AIGC，可能是下個10年最重要的投資機遇之一( 四 ) _谷歌

大模型在目前也很難生成高質量的視頻。AI模型生成的視頻真實感差、分辨率低。以下是Google的Imagen Video模型（2022年10月）生成的視頻圖像。在AI技術領域，這個模型的“高保真度、可控性和真實世界知識”被業界專家廣為稱贊。但不難看出，AIGC要生成好萊塢大片還為時尚早。

文章插圖

Google的Imagen Video模型（2022年10月）生成的視頻圖像

文章插圖

Google的Imagen Video模型（2022年10月）生成的視頻圖像
基于文本的視頻生成模型可能至少需要 2-3 年才能達到以假亂真的效果，而此類模型可能需要 3-5 年才能在商業應用上發揮作用。但在此之前，這些模型可能適用于對保真度和可控性要求較低的場景。
盡管 AI 研究社區普遍看好大模型，AI創業社區仍在爭論到底“更大”還是“更專”才是最佳出路。
一個典型的例子是OpenAI和Tabine在代碼生成領域發展思路的不同。OpenAI一如既往地選擇構建一個超大的通用模型Codex，成為了Github 代碼生成模型Copilot背后的功臣。然而Copilot的主要競爭對手Tabine采取了完全不同的方法，為30多種編程語言構建了一系列的專用模型。這兩種發展路徑孰強孰弱會對大模型的落地起到決定性的作用。
由于當前AI模型的局限性，低風險、快節奏的游戲設計可能是一個理想的AIGC應用領域。在這個領域里，速度和創新比模型的準確性和可靠性更重要。比如，AI合成的語音聽起來還是很有機器人的生硬感、真實性低，雖然尚不適合銷售等領域，但游戲玩家應該不會介意，甚至會有點喜歡像機器人的NPC 。此外，AI 生成的音樂還遠遠不及Spotify上的熱門歌曲，但可能成為絕佳的游戲背景音樂。因為制作游戲的視覺效果和音樂非常昂貴， AIGC的出現提供了一種極大降低游戲制作成本的解決方案。
除了游戲制作之外，當前一代的 AI 模型非常適合重復性高但報酬高的任務，以及人類可以在產出循環中及時糾偏的任務。編程、營銷和視頻編輯都是AI可以很好地協助人類專家完成的任務，讓他們能夠更快、更好地進行原創產出。
AIGC：泡沫還是機遇？
在研究了之前由GPT-3驅動的一波AI熱和當前的AIGC格局之后，我們認為有些AIGC領域肯定被炒作過頭了，但也有被低估和忽視的機遇。以下是我們對這個新興領域市場機會的一些拙見：
被高估的領域
特別卷的領域 – 還是別卷了。
到目前為止，已經有超過20家公司在做AI文編和營銷，市場競爭異常激烈。使初創公司集中在這一領域的原因是GPT-3和類似語言模型的特定能力。當這些模型在兩年前發布時，它們已經非常擅長修改草稿，但由于技術水平不夠，寫不出很多原創內容或者有意義的對話。所以毫不奇怪，那個時候成立的初創公司都去卷營銷和銷售領域了。
在一些擁擠的領域，早入場的公司可能有很強的先發優勢。（這就是為什么頂級的VC基金，比如紅杉資本，相信會有產品在垂直領域持續領先。）早期玩家可以用用戶的數據來調試模型并且進一步改善用戶體驗。這也使新玩家很難打入市?。購篤諭蹲矢巖勻〉鎂藪蟪曬?。不過，新模型的發布可能會為新公司提供進入市場的機會。
過度承諾的 AI 產品。
一個驚艷的AIGC模型發布時，總能在硅谷引起巨大的轟動和興奮。DALLE-2和Stable Diffusion讓投資人開始討論AIGC什么時候可以取代導演和人類演員，而ChatGPT的首次亮相又制造出了很多AGI（通用人工智能）出現或者ChatGPT取代Google的謠言。這種興奮使資本涌入雄心勃勃但往往過度承諾的項目，只可惜技術不到位，產品達不到預期的效果。