速发财讯 速发财讯 2023,AIGC是否能赚到钱

2023,AIGC是否能赚到钱

2022年,AIGC是当之无愧的网络名人。

AI刷屏各大社交平台,ChatGPT风靡中国,依靠AI生成语音,表情,动作的数字人也频频露脸2022年12月,《科学》杂志发布了2022年十大科学突破果然,AIGC被选中了

在受欢迎的背后,AIGC的商业化潜力还有待形成更清晰的路径目前应用范围最广,圈子最好的AIGC的能力是AI绘画但可以看到,大量普通C端用户是抱着尝鲜的热情玩着玩着就走了,巨大的流量很少转化为强烈的付费意愿

至于有制作插画,辅助设计,海报生成等专业需求的B端,则是Google,OpenAl,百度,腾讯等各大厂商的开源模型足以提供支持这个市场能激活多少商业价值,还不清楚

此外,政府提供的支持性采购,即G端市场,也是加速AI行业良性商业循环形成的重要组成部分之一,而这类需求主要集中在智慧城市,数字政务,大数据平台等AIGC能在哪些情况下发挥作用,还有待发掘

将大众化的名转化为真金白银,进一步提升商业空间,是AIGC下一步的当务之急让我们弄清楚AIGC是如何赚钱的

AIGC经济,绘画试点

AIGC需要商业化,这是一个不难做出的判断但如何将其商业化,需要从技术逻辑上一步步推导出来

我们认为的商业化首先会发生在艾绘画领域,也就是绘画与文学领域目前,AIGC已经产生了文本生成,代码生成,图像生成,语音合成,视频生成,甚至多模态的基本模型和应用场景

AI绘画之所以会率先探索出一条商业化道路,源于AI商业化的三个基本规则:

第一,AI技术在不断进化。

与其他技术相比,AI技术的商业化有一个非常典型的区别:大部分AI系统在部署后都不可避免地会出现错误或效率低下,都需要经过迭代和不断优化才能发挥作用所以AI系统应用后,有些错误是可以容忍的关键是它带来的生产力增益和自我迭代进化的速度应该可以抵消错误带来的麻烦

目前只有AI画图可以大大提高内容生产力,可以允许适当的误差。

Dalle2,Midjourney,NovelAI,Stable Diffusion,Literary Mind,Italian AI等形象生成模型,可以大大提高艺术创作和设计的生产力原本需要几天甚至几周才能完成的画作,通过AI可以在一秒钟内完成此外,这一领域的模型数量庞大,发展迅速所以,虽然AI绘画一开始会出现一些可笑的问题,比如把人画成狗,女生吃面却不用筷子,但这些小麻烦和专业设计从业者节省的时间精力成本相比,真的不算什么

相比之下,虽然文本生成更加先进,ChatGPT一出现就震惊了全世界,但NLP自然语言仍然难以实现更高质量的输出和更深层次的垂直内容代码生成可能会在短时间内影响开发人员的生产力,但是这个群体比较小,AIGC的应用场景,如语音,视频,数字人等,都值得期待但目前还没有像AlphaFold这样颠覆性的基础模型,现阶段的应用还不够成熟Meta发布的短视频生成系统Make—A—Video,Google的文本转视频工具Imagen Video等,都没有引起很大的反响

因此,在众多AIGC应用领域中,AI绘画有望率先进入商业化轨道。

第二,AI技术是数据驱动的。

数据的重要性,稍微懂一点人工智能的人都知道,而AIGC需要大量高质量的数据训练才能达到优秀的生成结果这也使得AIGC产品在进入市场时不得不面临技术,法律和道德的约束

从数据层面来说,AI绘画也更容易解决数据瓶颈,实现数据合规,为后续商业化打下良好基础。

第三,基于云端使用AI技术。

从训练到推理,AIGC模型的计算量和所需计算能力在不同阶段有很大差异,对基础设施的灵活性要求极高因此,生成模型往往通过云服务开发,部署时终端需求也具有一定的不确定性,可能会在短时间内突然增加,计算能力需求会膨胀,也可能迅速退潮,用户上瘾后很快就会失去兴趣因此,当AIGC提供服务时,云就成了最好的传输管道

云+AI按量付费的商业模式必然会影响AIGC产品的前景以云厂商为例,他们自然更愿意将图像和视频AIGC应用集成到他们的解决方案中,以增加他们的业务收入相比之下,文本生成想要通过访问云上的付费软件来收回成本似乎还很遥远例如,仅GPT—3的训练费用就高达1200万美元,但在其四个商业版本中,性能最好也是最贵的达芬奇每令牌仅收费0.06美元,最便宜的Ada低至0.008美元

因此,AI绘画更容易吸引云服务等产业链的关注,结合广泛的行业,通过带动模型API付费和使用云量,完成商业价值的转换。

从多个角度来看,AIGC,尤其是AI绘画,有望以意想不到的速度进入商业应用阶段这对于用户来说当然是个好消息,这意味着更好更便宜的AI绘画产品将很快铺开但对于AI公司来说,事情可能没那么简单

ToC / ToB / ToG哪条路通向罗马

找到了AI绘画的典型场景,就意味着找到了好的商业模式不不不

目前,人工智能绘画可以在三个方面对提高生产力发挥重要作用:

首先是美术生成,不仅可以让C端用户生成画作,还可以为游戏工作室和创作机构生成服装纹理等美术。

二是广告创意,这也成为甲方的终结者通过自动生成设计创意草图,减少设计师与客户的沟通成本,快速明确设计需求,避免大量重复甚至返工

三是专业设计,将AI绘画与专业知识相结合,如3D建模,建筑设计,医疗,工业设计等,从而减少这些专业领域制作效果图的沉重成本首先,AI根据提示做出草图,然后专业人员完成后续工作

当然还有元宇宙生成数字社区之类的应用,因为还比较小,这里就不单独说了。

针对以上有望大规模应用的典型场景,我们会发现三种力量,它们的商业化程度是不同的。

第一,研究机构及其衍生公司。

AIGC模型需要在大量数据集上进行预训练,消耗了大量的资源和成本这类基础模型的主要创造者之一就是科研机构,比如像OpenAI这样的非营利性研究机构)或者中科院自动化所之类的研究所(紫东泰初模式)

这种组织几乎没有商业化的紧迫问题,因此他们可以专注于技术突破,从而创建强大的基础模型未来,他们可能会像云服务提供商一样,按量或按需提供服务

对于这类机构来说,To C市场虽然流量巨大,但付费能力有限,其意义更多体现在帮助模型迭代和优化真正的商业化应该是通过ToB市场服务行业,通过提供API实现规模经济,还是因为研究机构的中立性,承担一定的政府ToG项目,AI绘画在数字智能项目中的应用前景,承担一定的探索任务

以中科院自动化所研发的紫东太初模型为例具有以图生音,以音生图等多模态生成能力目前主要应用于工业场景,如智能驾驶舱,工业设计,文化旅游,手语服务等领域

二是大型科技企业科技巨头积极投资大模型R&D,主要目的是看到大模型作为基础模型将是AIGC经济的新一代基础设施大型科技企业往往因为拥有大量数据,在产品上更有优势,薪资待遇和工作环境更容易吸引精英技术人才所以一般的课代模式越来越向头部企业集中,Google,Meta,百度,腾讯,华为等公司都在积极投入

大型科技企业在AIGC领域的成功占领,可以吸引大量AI开发者和ISV服务商聚集在自己的生态中,构建活跃的商业氛围那么,生态搭好之后,去哪里收钱呢

目前,AIGC的商业模式符合AI to B模式的发展逻辑,甚至可以说是必然的选择一,基础产品+项目体系

B市场有各种层次,一些收益合理的项目主要是智慧城市,交通改造之类的其中,大型科技企业具有先天的技术优势,品牌优势和执行能力,并以此为牵引,为大型项目提供整合化,定制化的AIGC能力,实现R&D复苏

另一种是基础产品+云服务API提供基础模型能力,通过大量下游企业将其AI能力嵌入各行各业的应用场景,释放AIGC更多的产业价值,也带动了科技企业云服务,算法和技术解决方案的增长

大型科技企业的商业化挑战来自通常吸引管理者的严格监管,以及来自大众的道德审查和伦理监督。

比如某大型企业的AI绘画软件非法使用艺术家的画作进行训练,必然会引发舆论风暴,在某些领域,谷歌和Meta因数据使用不当而被开出巨额罚单目前,对大型科技公司开发和部署人工智能的监管也在加强

第三,中小企业和初创企业并不是所有的企业都需要自己去培养和开发AIGC大模型,一个科技巨头也不可能吃掉所有的算法模型伴随着上述两类组织基础模型和资源的开放,AI画图的部署成本逐渐降低,大量中小企业和初创团队可以在通用大模型的基础上探索新的商业模式,产品或服务,形成单一平台/模型+大量企业+无数开发者的AI软件生态

对于这类企业来说,由于时间和资源有限,可以快速构建定制化的产品和服务,快速响应市场需求,通过调用API再次创新来获得收益比如AI绘画普及后,大量由个人开发者或初创公司开发的AI绘画小程序和工具陆续上线

这样的企业容易产生明星应用,比如不久前的意大利AI画图小程序11月11日单日用户增长65.7万,人气可见一斑但是ToC应用的核心挑战是使用场景单一一旦用户兴趣退潮,创新和运营的成本会突然增加,产品必须重新探索增长模式资本的退出渠道,即通过上市/收购/多轮融资的退出,在今天已经变得非常困难

另一个可能率先变热的市场是企业服务,它与垂直行业相结合,在基本模型的基础上形成标准化程度高,成本和反馈模型成熟的ToB垂直解决方案从过去一年的市场反应来看,AI绘画的垂直应用将率先在创意设计,电子商务,工业设计,建筑,城市改造等行业落地,主要表现在繁琐的美术任务自动生成,通过软件收益,服务费,订阅费等形式实现商业变现

显然,当这三类企业:科研机构,大型科技企业,中小型和初创团队都能在B端行业场景中找到自己的小众市场,并形成规模效应,就意味着AIGC的商业化周期真正开启。

2023年,AIGC能开始赚钱吗。

2022年,AIGC车型诞生,获得高活跃度,催生新的市场版图那么,AIGC模特能在2023年开始赚钱吗

今天,大模型不断涌现迭代,AI基础设施越来越完善,科技公司和开发者的热情也非常充沛但是和广阔的工业世界还是有一定的信息差距不缩短它们之间的差距,AIGC的商业化就不会到来只有当AI画图模型的用户数量和应用场景深度达到一定规模,才意味着企业服务的To B长尾市场已经被彻底撬开

正如您在上一篇文章中看到的,通过基本模型和API构建新一代基础设施的机构和技术企业是AIGC工业的基础那么,在接下来的2023年,这些机构和企业需要承担加速AIGC商业化和成熟的任务

如果一切顺利,我们将在明年看到:

1.AIGC产品被工具化了。

目前AI绘画的一些大模型的应用门槛仍然较高,大规模应用还有很多挑战二手交易平台上也出现了代人跑AI画的服务,可以帮助客户使用海外的AI画软件生成作品,或者优化关键词生成更加准确合理的作品未来,AI画图等大模型将把能力包装得更加完善,简单易用,横向纵向连接垂直行业知识和多元化计算资源,满足各类开发者和企业的应用需求,以最低的成本完成AIGC能力的调用

2.大模型技术的自主性。

AIGC应用与数字智能的结合,在现阶段是非常新颖且充满想象力的比如基于AI大模型,生成城市交通设计方案和城市绿地规划一旦进入工业规模应用阶段,就需要面对一个问题基本款是支持所有AIGC应用,而海外的一些大型款,比如OpenAI系列,不支持大陆接入当大家都被GPT3.5和ChatGPT震惊的时候,我们也不能忽视软件上的卡脖子味道

2023年,AIGC与工业智能融合,解决底层模型的安全性,可控性和领先性问题,将变得越来越迫切。

3.产业链趋于完善和顺畅。

2022年,我们看到各种各样的AIGC车型相互竞争要把AIGC从大众的需求变成大众的需求,进一步提升AIGC的商业空间,不是某个模式的响应,而是开发商,ISV服务商,云厂商,互联网公司,传统企业等产业链玩家能够向AIGC看齐,懂得利用好AIGC,懂得寻找/销售自己的地方

目前AIGC领域的产业集中度还比较低,应用场景也比较单一不仅需要有基础模式的企业来教育市场,打造典型案例,还需要大量的代理商和云服务商来促进供需匹配开发者应该充分释放他们的大脑和创造力,探索AIGC的实际场景…这些都需要一个完善顺畅的产业生态系统

4.行业标准和道德规范基本形成共识。

公认的行业技术标准是AI商业化的重要推动者尤其是涉及个人创作的AIGC领域,在模型的训练和开发过程中可能会缺乏透明度和可解释性必须采取额外的努力来培养公众的信心,以避免因数据滥用和版权问题而导致的对人工智能技术的不信任

在这方面,基础模型的开发者更有能力和责任推动行业技术标准和市场规范的建立一方面可以降低后续商业化的长期风险,避免改装可能带来的成本,其次,可以在早期建立开发者/代理商/用户对AIGC产品的信任,确保产品符合伦理规范和法律法规,第三,技术标准也有助于建立竞争力,为后续市场活动建立边界

2022年,艾画引起了大量个体艺术家的冲突和忧虑目前对于版权还没有明确的共识和定义,有望在2023年被行业标准,规范和共识所改变

AIGC的商业繁荣,本质上是构建了一条从实验室到工业区的AI落地通道只有把以上基石一一搭建好,完成商业化所需的前期准备,才能真正迎来大规模爆发的奇点

免责声明:本文上述内容出于传递更多信息之目的,并不意味着赞同其观点或证实其描述,也不构成任何其他建议。其文中陈述文字和内容来源于第三方或网络,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。如有稿件内容、版权等问题请及时联系我们进行处理。http://www.sufaa.com/10565.html
上一篇
下一篇

发表评论

联系我们

联系我们

微信:nvshen2168

在线咨询: QQ交谈

邮箱: 8253665@qq.com

工作时间:周一至周五,9:00-17:30,节假日休息

关注微信
微信扫一扫关注我们

微信扫一扫关注我们

返回顶部