字節(jié)技術(shù)大牛跑步進入AIGC創(chuàng)業(yè)，聚焦視覺領(lǐng)域，搭建算法平臺

衡宇 2023-04-07 15:13:18 來源：量子位

衡宇 發(fā)自 凹非寺

量子位 | 公眾號 QbitAI

3月最后一天，王長虎在龍湖集團的last day。

這位字節(jié)跳動前視覺技術(shù)負責(zé)人、AI Lab總監(jiān)辭職掛印，火速啟程下一站：AIGC創(chuàng)業(yè)，成立新公司愛詩科技。

他拉團隊自起爐灶，要打造一個聚焦AIGC的視覺多模態(tài)算法平臺?，覆蓋視覺相關(guān)的各種垂直應(yīng)用場景。

當(dāng)此大熱的AIGC風(fēng)口，王長虎已經(jīng)是近期第N位勇闖創(chuàng)業(yè)潮的AI牛人。

聊起這事，王長虎說話間不自覺就提高了聲音，語速也更快。他提到，創(chuàng)業(yè)是受時代和內(nèi)心的雙重感召，而且在風(fēng)口和經(jīng)歷背書的雙重加持下，目前看來，早期的融資推進頗為順暢。

關(guān)于創(chuàng)業(yè)要干的事，他信心飽滿：

技術(shù)難點？一定有，但也是好事，它就是我們不斷形成競爭壁壘的機會，就是這時候需要我們?nèi)プ龅摹?/p>

而且我們真的是打過硬仗的，之前在字節(jié)，那么難的事情都被我們扛過去了。所以在新的應(yīng)用場景里邊看到難點，蠻興奮，看到了，就去解決它。

（“那么難的事情”，指對字節(jié)系短視頻產(chǎn)品從0-1進行建設(shè)）

支持AIGC全生命周期的視覺多模態(tài)算法平臺

在ChatGPT引爆的AIGC創(chuàng)業(yè)風(fēng)潮后，王長虎的切入點不是底層大模型或To C應(yīng)用層。

而是基于過去近20年的學(xué)術(shù)研究和技術(shù)應(yīng)用能力，殺入中間層，打造視覺多模態(tài)算法平臺，將焦點聚集在AIGC相關(guān)視覺領(lǐng)域的各個垂直應(yīng)用場景。

并且在初始階段，To B先落地踐行。

所包含的多模態(tài)具體樣式，根據(jù)視覺垂類領(lǐng)域應(yīng)用的需求，初步設(shè)定為文字、圖片、語音、視頻，以及用戶的個性化特征等，也是AIGC領(lǐng)域不斷涌現(xiàn)新能力和產(chǎn)品的載體。

根據(jù)王長虎的解釋，利用AI，可以完成從UGC到AIGC的內(nèi)容新升級。

“很多人關(guān)注AIGC，更多關(guān)注在內(nèi)容生成方面。”從王長虎視角看過去，內(nèi)容生成只是AIGC全生命周期的一個階段，“其余階段也有很多問題等待去解決。”

“很多問題”是哪些問題？

他結(jié)合此前經(jīng)歷，舉例了兩個UGC時代代表性場景來佐證他所說的內(nèi)容生成之外，AIGC時代生產(chǎn)鏈的其他環(huán)節(jié)很大可能會遇到相同難題。

一個是在日活6億，正負樣本極不均衡的抖音或TikTok平臺上，根據(jù)不同文化背景、具體要求等，必須要篩選出不合規(guī)的視頻進行攔截，且需精準快速。

AIGC時代，這樣確保安全的審核同樣重要，且審核需求量更大。視覺多模態(tài)算法平臺提供的算法，就包含了能夠幫助使用方提高篩選和攔截效率的那種，并且很有可能如當(dāng)初的字節(jié)一般，在王長虎提供的技術(shù)支持下代替成本高昂的人工審核，同時提升效率。

另一個場景是抄襲頻發(fā)。AIGC時代，創(chuàng)作門檻降低，作品數(shù)量爆發(fā)，抄襲現(xiàn)象和版權(quán)糾紛大概率顯著上升。

UGC時代已經(jīng)驗證過，長此以往，不僅打擊原創(chuàng)者的創(chuàng)作意愿，對平臺生態(tài)不利；而內(nèi)容雷同或完全相同的視頻持續(xù)推薦，用戶體驗也會大打折扣。

針對這個場景，王長虎要做的平臺，就能為用戶側(cè)提供減少類似或雷同視頻分發(fā)的AI算法。

他還表示，這個聚焦AIGC的算法平臺搭建過程中，很大可能會利用AIGC技術(shù)提升效率。

上述所有都是王長虎的現(xiàn)階段思考，他才正式離職，剛剛開始籌備新公司事宜，新公司名為愛詩科技。

糧草先行，目前組建了10余人的初始團隊，也在招募核心技術(shù)和產(chǎn)品人才，為真正踩下出發(fā)的油門蓄力。

梳理他言語間透露出的規(guī)劃，能嗅到關(guān)于創(chuàng)業(yè)項目的信息點：

搭建這樣一個視覺多模態(tài)算法平臺，能夠支持AIGC新內(nèi)容，幫用戶解決內(nèi)容生成、安全、版權(quán)、分發(fā)、商業(yè)化等幾乎全生命周期的各項問題。

新的AI浪潮到來，王長虎身處其間，感知到變化，并打算在新事業(yè)從善如流地用上舊經(jīng)驗，包括但不限于GPU集群能力、服務(wù)調(diào)度能力、自動化模型訓(xùn)練能力，推斷能力等。

經(jīng)驗不會憑空出現(xiàn)，既有功力的來源，主要可以定位回他在字節(jié)跳動任職期間。

2017年，王長虎加入字節(jié)跳動。那時候人們對字節(jié)的感知，通過今日頭條遠大于通過抖音。王長虎加入之初，就是在字節(jié)內(nèi)部創(chuàng)業(yè)般，從0到1深度參與建設(shè)短視頻類產(chǎn)品。

此次To B和To C層面可能遭遇的各種問題，如降本增效、版權(quán)厘清、用戶體驗等，王長虎都在那時以技術(shù)或?qū)崿F(xiàn)或改善或解決。

再一次“從0到1建設(shè)技術(shù)平臺和產(chǎn)品”，王長虎表示，上述經(jīng)驗都可以一以貫之應(yīng)用在此次AIGC創(chuàng)業(yè)。

與AIGC緣起20年前的本科研究

新公司還在襁褓，王長虎不愿過多詳談，他更愿意談?wù)摰氖谴饲暗募夹g(shù)經(jīng)驗，當(dāng)然也包括“技術(shù)底色上滋養(yǎng)出的AI情結(jié)”。

這要從王長虎還是中國科學(xué)技術(shù)大學(xué)6系（電子工程與信息科學(xué)系）大四學(xué)生時聊起。

那是2004年，他做了人生首個研究，即根據(jù)一張或多張人臉圖片，生成該人臉的3D模型。此研究后來發(fā)表到國際會議上。

他不無興奮地說：

回看20年前，我此生做的第一個研究，就和AIGC有關(guān)。

同年，王長虎進入MSRA實習(xí)，中科大博士畢業(yè)后轉(zhuǎn)為正式員工，直到2017年離開。

13年間的工作內(nèi)容也與AIGC有千絲萬縷的聯(lián)系，他所在團隊研究的“神筆馬良”草圖搜索技術(shù)，可以基于海量圖像數(shù)據(jù)建立搜索引擎。

當(dāng)然，那時候生成式技術(shù)沒有成熟，業(yè)界對大規(guī)模數(shù)據(jù)的訓(xùn)練和處理經(jīng)驗也遠不如今日豐富，所以整個過程是在海量數(shù)據(jù)庫中尋找和草圖最匹配的那一張。

回憶此處，王長虎的語氣中多少帶了些感慨，因為現(xiàn)在的范式也是基于海量數(shù)據(jù)去訓(xùn)練一個模型，然后根據(jù)用戶輸入的文字或圖像信息，生成一張最匹配prompt的圖片。

△草圖搜索技術(shù)示例

都說十年磨一劍，但在微軟實習(xí)和工作13年后，王長虎毅然奔赴字節(jié)跳動，選擇的還是當(dāng)時并非招牌的視頻類產(chǎn)品。

為什么去字節(jié)？畢竟王長虎自己也承認，在微軟可以做世界上最頂尖前沿的科學(xué)研究。

但在微軟，科研項目應(yīng)用到公司產(chǎn)品需要的周期特別長。

他舉例分享，自己二零零幾年做的工作，若干年后才真正應(yīng)用在必應(yīng)搜索引擎，新技術(shù)很難在第一時間影響用戶。

但這一點在字節(jié)可以實現(xiàn)，再加上加入字節(jié)時，恰巧是短視頻類產(chǎn)品篳路藍縷打根基的時候——這也是字節(jié)AI Lab與其他大廠AI Lab的區(qū)別所在，即并非在產(chǎn)品成熟后才建立AI部門，也因此，王長虎有機會在產(chǎn)品0到1發(fā)展歷程中扮演核心角色。

公開資料顯示，字節(jié)跳動人工智能實驗室（AI Lab）的成立使命，就是推動機器智能的極限，致力于將AI理論研究快速應(yīng)用于產(chǎn)品部署。

現(xiàn)在翻看王長虎公開簡歷，字節(jié)任職期間，留下的足跡如下：

• 完整參與了抖音和TikTok等短視頻類產(chǎn)品從0到1的建設(shè)和發(fā)展；
• 建設(shè)了視覺技術(shù)和業(yè)務(wù)中臺，帶領(lǐng)團隊將相關(guān)技術(shù)廣泛應(yīng)用到字節(jié)跳動全線產(chǎn)品中；
• 為集團各產(chǎn)品提供AI技術(shù)支撐和業(yè)務(wù)解決方案，覆蓋了視覺相關(guān)產(chǎn)品內(nèi)容生產(chǎn)與消費的全流程。

期間，他搭建的數(shù)百人團隊，不僅有技術(shù)人員，還包含了產(chǎn)品同學(xué)。如果把微軟看成王長虎的技術(shù)練兵地，王長虎就把字節(jié)和龍湖的經(jīng)歷，看成是對他技術(shù)和產(chǎn)品兩方面認知的鍛煉。

△王長虎

和從字節(jié)去龍湖的原因一樣，選擇加入AI 2.0創(chuàng)業(yè)大潮，他的理由是“跳出舒適區(qū)”。

當(dāng)然，這一次的催動因素更復(fù)雜，譬如ChatGPT和Stable Diffusion的驚艷表現(xiàn)，以及自己從DL熱潮走來，對又一次“翻天覆地變化”的不容錯過。

他說，這個機會更大，不像元宇宙、區(qū)塊鏈是被一部分人看到，AIGC是多數(shù)普通人能看到和感受到的。言語間，王長虎又傳遞出自己對“新技術(shù)快速影響用戶”的看重。

如今離職創(chuàng)業(yè)，他又有機會身體力行地這樣做了。

參考鏈接：
[1]《草圖搜索的魅力與挑戰(zhàn)》https://blog.sina.com.cn/s/blog_4caedc7a0102en29.html