全球生成式 AI，不仅仅只有 ChatGPT

本文来自微信公众号“炫氪”（ID:greatvideoxuanke），作者：Vitally AI，36氪经授权发布。

日前，看到一个关于爆火的 ChatGPT 的笑话：在一个充满一线投资基金与顶尖 AI 创业者的微信群，谈论着日益火爆的 ChatGPT , 因为 OpenAPI 也有开放 API , 所以，以简单粗暴的方式，就可以集成类 ChatGPT 的聊天机器人。而且的确不少人已经这么干了，并收取XXX元的年费。而同时，考虑到微信的敏感内容审查机制，所以一个开发者往往要申请好多个微信号，以做好随时被封号的准备。加上国内跟风速度之快，所以一个大胆的预测是，很快将在国内市场看到 类聊天机器人应用数目超过使用者数目的奇观。但愿这只是一个笑话。

其实，全球生成式 AI ,不仅仅只有 ChatGPT 。为此，炫氪特转发一篇深耕该领域的创业团队的一篇观点文章，以飨读者。

生成式 AI 飞速的发展，正在扭曲我们对时间的感知。你能相信 Stable Diffusion 发布才不到半年的时间，ChatGPT 成为历史上在最短时间内用户量级达100万的应用吗？更可怕的是两个月余的时间，月活跃用户数预计已达1亿！你稍微不留神，可能几天内就会错过 AI 行业很多的新发展！ 

图源 | 网络

回顾2022年的 AI 格局，正是由生成式 AI 的大模型（foundation models）所驱动。这些大模型正在迅速地从研究实验室走出来，扑向真实世界的各个场景与应用，2023年影响的层面会更大，发展的速度会更快。另外两个由大型语言模型（LLM, large language model）技术驱动的新兴领域，则是帮助人做决策的 AI 代理（游戏，机器人等）, 以及应用在科学领域的 AI for Science。

Vitally AI 团队一直广泛地关注 Generative AI，因此我们总结了全球范围内的16点观察与您分享。

01 Text-to-image 前驱者

DALLE-2

DALLE-2 是扩散模型（Diffusion Model）比较具代表性的大模型之一，也是由 OpenAI 公司所开发的，能根据文本生成逼真的高分辨率的高质量图像，用于图像生成。它是基于原先 DALL-E （原先用的是 GLIDE 模型）的版本来改进，具有更高的生成质量和更大的模型尺寸，推动 AI 在全球的艺术革命。

DALLE-2 的核心主要包括 CLIP 模型 和 Diffusion 模型；CLIP（Contrastive Language-Image Pre-training）是通过将文本与图像进行对比的预训练大模型，学习文本与图像之间的关系，而 Diffusion 负责听 CLIP 的引导生产图片。

DALLE-2 目前还是闭源的，用户可以通过它的 WEB 界面或 API 来使用它。

图源 | OpenAI 官网

02 开源的 Stable Diffusion 

横空出世

继 DALLE-2 之后继续颠覆艺术革命、也引起技术界轰动的 Stable Diffusion（文中简称 SD），是一个基于 Latent Diffusion Models（潜在扩散模型）来实现文字转图片的大模型，类似 DALLE-2 和谷歌的 Imagen 等类似技术，SD 可以在短短几秒钟内生成清晰度高，还原度佳、风格选择较广的 AI 图片，这让 SD 在同类技术中脱颖而出。

SD 最大的突破是任何人都能免费下载并使用其开源代码，因为模型大小只有几个G而已！因此在短时间内 huggingface 网站上有100万次模型的下载，也是破了 huggingface 网站的历史记录。这让 AI 图片生成模型不再只是业内少数公司自我标榜技术能力的玩物，许多创业公司和研究室正在快速进入，集成 SD 模型来开发各种不同场景的应用，包括我们 Vitally AI 公司。

SD 以掩耳盗铃之势迅速迭代，开源社区也在不断改进 SD。在 SD v2.0 上线不到两周的时间，就迅速更新到 v2.1 版本。相比于前一版本，主要放宽了内容过滤的限制，减少了训练的误伤，也有这三大特色：图片质量更高、图像有了景深、负向文本的技巧更好地约束 AI 生成的随机性，也支持在单个 GPU 上运行。

图源 | Stable Diffusion官网

SD 官网上写着 “by the people, for the people” 的使命，与热烈追求民主化的开源，已被证明是改写了 AI 赛道的游戏规则，同时也让 Stability AI 公司在不到两年的时间内迅速变成独角兽公司，快速融资了1亿美金。高质量！免费开源！更新快！这几个关键词就已经决定了 Stable Diffusion 的出世必定绝不平凡！借助这一突破性技术尝试给你的宠物照片变个身吧！？

图源 | 网络