爆款频出的 AIGC，2023 年能否延续热度？

作者 | 刘雨洁、王与桐

编辑 | 石亚琼

原标题：《AI 已死？不，AIGC 给我们带来了新的希望》

图片来源：由无界版图AI工具生成

2022 年的热门词汇有什么？AIGC 当之无愧位列其中，甚至将名列前茅。

从 5 月的 Disco Diffusion 和 DALLE2 引起的 AI 作画潮流，到 11 月的 chatGPT 在一周内完成了百万用户注册，期间海内外出现了无数个 AIGC 的产品和创业公司，共同掀起了 AI 创作的热潮。

不得不说，在整个 AIGC 浪潮中，美国一直主导着技术，并将其开源；中国的产品和技术更多在跟随美国的步伐。其实，AIGC 的概念也来自于中国本土——在美国，更常见的说法是Generative AI，即生成式AI。

其实，AIGC 是 Generative AI 的子集。因此在本文中，我们将用 GA 来统称这一年的生成式 AI 的进展。

AI 领域还有一个名词叫做 AGI（通用人工智能），可以被理解为一个强人工智能的终极目标，其目的是系统性地解决方案，执行人类能够完成的“任何”任务。而想要实现 AGI，生成式 AI 是不可或缺的一步。或者说，当下人类最有可能接近创造 AGI 的方式，就是将一个个碎片化的生成式 AI 能力，集成在一个智能平台上，来模拟 AI 的智力和高度适应性。

AGI 早在几十年前的科幻作品中就已经有了很多不同的展现形式，其共同的特点是有着强大的自然语言理解（NLU）能力，这就是今天掀起生成式 AI 风浪的主要技术。

其实，AIGC 也好，生成式 AI 也好，虽然是在今2022年获得关注，但并不是2022年才出现的。

底层技术已经默默突破了几年，之所以生成式 AI 会在2022年出现在更多普罗大众面前，归根结底是背后的技术再上了一步台阶，可以向公众发布以供广泛使用。

以大语言模型（large language models，以下简称“LLM”）为基础的 text-to-X（文本到任意）技术再在2022年有了突破性进展，分别在 text- to-image（文本到图片）、AI-generated-text（AI 生成文字）、text-to-video（文本到视频）、generative code（生成式代码）等领域出现了值得全球关注的应用。

技术在2022年取得突破性进展，并将其开源，将 AI 结果产出的时间大大缩短，产出精度更强。比如 OpenAI 所用的 GPT 技术，其 GPT1 在 2017 年就已经出现，现在 chatGPT 所采用的 GPT3.5 则是在2022年出现。

尽管从 2014 年 AlphaGO 战胜柯洁开始，人类对于 AI 就抱有最大的希望，此后不停出现“AI 元年”的说法，但过去几年，AI 的应用和底层技术都没有实现更大的突破，这又让大家对于 AI 心灰意冷。

到 2022 年，AI 成为生产工具，带来了商业化价值，或许才终将迎来“AI 元年”。

生成式AI 2022大事年表，36氪制图

一、创投：烧钱的未来，注定是少数人的游戏

在 GPT-3 发布的两年内，风投资本对 AIGC 的投资增长了四倍，在 2022 年更是达到了 21 亿美元。

正如前文所说，GA 底层技术的突破，创造出了更多细分赛道，比如 Disco Diffuison 和 Stable Diffusion 正在加快艺术创作的速度，copy.ai 和 Jasper 在通过 AI 完成文案写作，Mutable.ai 和 Github Co-pilot 以 AI Coding 的方式提高编程效率。

细分赛道越多，意味着想象空间越大。而一级市场最擅长为想象空间买单。

当然，其中一部分取得融资的公司采用的的确是时下最先锋的 GA 模型，比如种子轮获得 1.01 亿美元的 StabilityAI，但很多获得融资的公司，也不过是用以往的 AI 模型蹭上了热度而已。这加大了投资人和机构的判断难度，自然会导致一级市场在短期内，比如 2023 年的混乱。

来源：PitchBook

之所以使用最新模型的 GA 创业公司比例不高，除了一部分公司想要“走捷径”直接偷换概念外，大模型的训练，原本就是烧钱、砸人还不一定有成效的事情。以2022年先后推出 AI Art 赛道明星项目 DALLE2 和对话式 AI 爆款的 chatGPT 的母公司 openAI 来说，其大模型 GPT1 从 2017 年就开始训练，直到 GPT3 出现才逐渐变得易用、好用。而 chatGPT 之所以风靡全球，是因为其背后是比 GPT3 更高级的 GPT3.5。

根据公开资料，GPT-3 训练的仅是硬件和电力成本高达 1200 万美元（约 7500 万人民币），GPT3.5 只高不少。

如此高额的投入、大量的迭代时间，显然并不是初创公司能够完成的。

这就决定了，初创公司只能依靠开源的模型，进行在具体应用侧的创新。可是这样一来，壁垒变低，对于客户和用户来说，选项也变多了，那么应用创新的商业价值就会变低。技术价值和商业价值都不够的情况下，一级市场自然不会买单。

其实在 2022 年，就已经出现了此类现象，在国内在 AI Art 领域出现了不少用户量大的创业项目，但是融资情况并不容乐观。