AIGC創(chuàng)業(yè)公司還沒(méi)盈利，微軟Adobe已賺得盆滿缽滿

衡宇 蕭簫 發(fā)自 凹非寺
量子位 | 公眾號(hào) QbitAI

一出奧特曼在OpenAI“來(lái)去之間”的戲碼，以回歸暫告一段落。

過(guò)程很抓馬，吃瓜群眾很激動(dòng)，當(dāng)然了，最開(kāi)心的還得是微軟。

不僅因?yàn)檫@出“鬧劇”無(wú)論怎么發(fā)展，都是微軟穩(wěn)贏，還因?yàn)楸澈鬂摬刂粋€(gè)更大的瓜——

大模型的最大利益獲得者，居然還是微軟這些讓人意想不到的老牌玩家。

比如Stable Diffusion和Midjourney爭(zhēng)先恐后迭代卷上天，但憑借AI作圖賺得盆滿缽滿的，其實(shí)是Adobe。

年初至今，Adobe美股市值漲了1000+億美元，已經(jīng)不知不覺(jué)創(chuàng)造了90.58%的漲幅；而OpenAI最大股東、發(fā)布一系列AI Copilot產(chǎn)品的微軟，漲幅同樣達(dá)到令人矚目的55.93%。

這類非AI原生的老牌玩家，看似主營(yíng)產(chǎn)品還是十分傳統(tǒng)，但AIGC產(chǎn)品卻悄然占據(jù)了主流——譬如微軟剛剛就推出了Windows AI Studio，開(kāi)發(fā)者可以在其中訪問(wèn)各種AI模型，并根據(jù)自己的需求進(jìn)行調(diào)整。

新聞一出，就聽(tīng)得同賽道不少創(chuàng)業(yè)公司的哀嚎一片。

為什么傳統(tǒng)公司，反而是大模型時(shí)代最先收割的那一方？

要搞清這一點(diǎn)，首先得明白，從最初的AIGC技術(shù)爆發(fā)到現(xiàn)在，行業(yè)情況早已發(fā)生了變化。

傳統(tǒng)公司在AIGC后發(fā)制人

從技術(shù)井噴到市場(chǎng)落地，AIGC的發(fā)展大致分為兩個(gè)階段。

第一階段，AIGC技術(shù)井噴，創(chuàng)業(yè)公司和新產(chǎn)品源源不斷涌現(xiàn)。

無(wú)論Adobe還是微軟，在技術(shù)爆發(fā)的第一階段，似乎都只是充當(dāng)著背景板的角色。其傳統(tǒng)產(chǎn)品如PhotoShop、Office全家桶，甚至可能成為被AIGC技術(shù)第一批革掉命的“老舊應(yīng)用”。

然而如今第一輪投融資風(fēng)口過(guò)去，AIGC進(jìn)入尋求落地的第二階段，這些傳統(tǒng)公司非但沒(méi)有消亡，反而更活躍了：

Adobe前不久推出的文生圖Firefly Image 2，生成分辨率直抵2k，已經(jīng)全面入駐Photoshop、Illustrator、Premiere Pro等套件；微軟更是基于老牌辦公軟件Office、瀏覽器Bing發(fā)布了Copilot Studio。

無(wú)論Adobe還是微軟，均依托AIGC新功能攬獲了不少關(guān)注度。

相比之下，創(chuàng)業(yè)公司開(kāi)始面臨落地難題：

OpenAI尚未實(shí)現(xiàn)盈利；做出Stable Diffusion的明星創(chuàng)業(yè)公司Stability AI，被曝身陷營(yíng)收困境，近期又有高管因版權(quán)問(wèn)題離職……

為什么Adobe、微軟這些看似傳統(tǒng)的公司，卻在AIGC 2.0時(shí)代完成了一輪“反殺”，率先從新技術(shù)中獲利？

表面來(lái)看，這些公司只是借助AIGC技術(shù)風(fēng)口更新了一波自己的產(chǎn)品。

但實(shí)際上，它們掌握著產(chǎn)品從技術(shù)落地到市場(chǎng)匹配最關(guān)鍵的一環(huán)——

場(chǎng)景。

以Adobe為例，旗下付費(fèi)產(chǎn)品PS占據(jù)近70%設(shè)計(jì)市場(chǎng)，帶來(lái)了極其穩(wěn)定的現(xiàn)金流；加之核心用戶不少是商業(yè)設(shè)計(jì)師，要想在不改變工作流的情況下引入AIGC降本增效，購(gòu)買(mǎi)Adobe會(huì)員是最便捷的思路。

這是因?yàn)椋瑥挠脩羧缭O(shè)計(jì)師的角度來(lái)看，包括方案評(píng)估、成品的交付和修改等工作，其實(shí)都離不開(kāi)和其他崗位的溝通協(xié)作，這個(gè)過(guò)程涉及一套業(yè)務(wù)流。

雖然其他AI文生圖工具如DALL·E 3可以低成本生成大量圖片，但這些圖片既非能自由編輯的矢量圖、樣式也不一定符合用戶需求，一言蔽之就是不合業(yè)務(wù)流，還會(huì)帶來(lái)額外的工作量。

但Adobe作為承載業(yè)務(wù)流的產(chǎn)品，更了解設(shè)計(jì)師真正需要降低工作量的痛點(diǎn)，在推出生成矢量圖（Firefly矢量模型）、AI修圖（Generative Fill）等工具后，相當(dāng)于直接用AIGC簡(jiǎn)化了業(yè)務(wù)流、節(jié)省了工作時(shí)間。

而干得風(fēng)生水起的Adobe和微軟，代表的還只是國(guó)外傳統(tǒng)公司在AI 2.0時(shí)代下的打法。

相比之下，國(guó)內(nèi)一眾傳統(tǒng)公司做得怎么樣了？

這兩天，國(guó)內(nèi)營(yíng)銷(xiāo)銷(xiāo)售數(shù)字化服務(wù)商帷幄（Whale）舉辦了一場(chǎng)秋季發(fā)布會(huì)，發(fā)布會(huì)主題正是與AI和大模型等技術(shù)有關(guān)的「AGI for Growth 釋放增長(zhǎng)的AGI力量」。

作為國(guó)內(nèi)市場(chǎng)營(yíng)銷(xiāo)領(lǐng)域的代表公司之一，帷幄針對(duì)AIGC推出了什么樣的新產(chǎn)品？對(duì)于市場(chǎng)營(yíng)銷(xiāo)、乃至整個(gè)AIGC行業(yè)而言，從帷幄的案例中又能總結(jié)出哪些經(jīng)驗(yàn)？

我們逐一拆解，細(xì)細(xì)來(lái)看。

頭部場(chǎng)景玩家，這樣用AI

Whale帷幄，國(guó)內(nèi)AI營(yíng)銷(xiāo)和銷(xiāo)售場(chǎng)景的頭部玩家，創(chuàng)業(yè)4年（2022年）就躋身獨(dú)角獸行列。

然后遇上ChatGPT誕世，這對(duì)帷幄，對(duì)營(yíng)銷(xiāo)領(lǐng)域，對(duì)全行業(yè)都是全新的開(kāi)始。于是，這家專注于AI技術(shù)的數(shù)字化營(yíng)銷(xiāo)運(yùn)營(yíng)平臺(tái)，業(yè)務(wù)就更風(fēng)生水起了——

大模型落地從純技術(shù)紅利轉(zhuǎn)入“得場(chǎng)景得天下”后，有落地場(chǎng)景的企業(yè)，能夠讓AI、大模型結(jié)合業(yè)務(wù)，形成新引擎和新業(yè)務(wù)閉環(huán)。

帷幄擁有的優(yōu)勢(shì)，正是其沉淀多年的營(yíng)銷(xiāo)場(chǎng)景，這其中不僅有大量商業(yè)經(jīng)驗(yàn)、垂直數(shù)據(jù)，更有對(duì)行業(yè)需求的理解。

對(duì)于營(yíng)銷(xiāo)行業(yè)而言，大模型帶來(lái)最有用的能力，主要就是兩點(diǎn)，一是數(shù)據(jù)總結(jié)，二是內(nèi)容生成。

其中，因?yàn)榇竽Ｐ湍苤I(yíng)銷(xiāo)，將內(nèi)容的廣度和深度傳達(dá)出來(lái)，所以內(nèi)容生成又更為重要。

說(shuō)回我們這次用來(lái)舉栗子的帷幄，它是如何讓AI通用大模型生成內(nèi)容的廣度和深度，在營(yíng)銷(xiāo)這一專業(yè)領(lǐng)域上展現(xiàn)出來(lái)的？

先簡(jiǎn)單介紹一下，這次發(fā)布會(huì)，帷幄祭出了一整套產(chǎn)品，包含迭代型和全新發(fā)布型，具體包括——

「AGI 云 Alivia」、「帷幄數(shù)智空間 Whale SpaceSight」、「帷幄內(nèi)容營(yíng)銷(xiāo)中心 Whale Harbor」、「帷幄繪聲 Whale Echo」、「帷幄開(kāi)播 Whale Cast」。

這些產(chǎn)品最底層的能力，由專為營(yíng)銷(xiāo)和銷(xiāo)售設(shè)計(jì)的企業(yè)級(jí)AGI工具包Alivia提供。

之所以叫它工具包，是因?yàn)锳livia不僅全面覆蓋營(yíng)銷(xiāo)賽道，且功能從AI語(yǔ)音、AI海報(bào)、AI視頻編輯到AI數(shù)字人直播應(yīng)有盡有，還能提供企業(yè)級(jí)模型訓(xùn)練與管理，真、的、很、全。

用Alivia的大模型能力，能省時(shí)省力觸達(dá)更多用戶。

就拿電商現(xiàn)在已經(jīng)離不開(kāi)的用AIGC能力制作宣傳物料來(lái)說(shuō)，文生圖、圖生圖和視頻編輯都已經(jīng)是必備的功能，要是不滿意，甚至還能專門(mén)訓(xùn)練一個(gè)自己的企業(yè)級(jí)模型。

文生圖能力，生成內(nèi)容可以精確到字母，黑白顏色所描述的主語(yǔ)也不會(huì)隨意弄混：

要是生成提示詞中強(qiáng)調(diào)“背面”等其他場(chǎng)景，也能準(zhǔn)確改變模特的姿勢(shì)：

至于圖生圖能力，還要更進(jìn)一步，不管是在海報(bào)里給商品換背景：

還是要替換掉一張海報(bào)的模特：

對(duì)Alivia來(lái)說(shuō)，更是秒秒鐘勝任的小case。

而且廣告主可以根據(jù)品牌調(diào)性，自我定義所需海報(bào)的風(fēng)格、樣式，在這樣的基礎(chǔ)上，AIGC生成所需的海報(bào)，簡(jiǎn)直是手到擒來(lái)：

要是遇上海報(bào)無(wú)法hold住的營(yíng)銷(xiāo)場(chǎng)景，還能用上視頻編輯器的能力，分分鐘制作一條快閃視頻推到你面前，并且可以是包含數(shù)字人形象的那種：

基于Alivia打下的大模型能力基礎(chǔ)，帷幄推出了一系列AI產(chǎn)品，最最核心的，有這幾個(gè)：

• SpaceSight/數(shù)智空間，應(yīng)用于數(shù)字化線下門(mén)店運(yùn)營(yíng)；
• Harbor/內(nèi)容營(yíng)銷(xiāo)中心，應(yīng)用于數(shù)字化內(nèi)容營(yíng)銷(xiāo)；
• Echo/繪聲，應(yīng)用于數(shù)字化語(yǔ)音服務(wù)；
• Cast/開(kāi)播，應(yīng)用于數(shù)字化直播間運(yùn)營(yíng)。

這四者是帷幄Alivia大模型能力的進(jìn)一步外顯，讓帷幄能把營(yíng)銷(xiāo)內(nèi)容深度傳遞。

所謂的深度，其實(shí)可以理解為對(duì)每一個(gè)行業(yè)、每一個(gè)用戶進(jìn)行全盤(pán)而深度的了解，讓生成的內(nèi)容出現(xiàn)在用戶面前的時(shí)候，都盡可能精準(zhǔn)踩在客戶旅程轉(zhuǎn)化點(diǎn)上。

解釋得再直白一些，就是每個(gè)人接觸到的內(nèi)容，都是自己看得懂的、感興趣的，從而提高營(yíng)銷(xiāo)轉(zhuǎn)化率。

要實(shí)現(xiàn)這個(gè)想法，除了從線上（直播間）和線下（門(mén)店）對(duì)用戶喜好數(shù)據(jù)日積月累，還離不開(kāi)內(nèi)容營(yíng)銷(xiāo)中臺(tái)Harbor。

Harbor把各種各樣的數(shù)據(jù)，包括直播時(shí)候收集的話術(shù)、話術(shù)的好壞，或是門(mén)店不同區(qū)域的客流量、留客率等，統(tǒng)統(tǒng)收集并整理。

當(dāng)帷幄用大模型的數(shù)據(jù)總結(jié)能力，結(jié)合內(nèi)容生成能力梳理和呈現(xiàn)了數(shù)據(jù)和數(shù)據(jù)之間的關(guān)系，再喂給大模型，會(huì)發(fā)生什么呢？

事實(shí)就是，擁有帷幄的每一個(gè)運(yùn)營(yíng)or銷(xiāo)售，干活都能賊靈光（doge），老板要的商品數(shù)據(jù)對(duì)比，分分鐘就能手到擒來(lái)。

一個(gè)平臺(tái)，用好了大模型數(shù)據(jù)總結(jié)和內(nèi)容生成的能力，并提供給每一個(gè)需要的客戶，所產(chǎn)生的影響現(xiàn)在已經(jīng)能被直接接觸和感知到。

不僅僅是“能用”而已。更進(jìn)一步的，AIGC已經(jīng)形成了一種“放大器效應(yīng)”：

通常意義上的市場(chǎng)營(yíng)銷(xiāo)，就是用技術(shù)幫客戶擴(kuò)大流量和轉(zhuǎn)化率；現(xiàn)在有了AIGC的幫忙，這件事只會(huì)變得更快捷、更低價(jià)、更高效。

但是，人人皆可用AI與大模型的現(xiàn)在，舊公司和新創(chuàng)企似乎在技術(shù)的推動(dòng)下，站在了同一條賽跑線上。為什么獲利更猛的，反而是Adobe、帷幄這樣的老牌參賽選手？其中是否有什么經(jīng)驗(yàn)可供借鑒？

帶著好奇心，我們聯(lián)系上帷幄創(chuàng)始人兼CEO葉生晅，和他聊了聊帷幄在AIGC場(chǎng)景中的定位，對(duì)AIGC這一行業(yè)的看法，以及AIGC會(huì)對(duì)各行各業(yè)的玩家產(chǎn)生什么樣的影響。

誰(shuí)在收割A(yù)IGC技術(shù)紅利？

葉生晅碩士畢業(yè)于加州理工學(xué)院計(jì)算與神經(jīng)系統(tǒng)專業(yè)，曾在Facebook從事數(shù)據(jù)科學(xué)類工作，隨后回國(guó)進(jìn)入數(shù)字營(yíng)銷(xiāo)行業(yè)，創(chuàng)辦Whale帷幄。

談及AIGC，葉生晅認(rèn)為，當(dāng)前入局的玩家主要可以分為四層。

最底層是像OpenAI、Stability AI這樣的創(chuàng)業(yè)公司，或者說(shuō)擁有AGI這一技術(shù)本身的公司。這類玩家擁有通用大模型技術(shù)，也會(huì)為更上層的玩家提供最底層的技術(shù)支撐。

第三層就是像LangChain、AgentChain這樣的更偏向于基礎(chǔ)設(shè)施層的玩家，它們會(huì)做一些支持通用大模型的技術(shù)底座，有不少還是開(kāi)源的工具，進(jìn)一步支撐AIGC乃至大模型的發(fā)展；

第二層則是在前兩層架構(gòu)上進(jìn)一步誕生的AI工具產(chǎn)品，如依靠LoRA等技術(shù)發(fā)展起來(lái)的公司，這類公司專注于提供工具本身，并以此開(kāi)辟小范圍的創(chuàng)新思路；

最頂層就是應(yīng)用公司，包括國(guó)外的Adobe、微軟，以及國(guó)內(nèi)的帷幄等公司。這類公司有場(chǎng)景，并依托場(chǎng)景打造了不少有穩(wěn)定流量的應(yīng)用，同時(shí)也會(huì)基于需求，將業(yè)務(wù)擴(kuò)展到前幾層場(chǎng)景中。

這四類玩家究竟誰(shuí)能收割最終的技術(shù)紅利？

葉生晅的看法是：

創(chuàng)業(yè)公司收割不了最終的技術(shù)紅利。

以O(shè)penAI為例，這類公司雖然能依靠技術(shù)創(chuàng)新打出自身價(jià)值、快速實(shí)現(xiàn)破圈，甚至以一己之力帶動(dòng)整個(gè)AIGC技術(shù)生態(tài)圈發(fā)展壯大；

但最終大模型這樣的底層技術(shù)，仍舊需要算力、數(shù)據(jù)和場(chǎng)景支撐，因此最終還是會(huì)被微軟這樣的云廠商收割。

但進(jìn)一步來(lái)看，能收割技術(shù)紅利的場(chǎng)景玩家，也絕非僅僅依靠場(chǎng)景本身、即已經(jīng)過(guò)市場(chǎng)驗(yàn)證的產(chǎn)品。

葉生晅認(rèn)為，主要還有兩方面的標(biāo)準(zhǔn)。

一方面，這些公司要有能挖掘出AIGC技術(shù)利用價(jià)值的能力，從場(chǎng)景理解不同用戶對(duì)于算法的不同需求。

以圖像生成為例，雖然這類經(jīng)典算法類型有限，然而對(duì)于不同場(chǎng)景的客戶而言，需求的算法細(xì)節(jié)其實(shí)存在極大區(qū)別。

例如，對(duì)于家居行業(yè)而言，能否在生成家具時(shí)，完美且合理地構(gòu)造出設(shè)計(jì)細(xì)節(jié)，就必須在垂直領(lǐng)域中去不斷打磨算法，才能讓它成為“內(nèi)行設(shè)計(jì)師”：

再以場(chǎng)景理解為例。不同行業(yè)的品牌方，運(yùn)營(yíng)線下門(mén)店的“規(guī)矩”也有所差異，如食品店有食品安全規(guī)范、服裝店有商品排列要求等。

如何根據(jù)這些細(xì)節(jié)差異，打造符合企業(yè)的場(chǎng)景理解算法，同樣需要門(mén)道：

因此，無(wú)論是哪個(gè)領(lǐng)域，AIGC技術(shù)實(shí)際應(yīng)用的途徑也會(huì)有所不同，如何利用合適的技術(shù)給自身場(chǎng)景帶來(lái)最大的技術(shù)加持，是場(chǎng)景玩家需要去思考的問(wèn)題。

另一方面，公司自身也得有技術(shù)實(shí)力，才能快速在新一波AIGC浪潮來(lái)臨時(shí)及時(shí)跟進(jìn)，將技術(shù)帶來(lái)的價(jià)值最大化落地到場(chǎng)景中去。

葉生晅表示，帷幄作為一個(gè)技術(shù)公司，也會(huì)繼承Facebook的開(kāi)源文化，主動(dòng)擁抱開(kāi)源、貢獻(xiàn)開(kāi)源，投入到AIGC技術(shù)研究中去。

例如帷幄也有在Stable Diffusion等不少AI開(kāi)源社區(qū)做出貢獻(xiàn)，參與了各種項(xiàng)目的跟進(jìn)，這和產(chǎn)品的發(fā)展不僅并不矛盾，反而是相輔相成的。

當(dāng)然，無(wú)論是哪一類玩家，最終都還是要從當(dāng)下和未來(lái)及時(shí)判斷AIGC的風(fēng)向，并選擇合適的落地思路。

畢竟針對(duì)AIGC技術(shù)本身，依舊有人抱持謹(jǐn)慎的態(tài)度，認(rèn)為它有吹捧過(guò)度的嫌疑，現(xiàn)有AI生成能力并非完美，距離直接可用還有一定距離。

對(duì)于AIGC當(dāng)前的技術(shù)發(fā)展進(jìn)度、未來(lái)是否值得投入，葉生晅給出了這樣的總結(jié)：

技術(shù)本身的發(fā)展進(jìn)步不會(huì)被阻擋，正如AGI不應(yīng)該是一個(gè)目標(biāo)、技術(shù)評(píng)判標(biāo)準(zhǔn)，而應(yīng)該是一條成就終端客戶需求的路徑。

至于判斷一項(xiàng)技術(shù)是否值得投入，最終還是要回歸三點(diǎn)指標(biāo)，即技術(shù)落地是否真正有用、市場(chǎng)規(guī)模是否夠大（例如對(duì)口型翻譯就不算一個(gè)大市場(chǎng)）、客戶是否愿意買(mǎi)單。

因此，不用等待某個(gè)節(jié)點(diǎn)的到來(lái)，而是應(yīng)該找到屬于自己的場(chǎng)景、把握好技術(shù)路徑，才能在群雄逐鹿的爭(zhēng)奪戰(zhàn)中收割最終的技術(shù)紅利。