自聊天(tiān)机器人(rén)ChatGPT火爆以来，微软公(gōng)司(sī)创始人(rén)比尔·盖(gài)茨已多次公(gōng)开谈论人工智能话题。在最近的一(yī)次采访中，他再次表示：“AI可(kě)能会让科技行(xíng)业迎来一次(cì)剧烈的洗牌”。

这(zhè)个结(jié)论(lùn)是(shì)他在当地时(shí)间(jiān)2月(yuè)20日接受《In Good Company》节(jié)目专访时提出的(de)。

他预期，AI的发展可能会威胁到谷歌的(de)市占率，因为微软在(zài)AI方面的行动相(xiāng)当迅速。而最终科技巨头将把AI整合成用户的(de)“全能(néng)助手”，包揽一切应用(yòng)，与人们进行沟通并提供(gōng)建议，可以取代亚马逊(xùn)、Siri或Outlook等应用。

大佬(lǎo)口中(zhōng)全能助(zhù)手的到(dào)来可能(néng)尚需时日，但由ControlNet引(yǐn)发的(de)又一(yī)次AI绘画浪潮，让AIGC在ChatGPT的话题热点包围中(zhōng)杀出重围(wéi)。

01

ControlNet颠覆AI绘画新玩法

AIGC向(xiàng)可控靠近

以AI绘画为代表的AIGC上一(yī)次爆火的时候，还(hái)是2022年(nián)8月(yuè)，在美(měi)国科罗拉(lā)多州举办的(de)新(xīn)兴数字艺术家竞赛中(zhōng)，一幅名(míng)为《太空歌剧院》的作(zuò)品获奖。

随(suí)后(hòu)各(gè)大厂商的AI绘画(huà)软(ruǎn)件被广大网(wǎng)友熟知并(bìng)体验，Stable Diffusion便是其(qí)中代(dài)表。

用(yòng)户们可以在(zài)应用中输入一(yī)组关(guān)键(jiàn)词或者一张照片，就能获得一幅AI创作的画作。

作(zuò)画的关(guān)键就(jiù)是所输入的文本。同一(yī)组关键词也可(kě)以(yǐ)创作出很多(duō)张风格(gé)不一(yī)样的(de)画(huà)作，这让(ràng)创作的过程就像(xiàng)开盲(máng)盒。

很多用户(hù)很(hěn)喜欢这种不确定的惊喜，他们会将生(shēng)成的美图当做头像(xiàng)。而(ér)另一部分喜欢(huān)翻(fān)看(kàn)AI绘(huì)画的“翻车”作品。在社(shè)交媒体上，许多用户分享AI“翻(fān)车现场”，例如，一位网友(yǒu)的小狗照片被AI画成了“肌肉男”，还有(yǒu)网友的个人照片被(bèi)AI识(shí)别成了建筑。

而如(rú)今(jīn)随着(zhe)ControlNet的出(chū)现与加持，以往AI绘(huì)画的填写关键词(cí)游戏可能(néng)要被颠覆(fù)了。

ControlNet是一(yī)位正(zhèng)在斯坦福读(dú)博(bó)的中(zhōng)国人张吕敏创作的一种基于(yú)控(kòng)制点的图像变形算法(fǎ)，主要用于数字图像处理、计算机视觉和(hé)计算机图形(xíng)学等领域。

其SD插件(jiàn)一经发布，在短短(duǎn)的(de)两天内便成为了AI绘画领(lǐng)域(yù)最新的热点。

在(zài)此之前，大家用(yòng)了(le)很多方法想让AI生(shēng)成的(de)结果(guǒ)尽可(kě)能的符合要求，但是都(dōu)不尽如人意，它的出现代表(biǎo)着AI生成开始进入真(zhēn)正的(de)可控时期。

因为ControlNet可(kě)以直接提取画面的构图，人物(wù)的姿势(shì)和画面的深度信息等。有(yǒu)了(le)它的帮(bāng)助，就不用(yòng)频(pín)繁的用提示词来碰运(yùn)气(qì)，抽盲(máng)盒式的创作了。

通俗的说ControlNet相(xiāng)当于给(gěi)AI绘画(huà)加了(le)“魔法”，不少博(bó)主的作品已经获得了大(dà)量的浏览(lǎn)量，“viggo”就(jiù)是其中之一，他用朋(péng)友的照(zhào)片(piàn)直接(jiē)带她们走(zǒu)进动漫世界。

viggo先用StableDiffusion图片转文字。

再(zài)用Text2Prompt插件拓展找(zhǎo)到对应的关键词(cí)；最后(hòu)用ControlNet插件(jiàn)绑定(dìng)骨骼开(kāi)始换关键词试效果。

通过图片就可以看出来，效果十分(fēn)惊艳。

更厉(lì)害的(de)是，除(chú)了真(zhēn)实(shí)的照片，草(cǎo)图也可以加(jiā)上“魔法”，知乎大(dà)牛(niú)“DevPoint”和“逗砂”介绍(shào)到(dào)ControlNet还(hái)能(néng)实现(xiàn)线(xiàn)稿转(zhuǎn)全彩图。大神张吕(lǚ)敏其本尊也亲自回(huí)应。

不得不说当下AIGC已经变得越来越(yuè)强大，甚至(zhì)输出的(de)作品都已(yǐ)经(jīng)能以假乱真了(le)。

02

难辨(biàn)虚实，AIGC技(jì)术力(lì)爆发

警惕安全问题(tí)

近日，“苏州金鸡湖有游艇(tǐng)party”的消(xiāo)息火遍网(wǎng)络(luò)，而经(jīng)过(guò)警(jǐng)方辟(pì)谣这(zhè)所谓的(de)“party”可能是全国第一起(qǐ)AI绘图诈骗(piàn)。

由于这个(gè)活(huó)动里(lǐ)面给出的美女照片都是AI制作的真人照片绘(huì)图，因为太逼真(zhēn)，被大家当成真(zhēn)事传播了。

不过仔(zǎi)细观察(chá)可以发现，活动发(fā)起者提供的照片中有个很大(dà)的漏洞(dòng)可以发现并非真人，而是AI绘图，那便是图片中女(nǚ)性的手指部分有的存在异常。

有行(xíng)业人事(shì)表示：“现在因为手指部分的绘画算法比较复杂，AI还不太会画(huà)人的手，但最新看到的图片已经有越来越完(wán)美(měi)的AI模(mó)型出现，以后(hòu)可能(néng)就(jiù)完全(quán)没(méi)有(yǒu)漏(lòu)洞了。”

类(lèi)似的AI作图诈(zhà)骗在(zài)国外也已有发生。据(jù)英国广(guǎng)播公司报道，土耳其地震期间，有Tiktok用户使用(yòng)AI合成了(le)儿童(tóng)受(shòu)灾(zāi)的假照片发(fā)布到网络，以此诱骗善(shàn)良(liáng)的(de)人打赏“捐助”从而实施(shī)诈骗。

目前随着技术发展，AIGC已(yǐ)经能(néng)做出真人照片般的绘图效果，如果这样的图片被(bèi)用(yòng)来诈骗，将非常(cháng)可怕(pà)。

此外(wài)AIGC还引发了很(hěn)多担忧，一方面，批判者认为AI在“学习”了大量前人的作(zuò)品之后，其创作没有任(rèn)何情绪和灵魂，难以和人类的艺术(shù)创作相提并论。

另一方面，AIGC背后的版权、目前都(dōu)并没有得(dé)到有效的解决，还(hái)有AIGC会不会代替人类“至高(gāo)无上”的创意。

马斯克也强调，人(rén)工(gōng)智能(néng)的安(ān)全问(wèn)题需(xū)要得到重视，太(tài)晚就(jiù)来不(bù)及了。

03

AIGC下一站(zhàn)除(chú)了视频，还有(yǒu)远方

技术都是(shì)有两面性的，潜(qián)在(zài)的危害并不(bù)能掩(yǎn)盖其光辉的贡献。现在看(kàn)来(lái)，人工智能(néng)技术(shù)将是第(dì)四(sì)次工业革命(mìng)的核心(xīn)驱动(dòng)力量，将创造(zào)新(xīn)的增长奇迹。

过去(qù)一年，人工智能在技术和(hé)商业层面(miàn)都有了巨大进展(zhǎn)，AI绘画就是(shì)人工(gōng)智能技(jì)术发生方向性改变的一(yī)个(gè)代表。其下一站(zhàn)或(huò)许就是视频。

此(cǐ)前(qián)，Meta和谷(gǔ)歌先后发布了几(jǐ)条引爆科(kē)技圈的短视(shì)频。这些视频引(yǐn)发关注并(bìng)非内容(róng)做得多优秀(xiù)，反而都非常(cháng)简单(dān)，比如一匹正在(zài)喝(hē)水的马(mǎ)，一只画画的玩具熊(xióng)，或(huò)者一段(duàn)骑(qí)摩托车的第一视角录像，随便一个(gè)有手机的人(rén)都可以随手录(lù)下一段。

但(dàn)这些短视频(pín)的创作方式非常简单(dān)，创作者仅仅需要向(xiàng)AI输入一段话(huà)，甚至只是说一下要求，AI就可以根据需要生(shēng)成一段视频。

谷歌发布(bù)的(de)两(liǎng)个AI生成视频分别来自(zì)于(yú)Imagen Video和Phenaki，前(qián)者主要突出(chū)的是高清(qīng)，与(yǔ)Meta的Make-A-Video没有太多的差别。

在Make-A-Video公布了AI生(shēng)成的视(shì)频后，AI圈就(jiù)已经玩了一波(bō)梗，一个能够做出(chū)更高清视频的AI还不足以在短(duǎn)时(shí)间内戳中兴奋点。

Phenaki更加令人震惊的地方在于，它可(kě)以制(zhì)作(zuò)出超过(guò)2分钟(zhōng)的(de)连贯的也有确切内(nèi)容的视频，这才是真正让人们感到惊喜的地方(fāng)。因为无论AI生成的视频多么高清，也只能(néng)是为内容生产(chǎn)者提供一个(gè)灵(líng)感，一个素材，一个过场动画。

不过能够制作出(chū)有具体剧情内容的视频(pín)就意味着(zhe)，一些(xiē)视频创作由AI代替人(rén)工完成(chéng)已经初步(bù)有了可能。

当下AI的(de)发展速度(dù)已经(jīng)超(chāo)过大部分人的想象(xiàng)。内容产业(yè)的本质是供给(gěi)创造需(xū)求，AIGC作为全(quán)新(xīn)的内容生产方式(shì)，可以为(wèi)内容产业带(dài)来更(gèng)新的内容风格、更(gèng)快的生(shēng)产速度(dù)，更低的生产(chǎn)成本，这无疑会驱动内容(róng)产业的大爆发。

除了AI绘图、视(shì)频，AIGC技术还能应用(yòng)于音乐、代码(mǎ)、机(jī)器人动(dòng)作(zuò)等多种内(nèi)容形式的生成。不难(nán)发现该项技术(shù)不仅在游戏等(děng)行(xíng)业能得(dé)到有效应用，对(duì)于下一(yī)代互联网各种(zhǒng)元(yuán)素的(de)构建亦有关键意义。

从(cóng)商(shāng)业化的角度来看，文化娱乐、教育、传(chuán)媒等诸多领域，本身就(jiù)对基于(yú)AI的可视化(huà)内容(róng)有强烈需求。

因此，AI绘画及视频(pín)或不是结果(guǒ)，而只(zhǐ)是AI进程中(zhōng)的一块重要(yào)拼图，有望在技术更(gèng)新的加(jiā)持下实现更(gèng)大的应用(yòng)价值。

AI从理解(jiě)内容，走向了可以生(shēng)成内容，甚至(zhì)能够创造出独(dú)立价值和(hé)独立视(shì)角(jiǎo)的内(nèi)容。AIGC的再次出(chū)圈(quān)，更(gèng)代(dài)表着未(wèi)来的(de)先进生产(chǎn)力(lì)即将到来。

04

紧抓大模型与(yǔ)算力，牢(láo)固AIGC底座

从技(jì)术(shù)的发展也可以看出，在语言大模(mó)型(xíng)、图像大模型之后(hòu)，多(duō)模态(tài)大模(mó)型已经成为(wèi)了(le)新的(de)趋势。

大模型(xíng)被誉(yù)为当(dāng)前人工(gōng)智能发展(zhǎn)的(de)智能底座，是全球竞争(zhēng)最激烈的研(yán)究方(fāng)向(xiàng)之一，包(bāo)括(kuò)谷歌、亚(yà)马逊(xùn)、百度、阿里、腾讯等(děng)众多头部企业都在竞相发力(lì)。

不过(guò)训(xùn)练大模型的确价格不菲(fēi)，以国(guó)盛证券发布(bù)的《ChatGPT需要多少算(suàn)力》报(bào)告估算，GPT-3训练一次的成本约为140万美元(yuán)。而(ér)对(duì)于一些更大的LLM(大型语言模型)，训练成(chéng)本则介于200万美元至1200万美元高价之间。

以ChatGPT在2023年(nián)1月的独立访客平均数1300万计算，其对应(yīng)芯片需求(qiú)为(wèi)3万多片英伟达A100 GPU，初(chū)始投(tóu)入成本约为8亿美元，每日仅(jǐn)电费(fèi)就(jiù)在5万美元(yuán)左(zuǒ)右(yòu)。

此(cǐ)外不论是ChatGPT还是(shì)AIGC，都离不开庞大算力支(zhī)持。在关注各类大模型的(de)发(fā)展同时，更(gèng)应该关注算(suàn)力网络的建设。

算(suàn)力网络正(zhèng)驱动(dòng)AI产(chǎn)业发展进(jìn)入史(shǐ)诗级加速进(jìn)程，让AIGC及(jí)通用AI这一人工智能发展(zhǎn)的终极目标离得更(gèng)近。

因(yīn)为(wèi)算力(lì)可以对突破性(xìng)技术创新(xīn)提供大力的支(zhī)持。这方面，多模态(tài)大(dà)模(mó)型是(shì)典型。作(zuò)为面向未来(lái)强人(rén)工(gōng)智能(néng)、通用(yòng)人工智能的重要技术创新，多模态大(dà)模型已经在(zài)人工智能领域提出了(le)很(hěn)多年，业界也有不少技(jì)术突破，但是，多模态(tài)大模型进一(yī)步往(wǎng)下走，算(suàn)力需求呈几何(hé)式上升，一般的算力基(jī)础设施很快将难以胜(shèng)任。

从图像(xiàng)、文字、语音单独一(yī)项(xiàng)的(de)训练，到双模态、三模态(tài)的跃(yuè)迁，让人(rén)工智能可以灵活应对不(bù)同模态的转化、像人与世界(jiè)交(jiāo)互一样自然，这方面，由(yóu)算(suàn)力(lì)网络(luò)来驱动将(jiāng)有(yǒu)明显优(yōu)势。

此外(wài)，还有很多需要爆发(fā)式(shì)增长(zhǎng)的算(suàn)力来(lái)支撑(chēng)的技术(shù)创新，将在人工智能算力网络支撑(chēng)下快速推进。萝卜丁是最贵的口红吗，世界十大奢华口红品牌strong>