AI繪畫，VC投不動

來源：獵雲網，作者：孫媛
本文轉自鈦媒體

圖片來源：由無界版圖AI工具生成

“現在你去投AI繪畫應用型項目，基本投十個死九個。”

就在2周前，銀杏谷資本企服高級投資經理鍾偉成剛剛在公司內部對AI繪畫進行了一頓輸出，作為關注AIGC的投資人，鍾偉成早在七八月國內AI繪畫興起之時，便饒有興緻地嘗試了一番。

然而，AI繪畫的火熱似乎跟它生產內容之精良形成強烈反差。奇形怪狀的人物或者動物圖片、雜亂無章的二次元圖像內容，都讓他能感覺細節刻畫之粗糙背後，當下AI繪畫內容生成可控性之差。

而這樣的表現或許可以側面解釋為何國內AI繪畫的人紅歌不紅，除了生成式AI平台TIAMAT於10月完成融資，6pen、draft.art、大畫家Domo、盜夢師等創企均未憑藉AI繪畫獲得新一輪融資。

資本圈達成捂手沉默的共識背後，鍾偉成一語中的，“不投，是因為大多數的AI繪畫應用，本身技術門檻不高，都是在國外的Disco diffusion、Stable diffusion開源模型上改改就拿來用了，圖像生成的可控性還遠遠沒有達到商用的水平。”

被炒火的AI繪畫，難成投資標的

其實早在2022年年初，AI繪畫便在社交平台上引起過小範圍的狂歡，但由於成本較高，推廣範圍也因此受到了限制。直到海外公司Stable Diffusion開源后，行業獲得了關鍵性技術的突破，許多基於Stable Diffusion模型的應用紛紛入局，國內大多AI繪畫都是基於這一模型。

但這樣一來，各家國內應用就好似站在同一起跑線，甚至並無絕對優勢。

某機構合伙人張斌從P/UGC到AIGC，過去兩年一直對賽道有所關注，也投了一些元宇宙項目。今年九月份在新加坡，他就關注到了AI繪畫在推特、Facebook上的熱潮，用戶的反應自然證明了應用背後的價值。

其中較受歡迎的平台“意間AI繪畫”排隊人數一度高達8萬人。根據其團隊在官方公眾號公布的用戶數據，該平台自9月30日上線到11月12日，註冊用戶數迅速增長到117萬。到12月初，這一數字更是超過1000萬。

“雖然畫出來亂七八糟，但大家依然會願意堅持創作、嘗試，就意味着AI繪畫本身是有很深刻的底層需求和客戶價值。”

張斌直言，當下用戶沒有必要去關注最終畫出來的東西好不好看，或者說是不是符合要求，因為AI繪畫的價值遠不是說現階段就畫出來一個腦子裡想象的完美的圖。“AIGC現在的價值已經非常明顯了，它可以讓大量的創作性工具，或者說大量的創作型人才，至少在創意階段，或者說在前期的生產製作階段，未來將會很大程度上被替代。”

作為投資人，張斌認可AIGC本身是能夠大幅度解放生產力的技術突破，然而面對着C端的喧鬧，他依然堅持不投，因為“市面上並沒有特別好的標的去值得投資”。

張斌此話基於兩大思考。一是當前的AI繪畫應用都是開源算法加上自己特有的一些算法和模型，所以誰都沒有底層能力或者進入門檻。

其次無優秀的商業模式。C端，AI繪畫受限於國內用戶薄弱的付費意願；在B端，又面臨諸多版權上的爭議。

“目前市面上這些AI繪畫我們也都聊過，最終所有人都是去說我是一個AIGC的工具或者解決方案，然後賣給B端的客戶，給廣告公司做營銷，或者是創造平台，讓B端用戶用它畫廣告或者視頻，是一種toB的SaaS服務的商業模式。”

如此這般，無論是技術還是商業模式，AI繪畫在投資人看來都不夠性感、天花板也太低，讓一眾VC抱有質疑。

國內一級市場對AI繪畫的不看好，自然體現在了融資數據上。

和海外動輒過億美元的融資輪相比，雖然AI繪畫玩家如雨後春筍般湧現，但國內只有TIAMAT獲得了數百萬美元融資。

有投資人透露，這一波AI繪畫在國內主要是美元基金可能會湊熱鬧，人民幣基金相對更為謹慎。而TIAMAT能夠被資本青睞，主要是其偏社區運營型的互聯網打法，以出來早、聲音大、廣告多來搶佔用戶心智，讓用戶不由自主地把AI繪畫與TIAMAT畫起等號。

早在今年上半年，TIAMAT就在國內AI繪畫還未火起來的時候，率先在小紅書和抖音上運營AI繪畫的社區，讓更多人上來社區使用產品，從而收集大量的用戶反饋。目前其“Tiamat人工智能藝術”標籤在小紅書有1776.1萬瀏覽，而“意間”標籤為741.6萬瀏覽，可見其熱度相對較高。

鍾偉成表示，AI繪畫應用在開源模型的基礎上去疊加從用戶側收集到的數據，能夠獲得一個質量更高的圖像生成模型，通過積累不同垂直行業裡面的圖庫數據，可以使得後面生產出來的圖片更符合實際生產要求。

“但是做AI繪畫應用的團隊短板也較為明顯，燒錢拿數據的同時，隨着數據越來越多，也會進一步對應用的底層承載力造成挑戰。應用團隊的技術能力是否能夠hold住，甚至說未來是否有可能發展成為圖像-文本大模型的基礎設施公司，目前還不得而知。此外，AI繪畫在C端處很難變現，toB就必須要和場景強相關，這裡面無可避免的會有很多定製化的場景，要針對不同客戶的產品需求去打造相應的圖片生成的引擎，對工程化能力有很高的要求。”

他坦言，就AIGC投資來說，早期兩輪投資主要看打法和團隊背景，一般到第三輪時付費用戶數據將決定投資決策，VC的錢會越來越不好拿。

人民幣基金謹慎觀望，創業者還需腳踏實地

從技術的發展路徑來看，先有語言大模型才有文本內容生產應用，先有跨模態的圖文大模型，才會有好的AI繪畫工具去進行投資。

國內AIGC之所以仍有很長的路要走，其實還有一大關鍵點在於目前中文語言上還沒有非常好用的底層跨模態大模型可以調用，不像英文模型已經達到了技術可以比賽的階段。數據量的不足無法讓AIGC生產出的內容有一個較好的效果，從而限制應用型創企的落地，這是根本上VC“十動然拒”的主要原因。

“目前投資AIGC不確定因素太多，最穩妥的打法還是要等到大模型出來，再去投相應領域的應用。像Jasper.ai、Copy.ai等比較亮眼的文本生成應用，也是在OpenAI推出GPT-3的商業化API接口以後才迅速發展起來的，在GPT-3出來之前創立的文案生成應用基本都沒有發展起來。”

在鍾偉成看來，眼下AIGC投資回報最高的莫過於基礎大模型。百度騰訊等大廠紛紛躍躍欲試，給自己貼上AI繪畫的標籤，其主要目的並非“卷應用”，也是瞄準了預訓練大模型這一新的基礎設施。

以百度的文心大模型為例，其寄希望於今年推出的文心一格，讓更多的人去上面做各種圖像的生成，通過輸入的文字提示跟它生成的圖片對應，在這個過程去積累大量的圖像文本數據，為後面去訓練一個更成熟的多模態大模型做儲備。

如此一來，大廠通過一些性能極佳的跨模態大模型，開發一個API接口給到外面的應用去接上，一來可以把它們多餘的雲資源服務器充分的利用起來，二來可以通過大模型的技術去做一個持續的收費，類似以前把雲計算資源作為一個按需調用的資源去使用，成為保障文字、圖片生成類任務的底層基礎設施。

然而這樣的話，回歸到本質，算法能力、數據能力和大規模用戶運營的能力，大廠都顯然優於創企，在張斌看來，意味着投資人很難投到優質的大模型企業，亦或是前期需要非常燒錢才可能燒出一個比肩大廠的大模型。

“AIGC和ChatGPT本身都是需要大數據訓練的AI模型，要求算法能力和數據能力，大公司肯定更強，他們以一種高舉高打的方式做，輸出AI能力，讓創企在細分場景使用其模型，最後的終局就是創企用騰訊或百度的模型用AIGC幫人拍廣告片，負責商業化前端的BD工作。”

在大廠對跨模態大模型打磨的同時，AI繪畫因不夠成熟而商業落地難而不被資本感冒，但這並不影響VC對AIGC技術層面的持續關注及商業布局。一方面，VC仍尋找有着大模型潛質的創企，譬如今年連續融資近億元的心識宇宙就遭到了不少知名機構的瘋搶；另一方面尋找符合有市場需求、商業可變現等投資標準的相關項目，譬如虛擬分身。

截至目前，用AIGC打造視頻虛擬分身，取代主播成本，實現規模化的短視頻生產和內容營銷已經成為客戶痛點可以被解決到的場景，也有不少國內企業“卷”入，並獲得資本青睞。譬如創世夥伴資本投資的全棧式無穿戴視頻動捕虛擬直播產品小K直播姬、銀杏谷投資的做多模態內容生成的拓元智慧。

在鍾偉成看來，AIGC應用其實跟企業服務的投資邏輯類似。過去，企業服務領域有了數據智能、大數據、雲計算以後，營銷SaaS企業漲得特別快，同理，在AIGC的商業落地上，營銷內容跟技術的結合也是B端最願意付費的地方。

“我們現在看到一些生成式AI公司會用文本生成技術去做營銷文案、人機對話的內容生成，在國外也有許多走通商業閉環的案例，後面AI繪畫應用階段，用圖像生成技術跟一些之前就存在的圖像或視頻編輯工具相結合可能還是一個不錯的落地場景，比如最近剛完成新一輪融資的Runway。”

但就當下而言，張斌還是希望AI領域的創始人能夠專註核心業務上和技術能力，不要把過多精力放在了仰望星空這件事情上，反倒顧此失彼。

“AI繪畫熱潮下，我們也有看到一些投機的項目，大家不是不可以追熱點、新概念和技術，而是要跟過去核心主業要長期做的事情有連貫性和協同，這樣做新業務的嘗試才能事半功倍，帶來價值提升。”

（文中張斌為化名。）