如果AIGC继续发展，你相信哪个世界？

作者：周志峰、胡奇，均为启明创投TECH投资团队成员，周志峰是启明创投合伙人，胡奇是启明创投投资经理。

来源：未尽研究

图片来源：由无界版图 AI生成

编者按：

今年以来，由游戏设计师杰森·艾伦使用AI绘图工具Midjourney绘制的作品《太空歌剧院》夺下了美国科罗拉多博览会的年度艺术比赛的首奖，引起艺术家和社交媒体的热议，也让AIGC（人工智能自动生成内容）概念成为AI界年度热词，并掀起了一股AIGC投资热潮。AIGC真如外界所宣传的那般美好吗？其背后的创新创业生态将如何构建？

从2012年AlexNet取得深度学习里程碑式的突破以来，启明创投在过去的十年中都是中国最活跃的人工智能投资机构之一，我们见证了人工智能从算法到应用的一次次突破和发展，对人工智能的前景我们始终保持着热情和理智。启明创投开设硬科技前瞻专栏，希望从创投视角深度解读前瞻技术突破，多维度剖析行业趋势，寻找新锐科技力量。

如果我和你说，未来AIGC可能有两种世界：一种世界是多个大模型基础公司，为上游应用提供API和模型服务，上游应用公司只需要专注于开发产品逻辑和上层算法；而另一种世界则如同今天的AI公司一样，每家公司都根据自身需求研发底层大模型，为自身应用提供技术支持。

你对任何一种世界的相信都将构成你当下投资和创业的选择，当然，这两种世界也可能存在互相交织的过渡形态，但需要你来对过渡形态的持续时间进行判断，你会选择相信哪一种世界？

AIGC的两种世界

先不用着急给出你的答案，再问你两个问题：

1、如果GPT-4，或者3年、5年后最好的模型比GPT-3大100倍甚至1000倍，作为创业公司是否还要自研？

2、在某个领域的底层基础模型尚未成熟的时候，选择在该领域进行创业是很好的timing吗？

如果你对未来的AIGC世界和这两个问题感兴趣，我们将进入今天的文章。我们将简单回顾近期热闹的AIGC，从中探寻AIGC在今年火爆的根本原因，并将结合强化学习奠基人之一Rich Sutton的“AI 70年惨痛的教训”和Jasper.AI、Copy.AI等公司的发展，做出我们对于这个世界的判断。相信看完以后，你也将会得出自己的答案。

引爆用户的AIGC

如果用一个字形容过去几个月的AIGC（AI Generated Content）/Generative AI那么应该是“火”。Midjourney的作品获得美国科罗拉多州博览会的数字艺术比赛一等奖，引发关注和广泛争论，有人戏称AIGC让每个画师都在担心失业。与此同时，今年相对沉寂的VC迎来新风口，连续轰炸的AIGC公司的融资消息和新闻让VC又一次产生FOMO (Fear of Missing Out)的情绪；DreamStudio、Midjourney等AI作画应用符合视觉消费的时代主题，引爆了C端热情。

Midjourney的获奖作品 - 太空歌剧院

Théâtre D’opéra Spatial

其实AIGC并不是一个新颖的概念，AIGC即用AI算法生成文本或者图像等内容，各种NLG(自然语言生成) 模型和GAN（生成对抗网络）及其变种模型都是此前的生成式AI模型。如果你打开谷歌搜索AIGC，会发现排在前面的基本都是中文网站，因此有人说AIGC是一个国产概念，与之对应的海外概念是Gartner在2019年提出的Generative AI，为统一理解，本文将采用AIGC来表达AI生成内容。

我们观察到新一波AIGC浪潮起源于2020年的预训练大模型GPT-3，现在火爆的图像生成、视频生成、3D生成等，本质是大模型从文本生成扩展到多模态，并结合原有模态算法进行实现（当然，以图片生成图片等本模态之间的AI生成，以及图像生成视频、2D生成3D等跨模态生成也是AIGC，例如VAE、StyleGAN、Nerf等与AI生成相关的模型都在GPT-3发布之前或之后提出，但这些方向的工作并非引爆新一波AIGC的主要原因）。因此，我们看到的大量AIGC应用，目前的表现形式大多为输入一句话，生成一句话/一张图/一段视频/一串代码等。

1750亿参数的GPT 3曾一度是AI历史上最大的机器学习模型，相比于15亿参数量的GPT 2，GPT 3参数量提高约117倍，预训练的数据量也从50 GB提高到570 GB。2020年发布GPT 3的时候，OpenAI并没有将工作重点放在模型结构的创新上，反而是进行了大量工程化的工作，充分展示GPT 3通过Zero-Shot、One-Shot和Few-Shots（即不需要额外数据进行微调，直接给出几个样例就可以让模型做出正确的生成）等Prompt方法完成多种NLP任务的通用性和泛化能力。通过释放出API接口供公众调用，GPT-3的商业化也正式提上日程。GPT-3展示出惊人的效果后，一年后顶级实验室和科技大厂陆续发布自己的NLP预训练大模型，模型参数量呈现指数级别的增长。

深度学习模型中参数数量的指数级增长

随后的一年内，OpenAI进行了多次多模态的探索，其中最知名的是Text-to-image系列模型DALLE和DALLE2。