AIGC 创业公司还没盈利，微软 Adobe 已赚得盆满钵满

奥特曼在OpenAI的一场“来来往往”的戏码落下帷幕。

过程很刺激，吃瓜群众很激动。最开心的当然是微软。

不仅是这场“闹剧”无论怎么发展都是微软赢，更是因为背后藏着更大的瓜——

大模式的最大受益者，其实是微软这样意想不到的老牌玩家。

比如稳定扩散和中途争先恐后迭代上天，但是用AI贴图赚大钱的是Adobe。

年初至今，Adobe美股市值增长1000+亿美元，不知不觉创造了90.58%的涨幅。OpenAI的第一大股东、发布一系列AI Copilot产品的微软也有55.93%的惊人涨幅。

这类非AI原生的老牌玩家，在主打产品上看似很传统，但AIGC产品已经悄然占据了主流——比如微软刚刚推出的Windows AI Studio，开发者可以接入各种AI模型，根据自己的需求进行调整。

消息一出，我就听到了同一个赛道上很多创业公司的呐喊。

为什么大模式时代传统公司是第一个收获的？

要理解这一点，我们首先要明白，自最初的AIGC技术爆发以来，行业形势已经发生了变化。

在AIGC，传统企业是先入为主的

从技术井喷到市场落地，AIGC的发展大致可以分为两个阶段。

第一阶段，AIGC技术爆发，创业公司和新产品不断涌现。

无论是Adobe还是微软，在技术爆炸的第一阶段，似乎只是充当了背景板的角色。其传统产品，如PhotoShop和Office family buckets，甚至可能成为第一批被AIGC科技扼杀的“老应用”。

不过，现在第一轮投融资已经过去，AIGC进入了寻求落地的第二阶段。这些传统公司并没有消亡，反而变得更加活跃:

Adobe最近推出了Firefly Image 2，分辨率为2k，已经全面安装在Photoshop、Illustrator、Premiere Pro等套件中。微软发布了基于旧办公软件Office和浏览器Bing的Copilot Studio。

△萤火虫图片2更新后的效果，图片来源Adobe

Adobe和微软都依靠AIGC的新功能获得了很多关注。

相比之下，创业公司开始面临落地的问题:

OpenAI尚未实现盈利；做稳定扩散的明星创业公司Stability AI被曝营收困难，最近又有高管因版权问题离职…

为什么Adobe和微软这两家看似传统的公司，在AIGC 2.0时代完成了一轮“反杀”，率先从新技术中获利？

从表面上看，这些公司只是借助AIGC技术更新了一波产品。

但实际上，他们掌握着从技术落地到市场匹配的最关键环节——

场景。

以Adobe为例，其付费产品PS占据了近70%的设计市场，带来了极其稳定的现金流；另外，很多核心用户是商业设计师。如果你想引入AIGC，在不改变工作流程的情况下降低成本，提高效率，购买Adobe会员是最便捷的想法。

这是因为，从用户的角度来说，包括方案评估、交付、成品修改，都离不开与其他岗位的沟通和配合，这个过程涉及到一套业务流程。

虽然其他的AI图形工具，比如DALL E3，可以低成本生成大量的图片，但是这些图片并不是可以自由编辑的矢量图形和样式，也不一定满足用户的需求。总之，它们不符合业务流程，会带来额外的工作量。

但Adobe作为承载业务流的产品，更懂得设计师真正需要减少工作量的痛点。引入萤火虫矢量模型、AI生成填充等工具后，相当于直接使用AIGC，简化业务流程，节省工作时间。

做得好的Adobe和微软，只是代表了AI 2.0时代传统外企的打法。

相比之下，国内很多传统公司做的怎么样？

这两天，国内数字营销销售服务商鲸力召开秋季发布会。会议的主题是“AGI增长释放日益增长的AGI力量”，涉及人工智能和大模型等技术。

作为国内营销领域的代表公司之一，余伟为AIGC推出了哪些新产品？对于营销，乃至整个AIGC行业，有什么经验可以从案例中总结出来？

让我们一个一个拆开来仔细看看。

头部场景玩家，这样用AI。

国内AI营销销售场景头部玩家鲸威，4年(2022年)独角兽之列。

然后迎接ChatGPT的生日，对于幕布，对于营销领域，对于整个行业，都是一个全新的开始。由此，这个专注于AI技术的数字营销运营平台有了更红火的生意——

在大模型的落地已经从单纯的技术加成转变为“赢在场景天下”之后，有落地场景的企业可以将AI和大模型结合起来，形成新的引擎和新的商业闭环。

米米的优势是其多年沉淀的营销场景，不仅有大量的业务经验、垂直数据，更有对行业需求的了解。

对于营销行业来说，大模型带来最有用的能力，主要是两点，一是数据汇总，二是内容生成。

其中，因为大模式可以帮助营销，传达内容的广度和深度，所以内容生成更为重要。

让我们回到这次用来举栗子的幕布。如何展现AI通用模型在营销专业领域产生的内容的广度和深度？

我简单介绍一下，在这次大会上，我展示了一整套产品，包括迭代和全新的发布类型，包括-

AGI云Alivia，鲸鱼太空视线空，鲸鱼港，鲸鱼回声，鲸鱼演员表。

这些产品的最底层功能由Alivia提供，这是一个专门为营销和销售设计的企业级AGI工具包。

之所以叫toolkit，是因为Alivia不仅营销赛道覆盖全面，从AI语音、AI海报、AI视频剪辑到AI数字人直播应有尽有，还能提供企业级的模型培训和管理，真实、真实、完整。

借助Alivia的大模型能力，我们可以省时省力地触达更多用户。

例如，电子商务现在离不开使用AIGC能力来制作宣传材料。文圣地图、图文地图、视频编辑已经是必备功能。如果不满意，甚至可以自己训练企业级模型。

创建图片的能力，生成的内容可以精确到字母，黑白颜色描述的主体不会随意混淆:

如果在生成的提示中强调了其他场景，如“back ”,也可以准确地改变模型的姿势:

至于造图能力，要更进一步，无论是改变海报中的商品背景:

或者你想替换海报的模型:

对于Alivia来说，就是几秒钟就能搞定的小案子。

而且广告主可以根据品牌调性，自定义所需海报的风格和样式。在此基础上，AIGC很容易生成所需的海报:

如果遇到海报撑不住的营销场景，还可以利用视频编辑器的能力，制作flash视频，分分钟推送给你，而且可以是包含数字人形象的那种:

基于Alivia奠定的大模型能力基础，Mi推出了一系列AI产品，其核心是这些:

space sight/Digital Intelligence空，应用于数字化线下门店的运营；

港湾/内容营销中心，应用于数字内容营销；

回声/语音绘画，应用于数字语音服务；

Cast/Broadcast，应用于数字直播间的运营。

这四个是Alivia模式能力的进一步体现，让公司能够深入传达营销内容。

所谓深度，其实可以理解为对每一个行业、每一个用户的全面深入的了解，让生成的内容出现在用户面前的时候，尽可能精准的踩准客户旅程转化点。

说的更直白一点，就是让大家接触到自己能看懂、感兴趣的内容，从而提高营销转化率。

要实现这个想法，除了从线上(直播间)和线下(门店)积累用户偏好数据，还离不开港湾这个内容营销中枢。

Harbor收集整理各种数据，包括直播时收集的词，词的质量，或者店铺不同区域的客流量，顾客留存率。

当Mi利用大模型的数据汇总能力和内容生成能力，整理并呈现数据之间的关系，然后反馈给大模型，会发生什么？

事实是，每一个口碑很好的经营者或者卖家，在工作中都可以是doge，老板想要的商品数据对比，分分钟就可以轻松获得。

某平台很好的利用了大模型的数据汇总和内容生成能力，提供给每一个有需求的客户。现在这种影响可以被直接触摸和感知。

不仅仅是“能用”。再者，AIGC已经形成了“放大效应”:

通常意义上的营销是用技术帮助客户扩大流量和转化率；现在有了AIGC的帮助，它只会变得更快、更便宜、更高效。

但是，现在大家都可以用AI和大模型了，在技术的推动下，似乎老牌公司和初创公司都在同一起跑线上。为什么越赚钱，老选手却喜欢土坯和维密？有什么经验可以借鉴吗？

带着好奇，我们联系了公司创始人兼CEO叶，和他聊了聊公司在场景中的地位，对这个行业的看法，以及会对各路玩家产生什么影响。

谁在收获AIGC技术红利？

叶毕业于加州理工学院，获得计算和神经系统硕士学位，曾在脸书从事数据科学工作，后回国进入数字营销行业，创办了巨鲸。

谈到，叶认为目前的球员主要可以分为四层。

垫底的是OpenAI和Stability AI这样的初创公司，或者是拥有AGI的公司。这类玩家拥有一般的大模型技术，也会为更高级别的玩家提供最低的技术支持。

第三层是更倾向于基础层的玩家，比如LangChain和AgentChain。他们会做一些支持通用大模型的技术基础，很多都是开源工具，进一步支持AIGC甚至大模型的开发。

第二层是在前两层架构上进一步诞生的AI工具产品，如依托LoRA等技术开发的公司，专注于提供工具本身，开启小规模创新思路；

最顶层是应用公司，包括国外的Adobe，微软，还有国内的公司。这样的公司是有场景的，基于场景打造了很多流量稳定的应用。同时，他们会根据需求将业务拓展到前几个场景。

这四类选手谁能收获最后的技术加成？

叶对的看法是:

以OpenAI为例，虽然这类公司可以依靠技术创新发挥自身价值，快速破圈，甚至带动整个AIGC技术生态圈自行发展壮大；

但最终大模型等底层技术还是需要计算能力、数据和场景支持，所以最终会被微软这样的云厂商收割。

但进一步来说，能够收获技术红利的场景玩家，绝不仅仅是依靠场景本身，也就是经过市场验证的产品。

叶认为，主要有两个标准。

一方面，这些公司要有能力挖掘AIGC技术的价值，从场景上理解不同用户对算法的不同需求。

以图像生成为例，虽然这类经典算法的类型有限，但不同场景下客户要求的算法细节其实差别很大。

比如对于家居行业来说，能否在生成家具时完美合理地构造设计细节，就需要不断打磨垂直领域的算法，使其成为“专家设计师”:

以场景理解为例。对于不同行业的品牌，线下门店的“规则”也是不一样的，比如食品店有食品安全标准，服装店有商品布置要求。

如何根据这些细节差异创建符合企业的场景理解算法也需要门道:

因此，无论在哪个领域，AIGC技术的实际应用方式都会有所不同。如何使用合适的技术给自己的场景带来最大的技术加持，是场景玩家需要思考的问题。

另一方面，公司本身必须具备技术实力，才能快速跟进AIGC新浪潮，最大化技术带来的价值。

叶余省表示，作为一家科技公司，维维也将传承脸书的开源文化，积极拥抱和贡献开源，投资AIGC技术研究。

比如，米米还为稳定扩散等多个AI开源社区做出了贡献，并参与了各种项目的跟进，这与产品的开发不仅不一致，反而是相辅相成的。

当然，无论是什么样的玩家，还是要从现在和未来及时判断AIGC的风向，选择合适的落地思路。

毕竟，一些人仍然对AIGC技术本身持谨慎态度，认为它有被过度吹捧的嫌疑。现有的AI生成能力并不完善，距离直接使用还有一定距离。

叶余省总结了AIGC目前的技术发展进度以及未来是否值得投资:

所以，不必等待某个节点的到来，而是要找到自己的场景，把握好技术路径，才能在竞争的战役中收获最后的技术红利。

本文来自微信微信官方账号:量子比特(ID: qbitai)，作者于恒·肖骁。

未经允许不得转载：科技让生活更美好 » AIGC 创业公司还没盈利，微软 Adobe 已赚得盆满钵满