昆仑万维CEO方汉：AIGC以低成本达到80分水平，腰部工作者将大概率被淘汰 | 中国AIGC产业峰会

丰色 发自 凹非寺
量子位 | 公众号 QbitAI

“如果人类的水平达不到80分，就会被AI淘汰。”

在中国AIGC产业峰会现场，昆仑万维CEO方汉抛出这样一个大胆预测。

在他看来，目前AIGC对存量知识的理解与表达已经达到80分的水平，行业从业者将随之形成两极分化的局面：

一部分人成为上游管理员，一部分成为底层AIGC操作员，两者的工作产量都会极大提升。

剩下的达不到80分的腰部从业者，大概率被淘汰。

方汉毕业于中国科学技术大学近代物理系，拥有29年互联网从业经验，从1994年开始参与和倡导开源运动，是国内最早的网络安全专家，负责研发了国内市场占有率最高的网页游戏《三国风云》。

2008年3月，他协助周亚辉先生创立昆仑万维，后者于2015年A股上市。

在本次大会上，他对昆仑万维介入到类ChatGPT大模型开发的契机、AIGC对内容从业者的影响、三种AIGC商业路径、以及开源和预训练大模型在其中的重要性进行了一一分享。

为了完整体现他的思考，在不改变原意的基础上，量子位对其演讲内容进行了编辑整理。

演讲要点：

• AIGC原本含义比较狭窄，主要指文本、图像以及视频还有音乐等人类可以消费的娱乐内容的生成。ChatGPT的出现把AIGC的范畴给泛化了。

• 对存量知识的理解与表达，AIGC将以低廉的成本做到80分的水准。

• 由于两极分化，AIGC领域的腰部工作者要么力争上游做头部管理员，要不就老老实实成为AIGC操作员。

• 在AIGC领域，文生图在同一个赛道出现了三种完全不同的商业模式，互为补充：

（1）Stability.AI打造的开源生态； 

（2）Midjourney打造的SaaS或者Model Service生态；

（3）Adobe Firefly打造的传统生态工具，将所有AIGC功能集成到工具里。

• 只有开源模式可以满足用户的长尾需求；只有开源模式才可以满足中小企业的增长需求。

• 需要注意的是，我们不能只盯着目前AIGC进展，认为预训练大模型已经突破传统AIGC范畴进入AGI领域。实际上，各种AIGC工具能力仍然受到预训练大模型限制，尤其GPT-4大模型出现后这个现象更加突出。

以下为方汉演讲全文：

ChatGPT的出现把AIGC的范畴给泛化了

AIGC这个名字刚提出来的时候，在美国叫生成式AI。

国内UGC、PGC的概念深入人心，所以造了一个词叫“AIGC”。

AIGC原本含义比较狭窄，主要指文本、图像以及视频还有音乐等人类可以消费的娱乐内容的生成。

ChatGPT的出现把AIGC的范畴给泛化了，ChatGPT属于AGI（通用人工智能）范畴。

今天我的分享更多偏向原有含义，即人类娱乐内容的生成。

首先，我简单介绍一下昆仑万维介入到类ChatGPT大模型开发的契机。

昆仑万维2015年A股上市，当时是以网游题材上市的，上市后在海外进行多元化发展，有浏览器、社交产品、游戏业务。

昆仑万维是内容厂商，对于所有内容生成方面的科技进步都非常敏感。

早在2020年6月份GPT-3刚刚出现的时候，管理层和技术领导者都去进行尝试。

当时我们判断这是内容生成领域一个里程碑，没想到两年后变成通用人工智能突破口。

也是从那时我们就已经决定要跟进这件事情，因为我们在内容生成领域绝对不允许落后。

具体而言，昆仑万维开始布局AIGC和大模型领域，与奇点智源合作开始进行大模型训练工作。

目前为止除了通用大模型训练之外，昆仑万维在音乐生成领域也处于国内和国际前沿地位。

我们的愿景是推进开源AIGC算法和模型社区的发展壮大。

昆仑万维作为中国领先互联网出海企业、技术驱动全球互联网公司，致力于前沿技术追踪和研发，有相当的技术积累和人才储备。

我们的技术团队持续进行算法技术创新，积极推进模型算法开源以及社区发展壮大，基于全球每月平均4亿活跃用户以及丰富行业经验，助力AIGC应用和生态的快速落地以及成长。

以下分享AIGC在具体商业模式落地方面的思考。

AIGC从业者出现两极分化

我们观察到一个有趣的现象，对于UGC（用户生成内容）的平台如小红书、知乎、抖音、快手等，用户创造内容的门槛每降低一倍，用户创造内容的数量就会增加十倍。

举个例子，在手机摄像头出现之前，人类拍摄视频一定是靠专业的摄像机和数码相机。

手机出现之后，摄像的门槛变低，视频内容数量出现了大爆发。

这促成了快手和抖音的发展，进而中国UGC领域产生了巨大突破。

C端工具的商业逻辑其实是社区，B端工具的商业逻辑是功能完备性。

C端工具用快手、抖音拍视频，目的绝不是为了做工具，而是让用户做出来内容通过社区分发，这是C端工具逻辑。

B端工具的商业逻辑就像Adobe的PhotoShop全家桶、微软Office全家桶，以功能完备性来获得用户的青睐。

可见，随着AIGC技术的进展，它们将对内容生产者产生巨大影响。

不得不承认，现在AIGC对存量知识的理解与表达还远远没有到100分水准，但以低廉的成本做到80分没有任何问题。

如果人类自己的水平也只是80分，我们的工作一定会被AIGC替代，而80分以上的人将去管理AIGC操作员，完成曾经需要腰部作者完成的工作。

因此未来，头部工作者产量极大提升，作为AIGC操作员的底部工作者的生产能力也会得到极大提升。

很不幸，腰部工作者大概率会被淘汰。

那么，我们要么力争上游做头部工作者，要么就老老实实当AIGC操作员。

只有开源模式可以满足用户的长尾需求

在AIGC领域，文生图在同一个赛道出现了三种完全不同的商业模式。

第一种：Stability.AI打造的开源生态；

第二种：Midjourney打造的SaaS或者Model Service生态；

第三种：Adobe Firefly打造的传统生态工具，将所有AIGC功能集成到工具里。

这三种商业路径，不止是在文生图，在文生图像、文生音乐还是小说创作领域都会长期存在，且三种模式互为补充。

最终的C端用户会倾向于使用Midjourney完成工作，如现在的电商从业者，大量使用Midjourney来进行电商广告素材创作。

Adobe Firefly则契合一些传统的大B企业的需求，B端用户会使用Adobe Firefly来作为自己的创作工具。

Stability.AI是一种开源模式，特别适合在这个领域进行创业的广大中小企业。

通过开源模式来进行自己的改装与改进，来满足长尾需求，这是另外两个模式无法提供的功能。

开源大模型是商业闭源大模型的有力补充和替代。

大家可以把ChatGPT想成早期Windows，Windows的存在是整个电脑商业软件的一个基石，也是绝大多数人的生产工具。

Linux通过30年的努力变成Windows的替代，开源大模型也一定会出现。

因为只有开源模式可以满足用户的长尾需求。

还是以Linux为例，全世界所有的云厂商、大型互联网企业都以Linux为自己的服务底座。

要满足自己的长尾需求，只有一个选择，就是用Linux进行改装。

所以，我们也说，只有开源模式才可以满足中小企业的增长需求。

做一个具体的分析，Stable Diffusion的出现比OpenAI DALL·E 2晚了整整6个月，在性能、质量上都低于DALL·E 2和Midjourney，但依然有众多用户。

因为它是开源的，进步速度是难以想象的快。

Stable Diffusion催生ControlNet、T2I-Adapter、Composer，以及LoRA训练技巧。

在它上面进行二次开发的人数众多，新特性也在不断地涌现。

ControlNet是目前为止在文生图领域唯一解决一致性问题的途径，极大地降低了用户的创作成本，提高了创作的可玩性。

ControlNet开源仅2周，它的Star数就超过了1万。

与此同时，开源社区也极大地降低了用户的使用门槛。

例如HuggingFace提供了大量的模型托管以及通用的模型训练来框架diffusers，stablediffusion-webui开发了完善的一套Demo平台，Civitai贡献了海量风格化LoRA权重，整个社区也蓬勃发展起来了。

预训练大模型能力决定AIGC能力上限

需要注意的是，我们不能只盯着目前AIGC进展，认为预训练大模型已经突破传统AIGC范畴进入AGI领域。

实际上，各种AIGC工具能力仍然受到预训练大模型限制，尤其GPT-4大模型出现后这个现象更加突出。

AIGC领域的企业对于大模型本身的需求仍然非常大，也是持续的。

目前，还存在这样几个大问题。

首先，AIGC发展起来之后是否会导致优质内容的稀缺？

因为AI生成的内容会大量污染原创的内容。

其次，如何解决大模型底座导致的偏见？ 

比如OpenAI、ChatGPT生成的内容就存在偏见，这个问题值得关注。

最后，版权、信息伪造问题。 

Adobe Firefly提出了一个新的模式，它训练的所有内容与作者达成协议，通过对model收费给内容作者分成。

从监管到行业自律，我们可做的事情非常多，而且迫在眉睫。

关于未来AIGC的展望（仅指娱乐内容AIGC）——

第一，AIGC对整个社会最大的意义是低成本终极解决方案，这一点毋庸置疑，所有人类都有消费内容产生多巴胺的权力；

第二，AIGC将涌现新的范式，彻底改变艺术创作生产方式；

最后，AIGC导致内容生成的极大发展，会使得VR和元宇宙变得更加可行。

谢谢大家。

— 完 —

【AIGC 技术探索与应用创新】

4月13日「掘金城市沙龙·北京站」

限量免费参会！

从 ChatGPT 看，AI 模型服务化趋势是怎样的？AIGC 新时代下，文本智能创作面临什么样的变革？如何轻松训练 AIGC 大模型？基于大模型的 AIGC 工作原理和应用场景是什么样？

畅聊「AIGC 技术探索与应用创新」，字节跳动 NLP 算法工程师陈家泽、英特尔AI软件工程师杨亦诚、Google Cloud机器学习专家王顺、清华大学 KEG 知识工程实验室研究助理郑勤铠、九合创投 COO张少宇、稀土掘金江昪等多位业界专家已集结完毕！

4月13日下午，北京大钟寺地铁站方恒时尚中心，邀你线下参会，更有多款稀土掘金原创周边等你来！

扫描下方二维码，抢线下免费参会票！