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。

您可能还喜欢...