大咖論戰AIGC：如何在AI熱潮中乘風破浪

來源：雷鋒網

作者：董子博王悅

原標題：《AIGC：熱潮之下，前沿在哪？丨GAIR 2023》

從畫圖到寫詩，從文案到製表，從PPT到寫代碼，十幾個月以前，如果有人說，這些工作都可以用AI 代勞，相信的人恐怕寥寥無幾。

然而科技發展的起速卻總是爆炸性的，2023年還遠未結束，生成式AI 的風潮就席捲了整個科技圈，讓人無不心馳神往，趨之若鶩。

在由GAIR 研究院、雷峰網、世界科技出版社、科特勒諮詢集團聯合主辦的第七屆GAIR 全球人工智能與機器人大會上，AIGC 領域的各路大牛齊聚在新加坡烏節大酒店，向世界分享他們在生成式AI 領域的一手信息和最新認知。

此次參與GAIR AIGC 和生成式內容分論壇的發言嘉賓有：

南洋理工大學計算機科學與工程學院助理教授，潘新鋼 joinrealm.ai 創始人，蔡叢興 新加坡Help&Grow 社群發起人，王桐 荔枝集團CTO，丁寧 南洋理工大學高級研究科學家；Deepir Inc. 創始人，吳鵬程 騰訊海外遊戲發行算法中心主任，郎君

在當下炙手可熱的AI 賽道，如何保持清醒的頭腦，在技術、產品和商業模式上精研革新？與會嘉賓們又有哪些真知灼見，讓他們能夠在生成式AI 的熱潮中長風破浪？

南洋理工大學潘新鋼：視覺內容關鍵點拖拽，我們沒有選用擴散模型

提到AIGC，在當下的賽道，所有人第一個總會想起在海外評價頗高的MidJourney，和它背後的技術支持——擴散模型。

而來自南洋理工大學計算機科學與工程學院的助理教授，曾在港中文師從湯曉鷗教授的潘新鋼，卻在他最新的“視覺內容關鍵點拖拽式編輯”中，果斷放棄了擴散模型，而是使用了一項更“老”的技術——生成對抗網絡（GAN）。

不少人看到了AI 生成圖像的強大能力，就認為AIGC 的時代已經來臨；而潘新鋼卻發現，“生成圖像”往往不是用戶創作過程的最後一步。

後續對圖片的調整——尤其是對AI 生成的畫面元素往往充滿不確定性，要滿足用戶的需求，就必須得讓畫面中的各個元素可以在後期被用戶微調。

比如AI 生成了一隻很逼真的獅子，用戶如果想要獅子的頭轉一轉、移動它的位置、甚至改變獅子的表情，以當下的產品形態就很難完成。

這些操作聽起來簡單，但都是關於物體空間屬性的精細控制，在技術上還面臨著巨大的挑戰。

過去曾有方式是沿襲文生圖的思路，去根據文字的指引編輯圖片——比如“讓獅子的鼻子向右移動30像素”。

但這個解決思路也存在問題：

一方面，是文字模型對於物體空間屬性的理解必須足夠強大，才能滿足用戶不一而足的編輯需求和方式，讓交互更直觀；

另一方面，對於語言模型來說，它很難精確理解圖像中的長度和尺寸，這也給視覺內容編輯帶來了不小的麻煩。

交互層面，對於用戶來說，最直覺、最易用的，無疑是拖拽式的交互；而從技術實現層面，用戶只需要指定一個紅色的抓取點和藍色的目標點，由AI 把紅點所對應的圖像的語義的部分，移到藍點的位置，就能達到對圖像空間屬性的編輯的效果。

在過去，也有人開發過類似的功能，但通常需要對所要編輯的圖像進行網格化，並且對物體的高度有一定的假設——對圖像的編輯不過是對原圖2D的扭曲變形，沒法生成新的內容。

既要精細，又要有生成內容，潘新鋼在做技術研判時並未採用當下最熱的擴散模型，而是選用了生成對抗網絡的技術。首先，是GAN 所描述的圖像空間非常連續，比擴散模型連續很多；其次GAN 的comtact 的隱空間非常適合編輯的屬性。

而隨著潘新鋼團隊研究的進一步發展，他們又在原有基礎上支持了多點編輯，可以讓圖像內的物品姿態改變，重新設計一款車的外形、或改變車的視角，讓一隻小貓睜一隻眼閉一隻眼，改變人像的髮型或表情、姿態或衣服長短，讓使用者能更方便地對圖像進行編輯，甚至可以以這個方式，來完成視頻內容的生成。

當下這個工作已在GitHub 上開源，並且獲得了32000個Star。

而未來，把GAN 和擴散模型結合，是潘新鋼對於正在完成工作的一個願景——既有擴散模型的生成能力，又有GAN 在圖像編輯上的優勢，同時也或許可以將這些能力運用到視頻和3D、4D 內容中，讓未來的AIGC 更智能、也更易用。

joinrealm.ai 蔡叢興：做基於AIGC 的社交網絡

從美國加州南灣矽谷的山景城而來，joinrealm.ai 的蔡叢興有一個做AIGC社交網絡的夢想。

2016年左右就加入Snapchat，在公司負責短視頻的產品開發，蔡叢興經歷過短視頻行業的超高速發展期。而在TikTok 無有爭議地在海外成為了現象級產品之後，蔡叢興又動了別的心思：

“我們覺得，在生產式短視頻內容的賽道上，大家已經朝著某一個方向發展；而未來，在生成式視頻上，產業一定會有一個新的突破。”

於是，蔡叢興和朋友一起，創辦了joinrealm.ai。

蔡叢興認為，AIGC是一個特別寬泛且抽象的概念，而joinrealm.ai 的方向，主要是介於“直接提供API”和“完成人機交互革新”的中間地帶——對於內容創作商業模式的探索上。

“為什麼內容創作這個模式很重要？基於我們對於短視頻的這個過去十年的觀察，很大的一個變革，實際上是因為智能相機的出現。智能相機的普及，很大的程度上它不僅僅是給了每個人一個手機，而是給世界提供了幾十億個移動的基礎設備。”

從“word”到“story”，是joinrealm.ai 創業的一個核心關鍵——藉由AI，用戶能把自己腦海中的內容呈現成圖像，就如同一個“思維的相機”。

而要想達到這個效果，蔡叢興在joinrealm.ai 的探索中發現，還有許多問題亟待解決：

首先，是和自然語言的差異仍然存在—— 歸根結底還是一種大眾難以直覺理解的程序語言，用戶仍然要經歷大量的“嘗試-失敗-嘗試”的步驟，才能生成出他們想要的內容；

其次，就是基礎模型在今天仍然並不能完全滿足AIGC 用戶的需求，以Stable Diffusion 為例，新用戶願意分享生成內容的比例，在今天大概還低於20%；

缺少可以由用戶精調的概念，也是AIGC 當下面臨第一個重大的問題，用戶很難藉由一套被定義了的概念，去控制AI 的生成，也就很難控制自己“故事的講述” ；

最後，就是圖像生成結果和成本之間的效率平衡，如何在更低的價格區間裡，生成更高質量的內容，也是AIGC 在當下一個難以忽略的問題。

為了迎接這些挑戰，蔡叢興和團隊見了將近一百位有影響力的AI創作者，發現他們的製作方法大多獨特，很少雷同，並且都會使用大量的工具，不斷地調試、調節。

最終，joinrealm.ai 在研判後，決定在三個關鍵點完成升級：

首先是工具鏈，通過完成用戶交互界面的優化，讓使用體驗更優；

其次是讓用戶可以自建自己的fine-tune，比如使用“我”的描述，產品就可以以用戶自己的圖像為基礎，來更精準地生成自己想要的圖像。

第三就是自建社區，讓用戶能夠在社區裡獲得更多的使用教學和靈感啟發。

圓桌討論：AIGC“走出去”

新加坡Help&Grow 社群發起人王桐作為主持人，與joinrealm.ai 創始人蔡叢興、荔枝集團的CTO 丁寧、南洋理工大學高級研究科學家&Deepir Inc. 創始人吳鵬程、騰訊海外遊戲發行算法中心主任郎君共同探討了當下AIGC 與生成式內容的熱點話題。

AIGC 的商業化模式更容易在To B 領域落地還是在To C 領域落地？各位嘉賓從各自經驗出發設想了未來的落腳點。

郎君認為，To B 並不好做，因為需要根據多個不同的實際案例抽象提煉出一種解決方案去應對，To C 方面，在做遊戲的運營的時候可以幫助很多遊戲玩家快速地融入進遊戲。內部在做算法的時候，郎君和團隊也會不停地判斷什麼樣的模式能更好地去深化AIGC 落地的場景。

吳鵬程表示，To B 和To C 都很有機會，但偉大的公司一定是To C 。他結合妙鴨相機、蘋果VR 眼鏡、數字人直播帶貨等今年在ToC 層面做出成績的公司，強調AIGC To C 會誕生很多有趣的應用。

丁寧認為，AIGC 的商業化仍然處於偏早期的階段，雖然有一些率先做出成績的公司，但大部分還在路上。他特別強調，對於技術創業者來說，不能僅僅沉浸於對技術的感動之中，還應更多的考慮用戶的需求和痛點。關於To B 和To C 的落地，他表示To B 的市場很大，需要能力和資源，而To C 的競爭大，需要有對市場的敏銳察覺力、社區的運營能力等，兩者未來都很廣闊。

關於AIGC 的出海和全球化，幾位嘉賓分享了他們總結的經驗。

郎君觀察到，國內的團隊有非常密集的人才優勢，高效的知識分享途徑以及對互聯網行業的強大興趣，這種配置的資源在海外其實並不多。他強調，當下AIGC 還沒有一個特別成熟的商業模式，所以誰有更好的資源組合的能力，誰就更容易“跑出來”。

丁寧認為，AIGC 出海首先要走出去，把身段放低，不一定非要把產品做到什麼程度，意識到兩年到三年的時間內是很難一下子在市場中獲得成功。他補充到，尊重海外市場是很重要的，文化、語言、法律法規的差異都是這個非常大，需對當地市場有清晰的認知。

吳鵬程認為，AIGC 出海是很有機會的，一方面，可以把中國的技術用到國外；另一方面，國外也有本地需求，兩者可以做深度融合，會產生巨大價值。同時也需要考慮到，出海只是第一步，也需要考慮如何才能在海外更好地遨遊。