自聊天机器人ChatGPT火(huǒ)爆以(yǐ)来，微软公司创始人(rén)比尔(ěr)·盖茨已多次公(gōng)开谈论人工智能话题。在最(zuì)近的一次采访中，他再次表示(shì)：“AI可能会让科技行业迎来一次(cì)剧烈(liè)的洗牌”。

这个(gè)结(jié)论是他在(zài)当地时间2月20日(rì)接(jiē)受《In Good Company》节目专访时提出的。

他预期(qī)，AI的发展可(kě)能会威胁(xié)到谷歌的市(shì)占率，因为微软在AI方面的行(xíng)动相当(dāng)迅速。而(ér)最终科技巨头将把AI整合成用户(hù)的“全能助手”，包揽(lǎn)一切应用(yòng)，与人们进行沟通并(bìng)提供建议，可以取代(dài)亚马逊、Siri或Outlook等应用。

大佬口中全能助手(shǒu)的到来可(kě)能(néng)尚需时(shí)日，但由ControlNet引发的又(yòu)一次(cì)AI绘画浪(làng)潮，让AIGC在ChatGPT的(de)话题热点包围中杀(shā)出重围(wéi)。

01

ControlNet颠覆AI绘画新玩法

AIGC向可(kě)控(kòng)靠近

以AI绘画(huà)为代表的AIGC上一次爆火(huǒ)的时候，还(hái)是2022年8月，在(zài)美国科罗拉多州举办的新兴(xīng)数(shù)字艺(yì)术家(jiā)竞赛(sài)中，一幅名为《太(tài)空(kōng)歌剧院》的作(zuò)品获奖。

随后(hòu)各大厂商的AI绘画软件(jiàn)被广(guǎng)大网(wǎng)友熟知并(bìng)体(tǐ)验，Stable Diffusion便是其中代(dài)表(biǎo)。

用(yòng)户们可以(yǐ)在应(yīng)用中(zhōng)输入一组关键词或者(zhě)一张照(zhào)片，就能(néng)获得一(yī)幅AI创作(zuò)的画作。

作(zuò)画的关键就是(shì)所输入的文本。同一组关键词(cí)也可(kě)以创(chuàng)作出很多(duō)张(zhāng)风格不(bù)一样的(de)画作(zuò)，这让(ràng)创(chuàng)作的过程就(jiù)像开盲盒(hé)。

很多用(yòng)户(hù)很(hěn)喜欢(huān)这种不确定的惊喜(xǐ)，他们会将生成的美图当做(zuò)头像。而另一部分(fēn)喜欢翻看(kàn)AI绘(huì)画的“翻车”作品(pǐn)。在社交媒体(tǐ)上，许多(duō)用户分享AI“翻车现场”，例(lì)如，一位网友的小狗照片被(bèi)AI画(huà)成了“肌(jī)肉男”，还有网友(yǒu)的个人照片(piàn)被AI识别(bié)成了建筑(zhù)。

而如今随着ControlNet的出现(xiàn)与(yǔ)加持，以往(wǎng)AI绘画的填写关键(jiàn)词游戏可能要被颠覆了。

ControlNet是一位正在斯坦福读(dú)博的(de)中国人张(zhāng)吕敏创作的一种(zhǒng)基于控制点的图像变形算法，主要用于数字(zì)图像处理、计算机(jī)视觉和计算机(jī)图形学等(děng)领域。

其(qí)SD插件一经发布，在短短的两天内便成为了AI绘画领域最新的热点。

在此之前(qián)，大(dà)家用了(le)很多方法想让(ràng)AI生成(chéng)的结果尽可能(néng)的符合要(yào)求，但是都不(bù)尽如人(rén)意(yì)，它的出现代表着AI生成开始进入真(zhēn)正的可控(kòng)时(shí)期(qī)。

因(yīn)为ControlNet可以直接(jiē)提取画面(miàn)的构图，人物的姿(zī)势(shì)和画(huà)面(miàn)的(de)深度信息(xī)等。有了它(tā)的帮助，就不用频繁(fán)的用提示(shì)词来碰运(yùn)气，抽盲盒式的创作了。

通(tōng)俗的说ControlNet相当(dāng)于给AI绘画加了“魔法(fǎ)”，不少博主的作品已经获(huò)得了大量的(de)浏(liú)览量，“viggo”就(jiù)是其中之一，他(tā)用(yòng)朋友的照片直接带她们走进动漫世界。

viggo先用(yòng)StableDiffusion图片(piàn)转(zhuǎn)文字。

再用(yòng)Text2Prompt插件拓展找到对(duì)应的关键词；最后用ControlNet插件绑定骨骼开始(shǐ)换关键词(cí)试(shì)效果。

通过图(tú)片就可以看出(chū)来，效果十分惊艳。

更厉害的是，除了真实的照片，草图也可以加上“魔法”，知乎大牛“DevPoint”和“逗砂”介绍(shào)到ControlNet还能(néng)实现(xiàn)线稿转全彩图。大神张吕敏(mǐn)其本尊也亲自回应。

不得不说(shuō)当下AIGC已(yǐ)经变得越来越强大，甚至输出的作品都已经能以假乱真了。

02

难(nán)辨(biàn)虚实，AIGC技(jì)术(shù)力爆(bào)发

警惕安全问题(tí)

近日(rì)，“苏(sū)州金鸡(jī)湖(hú)有游艇party”的(de)消(xiāo)息火遍网络，而经过警方辟谣这所(suǒ)谓的(de)“party”可能(néng)是(shì)全国第一起AI绘(huì)图诈骗。

由于(yú)这个活动里面给出的美女照片都是AI制作的真人(rén)照片(piàn)绘图(tú)，因为太逼真(zhēn)，被大家当成真事传播了。

不过仔细观察可(kě)以发现，活(huó)动发(fā)起者提供的照片(piàn)中有(yǒu)个很大的漏(lòu)洞(dòng)可以发现(xiàn)并非真(zhēn)人，而是AI绘图，那便是图片中女性的手指部分有的存在(zài)异常。

有行业人事表示(shì)：“现在(zài)因为手指(zhǐ)部(bù)分的绘画算法比(bǐ)较复杂，AI还不太会(huì)画人的手，但最(zuì)新(xīn)看到(dào)的图片已经有越来越完美的AI模型出现(xiàn)，以后可能(néng)就(jiù)完全没有漏洞了(le)。”

类(lèi)似的AI作(zuò)图诈骗在国(guó)外(wài)也已(yǐ)有发生。据英国广(guǎng)播公司报(bào)道(dào)，土耳(ěr)其地震期间，有Tiktok用户(hù)使用AI合成(chéng)了儿童受(shòu)灾的假(jiǎ)照片发布(bù)到(dào)网络，以此诱骗善良(liáng)的人打赏(shǎng)“捐(juān)助”从而实(shí)施诈骗(piàn)。

目(mù)前随(suí)着技术发展，AIGC已经能做出真人照片般的(de)绘图效果，如果(guǒ)这样的图片被(bèi)用(yòng)来诈(zhà)骗，将非常可怕。

此(cǐ)外AIGC还引发了很(hěn)多担忧，一方面，批判者认为(wèi)AI在“学(xué)习”了(le)大量前人的作品之(zhī)后(hòu)，其创作没有(yǒu)任何情绪(xù)和(hé)灵魂，难(nán)以和人类的艺术创作相提并论。

另一方(fāng)面，AIGC背后的版权、目前都并没(méi)有得到有效的解决(jué)，还(hái)有AIGC会不会代(dài)替人类“至高无上(shàng)”的创意。

马(mǎ)斯(sī)克也强(qiáng)调，人(rén)工智能的安全问题需要(yào)得到重视，太晚(wǎn)就来不及了。

03

AIGC下(xià)一站除了视频，还有(yǒu)远(yuǎn)方

技术(shù)都是有两面性(xìng)的，潜在的危害(hài)并(bìng)不(bù)能掩盖其光(guāng)辉的贡(gòng)献。现在看(kàn)来，人工智能技术将是第四(sì)次(cì)工业革命的核心(xīn)驱动力量(liàng)，将(jiāng)创造新的增(zēng)长奇迹(jì)。

过去一(yī)年，人(rén)工智能在技术(shù)和商业层面都有了巨大进展，AI绘画就是(shì)人工智能技术(shù)发生方向性改变的一个代表。其下一(yī)站(zhàn)或许就是视频。

此前，Meta和谷歌先后发(fā)布了几条引爆科技圈(quān)的短视频。这些视频引发关注并非内容做得多(duō)优秀，反而都非常简(jiǎn)单，比如一匹正在喝水(shuǐ)的马(mǎ)，一只画画的玩具熊，或者一(yī)段骑摩(mó)托车的第一视角录像，随便一个有(yǒu)手机的人都可(kě)以随(suí)手录(lù)下一段。

但(dàn)这些短视频的创(chuàng)作方式非常简单，创作(zuò)者仅仅需要向(xiàng)AI输入一段(duàn)话，甚至只(zhǐ)是说一下要(yào)求，AI就可以根(gēn)据(jù)需要生成一段视频。

谷歌发布(bù)的两个(gè)AI生(shēng)成视频分别来自于Imagen Video和Phenaki，前者主要突出的(de)是高清，与Meta的Make-A-Video没有太多的差别。

在Make-A-Video公布了AI生(shēng)成(chéng)的(de)视频(pín)后(hòu)，AI圈(quān)就已经玩了(le)一波梗，一个能够做(zuò)出更高清视频(pín)的AI还不足以(yǐ)在短时(shí)间内戳中兴奋点。

Phenaki更加令人震惊的(de)地方(fāng)在于，它可(kě)以制作(zuò)出(文言文许行原文及翻译注释，文言文许行原文及翻译及注释chū)超过2分钟的连贯的也有(yǒu)确切内容的视频，这才是真(zhēn)正让人们感到惊喜的(de)地方。因为无论AI生成的视频多么高清，也只能是为内容生产(chǎn)者(zhě)提(tí)供一(yī)个灵感，一个素材，一个(gè)过场动(dòng)画。

不过能(néng)够(gòu)制(zhì)作出有具(jù)体剧情(qíng)内容(róng)的视频就(jiù)意(yì)味(wèi)着，一(yī)些视频(pín)创作由(yóu)AI代替人工完成已经(jīng)初步有了可能。

当下AI的(de)发展速度已(yǐ)经超过大部分人的(de)想象。内(nèi)容产业的本质(zhì)是供给创(chuàng)造需求，AIGC作为全新的内容生产方式，可以为内容产业带来更新的内容风格、更快(kuài)的生产速度，更低的生产成(chéng)本，这无疑会驱(qū)动内容产业的大爆发(fā)。

除了AI绘图、视频，AIGC技术还能应用于音乐、代码、机(jī)器人动(dòng)作等多种(zhǒng)内容形式的(de)生成。不难发现该项技术不仅在(zài)游戏等行业(yè)能(néng)得到有效应用，对(duì)于(yú)下一代互联网各种元素的(de)构建亦有(yǒu)关键意义。

从商业化(huà)的角(jiǎo)度来看，文化娱乐(lè)、教育(yù)、传媒等(děng)诸(zhū)多领域(yù)，本身(shēn)就对基于AI的可视化(huà)内容(róng)有强烈需求。

因此，AI绘画及(jí)视频(pín)或不是结(jié)果，而只是AI进程中(zhōng)的一块(kuài)重要拼图(tú)，有望在技(jì)术更新的加持下实现更(gèng)大的应用价值。

AI从理(lǐ)解(jiě)内容，走向了可以生(shēng)成内容，甚至能够(gòu)创(chuàng)造(zào)出独立价值和独(dú)立视角的内容。AIGC的(de)再次出(chū)圈，更代表着未(wèi)来的先进(jìn)生产力即将(jiāng)到来。

04

紧抓(zhuā)大(dà)模型与算力，牢固AIGC底座

从(cóng)技术的发展也可以看出(chū)，在(zài)语言(yán)大模型(xíng)、图像(xiàng)大模型之后(hòu)，多(duō)模态大模型已经成为了新的趋势(shì)。

大(dà)模型被誉为当前人(rén)工智(zhì)能发展的智能(néng)底(dǐ)座，是全球竞(jìng)争(zhēng)最激烈的研究方向(xiàng)之一，包括谷歌(gē)、亚马逊、百(bǎi)度、阿里、腾讯(xùn)等众多头部企业都(dōu)在竞相发力(lì)。

不过训练大模型(xíng)的确价格不(bù)菲(fēi)，以国盛(shèng)证券(quàn)发布的《ChatGPT需要多少算力》报(bào)告估算，GPT-3训练(liàn)一次(cì)的(de)成本约(yuē)为140万美元(yuán)。而对于一些更(gèng)大的LLM(大型语言(yán)模型)，训练成本则介于200万美元至1200万美元高(gāo)价之间。

以ChatGPT在(zài)2023年1月(yuè)的独(dú)立访客平均数1300万计算，其对(duì)应(yīng)芯片需求为3万多片(piàn)英(yīng)伟达A100 GPU，初始投入成本约为8亿美元，每(měi)日仅电费就在5万美元(yuán)左右。

此(cǐ)外不论是ChatGPT还是AIGC，都离不开庞(páng)大(dà)算力支持(chí)。在(zài)关注各类大模型的发展同时，更(gèng)应(yīng)该关注算力网络的(de)建(jiàn)设。

算力(lì)网络正驱动AI产业发(fā)展进入(rù)史诗(shī)级加速进程，让AIGC及(jí)通用AI这一人工智能(néng)发展的终极目标离得更近(jìn)。

因为算(suàn)力可(kě)以对突破性技术创新提供大(dà)力(lì)的支持。这方面(miàn)，多模态大(dà)模型(xíng)是典型。作为(wèi)面向未来(lái)强人(rén)工(gōng)智能、通用人工(gōng)智能的重(zhòng)要(yào)技术创新(xīn)，多(duō)模态大模型已经在人工智能领域提出了很多(duō)年，业界也有(yǒu)不少技(jì)术突破，但是，多模态大模(mó)型进(jìn)一步往下走，算力(lì)需求(qiú)呈几何式上升，一(yī)般的算力基(jī)础设施(shī)很快将难(nán)以胜任(rèn)。

从(cóng)图(tú)像、文字(zì)、语(yǔ)音单独(dú)一项的训练(liàn)，到双模态、三模态的跃(yuè)迁，让人工智能可以灵活(huó)应对不(bù)同模态的转化(huà)、像人与世(shì)界交互(hù)一样自(zì)然，这方面，由(yóu)算(suàn)力(lì)网(wǎng)络(luò)来驱动将有明显优势。