AI绘画，VC投不动

公众号新闻

2022-12-28 10:12

“现在你去投AI绘画应用型项目，基本投十个死九个。”

来源：猎云精选

ID：lieyunjingxuan

作者：孙媛

“现在你去投AI绘画应用型项目，基本投十个死九个。”

就在2周前，银杏谷资本企服高级投资经理钟伟成刚刚在公司内部对AI绘画进行了一顿输出，作为关注AIGC的投资人，钟伟成早在七八月国内AI绘画兴起之时，便饶有兴致地尝试了一番。

然而，AI绘画的火热似乎跟它生产内容之精良形成强烈反差。奇形怪状的人物或者动物图片、杂乱无章的二次元图像内容，都让他能感觉细节刻画之粗糙背后，当下AI绘画内容生成可控性之差。

而这样的表现或许可以侧面解释为何国内AI绘画的人红歌不红，除了生成式AI平台TIAMAT于10月完成融资，6pen、draft.art、大画家Domo、盗梦师等创企均未凭借AI绘画获得新一轮融资。

资本圈达成捂手沉默的共识背后，钟伟成一语中的，“不投，是因为大多数的AI绘画应用，本身技术门槛不高，都是在国外的Disco diffusion、Stable diffusion开源模型上改改就拿来用了，图像生成的可控性还远远没有达到商用的水平。”

被炒火的AI绘画，难成投资标的

其实早在2022年年初，AI绘画便在社交平台上引起过小范围的狂欢，但由于成本较高，推广范围也因此受到了限制。直到海外公司Stable Diffusion开源后，行业获得了关键性技术的突破，许多基于Stable Diffusion模型的应用纷纷入局，国内大多AI绘画都是基于这一模型。

但这样一来，各家国内应用就好似站在同一起跑线，甚至并无绝对优势。

某机构合伙人张斌从P/UGC到AIGC，过去两年一直对赛道有所关注，也投了一些元宇宙项目。今年九月份在新加坡，他就关注到了AI绘画在推特、Facebook上的热潮，用户的反应自然证明了应用背后的价值。

其中较受欢迎的平台“意间AI绘画”排队人数一度高达8万人。根据其团队在官方公众号公布的用户数据，该平台自9月30日上线到11月12日，注册用户数迅速增长到117万。到12月初，这一数字更是超过1000万。

“虽然画出来乱七八糟，但大家依然会愿意坚持创作、尝试，就意味着AI绘画本身是有很深刻的底层需求和客户价值。”

来源：小红书截图

张斌直言，当下用户没有必要去关注最终画出来的东西好不好看，或者说是不是符合要求，因为AI绘画的价值远不是说现阶段就画出来一个脑子里想象的完美的图。“AIGC现在的价值已经非常明显了，它可以让大量的创作性工具，或者说大量的创作型人才，至少在创意阶段，或者说在前期的生产制作阶段，未来将会很大程度上被替代。”

作为投资人，张斌认可AIGC本身是能够大幅度解放生产力的技术突破，然而面对着C端的喧闹，他依然坚持不投，因为“市面上并没有特别好的标的去值得投资”。

张斌此话基于两大思考。一是当前的AI绘画应用都是开源算法加上自己特有的一些算法和模型，所以谁都没有底层能力或者进入门槛。

其次无优秀的商业模式。C端，AI绘画受限于国内用户薄弱的付费意愿；在B端，又面临诸多版权上的争议。

“目前市面上这些AI绘画我们也都聊过，最终所有人都是去说我是一个AIGC的工具或者解决方案，然后卖给B端的客户，给广告公司做营销，或者是创造平台，让B端用户用它画广告或者视频，是一种toB的SaaS服务的商业模式。”

如此这般，无论是技术还是商业模式，AI绘画在投资人看来都不够性感、天花板也太低，让一众VC抱有质疑。

国内一级市场对AI绘画的不看好，自然体现在了融资数据上。

和海外动辄过亿美元的融资轮相比，虽然AI绘画玩家如雨后春笋般涌现，但国内只有TIAMAT获得了数百万美元融资。

有投资人透露，这一波AI绘画在国内主要是美元基金可能会凑热闹，人民币基金相对更为谨慎。而TIAMAT能够被资本青睐，主要是其偏社区运营型的互联网打法，以出来早、声音大、广告多来抢占用户心智，让用户不由自主地把AI绘画与TIAMAT画起等号。

早在今年上半年，TIAMAT就在国内AI绘画还未火起来的时候，率先在小红书和抖音上运营AI绘画的社区，让更多人上来社区使用产品，从而收集大量的用户反馈。目前其“Tiamat人工智能艺术”标签在小红书有1776.1万浏览，而“意间”标签为741.6万浏览，可见其热度相对较高。

钟伟成表示，AI绘画应用在开源模型的基础上去叠加从用户侧收集到的数据，能够获得一个质量更高的图像生成模型，通过积累不同垂直行业里面的图库数据，可以使得后面生产出来的图片更符合实际生产要求。

“但是做AI绘画应用的团队短板也较为明显，烧钱拿数据的同时，随着数据越来越多，也会进一步对应用的底层承载力造成挑战。应用团队的技术能力是否能够hold住，甚至说未来是否有可能发展成为图像-文本大模型的基础设施公司，目前还不得而知。此外，AI绘画在C端处很难变现，toB就必须要和场景强相关，这里面无可避免的会有很多定制化的场景，要针对不同客户的产品需求去打造相应的图片生成的引擎，对工程化能力有很高的要求。”

他坦言，就AIGC投资来说，早期两轮投资主要看打法和团队背景，一般到第三轮时付费用户数据将决定投资决策，VC的钱会越来越不好拿。

人民币基金谨慎观望

创业者还需脚踏实地

从技术的发展路径来看，先有语言大模型才有文本内容生产应用，先有跨模态的图文大模型，才会有好的AI绘画工具去进行投资。

国内AIGC之所以仍有很长的路要走，其实还有一大关键点在于目前中文语言上还没有非常好用的底层跨模态大模型可以调用，不像英文模型已经达到了技术可以比赛的阶段。数据量的不足无法让AIGC生产出的内容有一个较好的效果，从而限制应用型创企的落地，这是根本上VC“十动然拒”的主要原因。

“目前投资AIGC不确定因素太多，最稳妥的打法还是要等到大模型出来，再去投相应领域的应用。像Jasper.ai、Copy.ai等比较亮眼的文本生成应用，也是在OpenAI推出GPT-3的商业化API接口以后才迅速发展起来的，在GPT-3出来之前创立的文案生成应用基本都没有发展起来。”

在钟伟成看来，眼下AIGC投资回报最高的莫过于基础大模型。百度腾讯等大厂纷纷跃跃欲试，给自己贴上AI绘画的标签，其主要目的并非“卷应用”，也是瞄准了预训练大模型这一新的基础设施。

以百度的文心大模型为例，其寄希望于今年推出的文心一格，让更多的人去上面做各种图像的生成，通过输入的文字提示跟它生成的图片对应，在这个过程去积累大量的图像文本数据，为后面去训练一个更成熟的多模态大模型做储备。

如此一来，大厂通过一些性能极佳的跨模态大模型，开发一个API接口给到外面的应用去接上，一来可以把它们多余的云资源服务器充分的利用起来，二来可以通过大模型的技术去做一个持续的收费，类似以前把云计算资源作为一个按需调用的资源去使用，成为保障文字、图片生成类任务的底层基础设施。

然而这样的话，回归到本质，算法能力、数据能力和大规模用户运营的能力，大厂都显然优于创企，在张斌看来，意味着投资人很难投到优质的大模型企业，亦或是前期需要非常烧钱才可能烧出一个比肩大厂的大模型。

“AIGC和ChatGPT本身都是需要大数据训练的AI模型，要求算法能力和数据能力，大公司肯定更强，他们以一种高举高打的方式做，输出AI能力，让创企在细分场景使用其模型，最后的终局就是创企用腾讯或百度的模型用AIGC帮人拍广告片，负责商业化前端的BD工作。”

在大厂对跨模态大模型打磨的同时，AI绘画因不够成熟而商业落地难而不被资本感冒，但这并不影响VC对AIGC技术层面的持续关注及商业布局。一方面，VC仍寻找有着大模型潜质的创企，譬如今年连续融资近亿元的心识宇宙就遭到了不少知名机构的疯抢；另一方面寻找符合有市场需求、商业可变现等投资标准的相关项目，譬如虚拟分身。

截至目前，用AIGC打造视频虚拟分身，取代主播成本，实现规模化的短视频生产和内容营销已经成为客户痛点可以被解决到的场景，也有不少国内企业“卷”入，并获得资本青睐。譬如创世伙伴资本投资的全栈式无穿戴视频动捕虚拟直播产品小K直播姬、银杏谷投资的做多模态内容生成的拓元智慧。

在钟伟成看来，AIGC应用其实跟企业服务的投资逻辑类似。过去，企业服务领域有了数据智能、大数据、云计算以后，营销SaaS企业涨得特别快，同理，在AIGC的商业落地上，营销内容跟技术的结合也是B端最愿意付费的地方。

“我们现在看到一些生成式AI公司会用文本生成技术去做营销文案、人机对话的内容生成，在国外也有许多走通商业闭环的案例，后面AI绘画应用阶段，用图像生成技术跟一些之前就存在的图像或视频编辑工具相结合可能还是一个不错的落地场景，比如最近刚完成新一轮融资的Runway。”

但就当下而言，张斌还是希望AI领域的创始人能够专注核心业务上和技术能力，不要把过多精力放在了仰望星空这件事情上，反倒顾此失彼。

“AI绘画热潮下，我们也有看到一些投机的项目，大家不是不可以追热点、新概念和技术，而是要跟过去核心主业要长期做的事情有连贯性和协同，这样做新业务的尝试才能事半功倍，带来价值提升。”

（文中张斌为化名）

*免责声明：本文章为作者独立观点，不代表创业家立场。

扫码加入黑马创业交流群

让创业者不再孤独

↓↓↓

AI绘画，VC投不动

“现在你去投AI绘画应用型项目，基本投十个死九个。”

《2023黑马日历》限时预售中
立刻扫码购买
↓↓↓

更多精彩内容，尽在创业家视频号

AI绘画，VC投不动

“现在你去投AI绘画应用型项目，基本投十个死九个。”

《2023黑马日历》限时预售中立刻扫码购买↓↓↓

更多精彩内容，尽在创业家视频号

《2023黑马日历》限时预售中
立刻扫码购买
↓↓↓