2022年，可以说是当之无愧的AIGC元年——AI绘图和ChatGPT的发展，让大量圈外人用上了以前想都不敢想的技术。这些技术在国内甚至已经有了相当“亲民”的应用，比如有短视频、美图软件就将AI绘画作为滤镜、特效功能推向用户，吸引了不少流量。

AIGC背后充满了故事，在一家家企业手握巨额融资之时，人们耳边再次响起了警钟。诚然，在新的浪潮之下，符合商业规律的企业才能笑到最后。在国外竞品大踏步前行之际，国内的通用智能企业境遇如何？

前景很乐观，但当下似乎并没那么好过。

01引爆用户的AIGC

如果用一个字形容过去几个月的AIGC（AI Generated Content）/Generative AI那么应该是“火”。Midjourney的作品获得美国科罗拉多州博览会的数字艺术比赛一等奖，引发关注和广泛争论，有人戏称AIGC让每个画师都在担心失业。与此同时，今年相对沉寂的VC迎来新风口，连续轰炸的AIGC公司的融资消息和新闻让VC又一次产生FOMO (Fear of Missing Out)的情绪；DreamStudio、Midjourney等AI作画应用符合视觉消费的时代主题，引爆了C端热情。

AI生成其实一直都有，在2021年之前主要通过NLG生成文字，而要完成图片等视觉艺术品，则要基于生成对抗网络GAN，通过生成器和判别器不断对抗来训练模型。

通过GAN的算法训练，可以生成不错的图形，但也有很多问题难以解决，比如图形结果雷同，多样性缺乏；生成器有上升瓶颈，从而造成模式坍缩；以及训练难度高和成本大。

所以，尽管图形生已有不短的历史，包括像BigGAN，StyleGAN等的技术突破，但始终未能让产品真正商业化，只能停留在新奇好玩的阶段，直到Diffusion Model（扩散模型） 出现。

通过马尔科夫链，将文字描述文本经过处理后当做噪声不断添加到原图当中，从而让神经网络从无到有的生成了图片，这是扩散模型的作用原理。通过该模型，算法训练变得更加简洁，只需要添加大量图片，生成的结果相较GAN更具多样性。

但自2015年诞生的前五年，扩散模型并没有引起业界关注。直到2020年，一篇名为Denoising Diffusion Probabilistic Models 的论文终将这一模型用在了图像的生成上。

我们观察到新一波AIGC浪潮起源于2020年的预训练大模型GPT-3，现在火爆的图像生成、视频生成、3D生成等，本质是大模型从文本生成扩展到多模态，并结合原有模态算法进行实现（当然，以图片生成图片等本模态之间的AI生成，以及图像生成视频、2D生成3D等跨模态生成也是AIGC，例如VAE、StyleGAN、Nerf等与AI生成相关的模型都在GPT-3发布之前或之后提出，但这些方向的工作并非引爆新一波AIGC的主要原因）。因此，我们看到的大量AIGC应用，目前的表现形式大多为输入一句话，生成一句话/一张图/一段视频/一串代码等。

1750亿参数的GPT 3曾一度是AI历史上最大的机器学习模型，相比于15亿参数量的GPT 2，GPT 3参数量提高约117倍，预训练的数据量也从50 GB提高到的570 GB。2020年发布GPT 3的时候，OpenAI并没有将工作重点放在模型结构的创新上，反而是进行了大量工程化的工作，充分展示GPT 3通过Zero-Shot、One-Shot和Few-Shots（即不需要额外数据进行微调，直接给出几个样例就可以让模型做出正确的生成）等Prompt方法完成多种NLP任务的通用性和泛化能力。通过释放出API接口供公众调用，GPT-3的商业化也正式提上日程。GPT-3展示出惊人的效果后，一年后顶级实验室和科技大厂陆续发布自己的NLP预训练大模型，模型参数量呈现指数级别的增长。

02来自OpenAI的压力

似乎OpenAI的进步更快。

“我觉得我们和OpenAI的差距越来越大了”，一位AIGC从业者对数科星球（ID：digital-planet）这样表述。前些日子，在ChatGPT推出后，不仅是英文对话，在中文领域，该系统的用户体验也超越了国内的众多产品。以至于，一时间，人们的朋友圈被ChatGPT的对话刷屏。

“最早，我测试过一些特殊的中文语境，ChatGPT表现不好，不过最近我在测试的时候发现它进步很快”，这位技术人员曾以诸如“关公战秦琼”等有中文历史背景的话术测试机器人，他发现，最近这款产品在中文适配方面有了明显进步。

赤裸裸的对照实验结果出现后，技术派的内心是焦虑且复杂的。一些国内企业对我们表示，以目前的进度来看，光是追上OpenAI，就感觉“很吃力”。

虽然，目前OpenAI的终端产品由于众所周知的问题未在国内市场全面铺开，但对于具有技术理想的相关企业来说，这种滋味是十分难受的。有人将这种情况描述为北斗未出现时的导航行业，“从信创的角度考虑，中国的AIGC是肯定要有的，但技术差距也是不可忽视的”，一位投资人评价道。

客观来说，造成国内AIGC落后于同行的原因是多方面的：有A100显卡的获得受到制约、国内人才队伍发展较慢等诸多原因。其中，在硬件方面，大模型训练过于依赖进口GPU显卡，虽行业间出现了便宜的国产替代品，但以目前的技术水平，还不能给出满意的性能支持；而在人才队伍方面，一些行业人士称“算法工程师多，但会大模型的凤毛麟角”。

全局来看，当下，似乎仅有百度公司、清北高校等团队立志于全身心投入于此。大模型所谈者甚多，但行业“孤勇者”数量寥寥。

03国产AIGC的进击障碍

摆在通用智能或大模型发展之路的另一个障碍是小模型。

我们在文章中所提到的“大模型”概念是一个术语。之所以称之为大模型，因其在训练数据过程中引入多模态等数据，让数据标注的数量大规模增加，使之展现可打破行业藩篱的普适性。相对于小模型而言，具有通用性好、边际成本低、效率高等特点。

后来，OpenAI再次点燃人们对通用智能的期待。在一些具有前瞻思维的技术派眼里，大模型对于各行各业的影响将是摧枯拉朽式的，他们一致认为大模型是“当之无愧”的未来发展方向。也就是说，技术上，大模型的发展上限更高，其会在未来某个时间点达到各种小模型的用户体验阈值。

由于大模型的横空出世，小模型统治AI的格局被打破。应该说，就本质而言，两种技术路线背后代表着不同的利益。以至于，互联网上，网友对两种技术路线的讨论十分热烈：一会有人指责大模型是“大炼钢铁”，一会又有人攻讦小模型是“亚当斯密小作坊”式的抱残守缺。

客观来说，小模型在当今的市场竞争中仍然具有重大影响：从业者们通过算法微调、反复训练数据等措施下，一些产品收到了不错的效果，对于客户而言，甚至在一些领域内的结果要好于大模型产品。

其次，国内通用智能的AIGC缺少数据训练场景。

类似ChatGPT的训练场景尤为缺乏。在上文提到过的，这款产品之所以短时间之内进步神速，因大量用户为其充当了免费的数据标注员。不过，已目前情况来看，可与ChatGPT相较的数据训练场景在国内还鲜有见到。

另外，产业界对大模型有着浓烈的观望情绪。

在对谈多家相关企业后，数科星球（ID：digital-planet）发现了产业界对AIGC持观望态度的主要原因。概括来说，业界普遍存在这样的忧虑：目前大模型应用不成熟，骤而上马将会对原有业务造成冲击。

以电商售后和银行电话客服场景为例，目前行业内仍采用主流智能客服公司推出的QA问答库技术。客户企业希冀大模型产品能够解决QA库无法承担的长尾问题，覆盖到检索式问答路径无法涉足的领域，但金融行业的语料库等数据又不对外开放，让大模型企业不得不重头开始。

这都延迟了大模型进军具体行业的时间表。

目前，一些从业者透露，金融科技公司愿意为大模型企业提供“必要但不致命”的应用场景。在这些场景中，客户企业可以承受一定程度的容错，也愿意投入时间和资源支持大模型的进一步发展。“我们的主要客户来源于金融机构的创新部门，因为他们支持一些通用智能的事情”，一位销售人员对数科星球（ID：digital-planet）这样说。

“死马当活马医，反正没办法解决长尾，不如让大模型试试”，这是金融行业业内给出的真实看法。甘愿“冒风险试一试”的场景有公文写作、情感理解等。

总结而言，通用智能企业需要客单价高、数据训练场景丰富的派单需求，但这个问题又与企业的现实考量和预算投入相互矛盾。

没得数据用来训练、没得大钱（投资除外）养活产品，是摆在现实的两大难题。

04国内AIGC的扩散难

元宇宙爆火，燃遍各行各业。它能否成为助力通用型AIGC扩散的有力平台？

这是一个有趣的想象。答案是，可以，但很难。

目前，AIGC和元宇宙的发展虽然存在相关性，不过就目前的情况来看，二者还未完全合流，处在“你做你的、我做我的”的阶段。

举例来说，在一些社群中，我们曾讨论这样的使用场景：在在线绘画App中嵌入AIGC功能，使用户在提交绘画作品后自动生成AIGC图片。面对这个问题，某些供应商对数科星球（ID：digital-planet）分享：“实际上，在第三方App中嵌入AIGC难度很大，要有能力处理高并发，要低延时，从而不影响用户体验”，在他的想法中，甲方的需求可以满足，但如若在实时在线的基础上，成本颇高。

退而求其次，供应商给出了离线生成或自建图库的方式满足需求（自建图库是预先在系统保存大量已经生成的图片，用户有需求时直接调用）。但很明显，这种折中的方式违背了AIGC设计的初衷。时间长了，对于训练大模型更是无从谈起。

在同样爆火的数字人中，AIGC的应用场景也不算多。目前，市面上绝大多数数字人均属“服务型数字人”。它们被广泛应用在虚拟的办事大厅、博物馆、手语电视台的手语节目等场景之中。

剖开数字人产业链可以看得更加直观：在这个产业链中，底层为算法层，负责驱动面部表情和手势动作；中层为渲染层；上层为构成层，负责建立数字人图像。但除了底层“数字脑”领域，其他层面与通用智能结合较少。

在某知名投资机构投资人看来，“未来的数字人会相当多”，他认为，人们会拥有具有服务和陪伴属性的虚拟分身。但在技术上，想让人工智能具备情感陪伴功能还尚需时日，“至少目前技术是达不到的”，一位技术人员补充说。

整体来看，目前的数字人大多承担着IP形象功能，能说话的数字人还比较少。在一些先进的数字人中，“中之人”又是必不可缺的因素（其承担动作捕捉、虚拟拍摄、表情抓取和后期合成、渲染精修等工作的真人）。表面上，这种数字人比较高端，但其背后通常有大量人员为其服务，制作成本虽有所降低，但整体制作成本也并不低廉。

以上原因都阻止了AIGC或通用智能扩散至寻常百姓家。

结尾：企业显然不会坐以待毙。他们给出的策略大体分为三块：对外投资以扩充数据训练场景、夯实客户关系以获取现金流、堆人堆设备砸钱砸出大模型。

以上基本盘是投资机构给出的巨额投资。

“这好比把高科技做成了劳动密集型企业”，一个业内人士哂笑。不过，在当下的时间点，这是没办法的办法。技术上，只要机器足够、标注正确，哪怕是“堆”，也可达到预期目的。

钱的方面，高科技企业已下定决心“内卷”数字经济同行，有销售人员将其称之为“关系是第一生产力”。不过这种思路面临一个问题，就是大模型和通用智能的认知度要高。

“我们拜访了很多客户，但很多人其实根本不理解大模型”，一位业内人士对数科星球（ID：digital-planet）表述。在他的眼里，传统数字经济在新技术面前有巨大的提升空间。

举例来说，比如政务大屏。

“之前为调取一个地方数据，大屏只能靠下拉、下拉、再下拉的方式调用，而现在对语音助手说‘我要今年的生产情况’，就能自动生成”，这位业内人士解答，在他眼里，东西是好东西，但在买家面前变成了另外一个景色：“如果一个领导想做，他只需要1个理由去做，如果他不想做，他会找出100个理由不做”。

AIGC热潮高企，但一线销售人员往往会频频碰灰。在高科技浪潮风起云涌的当下，很多人承担着不能言说的苦衷。

文章来源： 数科星球，游戏葡萄，投中网，CSDN