高榕资本刘新华:创意浓度与AIGC呈正相关,国内创业者都将受益于生成式AI的创新和生态

财经涂鸦
关注

“国内最可能涌现创业公司的机会或许在应用层,“To B方向应该最先有潜力爆发。”

作者:苏打编辑:tuya出品:财经涂鸦(ID:caijingtuya)

无论是用Stability.ai、Midjourney去生成画作,还是和ChatGPT聊天,亦或是体验Jasper.ai帮你写一篇小作文,最近的AIGC杀手级应用以及背后的大模型,“犹如冬天里的一把火”——生成式AI正利用人类已有数据打开新的边界。

近期,高榕资本榕汇联合声动活泼共同发起线上研讨会,4位来自通用人工智能、3D内容生产与消费一站式平台、投资以及内容领域的嘉宾一同对话。

启元世界创始人兼CEO袁泉在对话中,就当前AIGC爆红背后的底层技术驱动进行解释时表示,目前AIGC进入到成长期,AI生成图、生成文字、生成代码、生成音乐等都在快速发展,同时能够辅助人做一些提升效率的工作。

“OpenAI的成功不是偶然的,我们总结为‘三个5’: 5年时间、50个对AGI(通用人工智能)最有理解力的人、5亿美元的算力。”袁泉认为。

据高榕资本投资合伙人刘新华透露,在海外,AIGC不只是大厂的机会,也新起了很多创业公司。一类公司偏底层,在新场景中孕育大模型的突破,基于DALL·E、GPT等产生很多新的模型;另外是在应用层中,出现很多新公司,包括生成文字、图像、视频、代码、3D模型等等。

与此同时,“国内所有创业者都将受益于生成式AI的创新和生态。大模型的涌现和指数级的能力迭代,以及开源社区的繁荣、API的大量开发和开放,都会让中国的创业者从中获益。而且大模型的泛化能力和通用性极强,无需对场景和模型重复训练(即Zero-shot),由此而来的低成本准入门槛、数据飞轮效应和广泛的场景适应能力,都能让国内的创业者可以在巨人的肩膀上做组合式创新。”

「创意浓度越高,生成式AI越有机会」

几年前,用机器学习的方法(例如GAN)生成图像的能力便已初现。但由于效果所限,并没有与今天最热的“文生图”功能联系起来。

“AI作画的进步是CV与NLP两个子领域交叉带来的结果。图像生成技术领域,此前GAN、Imagen AI等生成式模型,本质原理是已经有了一个图像,经过深度学习神经网络处理,生成另外一幅内容相似的图像。”元象XVERSE技术合伙人黄浩智在对话中表示,AI作画之所以吸引人,是因为人们可以通过比较自然的语言描述就能生成相应的画作,而这背后是大规模预训练语言模型的“功劳”。

在被问及“观察AIGC创业公司重点关注哪些能力与指标”这一问题时,刘新华表示,从投资角度看,判断某个领域是否达到爆发临界点,高榕会关注典型产品是否达到了产品市场匹配(PMF);在生成式AI这样的前沿领域,还会进行“在PMF之前,哪些场景达到了AMF(AI Market Fit)”这样的前置判断。

其中,AIGC达到AMF,有两个重要的维度。首先,AI的能力基本达到了人类专业工种60%-70%的水平,即人类可用的标准。其次,基于AI的工具容错率高,能提供可编辑性。在这两个维度上,用户量级大、数据可得性高、商业价值高的市场最容易爆发。

“这次AIGC浪潮中大火的应用有一个重要共同特征是,越是在创意浓度高的市场中,生成式AI反而最有机会。这一点是反共识的。”刘新华认为,因为这些领域容错率高,人类没有严苛单一的审美标准,愿意接受多样性,另外工具提供较强的可编辑性让人类方便进行二创。

除创意工作外,未来生成式AI在游戏、建筑设计、新药研发、新材料发现等创意发散性高、容错率高的领域,可能也会存在机会。

面对市场中针对AIGC“准确率”的疑虑,刘新华表示,那些热度很高的AIGC公司首先准确率已经达到可用的阈值,“我个人观点是,如果要进一步持续提高AIGC的可用性,社区驱动下数据与模型协同的增长飞轮非常重要”。

如今,比较火爆的Jasper.ai、Stable Diffusion等,社区都非常繁荣。用户社区不断为模型贡献数据,新数据带动模型进一步进化,从而实现好的体验、吸引更多用户,形成了数据的网络效应和用户的网络数据,二者相互促进,不断带动增长飞轮。

SaaS类AIGC公司或将在国内「先跑出来」

在谈及国内AIGC的创业生态时,多位嘉宾认为,To B方向将成为最有希望爆发的前沿。

相较于国外,“国内会形成不一样的创业公司生态。底层平台的创业难度相对大,但也的确存在国产替代机会,特别是在本土数据特别丰富的场景中。”刘新华坦言。

此外,在一些新场景中的底层平台,国内创业者也有创新机会,例如3D场景、游戏、制造业、建筑业等。

他认为,国内最可能涌现创业公司的机会或许在应用层。“To B方向应该最先有潜力爆发,例如海外这一波生成式AI公司中商业化最成熟的Jasper.ai就是SaaS模式,瞄准有高频、大规模文字生产有需求的营销、自媒体、电商等细分场景。”

而To C方向,可能会涌现下一代抖音/快手/腾讯视频的机会,但可能更多是大厂的机会。同时,生成式AI还有一个有趣的方向——个性化模型,未来,每个人可能都能拥有自己的模型,带来AIUGC的浪潮。例如一位网红,可以基于过往的视频训练自己的模型,未来可以根据模型

成极度个性化、极度个人风格的内容。

“我们判断,国内第一波出来的AIGC公司应该是SaaS类的。”袁泉表示。

但他同时表示,在某些场景下,To B和To C的界限在快速模糊化。“随着AIGC能力的大幅度提升,单个用户每个月的消费可能就是几十块钱,购买决策成本很低。用户觉得这个工具对自己提升效率,或者写作、画画确实有用,就购买了。”

针对希望利用AIGC获得成长和机会的非AI技术公司,黄浩智建议,要结合自己的行业去思考独特方向。

“例如我是做服装品牌的,能用AIGC做什么?原本不知道应该生产什么样的衣服销售效果好,我可能就去设计一下prompt,描述一下这件衣服长什么样,生成图片,从中筛选去小批量投放广告,根据数据反馈帮助后续设计的决策”。

如果是技术能力上更强的公司,可以先决定自己的输入和输出。“因为一些数据源只有某些公司才有,而且今天大家可以利用云训练资源去训练自己的模型,输出的就是特定领域的内容。值得一提的是,输入的内容可以不只是自然语言描述,还可以是数据分析描述、法律文书等等”。

本文由公众号财经涂鸦(ID:caijingtuya)原创撰写,如需转载请联系涂鸦君。

       原文标题 : 高榕资本刘新华:创意浓度与AIGC呈正相关,国内创业者都将受益于生成式AI的创新和生态

声明: 本文由入驻OFweek维科号的作者撰写,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。
侵权投诉

下载OFweek,一手掌握高科技全行业资讯

还不是OFweek会员,马上注册
打开app,查看更多精彩资讯 >
  • 长按识别二维码
  • 进入OFweek阅读全文
长按图片进行保存