谁在中国“围猎”AIGC？|人工智能|算法|大模型|aigc

用微信扫码二维码

分享至好友和朋友圈

出品｜网易科技《后厂村7号》栏目（ID: tech_163）

为什么中国没有出现ChatGPT？我们的差距在哪里？要投入多少资金才能与之抗衡？

“本质是专注和决心，是有没有做到AI First。”小冰CEO李笛直言，从技术层面来讲，的技术没有太多的秘密，中国人的技术不亚于欧美。在本土化实践技术、中文大模型等方面，中国甚至某些方面领先。

“背后的大模型是大资本的游戏，长期持续投入真的很贵。”资深研究专家田涛源告诉《后厂村7号》，在ChatGPT出现之前，较多企业不会选择把钱烧在一个未知的机会上。“GPT3.5训练一次需要花费300-460万美金，还只是算力的成本，没算人才的成本，Open AI一共375人左右，一年工资开支就要2亿美金，AI算力开支5亿美元，需要雄厚的资本支撑。”

但ChatGPT的惊艳四座，AIGC的技术质变，投射到广阔的中国互联网上，引燃了AI从业者的光荣与梦想、激情与野望，在喷薄、在跃动。

AI创业者陈东记得，临近过年的寒夜，在北京的朋友家里，他们吃着开心果、瓜子，彻夜交流，一晚上的话题几乎都与AIGC和ChatGPT有关，虽然不少人对此还是半懂不懂，却富有热情。

在被ChatGPT惊艳的同时，国内业界也在思考：AIGC的商业模式是什么？哪些方向存在更多机会？中国版ChatGPT的危与机？

（图为张颀AI绘画作品，由受访者供图）

中国AIGC生态初现：大厂搞基建，小厂做创新

当下，全世界互联网都刮起了一阵ChatGPT风。这款由OpenAI推出的全新聊天机器人模型，不仅可以回答人类的提问，承认自己的错误，还能作诗、编程甚至帮助大学生完成论文。它让马斯克感叹“好得吓人”，也代表AIGC向全世界喊出了“芝麻开门”。

在中国，围绕AIGC生长出的市场生态，已崭露头角。

“AIGC并不是一个多么新鲜的概念。”陈东谈到，大厂很多2C应用里，已经有不少内容是AI生成的，甚至出现过广告对外宣传已经在大规模使用AIGC技术，至少两年前就有这个方向的创业团队出现，并得到了一线美元基金的青睐和投资。

在他看来，AIGC不只是大厂的机会，也将新起很多创业公司。一类公司偏底层，在新场景中孕育大模型的突破，产研类似DALL·E、GPT等产生很多新模型；另外是在应用层中，也会出现很多新公司，包括生成文字、图像、视频、数字人等等。

在赶超ChatGPT的巨大诱惑下，大厂率先打响了追平基础大模型差距的“攻坚战”。

2月7日，经百度确认，百度类ChatGPT项目名字确定为“文心一言”，英文名ERNIE Bot，预计3月份完成内测，面向公众开放。除百度外，还有腾讯、阿里巴巴、快手、字节跳动、京东、网易、360、商汤、美图等大厂都在AIGC领域有所投入，加入到这场全球新一轮AIGC技术竞赛。

“好的人工智能大模型是非常费钱的。”在资深人工智能研究专家田涛源看来，这股预训练大模型的风潮之下，其实是一场拼数据、拼算力、拼财力的军备竞赛长跑。

他介绍，基础模型GPT3.5训练一次需要花费300-460万美金，还只是算力的成本，没算人才的成本，Open AI一共375人左右，一年工资开支就要2亿美金，算力开支5亿美元。“这真是很贵，而且前面那么多年是没商业回报的，基础模型的参数又是持续优化的过程，随着商业化进展加速要不断进行训练，需要雄厚的资本支撑，确实是小公司用不起来。”

但对于基础大模型、应用大模型未来的商业价值，行业从业者都有共识、有期待。

“AIGC生态最值得关注的就是大模型的建设能力，这将成为AIGC长期价值的重要增长点。”AI创业者“web3天空之城城主”激动地说，“这是用短期的投入换10年后千倍收益的事情。”

另一面，在细分行业中，AIGC的造富速度同样让人们睁大眼睛。

去年10月19日，以文字生成为主的AIGC项目Jasper.Ai完成了1.25亿美元的A轮融资。完成融资后，凭借15亿美元的估值跻身AIGC赛道独角兽俱乐部。就在Jasper.Ai宣布融资的前一天，Stability AI成功融得资金1.01亿美元，投后估值达10亿美元。

在AIGC的垂直技术场景中，按照模态区分，可以分为音频生成、文本生成、图像生成、视频生成等细分领域，均已出现中国企业的探索身影。

文字生成：小冰、Glow、清华九歌、彩云小梦、写作猫、澜舟科技、元语智能等。

图像生成：百度文心一格、盗梦师、TIAMAT、达利AI、6pen、图宇宙、Artflow等。

视频生成：抖音的剪映、快手的云剪、影谱科技、蓝标分身、商汤智影、诗云科技的Movio等。

音频生成：网易天音、StarX MusicX Lab、DeepMusic等。

数字人：启元世界、倒映有声等。

从独角兽到大厂，从使用者到投资人，从业界到学术界，AIGC在应用层的创新引发了广泛的关注。

资本涌入、互联网巨头纷纷布局的背后是AIGC巨大的经济价值和市场规模。

Gartner预测称，到2026年，全球30%的企业机构将拥有用于数字人和元宇宙的产品与服务。麦肯锡则预测，到2030年全球元宇宙相关支出或达5万亿美元。更值得期待是，AIGC正在逐步探索性地进入真实工业生产链条，应用到营销、游戏、代码、生命科学等多个领域。

尤其是一级市场，投资人的脉搏正在变快。

明势资本合伙人夏令直言，2021年年底他就和同事在梳理AIGC领域的机会，并且做了投资布局。AIGC让他感到兴奋的有三点：一是，用户在环、端到端数据驱动模型的上限极高，模型迭代+高质量反馈能带来持续效果提升；二是，以抖音、小红书为代表的内容制作再分发的逻辑有可能变为用户与AI系统共同创造个性化内容的逻辑；三是，新一代的AI技术范式将有机会让人类脑力劳动真正商品化。

去年底，知春资本董事总经理谢梦晖就观察到了这波创业的列车再一次提速。一个侧面反映，“我们之前投资的相关领域被投企业，尤其是基于ChatGPT模型进行商业化衍生的公司，开始频繁受邀参加各种技术和投资论坛。”

令他感到惊喜的是，这轮技术的迭代将推动创造商业的新增量。“在新的生产力基础上，现有的生产关系必然重构，对应的经济体系、组织模式必然会发生变革，创造力的估值将会呈指数级提升。”

AIGC的商业模式是什么？

生于1988年的创业者陈东意识到自己正身处历史之中，连续许多天大厂宣布入局chatGPT的消息席卷着他的注意力，创业者的朋友圈就像创投世界的温度计，“之前搞元宇宙、web3甚至NFT的都要搞AIGC”。他和朋友们感叹太疯狂了，“像王慧文这种大佬，在朋友圈发布人工智能入局宣言，说5000万美元，带资入组，不在意岗位、薪资和title，求组队。”

虽然陈东目前还没找到明确的方向，但已经和投资人喝上了咖啡，“他们其实也想更了解这个行业，尤其是如何商业化。”

自AI绘画工具StableDiffusion开源以来，国内大量主打AI绘画的网站和APP如雨后春笋般涌来。AI画师张颀作为AI绘画工具重度使用者，一些平台内测阶段就会主动找上门，让他提看法，找bug。“有的甚至前端的开发人员直接过来问，要如何调整才能提升大家的付费意愿？”

（图为张颀AI绘画作品，由受访者供图）

产业圈和投资圈对于AIGC，仍有一串真正严肃、令人如鲠在喉的问题：AIGC的商业模式是什么？在中国像open AI这样的公司在哪里？如何做成一个产品，既要普惠化，又要足够深，足够广？

借鉴美国的商业化经验，夏令大致将AIGC领域分为三类商业模式：一类是OpenAI这种专注于做大模型的公司，提供API，做细分场景应用的公司需要去调用它的API，按API去付费；第二类公司是既做大模型，又直接做垂直一体化应用的公司，比如在AI生成图像很火的公司 Midjourney，第三类公司是调用第一类公司的大模型API，基于对细分场景的深刻理解，重点开发具体场景的AI应用，比如Jasper这样的公司。

但对于像OpenAI这种提供API的商业模式，在中国能否真正work，还是个问号。

田涛源讲，这个方向不仅在研发阶段要承担巨大的人力成本、算力开支压力，即便真的推出效果类似ChatGPT的大模型，数据成本、调优、AI伦理优化依然居高不下。“目前ChatGPT每回答一个问题，成本至少要一美分，以这样的方式去做商业变现，面临着高昂的成本、海量的行业优化需求、多条科技战略路径决策选择。”

同时，ChatGPT类似第一代iPhone，上面尚没有成功的爆款APP（例如愤怒的小鸟），它离稳定性的商业服务还存在距离，没有跨过工业红线。在他看来，当下还处于从实验室基础技术转向产业界爆款应用服务的过程中，处于很早期。“但至少让大家看到了基础模型巨大的跨领域服务能力，找到了通用人工智能的一条可能成功的路。”

与此同时，在国内真正能做AI大模型的公司其实是极少的。

夏令观察，但凡能做底层的模型，不管是去做语言大模型的，还是去做强化学习的，只要以技术见长，以工程化产品化的思维做底层模型的公司，融资都非常不错，过去一两年VC都要抢着投进去。“可能资本的溢价没有像美国那么夸张，但一两年时间做到10亿美金估值的公司还是有一些的。”

王思捷和启元世界团队此刻正在经历创业以来最繁忙的日子：由于入局较早，从算法到工程整个一套的体系积累下来的能力，已经自建出百亿参数的game AI和数字人AI垂类大模型。风口降临后，有顶级游戏制作人已经主动上门寻求合作。

他引以为傲的是，这套垂类模型的训练和推理成本可以做到比Open AI同参数规模的模型低一个量级。在王思捷看来，先构建更小的垂类模型（比如百亿参数、十亿参数），让数据飞轮和模型训练能够很好结合，垂类模型在某些领域可能比open AI的效果更好成本更低。“这种想象能力是在中国更能跑通的。”

小冰CEO李笛则直言AIGC商业回报赛道最大的是数字人，“它的客单价明显会更高，我们做过终端内容的生成，感觉这是个菜市场般的内容市场，单价非常低，直到我们将AI生成能力捆绑到数字人身上，平均客单价迅速从20万提高到了300万，当然你的成品质量要足够高。”

但对于只懂用API调用生成内容的创业团队，参与本次采访的受访者大多表示，“价值有限。”

李笛试图放出一个警惕信号，奉劝想要进入AIGC赛道的创业者，要谨慎使用大厂提供的可调用接口，尽可能自建垂类模型。

“API调用的商业模式挣不到钱，所以即便是为了发展，大厂也一定会跳进去，去做生态链上面其他生态类企业的事情，首当其冲就是直截了当应用他们的技术来提供服务的人。”他判断最终的结果，“你要做起来一定会被吃掉，骨头都不剩。”

中美差距：不在技术，在专注

在被ChatGPT惊艳的同时，国内业界也在反思：为什么中国没有出现ChatGPT？

事实上，此前不乏有国内公司雄心勃勃想登上中文版ChatGPT的“王座”。但在可能的未来和确凿的现实面前，在巨额投入和业绩报表的冲突面前，选择了犹豫不前。

“大模型的技术没有太多的秘密。”李笛直言，在ChatGPT出现前，小冰从2017年就开始做AIGC相关的东西，从技术层面来讲，中国人的技术不亚于欧美。在本土化实践技术、中文大模型等方面，中国甚至某些方面领先。

事实上，国内，一群最勇敢、怀抱最狂野梦想的年轻创业者，已经带着自己的AI生成产品挑战海外市场，与世界一流的上市公司对标产品能力。

“AIGC 这件事要真正落地，门槛不仅仅是技术水平，更重要的是从 AI 到用户到数据，再到产品体验能够循环起来的一个飞轮。”从目前拿到手的海外用户反馈，他判断，“在这个方向上，我们现在技术和产品体验上，都是比较领先的。

对比海内外的团队，梁望最大的感受是大家对于创新的理解和投入度存在差异。例如，面对那些可能短期甚至中期内都看不到回报的创新，团队是否仍然拥有无论如何都要去做出来的精神和决心。

作为企业的一把手，李笛也深刻认知到中国和北美的商业和科技环境的不一样，国内大多企业没有那么多的钱会烧在一个未知的预测上。“要花很多的钱，要花很多时间，短期内难有商业价值，谁也不知道这个是不是可行。”

“本质是专注和决心，是有没有做到AI First。”李笛直言，好几年前看到Open AI，他们做到了全情投入，这也是唯一的不同，Open AI花了足够的时间和精力在赌，敢于相信一个暴力出奇迹的大模型，但他们那个赌小冰确实不敢赌，“创业生死一线间，某种意义上，如果Open AI不推出Chat GPT，他们今天可能很堪忧了。”

田涛源看来，这件事给大家一个启发：我们对人工智能硬件（例如芯片）非常重视，但是人工智能的基础软件（例如大模型、训练框架、大数据工具链），是不是长期投入不足、没有足够重视？有没有决心进行长期的基础研发投入？

中国投资与产业界更在乎短期商业回报上的表现，即快钱。“在中国是大家看到哪个技术到了商业价值转化的临界点，所有人一拥而上，对许多大型科技或实体行业龙头企业来说，AI基础科研重视程度不足，缺乏大模型自研能力和战略定力，大家以快速产出的应用为导向，而技术算法的研发必须要很长时间的积累。”田涛源讲。

但一些极擅长工程化的中国AI公司入场，也必将搅动全球AIGC市场。

夏令讲中国优秀的AI初创公司拥有非常明确的一点优势，就是具备很强的工程化能力，搭建一个相比openAI成本更低、迭代效率更高、更满足明确优化目标要求的模型是可以实现的。

同时，中国整个应用场景具备足够的丰富性。“我们这么大的人口基数，产业数字化基础也已经初步具备，中国在高质量反馈数量上有优势，而这对新一代AI模型格外重要。我们看重的AIGC公司要有比较好的工程化能力，对中国实际的商业场景有自己独到认知，我们认为只有这样的公司最有机会能够跑出来。”夏令讲。

随着ChatGPT爆火，这一旧金山诞生的技术引爆了全球人工智能产业，AI 公司近乎全面入局，经济链条的最上游资本市场也出现了震荡，预示变革的信号弹一枚接一枚地炸响。

（图为张颀AI绘画作品，由受访者供图）

“中国一定要有自己的GPT-4，即基础模型（大模型）。”

田涛源强调，“中国的科技创业团队应有危机感。”ChatGPT也好，基础模型也好，越多的开发者、越多样化的高质量数据、使用场景，对基础模型的反馈和优化就是越有价值。“谁先去做强化学习，谁就具备先发优势，这对于我们是一个很大动力和压力。”

而在机会的另一面，是所有ChatGPT面临的最大门槛——“安全和合规”。

2016年，微软就做出了聊天机器人，可以实时地通过用户反馈，并修改自己的回答，但一经发布后，24小时就被教成了种族主义者，很快就被下架了。“我们的实验室也有自己的对话机器人，过去这个是不敢放出来的。”一位头部AI公司创始人告诉《后厂村7号》栏目。

谈到具体落地，资深人工智能研究者田涛源提出：“OpenAI官方在2020年7月发布的《Language Models are Few-Shot Learners》报告中对提出了ChatGPT背后语言大模型的能力边界与挑战提醒：

1、表达问题：语义重复，长篇幅段落中失去连贯性、自相矛盾，偶尔不符合逻辑

2、缺少物理常识：GPT-3很难回答“如果我把奶酪放进冰箱，它会融化吗？”

3、训练效率差与世界模型：GPT-3与人类语言训练效率存在显著差距，但GPT-3在预训练期间学习的文本规模远大于人类一生中看到的文本，以物理世界中额外信息为基础、算法改进都可能提升效率。

4、不确定性：GPT-3的少样本学习存在不确定性、模糊性，未来在准确理解少样本学习原理的基础上，能在模型推理时“真正从头开始”学习新任务。（不清楚人类“从零学习”是否会受以往知识的影响）

5、大模型适用性不好：不方便进行推理，实用性不好，大模型蒸馏到可管理的大小，GPT-3等大模型包含广泛的技能，但在特定任务中并不需要，原则上激进的蒸馏“瘦身”是可能的方法，但在对千亿参数的大模型上还没有过尝试，可能会遇到“决策不易解释”、 “输入的预测不易校准”、 “训练数据的偏差”（数据偏见带来模型偏见，社会伦理影响）。”

“我看到像Open AI的负责人现在也跳出来，主动地说希望被监管。”

在上述AI头部企业创始人看来，这种大模型的最终落地，必然要接受非常严格监管。“如果放任发展，过十年它能让美国那一代学生的教育水平大幅度下滑。”

在他看来，ChatGPT真正在C端出圈，离不开想要借此抄作业的学生，背后涉及的是AI伦理问题。“在美国，10个学生有9个过去几个月迅速知道了ChatGPT，并通过它写作业上交，这是它会火爆的一个重要的推手，它解决了实际问题，但是这个解决问题的方法是不正确的。”

他对资本市场所谓的天气预报不感兴趣。这段时间，不乏有投资人找过来，提议去做ChatGPT类似的大模型，但他没有接受这根橄榄枝。“不是特别爱抢这种风头，我是不会推出一个让学生抄作业的东西，不管赚再多的钱。”

他希望，选择去做ChatGPT类似应用的同行，能够更多考虑AI伦理的自律问题，提前预估学生拿到它会做什么？被迅速铺开怎么办？“尽力做好安全和合规吧，让它last for long，能够持续的存在。”

业内有共识，对于ChatGPT的讨论，未来几年都不会停歇。

但明确的是，ChatGPT以及其对应的大模型发展，就是未来的一个技术革命，可能还没有到达大家想象的那种令人恐慌的程度，但确实会让未来几年的创新得以释放。

在田涛源看来，大家现在执着于去搞ChatGPT，放眼整个人工智能未来，只是其向前迈进的一块垫脚石。“再往上走，还有更多巨大的机会。”

在他的想像中，AI可以推动人类对航天的探索、对新能源的探索、对新材料的重大发现，随着它对物理规律认识的越透彻，对人、对环境、对生命体的认知越来越深刻，能够逼近一些人类认知范围以外的未知知识，甚至具备新知的可能性。

在这场或许比移动互联网更加颠覆的大变革里，对于中国AI企业，距离终点仍有漫长的道路要寻找、摸索、攀登。

（应受访者要求AI创业者陈东为化名）

出品｜网易科技《后厂村7号》栏目（ID: tech_163）