自聊天机器(qì)人(rén)ChatGPT火爆以来，微软公(gōng)司创始人比尔·盖茨已(yǐ)多(duō)次公(gōng)开谈论人工(gōng)智能话题。在最近的一次采访中，他(tā)再次表(biǎo)示：“AI可能会(huì)让科技行(xíng)业迎(yíng)来一次剧烈的洗牌(pái)”。

这个结论(lùn)是(shì)他在当地时间2月20日接(jiē)受《In Good Company》节目专访时提出的。

他预期(qī)，AI的发(fā)展可能会威(wēi)胁到谷(gǔ)歌的市占(zhàn)率，因为微软在AI方面的行动相(xiāng)当(dāng)迅速(sù)。而(ér)最终科技巨头将把(bǎ)AI整合成用户的“全能助手”，包(bāo)揽(lǎn)一(yī)切(qiè)应用，与人们进行沟通并提(tí)供建(jiàn)议，可(kě)以取(qǔ)代亚马逊、Siri或Outlook等应用。

大佬口中全能(néng)助手(shǒu)的到来可能尚需时日，但由(yóu)ControlNet引(yǐn)发的(de)又一(yī)次(cì)AI绘画(huà)浪潮，让AIGC在ChatGPT的话题热点包围中杀出(chū)重围(wéi)。

01

ControlNet颠覆AI绘画新玩法

AIGC向(xiàng)可(kě)控靠近

以AI绘画为代(dài)表的AIGC上一(yī)次爆火的(de)时候(hòu)，还是(shì)2022年8月(yuè)，在美(měi)国科罗(luó)拉多(duō)州(zhōu)举办(bàn)的新(xīn)兴数字艺术家竞赛中，一幅名(míng)为(wèi)《太空歌剧院》的作(zuò)品获奖。

随后各大厂商的AI绘画软件被(bèi)广大网友(yǒu)熟知并体验，Stable Diffusion便是其中代表。

用户们可以在应用中输入一组(zǔ)关键词或(huò)者(zhě)一张照片，就能(néng)获得一(yī)幅AI创(chuàng)作的(de)画作。

作画的关(guān)键就是所输入的文本。同一(yī)组关键词也(yě)可以(yǐ)创作(zuò)出很多(duō)张风(fēng)格不一(yī)样的画作(zuò)，这(zhè)让创(chuàng)作的过(guò)程就像(xiàng)开(kāi)盲(máng)盒。

很(hěn)多用(yòng)户(hù)很喜(xǐ)欢这种不确定的惊喜(xǐ)，他们(men)会将生成的美图当做头像。而另一部分喜欢翻看(kàn)AI绘画的(de)“翻车”作品。在社交媒体上，许(xǔ)多用户分享AI“翻车现场”，例如，一位网友的小狗照(zhào)片被AI画成了(le)“肌肉男(nán)”，还有网友的(de)个人(rén)照片(piàn)被AI识别成了建筑。

而如今(jīn)随着(zhe)ControlNet的出(chū)现与加持，以(yǐ)往(wǎng)AI绘画的填(tián)写关键词游戏可能要(yào)被颠覆了。

ControlNet是一位正在斯坦福(fú)读博的中国人张(zhāng)吕敏创作的一种基于(yú)控制点的(de)图像(xiàng)变形算(suàn)法，主要用于数字(zì)图像处理(lǐ)、计算机视觉和计算机(jī)图形学等领(lǐng)域。

其SD插件一经发布，在短(duǎn)短的(de)两天内便成为(wèi)了AI绘画领域最(zuì)新的热点。

在此之前，大家用了很多方法(fǎ)想让AI生成的结果(guǒ)尽可能的(de)符合要求(qiú)，但是都不尽如人意，它(tā)的出现代(dài)表着AI生成开(kāi)始进入(rù)真正的可控时期。

因(yīn)为(wèi)ControlNet可以直接提(tí)取画面(miàn)的构(gòu)图，人物的姿势和画面(miàn)的(de)深(shēn)度信息(xī)等。有了它的帮(bāng)助，就不用频繁的用提示词来碰运(yùn)气，抽(chōu)盲(máng)盒式(shì)的创作了。

通(tōng)俗(sú)的说(shuō)ControlNet相(xiāng)当(dāng)于给AI绘(huì)画加了“魔法”，不(bù)少博主(zhǔ)的作品已经获得了(le)大量的浏览量，“viggo”就(jiù)是其中(zhōng)之一，他用(yòng)朋友的照片直(zhí)接带她们走进(jìn)动漫世界。

viggo先用StableDiffusion图片转文字。

再用Text2Prompt插件(jiàn)拓展(zhǎn)找到对(duì)应(yīng)的(de)关键词；最后用ControlNet插件绑(bǎng)定骨骼(gé)开(kāi)始(shǐ)换关键词试效果。

通过图片就可(kě)以看出(chū)来(lái)，效果(guǒ)十分惊艳(yàn)。

更厉害的(de)是，除(chú)了真实的照片，草(cǎo)图(tú)也可以加(jiā)上“魔法(fǎ)”，知乎大牛(niú)“DevPoint”和(hé)“逗砂”介绍到ControlNet还能实现线(xiàn)稿(gǎo)转全彩(cǎi)图。大神(shén)张吕敏(mǐn)其本尊也亲自回应。

不得不说当下AIGC已经变得越来越强大，甚至(zhì)输出(chū)的(de)作(zuò)品都已经能以假乱真(zhēn)了。

02

难辨(biàn)虚实，AIGC技术力爆发

警惕安全(quán)问题

近(jìn)日(rì)，“苏州(zhōu)金(jīn)鸡湖(hú)有游艇party”的消息(xī)火遍(biàn)网络，而(ér)经过警方辟谣这所谓的“party”可能是全国第一起AI绘图诈骗(piàn)。

由于这个活动里(lǐ)面给出的美女照片都是AI制作的真(zhēn)人(rén)照(zhào)片(piàn)绘图，因(yīn)为太逼真，被大家当成真事传(chuán)播了。

不过(guò)仔细观察可以(yǐ)发现，活动发起者提供的(de)照片中有(yǒu)个很大的漏洞可以发现并非真人，而是AI绘(huì)图，那便(biàn)是图片(piàn)中(zhōng)女性的手指部分有的存(cún)在异(yì)常(cháng)。

有行业人(rén)事表(biǎo)示：“现在因(yīn)为手指部分的(de)绘(huì)画算法比(bǐ)较复杂，AI还不(bù)太会(huì)画(huà)人(rén)的手(shǒu)，但最(zuì)新看到的图片已经(jīng)有越(yuè)来越完美的AI模型出现，以(yǐ)后可能就完全没有漏洞了。”

类似的(de)AI作图诈骗(piàn)在国(guó)外也已有发生。据(jù)英国(guó)广播公司报道，土耳其地(dì)震期间，有Tiktok用户使(shǐ)用AI合成(chéng)了儿童受灾(zāi)的假照片发布到网络，以(yǐ)此诱骗(piàn)善(shàn)良(liáng)的人打赏“捐(juān)助”从(cóng)而实施诈骗。

目(mù)前随着技术发(fā)展，AIGC已(yǐ)经能做(zuò)出真人照片(piàn)般的绘(huì)图效果，如果(guǒ)这样(yàng)的(de)图片被(bèi)用来诈(zhà)骗，将非常可怕。

此外AIGC还引发了很多担忧，一方面(miàn)，批判者认为AI在“学习”了大量前人的(de)作品之后，其创作没(méi)有任何情绪和灵(líng)魂，难以和人类的艺(yì)术创作(zuò)相提并论。

另(lìng)一方面(miàn)，AIGC背(bèi)后(hòu)的版权(quán)、目(mù)前都并没有(yǒu)得到有效的解(jiě)决，还有(yǒu)AIGC会不会代替人类“至高无上(shàng)”的创(chuàng)意。

马(mǎ)斯克(kè)也强调，人工智能的安全(quán)问(wèn)题需要得到重视(shì)，太晚就(jiù)来不及了。

03

AIGC下(xià)一站除了视频(pín)，还(hái)有远(yuǎn)方

技(jì)术都是有两面性的，潜(qián)在(zài)的(de)危害(hài)并不能(néng)掩盖其光辉的(de)贡(gòng)献。现(xiàn)在看来，人工智(zhì)能技术将是第四(sì)次(cì)工业革(gé)命的核心驱动力(lì)量，将创造(zào)新(xīn)的增(zēng)长奇(qí)迹。

过去(qù)一年(nián)，人工(gōng)智能在(zài)技术和商(shāng)业(yè)层面都(dōu)有了巨(jù)大进展，AI绘画就(jiù)是人工智(zhì)能技术(shù)发生方向性改变的一(yī)个代(dài)表。其下一站(zhàn)或许就是视频(pín)。

此前，Meta和(hé)谷歌先后发布了几条(tiáo)引爆科技(jì)圈的短(duǎn)视频。这些视频引(yǐn)发关注并非(fēi)内(nèi)容做得多优秀，反而都非常简单，比如一匹正在(zài)喝水的马(mǎ)，一只画画的玩具熊，或者一段骑摩托(tuō)车的第一视角录像，随(suí)便(biàn)一个有(yǒu)手机的人都可以随(suí)手录(lù)下一(yī)段。

但这些短视频的创作方式非常(cháng)简单，创作者仅仅需要(yào)向AI输入一段话，甚至只是说一下要(yào)求，AI就可以根(gēn)据需(xū)要(yào)生成一段(duàn)视(shì)频。

谷歌发布(bù)的两(liǎng)个AI生成视频分别来自于Imagen Video和(hé)Phenaki，前(qián)者主要突出(chū)的(de)是高清(qīng)，与Meta的Make-A-Video没有太多(duō)的差别。

在Make-A-Video公布了(le)AI生成的视频后，AI圈就已(yǐ)经(jīng)玩(wán)了一波(bō)梗，一个能够做(zuò)出更高清视频的AI还不足以在(zài)短时间内戳(chuō)中兴奋(fèn)点。

Phenaki更(gèng)加(jiā)令人震惊的(de)地方在(zài)于，它可以制作(zuò)出超过2分(fēn)钟的(de)连贯的也有(yǒu)确(què)切内容的视(shì)频，这才是真正让人们(men)感到(dào)惊喜的地方。因为无论AI生成的视频多么高(gāo)清，也(yě)只能是(shì)为内容生产者提供一个(gè)灵感，一个素材(cái)，一个(gè)过场(chǎng)动画。

不(bù)过能(néng)够(gòu)制(zhì)作出有具体剧(jù)情内(nèi)容的(de)视频就意味着，一些视频创作由(yóu)AI代替人工完成已经初步(bù)有了可(kě)能。

当(dāng)下AI的发展速度已经(jīng)超过大部分人的(de)想象。内容产业的(de)本质是供(gōng)给创造需求(qiú)，AIGC作为全(quán)新的内容生产方式，可以(yǐ)为内容产业带来更新的内容(róng)风格、更快的生产(chǎn)速度，更低的生(shēng)产成本，这(zhè)无疑会驱(qū)动内容(róng)产(chǎn)业的大爆(bào)发。

除了AI绘图(tú)、视频，AIGC技术还能(néng)应用于音乐、代(dài)码、机(jī)器人动作等多种(zhǒng)内(nèi)容形(xíng)式的生成。不(bù)难发现该(gāi)项技术(shù)不仅在游(yóu)戏等行业(yè)能得到有效应用，对于(yú)下(xià)一代互联网各种元素的构(gòu)建亦有关键意义。

从(cóng)商业化(huà)的角度(dù)来看(kàn)，文化娱乐、教(jiào)育、传(chuán)媒等诸多领(lǐng)域，本(běn)身(shēn)就对基于AI的可视化内容有强烈(liè)需求(qiú)。

因此，AI绘画及视频(pín)或(huò)不(bù)是结果(guǒ)，而(ér)只(zhǐ)是AI进程(chéng)中(zhōng)的一块重要拼(pīn)图，有望在技术更(gèng)新的加持下实现更大的应用价(jià)值。

AI从(cóng)理解内容，走向了可以生(shēng)成内容，甚至能(néng)够(gòu)创造出(chū)独立价值和独立视角(jiǎo)的内容(róng)。AIGC的再次(cì)出(chū)圈(quān)，更代表(biǎo)着未来的先进生产(chǎn)力即将到来。

04

紧抓大(dà)模型与算力，牢固AIGC底座(zuò)

从(cóng)技术(shù)的(de)发展也可以看出(chū)，在语(yǔ)言大(dà)模型、图像大模型之(zhī)后，多模态大模(mó)型已经成为了新的(de)趋(qū)势。

大(dà)模型被誉为当前人工智能发展(zhǎn)的智能底座，是全球竞争最激烈的研究方向之一，包括(kuò)谷歌(gē)、亚马(mǎ)逊、百度、阿(ā)里、腾讯(xùn)等(děng)众多头部企业都在竞相发力。

不(bù)过训练大模型的(de)确价格不菲，以国盛证券发布的《ChatGPT需要多(duō)少算力(lì)》报(bào)告估算(suàn)，GPT-3训练一(yī)次(cì)的(de)成本(běn)约(yuē)为140万美元。而对于一些更(gèng)大的LLM(大型语言模型(xíng))，训练成本则(zé)介(jiè)于200万美元至(zhì)1200万美元高(gāo)价(jià)之间。

以ChatGPT在2023年1月的独立访客平(píng)均(jūn)数1300万计算，其对应芯片需求为3万(wàn)多片(piàn)英(yīng)伟达(dá)A100 GPU，初始投入成(chéng)本约为8亿美元(yuán)，每日仅电费就在5万美元左(zuǒ)右(yòu)。

此外不(bù)论是(shì)ChatGPT还是AIGC，都离不开庞大算力支持。在(zài)关注各类大模型的发展同(tóng)时，更应该关(guān)注算力(lì)网络的建(jiàn)设。

算力网络正(zhèng)驱动AI产(chǎn)业(yè)发展进入(rù)史诗级加速进程，让AIGC及通(tōng)用(yòng)AI这一人工智能发(fā)展的终(zhōng)极(jí)目标离(lí)得更近。

因为算(suàn)力可以对突破性(xìng)技术创新提(tí)供大力的支持(chí)。这方面，多模态大(dà)模型是典型。作为面向未来强人工(gōng)智(zhì)能、通(tōng)用人工智能的重要技术创新，多模态大模型(xíng)已经在人工智(zhì)能领域提出了很(hěn)多年，业界也有不少技术突破(pò)，但是，多模态大(dà)模型(xíng)进一步(bù)往下走，算(suàn)力需求呈几何式上升，一般的算(suàn)力基础设(shè)施(shī)很快将难以胜任(rèn)。

从图像、文字、语音单(dān)独一(yī)项的(de)训(xùn)练，到(dào)双模态、三模态的跃迁，让人工智(zhì)能(néng)可以灵(líng)活应对不同模态(tài)的转化、像(xiàng)人与世界交互(hù)一(yī)样自然，这方面(miàn)，由算力网(wǎng)络来驱动将有明显优势。

此外(wài)，还(hái)有很多需要爆发(fā)式增(zēng)长的算力来(lái)支撑的技术创新，将在人工智能算(suàn)力(lì)网(wǎng)络支撑下(xià)快速(sù)推进(jìn)。