闲聊AIGC：绝不是一轮纯粹的技术迭代

本文来自微信公众号： 泰恩河谷（ID：VStoker） ，作者：泰恩河谷，题图来自：视觉中国

总结来说：

1. 本质是供给侧的技术变革，短期来看是 2B 机会，暂时没有带来C端平台大迁移或重新分配用户的机会， 但未来有可能重构内容产业格局与人机交互方式；

2. 不是纯粹的一轮技术迭代更新，作为“效率工具”需要嵌入或创造生产空间，或需要结合已有专家系统 （SaaS，行业最佳实践） 来发挥价值。换句话说， 对于现有的企业软件是一轮普遍的基础技术更新，而非替代关系；

3. 这是一轮以 NLP 技术发展浪潮 （包括大模型、预训练与跨模态） ，因此以自然语言交互为基础，尤其在辅助创作、跨模态协作方面已呈现出突出的理解与生成优势，并在未来会进一步强化；

4. 如果模型的技术关卡已经行程有半的话，那么社会工程化则只是刚刚落了一脚。

这是一轮2B而非2C的机会

基于消费互联网的观察：

1. 现有互联网所有产品都是竞品，争夺消费者的时间 （除涉及与物理世界交互的） ；只有当技术变革或终端升级时，消费者时间会打破固定局面进行重新分配。

2. 消费互联网的巨大价值之一来自于消费者“时间总和”的规模级扩大， 而推荐算法使内容呈现“供给创造需求”的特征，这会增加迁移成本与规模难度。

3. 由于现有流通平台的双边垄断，且所谓“元宇宙”从基建/终端/内容，甚至多模态技术等都尚不成熟， 短期 AIGC 在消费侧并无大“迁移”机会， 即短期并不是消费环节的机会。

进入门槛大大降低

1. 核心项目开源使基础设施 ready （不仅是模型，还包括算法与通用数据集） ，结合预训练大模型的技术成熟，产业进入门槛大大降低，同时极大催化发展效率；另一方面，算力和研发门槛让绝大部分创业公司和科研机构难以从头开始， 但这也使得 AI 创业公司团队更轻盈， 无需组建大型 AI 团队。

2. 随着模型越来越大，正在出现一个新的类别，即那些能够提供基石模型的公司；但基石模型会强化未来的技术路线趋势，这将是创业公司参与游戏必须遵循的规则 （无法承担切换路线的成本） 。

3. AI 模型作为下一代技术基础平台/底层资源，这也会是一个操作系统级别的机会或改变， 即操作系统将由AI模型主导， 赋能 IT 流程改进、支撑插件运转等。

绝不是一轮纯粹的技术迭代

1. 机会不只来自于新的 AIGC 生产工具，否则将会只是工具型机会，担任辅助或替代生产的角色，从而降低门槛 （从事生产群体扩大） 或提高效率 （生产力） 。

2. 作为“效率工具” 需要嵌入或创造生产空间 （即编辑器或协作平台，或两者皆具） ， 或需要结合已有专家系统 （即 SaaS 行业最佳实践） 来发挥价值。换句话说，对于现有的企业软件应是一轮普遍的底层技术更新，而非替代关系。

3. 企业软件在未来是“专家系统”与“概率模型”的有机结合， 而软件本身也会充当关键的数据获取器来沉淀专业性数据，以提高智能化的准确性，赋能企业生产：

• 现有企业软件的本质是专家系统。建模 （最佳实践的流程） ，搜集专有的业务数据，以期训练后的推理。这既使得 SaaS 需要行业模版或行业性 SaaS （泛化能力极差） ，也是 SaaS 的商业价值所在—— 即 knowhow ；

• 结合 Chamath 的 MaaS （即 Model as a service） 观点，企业软件未来仍会是必要的补充，且具有关键的不可替代性 （专有数据集的持续获取能力） ；

• 大模型底层逻辑是统计概率 （既有基于特征提取器的贡献概率理解，也需要通过人类反馈机制控制随机性） ，其准确性的表达能力极值也仅是一种相关性，这将限制实际生产的使用或始终是辅助性的；但另一方面， 概率模型是经验主义的，是对已经解释过问题的再现，这符合企业软件最佳实践的价值角色 ；

• 未来 SaaS 是专家系统与概率模型的共存或有机结合。诸如 jasper.ai 及 copy.ai 是围绕文本续写的 GPT3 能力，构建大量模版，并构建企业级功能 （如数据安全、权限管理等） 。

4. 创业公司的机会将会在下游应用。 如果模型的技术关卡已经行程有半的话，那么社会工程化则只是刚刚落了一脚，如场景数据的积累、产品形态的设计 （用户旅程的叙事） 、生成多样性、道德约束，以及内容可信度等。

AIGC使“创意”与“实现”有效分离

对人来说， “重要的永远是想法的质量和对你想要的东西的理解”。

1. “实现”的边际成本随着模型发展有可能降低至只剩算力成本，这尤其在跨模态之间效果显著 （限于模型技术与关联数据库，目前在文生图领域最显著） 。

2. 大多数的内容生产是一种“重组”而非原创， 这和 AIGC 的特性相似 （以某些结构重组信息/观点而非创造新的信息/观点） 。随着模型及工程化能力提高，未来有可能部分地直接替代生产，尤其在 NLP 领域 （如果上下文理解与长距离记忆能力显著突破） 。

3. 创意实现的商业模式本质是创作者经济，而注意力机制使输入的贡献度 （即创意） 可量化，基于此能够设计出全新的计价规则及定价模式。 未来创作版权确权要么通过区块链，要么通过“无版权运动”使得 AI 生成成为新的公共物品。

4. 尤其当涉及“跨模态协作”生产时，基于“自然语言交互的输入式生产”会成为未来趋势，归结为它的通用性；但这类生产将会持续应用于生产的“协作环节”，归结为不同模态间的差异性。

内容格局与范式迁移

如果“我消费我生成的” （或大家更熟悉的“所问即所答”） 成为新的底层逻辑，则会彻底改变内容格局与人机交互范式。

PS：AIGC 本质是一波 NLP & Content 领域的浪潮，这是目前下游较落地的领域，但也可能有全新的领域，也取决于如何理解内容产业。

1. 搜索/推荐算法的其中一大价值在于供需匹配效率提升 （平台型机会） ，相信 GPT-based Chatbot 备受关注也来自于这一环节的价值潜力。进一步，生成式创造出全新的 “所问即所答” 局面，但实质改变了市场关系，这是有可能形成一些特定场景的产品，只是目前囿于技术早期未设计出对应的流通机制，或旧有流通机制未能有效兼容新生产方式的内容。

2. 围绕生成的一套信息流转及商业化的全新机制 （不仅仅是效率驱动） 将会是平台型机会，虽然也面临诸多社会工程化及商业的卡点。未来会是多种内容流通方式并行的商业局面 （搜索、推荐与生成算法，满足精准、模糊与相关等不同层面&维度的需求） 。另一方面，原创内容如何被消费，商业内容如何曝光，训练数据集如何持续更新都将革新现有内容产业链。

3. 人机交互范式迁移：AI 既生成内容，又充当同等的交互主体；另一方面，通用的智能人工助手不应该局限于信息获取，还有决策执行的可能性 （Inflection AI、Adept 实验室，DeepMind 今年 2 月一篇关于数据驱动的论文） ， 即软件从命令驱动转向了意图驱动 （作为一种语言接口） 。

其他 （摘要）

1. AI 地图：大模型、多模态、可控制。

• 大模型的边界： Deepmind 发布 Gopher 探索大型语言模型 （LLM） 的优缺点，研究人员确定了增加模型规模可以提高准确性的任务 （例如阅读理解和事实检查） ，以及那些不能提高准确性的任务 （例如逻辑和数学推理） ；

• 可控制：AI 黑盒子问题正在努力被解决 （Anthropic） ，致力于提高 AI 安全和可解释性，由 OpenAI 一批早期/核心员工创立，其 A 轮融资已经完成，规模高达1.24亿美元。

2. 当前产业布局较集中及领先在算法和应用开发环节，上下游还有诸多可开发的蓝海领域。

• 硬件的创新及其有效使用 （如CUDA、AIT等软件） 会成为赛道发展的重要组成部分；

• 模型部署的困境与可能性：真实生产环境中的部署、物理边缘部署模型等。

3. 长期来看，对未来元宇宙的期待是三维化、AI化及开放式的， AIGC＋3D内容 是可见途径；中短期 AIGC+3D是丰富游戏、影视、VR等数字内容，降低制作成本的有力工具。

参考

https://coatue-external.notion.site/AI-2022-The-Explosion-e76afd140f824f2eb6b049c5b85a7877

一文读懂AIGC：万亿新赛道为何今年获得爆发？

模型即服务（MaaS）将会颠覆SaaS，美国知名投资人Chamath谈ChatGPT

AIGC：我不是元宇宙的附庸品

【浙商互联网】AIGC之AI绘画: 技术与应用双突破，生产力变革在即

AI生成艺术的版权，归机器还是人类？有结论了

AIGC , 超级热点 or 程序员创富新起点？从机器学习聊到 AIGC

ChatGPT大热硅谷，但热闹是他们的

本文来自微信公众号： 泰恩河谷（ID：VStoker） ，作者：泰恩河谷