AIGC发展路径思考：大模型工具化普及迎来新机遇

□ 文 翟 尤 李 娟

0 引言

2022年8月，在美国科罗拉多州举办的新兴数字艺术家竞赛中，参赛者提交AIGC（AIGenerated Content，以下简称“AIGC“）绘画作品《太空歌剧院》，参赛者没有绘画基础但是却获得了此次比赛“数字艺术/数字修饰照片”类别一等奖，引发多方争议。一方面，批判者认为AI在“学习”了大量前人的作品之后，其创作没有任何情绪和灵魂，难以和人类的艺术创作相提并论。另一方面，支持者认为创作者在一遍遍修改文本内容后，才让AI创作出满意的作画，而且作品有很强的观赏性，AI的创作有其独特价值。AIGC的快速迭代演变，让大模型应用落地有了新领域，也带来对版权和通用人工智能到来的争论，因此有必要从产业发展的角度分析AIGC可能的发展路径，探寻问题解决方案，助力AIGC健康有序发展。

1 AIGC快速发展主要推动因素

AIGC是利用人工智能技术来生成内容。2021年之前，AIGC生成的内容主要以文字为主，而新一代模型可以处理的格式包括：文字、语音、代码、图像、视频、机器人动作等。AIGC被认为是继专业生产内容（PGC，professionalgenerated content）、用户生产内容（UGC，Usergenerated content）之后的新型内容创作方式，可以在创意、表现力、迭代、传播、个性化等方面，充分发挥技术优势。尤其是视觉信息，一直在网络中有较强的传播力且容易被大众感知，具有跨平台、跨领域、跨人群的优势，天然容易被人记忆和理解。同时视觉信息应用场景广泛，因此生成高质量的图像成为当前AI领域的一个现象级功能。

1.1 深度学习模型不断迭代为AIGC发展奠定了基础能力

2021年，OpenAI将跨模态深度学习模型CLIP（Contrastive Language-Image Pre-Training，以下简称“CLIP”）进行开源。CLIP模型能够将文字和图像进行关联。例如，将文字“狗”和狗的图像进行关联，并且关联的特征较为丰富，从而推动CLIP模型成为AIGC的重要组成部分。目前，CLIP模型具备两个优势，一方面能够同时进行自然语言理解和计算机视觉分析，实现图像和文本匹配。另一方面为了有足够多标记好的“文本-图像”进行训练，CLIP模型广泛利用互联网上的图片，这些图片一般带有相关文本描述，成为CLIP天然的训练样本。据不完全统计，CLIP模型搜集网络上超过40亿个“文本-图像”训练数据，为后续AIGC尤其是输入文本生成图像/视频应用的落地奠定了基础。

某AIGC绘图网站上输入Cyberpunk后，搜索到的AIGC生成绘画

在此之前，“对抗生成网络”GAN（Generative Adverserial Network, 以下简称“GAN”)虽然也是很多AIGC采用的主流框架之一，但GAN具有三个不足：一是对输出结果的控制力较弱，容易产生随机图像；二是生成的图像分别率较低；三是由于GAN需要用判别器来判断生产的图像是否与其他图像属于同一类别，导致生成的图像是对现有作品的模仿，创新性不足。因此依托GAN模型难以创作出新图像，也不能通过文字提示生成新图像。

Diffusion扩散化模型出现较晚，但真正实现让文本生成图像的AIGC应用为大众所熟知，也是2022年下半年Stable Diffusion应用的重要推手。Diffusion模型有两个特点，一方面，给图像增加高斯噪声，通过破坏训练数据来学习，然后找出如何逆转这种噪声过程以恢复原始图像，经过训练，该模型可以从随机输入中合成新的数据。另一方面，Stable Diffusion把模型的计算空间从像素空间经过数学变换，降维到可能性空间(Latent Space)的低维空间里，这一转化大幅降低了计算量和计算时间，使得模型训练效率快速提高。Diffusion算法模型的创新与应用推动了AIGC技术的突破性进展。

AIGC相关深度学习模型汇总表

AIGC绘画应用系统汇总表

总的来看，AIGC在2022年实现快速迭代，主要是在深度学习模型方面有了长足进步。首先CLIP模型基于海量互联网图片进行训练，推动AI绘画模型进行组合创新。其次Diffusion扩散化模型实现算法创新。最后使用潜空间降维的方法来降低Diffusion模型在内存和时间消耗较大的问题。因此，AIGC绘画之所以能够帮助用户进行辅助创作，背后离不开大量深度学习模型的不断完善推动和基础作用。

1.2 开源策略成为应用开发普及的“必选项”

在算法模型方面，AIGC的发展离不开开源模式的推动。以深度学习模型CLIP为例，开源模式加速CLIP模型的广泛应用，使之成为当前最为先进的图像分类人工智能，并让更多机器学习从业人员将CLIP模型嫁接到其他AI应用。同时，当前AIGC绘画最热门的应用Stable Diffusion已经正式开源（包括模型权重和代码），通过视觉、语言等多源知识指引扩散模型学习，强化扩散模型对于语义的精确理解，以提升生成图像的可控性和语义的一致性。Stable Diffusion的开源直接引发2022年下半年AIGC引发广泛关注，短短几个月时间内出现大量二次开发，从模型优化到应用拓展，大幅降低用户使用AIGC进行创作的门槛，提升创作效率，并长期位居GitHub热榜第一名。

在训练数据集方面，机器学习离不开大量数据学习。LAION作为全球非盈利机器学习研究机构，在2022年3月开放了当前规模最大的开源跨模态数据库LAION-5B，使得近60亿个“文本-图像”可以用来训练，从而进一步加快AI图像生成模型的成熟，帮助研究人员加快推动从文字到图像的生成模型。基于CLIP和LAION的开源模式构建起当前AI图像生成应用的核心。未来，随着模型稳定，开源将成为AIGC成熟的催化剂，源模式有望让相关模型成为海量应用、网络和服务的基础，应用层面的创造力有望迎来拐点。

2 AIGC为创作领域带来的效率与模式的创新

创造力曾被认为是少数幸运儿拥有的天赋，但随着深度学习的爆发，协助创作者提升创作效率成为可能。目前来看，AIGC在工业设计、动漫设计、摄影艺术、游戏制作等场景，能够激发设计者创作灵感，提升内容生产效率。

2.1 应用效率提升是当前AIGC落地关键

在捕捉灵感方面，AIGC协助有经验的创作者捕捉灵感，构建新的创新互动形式。例如在游戏行业，制作人灵感往往难以用文字准确表达，与美术工作人员经常由于沟通产生理解误差。通过AIGC系统可以在设计初期，生成大量草图，在此基础上制作人与美术人员可以更好的理解并确认彼此的需求。同时，创作灵感难以琢磨，可以提前通过AIGC来寻找“感觉”，进一步降低美术创作者大量前期工作和项目成本。例如，制作人可先构建完整的背景故事，之后由AIGC生成系列画作，再由专业的美术人员进行筛选、处理、整合，并将整个故事和画面进一步完善提升。

在提升效率方面，AIGC的出现将会让创作者拥有一个更加高效的智能创作工具，在内容创作环节进行优化，而非成为竞争对手。例如在极短的项目筹备时间内，AIGC可以大幅提升效率，验证了AI投入到工业化使用的可行性。尤其是对于艺术、影视、广告、游戏、编程等创意行业的从业者来说，可以辅助从业者进行日常工作，并有望创造出更多惊艳的作品。同时，还可以进一步降低成本和效率，为规模化生产构建市场增量。

2.2 创意与实现步骤分解实现进一步细化分工

在创意构思阶段，AIGC构建了新的创意完善通路，传统的创作过程中消化、理解以及重复性工作将有望交由AIGC来完成，最终创意过程将变为“创意-AI-创意”的模式。

图片来源：《AI时代的巫师与咒语》

在创意实现阶段，创作者和AIGC的关系类似于摄影师和照相机。摄影师构建拍摄思路并进行规划，对相机进行参数配置，但不用了解相机的工作原理与机制，一键生成高质量的内容。同样，创作者构思并进行规划，对AI模型进行参数配置，不需要了解模型的原理，直接点击输出内容即可。创意和实现呈现出分离状态，实现过程变为一种可重复劳动，可以由AIGC来完成，并逐步将成本推向趋近于零。

3 推动AIGC良性发展的意见和建议

Gartner预计，到2025年，生成式人工智能将占所有生成数据的10%。根据《Generative AI ：A Creative New World》的分析，AIGC有潜力产生数万亿美元的经济价值。AIGC在引发全球关注的同时，知识产权、技术伦理将面临诸多挑战和风险，同时AIGC距离通用人工智能还有较大的差距。

3.1 从“大模型”到“广应用”，探索可行商业模式

基于深度学习算法数据越多，模型鲁棒性越强的特点，当前的大模型规模只增不减，比拼规模已经成为标配。例如，Open AI推出的GPT-3参数已经超过1750亿个。但“数据投喂”并非一种技术路径上的创新，更多的是在工程领域的微调。需要指出的是，模型规模越大，其实越难以在现实场景中落地部署。同时“海量数据”并不等同于“海量高质量数据”，有可能会导致反向效果产生。

AIGC的发展离不开预训练大模型的不断精进。大模型虽然在很多领域都表现出良好的使用效果，但是这些效果作为展示甚至噱头之后，很难形成良性的商业价值，与大模型的训练成本、基础设施投入更是相差甚远。如何推动“大模型”向“大应用”来转变，正在成为关键的考验。AIGC的破圈以及引发的关注，可以看到大模型商业化的潜力正在清晰化，一方面大模型企业可以根据C端用户实际“按需提供服务”和商业转化。另一方面带动对云计算、云存储的使用量上升。将AIGC从“尝鲜试试看”变成大众频繁使用的需求，再到与具体行业和领域深度结合，依托我国丰富的产业需求和应用场景，有望为大模型商业化和长期价值探索一条新路径。

3.2 注重知识产权保护，尝试探索新价值创新

AIGC的飞速发展和商业化应用，对大量依靠版权为主要营收的企业带来冲击。具体来看：一方面，AIGC难以被称为“作者”。根据我国《著作权法》的规定，作者只能是自然人、法人或非法人组织，很显然AIGC不是被法律所认可的权利主体，因此不能成为著作权的主体。另一方面，AIGC产生的“作品”尚存争议。根据我国《著作权法》和《著作权法实施条例》的规定，作品是指文学、艺术和科学领域内具有独创性并能以某种有形形式复制的智力成果。AIGC的作品具有较强的随机性和算法主导性，能够准确证明AIGC作品侵权的可能性较低。同时，AIGC是否具有独创性目前难以一概而论，个案差异较大。

目前已经有业内人士尝试探索将创作者的“创意”进行量化，甚至定价，有助于打造AIGC的商业模式。这其中“注意力机制”将成为AIGC潜在的量化载体。例如国内有机构专家提出，可以通过计算输入文本中关键词影响的绘画面积和强度，我们就可以量化各个关键词的贡献度。之后根据一次生成费用与艺术家贡献比例，就可以得到创作者生成的价值。最后在与平台按比例分成，就是创作者理论上因贡献创意产生的收益。

例如某AIGC平台一周内生成数十万张作品，涉及这位创作者关键词的作品有30000张，平均每张贡献度为0.3，每张AIGC绘画成本为0.5元，平台分成30%，那么这位创作者本周在该平台的收益为：30000＊0.3＊0.5＊（1-30%）=3150元的收益，未来参与建立AI数据集将有望成为艺术家的新增收益渠道。

3.3 距离通用人工智能还有较大差距

当前热门的AIGC系统虽然能够快速生成图像，但是这些系统是否能够真正理解绘画的含义，从而能够根据这些含义进行推理并决策，仍是未知数。一方面，AIGC系统对输入的文本和产生的图像不能完全关联起来。例如，用户对AIGC系统进行测试，输入“骑着马的宇航员”和“骑着宇航员的马”内容时，相关AIGC系统难以准确生成对应的图像。因此，当前的AIGC系统还并没有深刻理解输入文本和输出图像之间的关系。另一方面，AIGC系统难以了解生成图像背后的世界。了解图像背后的世界，是判断AIGC是否具备通用人工智能的关键。目前来看，AIGC系统还难以达到相关的要求。比如，在Stable Diffusion 输入“画一个人，并把拿东西的部分变成紫色”，在接下来的九次测试过程中，只有一次成功完成，但准确性还不高。显然，Stable Diffusion并不理解人的双手是什么。

知名AI专家发出的调查也印证了同样的观点，有86.1%的人认为当前的AIGC系统对世界理解的并不多，持相同观点的人还包括Stable Diffusion的首席执行官。

3.4注重创作伦理引发安全风险

部分开源的AIGC项目，对生成的图像监管程度较低。一方面，部分数据集系统利用私人用户照片进行AI训练，侵权人像图片进行训练的现象屡禁不止，这些数据集正是AIGC等图片生成模型的训练集之一。例如，部分数据集在网络上抓取了大量病人就医照片进行训练，且没有做任何打码模糊处理，对用户隐私保护堪忧。另一方面，一些用户利用AIGC生成虚假名人照片等违禁图片，甚至会制作出暴力和性有关的画作，LAION-5B数据库包含色情、种族、恶意等内容，目前海外已经出现基于Stable Diffusion模型的色情图片生成网站。

由于AI本身还不具备价值判断能力，为此一些平台已经开始进行伦理方面的限制和干预。例如DALL·E2已经开始加强干预，减少性别偏见的产生、防止训练模型生成逼真的个人面孔等，但相关法律法规的空白和AIGC应用研发者本身的不重视将引发对AI创作伦理的担忧。

4 结束语

2022年AIGC发展速度惊人，年初还处于技艺生疏阶段，几个月之后就达到专业级别，足以以假乱真。这让花费毕生所学进行创作的从业人员倍感焦虑和紧张。同时，AIGC的迭代速度呈现指数级爆发，这其中深度学习模型不断完善、开源模式的推动、大模型探索商业化的可能，成为AIGC发展的“加速度”。新技术会淘汰适应性差的人，但是那些拥抱变革、适应力强的人，最终往往能驾驭新技术、发现新机遇，从此获得新收益。新的生产方式会被替代，新的工作岗位、新产业甚至新的艺术表现形式，会从变革中诞生。