近日,Meta 在 AI 领域动作不断, 先是在论文中发布新模型 SegmentAnythingModel(SAM), 用于识别、分割图像和视频中的物体。
近日,Meta 在 AI 领域动作不断, 先是在论文中发布新模型 SegmentAnythingModel(SAM), 用于识别、分割图像和视频中的物体。据 Meta 介绍,SAM 的出现将使万物皆可识别和「一键抠图」, 有望掀起通用视觉模型热潮。而在释放 SAM 后不久,Meta AI 的基础人工智能研究 (FAIR) 团队又发布了首个 AI 动画绘图 (Animated Drawings) 开源项目, 用 AI 技术轻松让各种人物涂鸦变成动画。
回顾国内, 继百度发布语言大模型文心一言之后, 阿里也于上周发布通义千问大模型, 目前业界反馈良好。
在大厂们纷纷入局 AI 模型的同时, 应用层面玩家也层出不穷。前不久, 创意软件 A 股上市公司万兴科技 (300624.SZ) 重磅发布全新 AIGC「真老外」短视频出海营销神器「万兴播爆」, 海外公司则多从营销文案、图像生成下手, 试图探索出最佳商业化道路。目前成效如何? 本文将一探究竟。
技术军备赛:大厂间的「饥饿游戏」
AIGC 看似一夜爆发, 实则是多年技术沉淀的结果。
近五年来, 随着生成式对抗网络 (GAN)、扩散模型 (Diffusion Model) 等深度学习生成算法相继涌现,AI 高品质输出内容逐渐成为可能。而随着 2017 年谷歌发布 Transformer 机器学习方法, 人工智能领域进入了大炼模型参数的预训练模型时代。
由于预训练大模型对数据规模、算力等都有极高的要求, 也因此, 预训练模型的军备赛成为了大厂之间的竞争, 而缺乏硬件设备、软件资源的中小厂则逐渐被甩出竞争队伍,AI 底层技术方面马太效应将越来越明显。
目前, 海外以 OpenAI、谷歌为代表, 国内以百度、阿里为代表的大厂们纷纷开始相关布局。海外方面, 凭借 ChatGPT 掀起 AIGC 浪潮的 OpenAI, 是语言大模型方面的龙头企业之一。从 ChatGPT 到最近发布的 GPT-4,OpenAI 的大模型在表现方面堪称业界最强。
除此之外, 今年 3 月初, 微软发布了多模态 AI 大模型 Kosmos-1;3 月 7 日, 谷歌和柏林工业大学的团队推出了 PaLM-E 视觉语言模型, 其不仅可以理解图像, 还能理解、生成语言, 以及将两者结合, 处理复杂的机器人指令。
在海外厂商备战得如火如荼的同时, 国内也在从政企两侧双管齐下, 加速数据产业等大模型研发基础产业的发展, 促进国内 AI 模型研发加速。
2 月 13 日, 北京市经济和信息化局发布的《2022 年北京人工智能产业发展白皮书》提出,2023 年要全面夯实人工智能产业发展底座, 支持头部企业打造对标 ChatGPT 的大模型, 着力构建开源框架和通用大模型的应用生型。3 月 7 日, 国家数据局正式宣布组建。
自 2 月起, 百度、阿里、腾讯、京东、字节跳动等大企业纷纷发声, 表示自己在大模型领域已经开展了深入研究, 且获得了很多成果。其中, 百度已于 3 月 16 日率先推出大语言模型文心一言。从目前反馈来看, 文心一言与 ChatGPT 在中文问答方面能力相差不大, 但距 GPT-4 仍有差距。
此外在音频、视频等领域也有不少公司有技术布局, 包括 Meta 和谷歌在内的厂商开始布局文生视频、GitHub 则将目光投向 AI 生成代码这一细分赛道, 而万兴科技则已在旗下创意素材平台 Wondershare Filmstock 中上线数十首 AI 生成的音乐作品。
落地应用:海内外厂家全面开花
如果说 AI 大模型是只属于大厂商的游戏, 那么 AIGC 技术在应用层面的落地则为各类企业提供了更大的施展空间。根据 Precedence Research 预测,AIGC 将在 2022 年后迎来应用的爆发。预计市场空间将由 2022 年的 108 亿美元上涨至 2032 年的 1181 亿美元,10 年的复合增速高达 27%。
从文本生成、图片生成, 再到音视频、代码, 甚至 3D 生成,AIGC 技术在不同的应用方向全面开花。
AI 文本生成方面,OpenAI 虽为普通用户提供付费会员服务, 但从 GPT-4 目前的开放情况来看,OpenAI 在商业化落地上依旧主要靠 B 端合作。其中, 通过付费商用 API 为其他企业及开发者提供服务显然是重点拓展的方向之一。
当然,AI 文本生成在 C 端的应用前景亦不容小觑。其中,AI 营销写作助手 Jasper 可能算是 AI 文本生成技术在 C 端应用较为成功的案例。Jasper 可以帮助其用户撰写广告文案、标语、网页文案、电子邮件、博客以及社交媒体文章等不同场景的内容。目前其用户量已达到 10 万, 以营销团队及自由职业者为目标用户。
在文生图领域, 除海外率先推出 AI 绘画功能、推动 AIGC 行业第一波浪潮到来的几个「老牌」厂家, 如 Stability AI、OpenAI 之外, 国内也已有比较成熟的产品出现。创意软件 A 股上市公司万兴科技 (300624.SZ) 旗下首款 AI 绘画软件「万兴爱画」在业界率先推出「AI 简笔画」新功能, 成为全球首款交互型「图生图」AI 绘画软件。
在 AI 生成视频领域, 目前布局此分支的公司较少, 万兴科技新推出的万兴播爆可能是其中比较值得分析的一款产品。通过 AI、数字人技术, 助力用户快速、便捷完成文本内容到高质量营销视频的自动化创作流程。使用该款应用, 用户无需花费高价聘请外籍演员出镜, 也无需购买专业设备进行任何拍摄和录制, 只需调用万兴播爆中强大的上百套专业级场景化模板, 以及超逼真多国籍 AI 数字人功能, 几分钟、几元成本即可文生 AIGC「真人」出海营销短视频。
在音频领域,Siri 联合创始人 Tom Gruber 目前已经打造了能够实时动态编曲的自适应音乐平台 LifeScore。用户只需向 LifeScore 输入一系列的音乐「原材料」,AI 就会改编并实时混音, 带来音乐表演。
尽管 AIGC 技术在应用落地的探索上仍处于初期, 但其以重塑内容生产方式的形式推动产业数字化升级, 推动人类生产关系的变革的作用毋庸置疑。在 AIGC 赛道, 更多的进步在前方, 更多新的增量空间必将开拓。
来源：互联网
