可能，傳統AI繪畫技術採用生成對抗網絡（GAN），但GAN生成的圖片結果輸出不穩定，分辨率低。直到2021年OpenaAI團隊開源了其深度學習模型CLIP，以及今年7月出現的去躁擴散模型Diffusion，兩者相互結合，讓AI自動生成文字和圖片的質量得到了質的提升。

Diffusion是一種去噪擴散模型，工作原理是對圖像逐步施加噪點，直至圖像被破壞變成完全的噪點，然後再逆向學習從全噪點還原為原始圖像的過程，而AI所看到的是全是噪點的畫面如何一點點變清晰直到變成一幅畫，通過這個逆向過程來學習如何作畫。

CLIP是 OpenAI 在 2021 年初發布的用於匹配文本和圖像的神經網絡模型，是近年來在多模態研究領域的傑出成果，它一方面對文字進行語言分析，另一方面對圖形進行視覺分析，不斷調整兩個模型內部參數，達到文字和圖像高度匹配的效果。

在AI生成文字方面，目前AI已經可以作詩、寫郵件、寫廣告、劇本和小說。在今年，採用AIGC技術的虛擬人度曉曉寫作高考作文，在不到1分鐘的時間，完成了40多篇文章，獲得專家打分48分的成績，擊敗了75%的考生。目前OpenAI的GPT-3模型是AI生成文字中最成熟的模型，最近有一些項目把GPT-3模型商業化，包括自動寫郵件的OthersideAI，自動寫廣告文案的Copy.ai和Jasper.ai，在用戶數量上突飛猛進，並獲得了大筆的融資，就在11月16日知識管理和內容協作平台Notion也發布了其文字自動生成產品Notion AI，並開始Alpha版本測試，Notion AI也是基於GPT-3模型開發。

在AI生成圖片方面，今年AI作畫水平突飛猛進，其背後的算法模型也在不斷迭代，年初推出的Disco Diffusion只能生成粗糙的圖片，4月OpenAI發布的DALL-E2代已經可以生成完整的人像和圖片，到8月StabilityAI發布的Stable Diffusion模型取得質的突破，已經可以生成可以媲美專業畫師的作品，生成圖片的效率也從年初的數小時到現在的幾分鐘甚至數十秒。

AI生成圖片技術演變

在AI生成音頻方面，10月11日，AI播客Podcast.ai生成的一段關於喬布斯和美國知名主持人喬·羅根之間的20分鐘訪談播客在科技圈廣為流傳，在播客中喬布斯談到自己的大學時代、對計算機、工作狀態和信仰的看法，整個播客聽起來毫無違和感，基本做到以假亂真。

由AI生成的喬·羅根採訪喬布斯播客

在AI生成視頻方面，目前AI生成視頻的算法模型還未成熟，也還沒出現一家獨大的局面。9月底Meta公布了AI製作視頻工具Make-A-Video，Google也緊接着發布了Imagen Video和Phenaki。Make-A-Video具有文字轉視頻、圖片轉視頻、視頻生成視頻三種功能。僅僅通過文本描述，Phenaki就可以生成一段情節連貫的視頻。10月9日B站上的UP主“秋之雪華”公布了全球首個AI繪圖、AI配音的動畫《夏末彌夢》的DEMO，其畫面精美程度不輸專業畫師的作品。

AI動畫《夏末彌夢》DEMO

但PANews觀看該DEMO后發現，動畫中人物幾乎是靜態的，只是在場景切換時換了個另一張圖，由此可以看出目前AI生成視頻中動畫的過度和連貫性技術還不是很成熟，因為AI生成視頻需要多個AI模型來配合完成。

AI生成視頻技術模型

從技術上看，視頻是把多張圖片有邏輯和連貫的組合在一起。由文字生成視頻，首先要生成多張圖片，然後還要把這些圖片有邏輯和連貫性的組合起來，因此難度比文字生成圖片高了很多，如果一旦像文字生成圖片那樣能夠高效率的生成高品質視頻，將對內短視頻、影視、遊戲、廣告等內容生產行業帶來重大影響，不僅提升視頻製作的效率和成本，還能幫助設計師產生更多的靈感和創意，讓視頻內容行業變得更加豐富和繁榮。

在AI生成3D方面，以往的“3D建模”需要利用三維製作軟件通過虛擬三維空間構建出具有三維數據的模型，技術要求比較高，需要懂美術、熟悉3DMAX和Maya等軟件，還需要大量的時間去人工繪製。但UC Berkeley 的幾個博士后發表的論文神經輻射場技術（NeRF）可以把全景相機拍攝的視頻自動渲染為3D場景，減少了人工3D建模的過程，NeRF技術在2020年的 ECCV (歐洲計算機視覺國際會議) 提出，並在2021年的ACM（美國計算機協會）獲了榮譽提名獎。著名VR科技博主Robert Scoble 7月在他的Twitter發布了這個視頻，他用NeRF技術渲染Insta360全景相機所拍視頻后得到的3D場景，效果令人驚嘆，預計會有相關項目將NeRF技術進行商業落地嘗試，對於這點非常值得期待。

AIGC領域重要項目

今年加入AI作畫賽道的公司越來越多，今年分別出現了Mid Journey、DALL-E2、Stable Diffusion、Tiamat、百度文心等多家AI作畫公司，以及JasperAI、CopyAI這樣的AI文字項目。

從融資角度來看，目前AIGC有3個商業化的方向：

◎第一個方向是通過AI生成文字，比如自動寫郵件和廣告營銷文案，這要歸功於OpenAI的GPT-3 AI語言模型，目前大多數AI生成文字類項目都使用該模型。

◎第二個方向是利用AI作圖，主要技術是結合多模態神經語言模型CLIP和圖像去躁擴散模型Diffusion，僅僅提供一些關鍵詞描述就可以自動生成圖片。

◎第三個方向是AIGC的底層技術模型開發，OPENAI和StableAI 是這個方向的龍頭，也是融資金額最大的。

預計接下來AIGC的熱門方向可能是用AI生成視頻和動畫，這就看Meta、Google的AI視頻模型能不能解決視頻的連貫性和邏輯性問題，或其他公司提出更好的解決方案。

AIGC領域熱門項目

OpenAI/GPT-3, OpenAI是由馬斯克和Y-Combinator CEO Sam Altman於2015年成立的一個非營利組織，但2019 年馬斯克離開了OpenAI ，緊接着微軟注資 10 億美元將其變為營利性公司，並與微軟的雲計算平台Azure展開合作。最近微軟正在對OpenAI進行新一輪的投資進行後期談判，目前估值已經達200億美金。GPT-3是OpenAI於2020年5月推出的自然語言處理模型，支持用戶僅輸入一些關鍵詞就能生成一封郵件、文章或新聞，甚至是小說，它是目前最成熟的自然語言生成技術NLG之一。今年4月OpenAI還推出了DALL-E2項目，允許用戶通過文本生成圖像，成為目前主流的三大AI作畫應用之一。

StableAI /Stable Diffusion，10月17日英國的Stability AI宣布以10億美元的估值完成1.01億美元融資，此次融資由 Coatue 和 Lightspeed 領投。消息稱Stability AI正準備下一輪 10 億美金的融資，本輪融資Google可能會參與，如果投資成功，相信Google將會和StableAI深度合作。Stability AI成立於2020年，由去中心化組織EleutherAI支持開發，其理念是“AI by the people, for the people”。StableAI主要研AI生成圖片、音頻、視頻和3D的模型，其研發的開源AI作圖模型Stable Diffusion在2022年8月一經推出就立刻吸引了大家的眼球，在Stable Diffusion的Dream Studio測試版網站中只要輸入文字描述，它就能生成一副可以媲美專業畫師的圖片，Stable Diffusion是開源產品，一些AIGC項目對其進行了二次開發，退出了包括圖像、語言、音頻、視頻、3D、生物AI等模型。

由stable diffusion生成的圖片

Midjourney：Midjourney是一款可以和Stable Diffusio以及DALL-E2媲美的AI繪畫工具。Midjourney是部署在Discord上的應用，在Discord里輸入文字，一分鐘就可以生成對應的圖片，目前其官方Discord已經擁有140萬用戶，其免費版本能生成的圖片數量有限，超出數量需要付費訂閱，如果想體驗一下Midjourney作圖可以查看這個教程。

由Midjourney生成的圖片

OthersideAI：OthersideAI主打利用AI自動回復郵件，底層技術採用OpenAI的GPT-3 協議，OthersideAI曾獲得Madrona Venture Group領投的 260 萬美金種子輪融資，Madrona Venture Group曾參投過Amazon 的早期種子輪融資。 OthersideAI 的操作非常簡單，只要輸入郵件內容的關鍵要點，它就可以為生成一封完整的郵件。

CopyAI：Copy.ai 是一個通過AI來寫作廣告和營銷文案的創業公司，它可以幫助用戶幾秒鐘內生成高質量的廣告和營銷文案，主打 ToB 商業場景，它的底層技術也是採用OpenAI的GPT-3 協議。目前Copy.ai的用戶包括像微軟、Ebay 這樣的大公司。Copy.ai 曾獲得 Craft Ventures 領投的290 萬美金種子輪，A 輪融資 1100 萬美金，由Wing Venture Capital 領投，紅杉資金及Tiger Global 跟投。

JasperAI：Jasper.ai 成立於2020年，通過 AI 幫企業和個人寫營銷推廣文案以及博客等各種文字內容（和Copy.ai 類似），其底層技術也是 GPT-3。Jasper.ai 10月以15 億美金估值完成了 1.25 億美元的 A 輪融資，由 Insight Partners 領投，Coatue、BVP以及 IVP 跟投。今年1月推出第一個版本后，很快受到歡迎，短時間內獲得了數百萬美元的收入。

Play.ht ：Play.ht 是一個 AI 文本轉換語音應用，在今年9月發布了第一個語音模型 Peregrine，包含數千種說話的聲音，可以學習人類的語氣、音調和笑聲。再進生成採訪喬布斯播客的Podcast.ai就是採用Play.ht語音模型，它通過大量採集網絡上關於喬布斯的錄音，然後進行訓練，最終生成假喬布斯的聲音，相似度非常高。

Notion AI: 剛剛於本月16日公布的Notion AI是知名知識管理和內容協作平台Notion基於OpenAI GPT-3模型開發的AI文字生成工具。目前Notion AI的功能包括自動撰寫文章、廣告文案和播客；通過頭腦風暴為用戶提供創意建議；自動檢查文字拼寫和語法錯誤；自動翻譯文章；目前Notion AI以白名單的形式開放Alpha版本測試。相信Notion AI的加入將會進一步推動AI生成文字走向普及。

AIGC如何助推元宇宙發展

雖然元宇宙的終極形態還無法確定，但可以肯定的是元宇宙將極大擴展人類的存在空間，在我們邁向元宇宙的過程中，需要大量的數字內容來支撐，單靠人工來設計和開發根本無法滿足需求，AIGC正好可以解決這個問題。遊戲將是元宇宙中最先落地的場景，元宇宙和遊戲有一個共同點，都是為用戶提供高度的真實感和沉浸式體驗，我們可以拿AIGC在遊戲中的應用來說明其將如何主推元宇宙發展。

AIGC技術在遊戲中的應用

開發遊戲周期長和成本高，通常需要花費幾年時間和上千萬資金，好在AIGC可以極大提高遊戲的開發效率，具體來說，遊戲中的劇本、人物、頭像、道具、場景、配音、動作、特效、主程序未來都可以通過AIGC生成。根據AIGC在文字和圖像方向的推進速度，以上應用在五到十年之內應該可以實現。

紅杉資本在最近的研究報告中也指出，到2030年文本、代碼、圖像、視頻、3D、遊戲都可以通過AIGC生成，並且達到專業開發人員和設計師的水平。

圖片來源：紅杉資本

除了遊戲之外，虛擬人也是元宇宙的一個重要落地場景，AIGC同樣也會促進虛擬人賽道的發展。

虛擬人是圍繞一個虛擬的人設，為其設計聲音、形象、動作、性格以及活動場景，其本質和遊戲相似度很高。虛擬人注重一個人在虛擬世界的表演和功能性，遊戲注重多個人在虛擬世界中的交互體驗。遊戲是一齣戲，虛擬人也是在演一齣戲，戈夫曼擬劇理論中的“人生如戲”一語道破了現實世界、虛擬世界的本質。

AIGC在Web3方向的應用

AIGC聽起來這麼好，那跟Web3會有什麼關係？最近聽說Web3的基金都在看AIGC方向的項目，我想大概有這幾個方向值得關注。

Gamefi 開發引擎:在傳統遊戲中應用最廣的開發引擎是Unity和Unreal，但在Web3中，遊戲的開發範式也許會因AIGC帶來許多變革，因此將需要一個採用AIGC技術的Gamefi開發引擎。裡面的人物、場景、動畫均用AIGC設計，遊戲中的主程序和區塊鏈部分也可以通過AIGC代碼生成功能完成，如果這些都能實現，設計Gamefi遊戲或者元宇宙場景將變得非常高效，這一套開發引擎將會具有極高的價值。目前看到RCT AI是運用人工智能為遊戲行業提供完整解決方式的一個項目，但其在多大程度上採用了AIGC技術，還不得而知，不過已經有一款Gamefi遊戲Mirror World是基於RCT AI來開發的，有興趣的朋友可以進一步了解。

開發Gamefi遊戲：退而求其次，如果一套AIGC全集成的Gamefi開發引擎還太遙遠，那採用各個廠商提供的AIGC工具來開發Gamefi遊戲也會極大的提高效率，比如用AIGC來生成遊戲劇本、設計人物、生成動畫這些都幾乎都會很快實現，特別在AI生成視頻和3D場景技術一旦成熟之後Gamefi遊戲開發效率將會突飛猛進。

算力和數據共享：訓練AIGC模型需要海量的數據和強大的算力，這導致成本非常巨大，AIGC行業龍頭 Stability AI 為了訓練其 Stable Diffusion模型，在 AWS 中運行了包含 4000 多個 Nvidia A100 GPU 的集群，運營成本高達數千萬美元。如果能通過去中心化方式發行Token激勵用戶提供訓練模型所需的數據，就可以很好的解決AIGC生成中的版權問題。另外也可以通過發行Token的方式，激勵用戶提供訓練模型所需要的大量算力，分散算力成本，實現成本共擔，利益共享。