字节技术大牛跑步进入AIGC创业，聚焦视觉领域，搭建算法平台，还是多模态的那种
衡宇 发自 凹非寺
量子位 | 公众号 QbitAI
3月最后一天，王长虎在龙湖集团的last day。
这位字节跳动前视觉技术负责人、AI Lab总监辞职挂印，火速启程下一站：AIGC创业，成立新公司爱诗科技。
他拉团队自起炉灶，要打造一个聚焦AIGC的视觉多模态算法平台 ，覆盖视觉相关的各种垂直应用场景。
当此大热的AIGC风口，王长虎已经是近期第N位勇闯创业潮的AI牛人。
聊起这事，王长虎说话间不自觉就提高了声音，语速也更快。他提到，创业是受时代和内心的双重感召，而且在风口和经历背书的双重加持下，目前看来，早期的融资推进颇为顺畅。
关于创业要干的事，他信心饱满：
技术难点？一定有，但也是好事，它就是我们不断形成竞争壁垒的机会，就是这时候需要我们去做的。
而且我们真的是打过硬仗的，之前在字节，那么难的事情都被我们扛过去了。所以在新的应用场景里边看到难点，蛮兴奋，看到了，就去解决它。
（“那么难的事情”，指对字节系短视频产品从0-1进行建设）
支持AIGC全生命周期的视觉多模态算法平台
在ChatGPT引爆的AIGC创业风潮后，王长虎的切入点不是底层大模型或To C应用层。
而是基于过去近20年的学术研究和技术应用能力，杀入中间层，打造视觉多模态算法平台，将焦点聚集在AIGC相关视觉领域的各个垂直应用场景。
并且在初始阶段，To B先落地践行。
所包含的多模态具体样式，根据视觉垂类领域应用的需求，初步设定为文字、图片、语音、视频，以及用户的个性化特征等，也是AIGC领域不断涌现新能力和产品的载体。
根据王长虎的解释，利用AI，可以完成从UGC到AIGC的内容新升级。
“很多人关注AIGC，更多关注在内容生成方面。”从王长虎视角看过去，内容生成只是AIGC全生命周期的一个阶段，“其余阶段也有很多问题等待去解决。”
“很多问题”是哪些问题？
他结合此前经历，举例了两个UGC时代代表性场景来佐证他所说的内容生成之外，AIGC时代生产链的其他环节很大可能会遇到相同难题。
一个是在日活6亿，正负样本极不均衡的抖音或TikTok平台上，根据不同文化背景、具体要求等，必须要筛选出不合规的视频进行拦截，且需精准快速。
AIGC时代，这样确保安全的审核同样重要，且审核需求量更大。视觉多模态算法平台提供的算法，就包含了能够帮助使用方提高筛选和拦截效率的那种，并且很有可能如当初的字节一般，在王长虎提供的技术支持下代替成本高昂的人工审核，同时提升效率。
另一个场景是抄袭频发。AIGC时代，创作门槛降低，作品数量爆发，抄袭现象和版权纠纷大概率显著上升。
UGC时代已经验证过，长此以往，不仅打击原创者的创作意愿，对平台生态不利；而内容雷同或完全相同的视频持续推荐，用户体验也会大打折扣。
针对这个场景，王长虎要做的平台，就能为用户侧提供减少类似或雷同视频分发的AI算法。
他还表示，这个聚焦AIGC的算法平台搭建过程中，很大可能会利用AIGC技术提升效率。
上述所有都是王长虎的现阶段思考，他才正式离职，刚刚开始筹备新公司事宜，新公司名为爱诗科技。
粮草先行，目前组建了10余人的初始团队，也在招募核心技术和产品人才，为真正踩下出发的油门蓄力。
梳理他言语间透露出的规划，能嗅到关于创业项目的信息点：
搭建这样一个视觉多模态算法平台，能够支持AIGC新内容，帮用户解决内容生成、安全、版权、分发、商业化等几乎全生命周期的各项问题。
新的AI浪潮到来，王长虎身处其间，感知到变化，并打算在新事业从善如流地用上旧经验，包括但不限于GPU集群能力、服务调度能力、自动化模型训练能力，推断能力等。
经验不会凭空出现，既有功力的来源，主要可以定位回他在字节跳动任职期间。
2017年，王长虎加入字节跳动。那时候人们对字节的感知，通过今日头条远大于通过抖音。王长虎加入之初，就是在字节内部创业般，从0到1深度参与建设短视频类产品。
此次To B和To C层面可能遭遇的各种问题，如降本增效、版权厘清、用户体验等，王长虎都在那时以技术或实现或改善或解决。
再一次“从0到1建设技术平台和产品”，王长虎表示，上述经验都可以一以贯之应用在此次AIGC创业。
与AIGC缘起20年前的本科研究
新公司还在襁褓，王长虎不愿过多详谈，他更愿意谈论的是此前的技术经验，当然也包括“技术底色上滋养出的AI情结”。
这要从王长虎还是中国科学技术大学6系（电子工程与信息科学系）大四学生时聊起。
那是2004年，他做了人生首个研究，即根据一张或多张人脸图片，生成该人脸的3D模型。此研究后来发表到国际会议上。
他不无兴奋地说：
回看20年前，我此生做的第一个研究，就和AIGC有关。
同年，王长虎进入MSRA实习，中科大博士毕业后转为正式员工，直到2017年离开。
13年间的工作内容也与AIGC有千丝万缕的联系，他所在团队研究的“神笔马良”草图搜索技术，可以基于海量图像数据建立搜索引擎。
当然，那时候生成式技术没有成熟，业界对大规模数据的训练和处理经验也远不如今日丰富，所以整个过程是在海量数据库中寻找和草图最匹配的那一张。
回忆此处，王长虎的语气中多少带了些感慨，因为现在的范式也是基于海量数据去训练一个模型，然后根据用户输入的文字或图像信息，生成一张最匹配prompt的图片。
△草图搜索技术示例
都说十年磨一剑，但在微软实习和工作13年后，王长虎毅然奔赴字节跳动，选择的还是当时并非招牌的视频类产品。
为什么去字节？毕竟王长虎自己也承认，在微软可以做世界上最顶尖前沿的科学研究。
但在微软，科研项目应用到公司产品需要的周期特别长。
他举例分享，自己二零零几年做的工作，若干年后才真正应用在必应搜索引擎，新技术很难在第一时间影响用户。
但这一点在字节可以实现，再加上加入字节时，恰巧是短视频类产品筚路蓝缕打根基的时候——这也是字节AI Lab与其他大厂AI Lab的区别所在，即并非在产品成熟后才建立AI部门，也因此，王长虎有机会在产品0到1发展历程中扮演核心角色。
公开资料显示，字节跳动人工智能实验室（AI Lab）的成立使命，就是推动机器智能的极限，致力于将AI理论研究快速应用于产品部署。
现在翻看王长虎公开简历，字节任职期间，留下的足迹如下：
完整参与了抖音和TikTok等短视频类产品从0到1的建设和发展；
建设了视觉技术和业务中台，带领团队将相关技术广泛应用到字节跳动全线产品中；
为集团各产品提供AI技术支撑和业务解决方案，覆盖了视觉相关产品内容生产与消费的全流程。
期间，他搭建的数百人团队，不仅有技术人员，还包含了产品同学。如果把微软看成王长虎的技术练兵地，王长虎就把字节和龙湖的经历，看成是对他技术和产品两方面认知的锻炼。
△王长虎
和从字节去龙湖的原因一样，选择加入AI 2.0创业大潮，他的理由是“跳出舒适区”。
当然，这一次的催动因素更复杂，譬如ChatGPT和Stable Diffusion的惊艳表现，以及自己从DL热潮走来，对又一次“翻天覆地变化”的不容错过。
他说，这个机会更大，不像元宇宙、区块链是被一部分人看到，AIGC是多数普通人能看到和感受到的。言语间，王长虎又传递出自己对“新技术快速影响用户”的看重。
如今离职创业，他又有机会身体力行地这样做了。
参考链接：
[1]《草图搜索的魅力与挑战》https://blog.sina.com.cn/s/blog_4caedc7a0102en29.html
— 联系作者 —
— 完 —
「人工智能」、「智能汽车」微信社群邀你加入！
欢迎关注人工智能、智能汽车的小伙伴们加入交流群，与AI从业者交流、切磋，不错过最新行业发展&技术进展。
PS. 加好友请务必备注您的姓名-公司-职位噢 ~
点这里👇关注我，记得标星哦～
微信扫码关注该文公众号作者