Diffusion的火，只是AIGC的縮影

AIGC（AI生成內容），這個概念最近可以説是火得一塌糊塗。

例如 Stable Diffusion ，只要對它説一句話，“唰唰唰”地就能秒生成畫作：

Big chunky Venom（巨大敦實的毒液）.

知名博主 大谷Spitzer 還用它“翻拍了”好萊塢國際巨星版的《華強買瓜》：

還有此前谷歌家的Imagen、OpenAI出的DALL·E系列等，也都成了備受網友們熱捧的AI內容生成神器。

甚至還有人拿着Midjourney生成的畫作參加藝術比賽，碾壓人類奪得頭籌，惹怒了一眾藝術家。

但正所謂“能用起來的技術才是好技術”，網友們將諸如此類AIGC技術熱度推至的高度是對它實力的認可。

而此前市場還將項目發佈僅一個月的Stable Diffusion背後公司估值為69億元，這是資本對AIGC的肯定。

那麼站在現在這個時間節點上，是時候對AIGC從技術發展路線、產業落地方向等多角度做一個梳理。

因此，量子位智庫在進行深入調研之後正式發佈 《AIGC/AI生成內容產業展望報告》 ，核心回答三大問題：

在技術上，AIGC已經可以完成哪些創作？

在價值上，AIGC除了直接生成藝術作品還能做什麼？

在未來，AIGC將如何改變內容及相關產業？

AIGC技術及八大場景應用

AIGC全稱為AI-Generated Content，指基於生成對抗網絡GAN、大型預訓練模型等人工智能技術，通過已有數據尋找規律，並通過適當的泛化能力生成相關內容的技術。

與之相類似的概念還包括Synthetic media，合成式媒體， 主要指基於AI生成的文字、圖像、音頻等。

Gartner也提出了相似概念Generative AI，也即生成式AI。生成式AI是指該技術從現有數據中生成相似的原始數據。

相較於量子位智庫認為的AIGC，這一概念的範圍較狹窄。

我們認為，目前AIGC生成正在完成從簡單的降本增效（以生成金融/體育新聞為代表）向創造額外價值（以提供繪畫 創作素材為代表）轉移，跨模態/多模態內容成為關鍵的發展節點。

技術視角下，我們認為以下場景將成為未來發展的重點：文本-圖像-視頻的跨模態生成、2D到3D生成、多模態理解 結合生成。

商業視角下，我們認為未來3年內，虛擬人生成和遊戲AI這兩種綜合性的AIGC場景將趨於商業化成熟。

下圖中的綠色部分，是我們認為2-3年內具有快速增長潛力的細分賽道。

文本生成

以結構性新聞撰寫、內容續寫、詩詞創作等細分功能為代表，基於NLP技術的文本生成可以算作是AIGC中發展最早的一部分技術，也已經在新聞報道、對話機器人等應用場景中大範圍商業落地。

從現有的落地場景來看，我們將其劃分為 應用型文本 和 創作型文本 生成，前者的進展明顯優於後者。此外，從應用推廣的角度來説，輔助文本創作是目前落地最為廣泛的場景。

應用型文本大多為結構化寫作，以客服類的聊天問答、新聞撰寫等為核心場景。主要玩家包括 Automated Insights （美聯社Wordsmith）、 Narrative Science 、 textengine.io 、 AX Semantics 、 Yseop 、 Arria 、 retresco 、 Viable 、 瀾舟科技 等。同時也是 小冰公司 、 騰訊 、 百度 等綜合性覆蓋AIGC領域公司的重點佈局領域。

創作型文本主要適用於劇情續寫、營銷文本等細分場景等，具有更高的文本開放度和自由度，需要一定的創意和個性化，對生成能力的技術要求更高。

代表性的國內外公司包括 Anyword 、 Phrasee 、 Persado 、 Pencil 、 Copy.ai 、  Friday.ai 、 Retresco 、 Writesonic 、 Conversion.ai 、  Snazzy AI 、 Rasa.io 、 LongShot.AI 、 彩雲小夢 等。

除去端到端進行文本創作外，輔助文本寫作其實是目前國內供給及落地最為廣泛的場景。基本主要為基於素材爬取的協助作用，例如定向採集信息素材、文本素材預處理、自動聚類去重，並根據創作者的需求提供相關素材。

這部分的國內代表產品包括 寫作貓 、 Gilso寫作機器人 、 Get寫作 、 寫作狐 、 沃沃AI人工智能寫作 。

圖像生成

圖像生成的傳統思路是生成對抗網絡（GAN），由生成器和判別器兩部分組成，生成器將抓取數據、產生新的生成數據，並將其混入原始數據中送交判別器區分。

雖然説在現有的GAN在神經網絡架構、損失函數設計、模型訓練穩定性、模型崩潰問題上取得了相應突破，提升了最終圖像的特定細節、內在邏輯、生成速度等。

但要在實際應用中大規模穩定應用，GAN仍需解決以下問題：訓練不穩定、生成的樣本大量重複、結構及壓縮等問題。

2022年，Diffusion Model（擴散模型）成為圖像生成領域的重要發現，甚至有超越GAN的勢頭。

相較於其他的圖像生成模型（比如GAN、VAE和基於流的模型），在所需數據更少的背景下，Diffusion Model的圖像生成效果有明顯提升。

而在3D內容生成上，神經輻射場模型NeRF成為新一代模型。

NeRF通過將場景表示為隱式的神經輻射場，渲染時通過神經網絡查詢位置上的場景信息生成新視角圖像。簡單來説，NeRF利用深度學習完成了計算機圖形學中的3D渲染任務。

基於對不同技術原理的梳理，我們將圖像生成領域的技術場景劃分為圖像屬性編輯、圖像局部生成及更改、以及端到端的圖像生成。

屬性編輯部分，可以直觀的將其理解為經AI降低門檻的PhotoShop。現有代表公司包括 美圖秀秀 （美圖AI開放平台）、 Radius5 、 Photokit 、 Imglarger 、 Hotpot 、 Remove.bg 、 Skylum （Mask AI）、 Photodiva 。

圖像部分編輯部分，指部分更改圖像部分構成、修改面部特徵。典型代表為選入CVPR2022的InsetGAN，該模型由Adobe推出。

圖像端到端生成主要指基於草圖生成完整圖像、有機組合多張圖像生成新圖像、根據指定屬性生成目標圖像等。

該部分包含兩類場景，分別為創意圖像生成與功能性圖像生成。前者大多以NPF等形式體現，後者則大多以營銷類海報/界面、logo、模特圖、用户頭像為主。

垂直代表公司/產品包括 Deepdream Generator 、 Rosebud.ai 、 AI Gahaku 、 artbreeder 、 nightcafe 、 starryai 、 wombo 、 deepart 、 obvious 、 阿里鹿班 、 ZMO.ai 、 Datagrid 、 詩云科技 、 道子智能繪畫系統 等。

音頻生成

此類技術可應用於流行歌曲、樂曲、有聲書的內容創作，以及視頻、遊戲、影視等領域的配樂創作，大大降低音樂版權的採購成本。

我們目前最為看好的場景是自動生成實時配樂、語音克隆以及心理安撫等功能性音樂的自動生成。

TTS（Text-to-speech）在AIGC領域下已相當成熟，廣泛應用於客服及硬件機器人、有聲讀物製作、語音播報等任務。

目前技術上的的關鍵，在於如何通過富文本信息（如文本的深層情感、深層語義瞭解等）更好的表現其中的抑揚頓挫， 以及基於用户較少的個性化數據得到整體的複製能力（如小樣本遷移學習）。

垂直代表公司包括 倒映有聲 、 科大訊飛 、 思必馳 （DUI）、 Readspeaker 、 DeepZen 和 Sonantic 。

隨着內容媒體的變遷，短視頻內容配音已成為重要場景。部分軟件能夠基於文檔自動生成解説配音，上線有150+款包括不同方言和音色的AI智能配音主播。代表公司有 剪映 、 九錘配音 、 加音 、 XAudioPro 等。

在TTS領域，語音克隆值得特別關注。該技術目前被應用於虛擬歌手演唱、自動配音等，在聲音IP化的基礎上，對於動畫、電影、以及虛擬人行業有重要意義。

代表公司包括 標貝科技 、 Modulate 、 overdub 、 replika 、 Replica Studios 、 Lovo 、 Voice mod 、 Resemble Ai 、 Respeecher 、 DeepZen 、 Sonantic 、 VoiceID 、 Descript 。

……

除此之外，因篇幅有限，更多AIGC落地細分場景可在文末獲取完整報告進一步瞭解。

不過總體而言，我們認為，不同賽道下AIGC應用落地推廣程度主要受到兩方面影響，特定技術的水平狀況以及在實際應用中出現的轉化門檻。

並且以下技術要素值得關注： 長文本生成 、 開放式文本生成 、 NeRF模型 、 Diffusion模型 、 跨模態大型預訓練模型 （支持的模態數據類型、模態對齊架構設計、支持的下游應用）、 小樣本學習及自監督算法 、 強化學習 及 環境學習 。

技術場景方面，我們認為短期內將有較明顯爆發的包括 閒聊式文本生成 、 個性化營銷文本 、 富情感及細節TTS 、 拼湊式視頻生成 、 基於文本的AI繪畫 、 語音復刻 。

AIGC價值和產業發展分析

在量子位智庫看來，用AI進行內容創作的價值主要 來源於五點。

區別於市場觀點，我們認為最後一點，也即與AI系統的個性化、實時化互動最能體現其潛在價值。

儘管目前AIGC尚無法完成精準可控的生成，但我們相信這一賽道未來的技術與市場規模上限。

以下為五點主要價值，重要性逐次遞增。

降低內容創作門檻，增加UGC用户羣體

AIGC能夠代替人工完成聲音錄製、圖像渲染等工作，使更多人員能夠參與到高價值的內容創作流程中。預計這一效果在2B結構化內容生成的領域非常明顯，個別場景會出現2C服務。跨模態生成成為未來重點。

提升創作及反饋效率，鋪墊線上實時互動

目前來看，效率提升主要體現在提升專業人員的生產效率。用户對於能夠動態交互的個性化數字內容的需求越來越高，傳統的開發方式無法滿足日益上升的需求，消費速度遠高於製作速度。需要AIGC填補供需間的差距。

但我們認為，更為關鍵的是，AI同樣提升了內容的反饋生成速度，對於實時交互內容有重大意義，具有將線下和真人的快速交互遷移到線上的可能，也即令AI承擔真人的社交、創作、協作功能，可能會出現新的潛在場景（如社交類和探索類遊戲等）。

目前來看，內容消費者變得更容易將現實情感需求投射在虛擬世界中，預計會產生許多深入實時的互動需求，市場規模可觀。

基於海量數據得到強創造性和開放性，有助於激發創意認知、提升內容生產多樣性

相較於人類藝術家，AI能夠接觸借鑑更多的數據，在基於prompt進行內容生成後，AI創作的內容會有更多的二次創造空間和自由度。

例如，生成算法能基於特定條件或完全隨機的生成現實中不存在的形狀、色彩搭配、圖案或結構等，賦予內容創作更多可能，產生“超現實感”及“未來感”，推動藝術創新。

對不同模態元素進行二次拆解組合，改變內容生產邏輯及形式

通過語音克隆、編曲風格提取等手段，AIGC能夠將原客體所對應的不同模態信息進行拆解，例如演講者的面部形象、 聲音、演講內容等。

在重新組合之後，能夠完成過往受到條件限制無法完成的工作。例如路人的聲音+專業的播音邏輯、 更符合特定審美的面部等，打破真人/真實場景在要素組合上具有的侷限性。

和其他AI系統或數據庫進行聯動，有實現高度個性化/高頻優化

在與特定的數據庫（例如實時更新的客户數據、市場反饋數據、特定主題下的歷史統計數據）或AI系統進行聯動後（如個性化推薦系統等），AIGC能夠在更為精準的未來預測/個性化預測基礎上調整其生成內容。

例如，根據用户習慣調整內容營銷文本、根據所處渠道風格調整生成內容、參考歷史數據優化生成內容等。

產業鏈分析方面，由於我國的AIGC行業尚未發展成型，我們在此基於自身理解，繪製了產業鏈分佈圖。

目前，在上游，我國AIGC產業還有眾多欠缺，以數據標註為重點體現。

我們認為，未來業務關聯的大公司收購可能會成為主流現象，或應當存在較明顯的大廠擴展業務趨勢。但大廠的業務擴展動機往往在於通過新賣點快速 獲取流量，優化核心業務，並不會過度關注AIGC本身業務價值的充分挖掘。

因此，在明確的新場景出來之前，我們認為這個行業更容易分散在不同的內容消費場景下。

我們所分析的行業門檻及核心競爭力：

無論是內容還是延展領域，在產品上最終需要回到一體化解決方案服務能力

迴避大廠商後期的競爭壓力

與行業的深度綁定關係

構建業務閉環

最後是我們基於此次調研所得出的六大關鍵結論：

本文來自微信公眾號 “量子位”（ID：QbitAI） ，作者：量子位智庫，36氪經授權發佈。