【前言】
对全球科技公司来说，2022年是非常艰难的一年。自新冠病毒爆发以来，全球经济遭受重大打击，作为面向未来的科技行业，很大程度上标志着世界对于经济发展的信心。因此我们可以看到，2022年的中国科技公司面临了不小的挑战，美国硅谷也“寒意正浓”，裁员，砍项目也难停科技股的跌势。从2000年科技泡沫出清后的逻辑来看，去掉虚浮无用的扩张后，科技公司反而会聚焦在更有价值和前景的领域。对此，我们就着眼于有着“全球科技创新中心”之称的硅谷，看看科技公司和投资人们在这波“去肥增瘦”中投注在了哪里。
回顾2022年的科技圈，Web3浪潮风靡、XR逆势而行、新能源革新升级，AIGC爆发崛起，这些无时不刻的吸引着广大用户的关注。在这些新兴领域中，技术岗位需求持续增长，风险投资额依然增长强劲，这正是硅谷的落子之处和他们对于未来的选择。腾讯科技联合位于硅谷前线的创作者「硅兔赛跑」，总结2022年这四大火热赛道的发展，推出《我在硅谷看未来》年终策划系列行业报告，在2023年的伊始，一起洞察在变化中的科技未来走向。该篇为系列第四篇，聚焦AIGC赛道。
【联合出品团队】硅兔赛跑成员王子、顾程来，夏维彬对本文亦有贡献，腾讯科技成员李海丹、郝博阳、关皓。
【免责声明】本篇内容并非投资意见，为便于理解，该报告汇总了相关领域的典型企业案例作为参考，但所含相关公司资料不构成任何投资产品之要约或者建议，只作为一般参考资料用途。
【版权声明】本文版权为硅兔赛跑和腾讯科技所有，未经允许请勿转载，违者必究。
图：来源于网络
目前，大部分人对于AI的认知始终停留在自动驾驶、人像识别等领域。在2022年，一幅由Midjourney生成的AI画作《太空歌剧院》横空出世，让AIGC火出了圈。同时，Stability.ai 和Jasper.ai（元宇宙及数字媒体工具开发商）分别以10亿美金和15亿美金的估值在现在的市场环境中完成了大额的融资。这两个事件的叠加就像催化剂一样点燃了市场对于AIGC的热情。
在突然爆火的表象之下，我们可以看到，在近五年来，AI底层的理论研究和相关的基础设施一直在快速的发展。AI领域的研究论文出产数量一直保持着指数级的增长速度，只不过之前的热度只停留在科技圈内。通过AIGC的行业图谱可以发现：目前AIGC包括一些AI+的应用，大部分都是基于底层理论的研究突破和平台级基石模型的发展衍生而来。
（图表：硅兔赛跑团队制作）
2017年，Google Research发布的《Attention Is All You Need》中提出了「Transformer模型」。Transformer的创新在于它的“注意力机制“和“并行结构”。注意力机制使得模型可以对所有的输入信息进行编码并得出相互之间的依赖关系；并行的结构使得它可以非常高效的使用最先进的GPU和TPU带来的算力提升，在巨量的数据集上进行训练。
Transformer出现以后，基于Transformer的预训练模型迅速在各类文字处理任务上达成了SOTA（即State of the art，一般指达到了目前发展中的最高水平）。2021年，OpenAI推出了GPT-3，参数量达到了1750亿，比GTP-2的参数规模大了两个数量级。大模型带来了非同一般的效果，各厂商也在参数规模上展开了竞赛。在过去三年中，大型语言模型的参数规模提升了15500倍，远远超过了摩尔定律。在这个过程中，AI的能力逐渐从识别升级到了理解，并逐渐拥有了生成的能力。
由OpenAI开启的大模型时代天然的提高了基石模型的研发成本，导致了能够参与到这场游戏中的玩家数量有限，形成明显的马太效应。除了财务成本以外，先发者的数据积累优势，进一步巩固了基石模型的头部地位，最终可能形成IOS、Android之于Mobile的地位，形成平台的公司通过API的形式向应用层的公司提供基础设施服务，就像现在Jasper、Copyai、Notion都使用GPT-3一样。除非最底层的研究更新换代，否者少有后来者能撼动平台的地位。
（图：来源 State of AI 2021，算力提升对模型迭代起到了关键作用）
与文字生成的发展规律类似，2020年，在《Denoising Diffusion Probabilistic Models》这篇论文中提出的Diffusion Model在图像合成方面击败了GAN，开启了AI生成图像方向的大规模研究和应用。同样的，在2020年被首次提出后，NeFR模型在3D内容生成方向获得大量的关注。
（制作：硅兔赛跑团队，学术研究突破与基石模型发展的时间轴）
观察理论研究、模型发展和应用爆发的时间轴，其中有三个关键的时间点。第一个点是突破性理论的提出；第二个点是初代模型的出现（BERT、DALL·E)；第三个点就是可商用基石模型的出现（GPT-3、DALL·E 2）。根据目前主流的场景下基石模型的发展进度，图像生成领域正处于大量探索应用场景的阶段，而视频和3D内容的生成还在等待类似DALL·E进度的基石模型出现。同时在文字生成领域，GPT-4预计将在明年发布，从号称“GPT-3.5”的ChatGPT的效果来看，是非常值得期待的。
趋势：建立在平台级基石模型之上的AIGC应用迎来爆发
底层理论研究的创新、硬件算力的提升以及基础模型的突破都为AIGC应用层的爆发打下了基础。除此之外，还有一个值得关注的信号：这一波AIGC领域的创业者背景逐渐从学术研究为核心的科学家转变为以产品打造为核心的典型的创业者。这个现象与另一个AI的重点发展领域自动驾驶完全不同。
有很多媒体报道的时候，都会用一些很夸张的标题，比如“AI将取代艺术家”、“画家群体或即将失业”等。其实不然，AI的最大的价值在于赋能创作者和知识型工作者，最终提高工作效率，降低Intelligence的边际成本。然而，在想法从无到有的过程中，人类的作用是不可替代的。
（图：来源硅谷知名投资机构NFX，AI生成对于创作者的赋能）
如：上图展示了一个产品从想法到最终成品的过程，在这个过程中最令人头疼的就是从想法到初稿的阶段，往往也是耗时最长且最容易被推翻。AIGC的价值就是加快了初稿的产出速度，从而提升了想法验证的速度和迭代的效率。并且随着模型性能的进步，初稿的效果对于想法的呈现就越具体、越具有代表性，那么用户对想法的评判也会越准确。另外，稀缺性和规模化一直是互相对立的概念，理想情况下，AIGC是可以打破这个冲突，让定制化与规模化并存。
从目前AIGC主流的应用场景看，知识型工作和创意型工作的从业者是被AIGC影响最直接的人群，主要包括了营销人员、销售人员、作家、图像工作者、视频工作者等。但是AIGC可以是一个更大的范畴。它的生成形式可以包括基于素材的部分生成、基于指令的完全自主生成和生成优化。而内容方面，除了常见的文本、图像、音频、视频这些显性的内容以外，也包括了像行为逻辑、训练数据、算法策略这样的非显性内容。最理想情况下，几乎所有的职业都是可以被AI提升效率的。
（图：硅兔赛跑团队制作）
上图基本展示了AIGC在文字、图像、3D以及视频领域中一些应用场景的发展阶段，根据产出质量一共分为了五个阶段，可以看出AIGC具备产出初稿能力，便意味着有了初步的商业化落地，而能够达到二次修改以上的水平意味着有了被大规模采用的潜力，这样的情况下，便会有独角兽级别的公司出现。以下本篇将从文字、图像、3D以及视频等场景方向的应用进行探索。
1.1 AIGC在文字生成方向上的应用：可当营销能手、创作者和程序员
如果从AIGC所应用的文本种类分，可以分为结构型的应用文本和非结构型的创作文本。其中结构型应用文本的发展是比较早的，应用场景大部分是基于结构化数据或规范格式，在特定的情境下的文本生成，比如客服类的聊天问答和新闻简讯编写等等。这些场景受益于底层模型的进步，但并不是这波浪潮中的主角。而具有更高文本自由度的创作型文本是最受益的场景，因为它能够赋能的场景更多、市场也更大。同时，这类文本需要一定的创意和个性化的输入，并对模型的生成能力有更高的技术要求。
1）营销类文案应用：商业化程度高，竞争最激烈
目前文字生成领域商业化程度最高，同时竞争也最激烈的场景就是营销类文案的生成。头部的公司包括：Jasper、copy.ai、copysmith等。这些公司大部分都是基于GPT-3，加入了创作模板、SEO搜索加强等功能，为商家或个人提供快速产出宣传文案的能力。收费模式一般都是按照字数用量的订阅制模式，价格在每一千字1美金左右。
举个例子，如何使用copy.ai生成一个营销邮件？用户只需要输入想要生成的文案类型、想要cover的重点并选择合适的语气，AI就会迅速生成多个文案选项。选择之后，用户可使用修改器进行局部重写或者修改，最后一个完整营销邮件的生成了。同样的模式，除了营销邮件，任何营销相关的广告、博客、社交媒体都被AI生成文字逐渐覆盖。
（图：来源于copy.ai官网）
从产品的角度看，营销类的文案生成的进入门槛是比较低的。这类公司主要的壁垒在于用户和数据的积累。先发的公司具有一定的优势，一方面在行业早期，用户的获取成本较低。另一方面，因为用户在生成草稿后都会按照自身需求进行修改，所以大量经过用户调整后的产出内容可以成为公司优化模型的重要数据资产。我们经常提到的飞轮效应，在AI模型的优化中是非常明显的，头部公司在获取优质训练数据后，在微调模型的效率上会形成较大的竞争优势。
所以我们可以看到，像Notion这样与文字生产力关联很深的大公司已经或即将下场做一样的事情。他们本身就有很大的用户基数，而且产品本身已经嵌入了用户的工作流程中，依靠相同的基石模型做一样的事情是很快的。
这个领域的初创公司要与现在处于领先的Jasper、copy.ai或者即将下场的大公司竞争是比较困难的。一些对某一个应用场景有特殊专长的人通过AI把自己某一特定领域的认知规模化软件化的公司可能存在机会，比如说Regie，他的创始人之一是做市场策略和收入增长的资深专家，所以Regie就是从销售团队用到内容生成开始做的。
再比如Draft公司（Draft是YC孵化的一家公司），不同于AI生成+用户调整的模式，Draft提供的是经过写手修改的AI生成内容，也就是“AI生成+专业调整”的模式。他们的很多客户都是非常早期的公司。所以Draft的定位是直接帮助公司产出终稿，收费模式是项目制的按字数收费，每一千字的价格是200美金。
2）创造型长文本生成：商业化场景较小，技术难度较大
营销类的文本其本质是在模板框架的基础上结合创意内容的输出，且篇幅往往有限。真正意义上的创造型长文本的应用目前还不太成熟，基本1000字以上的文章，AI就比较难保持上下文的关联和逻辑了，这个问题的解决需要针对性的模型训练或者底层模型的进一步迭代。由于创造型长文本的商业化场景比较小，做这个领域的初创公司并不多。
目前对于长文本的解决方案是把长文本分成短文本分开创作。比如说长文Blog，AI会先生成文章的大纲，当用户修改完大纲后再根据每部分的主题生成相应的内容。或者是通过人机交互的形式来形成小说或者游戏世界观。像Latitude旗下的AI Dungeon，就是在人机对话的基础上增加了剧情设定，玩家可以通过Say/Story/Do三个指令与AI一起共创一个故事。
（图：来源于AI Dungeon官网）
3）代码生成：使用渗透率高，风险漏洞多
除了各种类型的文本以外，代码生成也是AI生成文字的一个重要场景。类似Github Copilot这样的工具能为程序员带来非常大的效率提升。而且目前的渗透率已经非常高了，很多编程语言新产生的代码中，近30%的代码是在AI的帮助下完成的。
AI生成代码的模型主要是在大规模语言模型的基础上，用类似Github上的代码数据进行再训练而来的。所以，在代码生成领域活跃的主要是大厂玩家，包括微软（Github Copilot）、亚马逊（CodeWhisperer）、Google、Salesforce（CodeGen）以及tabnine，主要的场景是单行代码以及多行代码的生成。
对于初创公司而言，要想在这个领域和大厂竞争是相对困难的。因为互联网大厂拥有大量的训练数据并且他们本身就是最大的用户，在内部使用的过程中可以很好的优化自己的模型。目前初创公司在做的一个方向是在原本无代码、低代码的基础上加上AIGC，比如debuild是在低代码网站生成的技术上结合了AI。
另外值得一提的是，目前代码生成相关的规则和法律还没跟上技术进步的速度，存在着很多监管空白，这就意味着AI代码生成伴随着很多代码版权侵犯和代码泄露的风险。
1.2 AIGC在图像生成方向上的应用：面向插画师和AI工具爱好者
AI生成图像是从DALLE 2开始在AI圈内火起来的，但真正出圈要从开源版本的出现算起。最早面向大众出现的的Disco Diffusion（Midjourney的前身），用户主要是插画师和AI工具爱好者。随后Stability AI出现，他们以打造一个开源共创的模型为目的，最终把AI生成图像推向了平民化。Stable Diffusion可以理解成一个开源版的DALLE 2，用户不仅可以直接使用官网部署的Dream Studio直接生成图片，还可以在开源模型的基础上打造自己的定制化模型。可以说，Stability AI彻底降低了AI生成图片的门槛，Stable Diffusion在各个渠道累计的日活跃用户超过了1000万，面向消费者的Dream Studio已经获得了超过150万的用户，从Github Star数量的增长速度也可以看出其发展速度之快。
（图：来源a16z，开源模型Stable Diffusion在Github上的累计star数量在90天内达到了33,600）
同时，飞轮效应在图像生成模型中呈现的更为直观，近期Midjourney推出的v4版本和Stable Diffusion的二代版本，在画质和对于输入信息的理解上都获得了巨大的升级。以最新推出的Stable Diffusion 2.0为例，它提供了一个超高分辨率的生成模型，可以用来生成2048x2048分辨率的图片。在应用场景方面，可以归为C端和B端两类。
（图：来源于网络）
1）C端场景：按照使用量付费的订阅制模式为主
目前AI绘画在C端的商业模式比较单一，普遍是按使用量付费的订阅制模式。比如Stability旗下的DreamStudio目前提供200次的免费生成额度，试用后每100次生成的费用为1英镑。Stability的CEO称，未来的商业模式会与红帽的商业模式类似，即开源版本免费，商业版本盈利。Midjourney公司则采用了订阅制，新用户可以免费生成25张；随后按照GPU的使用时间收费，Basic Plan - 每月10美元对应200分钟的GPU时间（每次生成大约5美分）;Standard Plan - 每月30美元对应900分钟的GPU时间（每次生成大约3美分）。
对于普通C端用户而言，商业化的应用场景是有限的，付费的意愿也不高。有报告显示，60%的用户没有在AI绘画上有过付费行为，尝试新鲜事物的用户占到了很大的比例。如果是独立的艺术家、设计师要运用于商业用途，受到素材和技术的限制，要满足客户需求，仍然需要大量的加工才能获得成品。比如最开始的那副“太空歌剧院”在AI生成之后，设计师还进行了上千次的修改，花费了近80个小时才完成了成品。所以，在基石模型的基础上，探索更多的B端的商业化路径可能是未来发展的方向。
2）B端场景：千亿规模的动漫市场、室内设计和3D内容应用
B端的重点市场是漫画动漫领域，2022年全球的动漫市场规模约为3,910亿美金，可应用的市场庞大，并且可以一定程度上解决动漫制作成本的问题。1分钟的2D动漫大约至少需要花费10000美金的制作费用，对应72张图画，每张图的成本至少需要130美金。按照DALL-E 2的收费标准，每生成8张图片的价格为0.26美金（假设需要迭代8次生成所需要的图片）。对比之下AI带来的成本下降是百倍级的。同时，草稿的出产效率作为AIGC最显著的优势，在动漫行业中能大大加速概念测试和制作效率。
目前很多工作室已经拥抱了AI，比如海贼王和龙珠的制作公司东映动画（Toei Animation）在2021年的时候与PFN（Preferred Networks）合作测试了AI动漫制作。可以看到，基于AIGC在内容生成速度和成本上的优势，随着底层模型的进步和垂直模型的优化，高制作成本、长制作周期的B端应用场景具有商业化的潜力。
同样的逻辑也可以运用于其他领域：比如游戏资产的生成。Scenario是一家制作、设计游戏内3D资产的公司。用户可通过视频拍摄现实生活的中的3D物体然后生成在游戏中对应的模型。Scenario拥有大量游戏内3D资产的数据，在Stable Diffusion的基础上，Scenario推出了一个面向游戏开发者和游戏设计的是AIGC工具，专注于生成各种游戏资产。
（图：来源于网络）
再比如室内设计的生成。Interior ai(室内人工智能)是在Stable Diffusion的基础上通过室内设计的图片训练出来的。用户只需要上传现有房间的照片，模型就能在现有设计的基础上根据选定的不同风格生成新的设计，简单快速的呈现给用户。
（图：来源于网络）
此外，3D内容的市场规模也不容小觑。根据Businesswire的相关数据统计，2022年全球3D动画的市场规模超过了200亿美金，相比于2D内容的制作，3D内容的成本更高、制作周期更长。随着Diffusion模型、NeRF模型的发展，AI在3D内容生成的应用上迎来了快速的发展。
3D纹理和素材是制作游戏、电影和CGI中必不可少的元素。创建纹理需要花费大量时间和金钱，摄影师必须前往偏远地区放大真实世界的物体并以不同角度拍摄它们以创建一个全面的纹理库。近期，Runway(美国图片和视频AI编辑软件提供商)基于diffusion推出了一个AI生成3D素材的模型，可快速生成3D纹理，虽然质量较Quixel的素材库还相差比较远，但是随着模型的改进和数据的积累，质量的提升是可以期待的。
3D建模是一个近130亿美金的市场规模，3D场景的生成可以运用于游戏、VRAR和元宇宙之中。比如Space Data公司在Stable Diffusion基础上用卫星数据训练出了一个3D城市生成模型。将一组Manhattan的卫星照片输入模型，几分钟就生成了一个漫画风格的3D城市建模。
（图：来源于网络）
同时，随着NeRF模型的发展，3D建模在室内设计领域的应用迎来了快速发展。只需要几张室内的照片，通过NeRF模型就可以快速生成3D的室内建模，并且可以通过文字指令来切换整体的风格。随着这个技术的进一步发展，价值41亿美金规模的室内设计的软件市场可能迎来洗牌。
（图：来源于网络）
1.3 AIGC在视频生成方向上的应用：文本到视频转化、视频编辑、个性化营销
身处一个视频时代，视频在流量吸引、内容传播和广告营销等领域都展现出了其巨大的能力。随着底层技术不断向外拓展自己的能力边界，AIGC的应用自然而然的从文字和图像发展到了视频领域。与3D内容生成相似，技术门槛和市场空间更高的视频生成成为了创业者和投资机构关注的重点。
1）文本到视频转化，清晰度和流畅度不断提升
真正的文本到视频的生成是2022年4月由Google最先发表的，但是当时的画面效果并不是很好，比如视频的清晰度和流畅度都比较低。直到9月Meta的Make-a-scene、Google的Imagen Video和Phenaki的出现，才预示着视频生成领域DALLE时刻即将出现。Google在视频生成领域尝试了两个方向，Imagen是Diffusion base的模型，Phenaki是非Diffusion base的模型，他们在视频生成方面各有优劣。在最近的一次Google AI发布会中，他们展示了一个将Imagen和Phenaki结合后生成的视频，50s左右的视频效果有了很大的提升。
（图：来源于Google AI22）
2）视频编辑工具：成为视频优化和自动剪辑能手
AIGC在视频编辑中的应用主要分为两类：
第一类是视频属性的编辑，比如视频画质提升、删除画面中特定主体、自动添加特定内容、自动美颜等。头部有两家公司，Runway是从图片编辑的角度出发切入视频编辑；而Descript是从声音编辑的角度出发切入视频编辑。切入点不同，但目的都是为了提高内容创作者的工作效率，从而让他们把更多的精力放在创意的生成上。
第二类是视频的自动剪辑，与上面提到的生成不同，自动剪辑的逻辑是找到满足指令的素材并进行合成，一定程度上是自动生成的一个过渡方案。百度的视频号就有类似的功能，可以根据上传的文案自动搜索相关的内容然后产出视频。但是由于视频资源的限制，目前生成视频的质量并不是很高。
3）个性化营销视频生成，实现虚拟形象定制化
AI生成个性化营销视频的应用是比较成熟的，其呈现形式是真人口播，生成模式一般分为两类，一类是在现有的人物库中选择合适的虚拟形象，根据文字输入的内容生成音频和人物口型，然后通过替换关键词，比如数据、名字等，然后批量生成视频。第二类，是用户自己录制一个视频，AI会基于用户的数据创建用户定制化的虚拟人，然后再通过替换关键词批量生成视频。
（图：来源于Synthesia官网）
比如Synthesia公司，自成立以来已经为客户制作了超过100万部视频，最知名的案例就是为乐事薯片制作了以梅西虚拟形象为主角的视频。用户通过做出不同的消息选择，会接受到来自梅西发出的个性化比赛观看邀请。这一类视频并不是真正意义上的AIGC，视频并不是通过文字到视频的跨模态模型直接生成的。
1.4 AIGC在工作场景方向上的应用：办公助手，提升办公效率
Decision Transformer（直接用网络直接输出动作，即直接做决策）是另一个基于Transformer的发展方向，这个模型让AI可以学习人类工作的场景，从而生成合适的决策。有研究显示，到2026年，办公流程自动化的市场规模将增长到196亿美金。比如Adept.ai的ACT-1模型，可以通过自然语言完成excel、Salesforce、Figma等一系列日常办公软件的使用。
ACT-1 （Action Transformer (ACT-1)，通用AI助手）的形态是一个浏览器的插件，通过用户输入的文本指令，插件对任务进行拆解并执行。能够执行的任务包括：使用浏览器完成搜索任务、使用办公软件完成10次以上的连贯操作、执行需要使用多个软件的任务等。
对于未来，Adept认为，AI助手的存在不仅仅是执行任务的工具，更是一种新的交互方式。大部分的人机交互将以自然语言的形式存在，而不是GUI。这使得初学者在不需要培训的前提下就能快速使用各类生产力工具。与AI协同后，人类的生产效率会得到巨大的提升。
（图：Adept.ai公司官网 & Promptloop官网）
除了Adept以外，有不少初创公司从垂直领域切入提供提升生产力的工具。比如DeckRocks公司，可以通过语言的描述生成商业计划书。当用户输入文字描述时，GPT-3会生成每一页商业计划书的主题内容；DALL-E（可以通过文本描述中生成图像的人工智能程序）会生成公司的logo和所需要的插图；Producthunt API会被用来搜寻类似产品的详细信息。以及Promptloop，是一个基于excel的生产力工具，可以将文本分类、语言翻译、数据清理和数据分析等功能像SUM、VLOOKUP一样在excel中实现。
总结：AI仍然处于早期发展阶段，AIGC仍需时间积累
每波技术浪潮的兴起，总会有热点事件作为开场，AI绘画和ChatGPT的接连出圈成功的吸引到了创业者和投资人的关注。这第一波的AIGC应用就像是iPhone刚问世时的移动应用那样，表面的惊艳要大于内在的实用。然而，AI凭借着其惊人的迭代速度，一次次刷新了人类的对于机器“创造”能力的期待。AI将在人类的工作和创造中发挥重要的价值和作用。但是，正如OpenAI的创始人Sam Altman说的：目前AI仍然处于非常早期的阶段，GPT-3、DALLE2以及最近火热的ChatGPT，它们的能力仍然十分有限，“强大”的表象的只是阶段性的突破，后面还有很多工作需要完成。AIGC如今的热火朝天，离不开过去五年来，先行者在底层技术和基础设施上的持续投入。在通往AGI的路上，仍然需要大量人才、时间和资本的积累。
【报告全文】3万字报告拆解：硅谷寒冬，投资人还在哪些赛道烧钱？
【赛道一：NFT】小图片炒作正成为过去式，“NFT+”的时代即将到来
【赛道二：未来终端】踩上元宇宙的风口，XR源生游戏成资本新宠
【赛道三：新能源】氢能、地热能崛起，“全屋电气化升级”时代来了
