输入指令：猫，困惑，故障艺术，一副创意作品就这样产生，用时不到30秒。
这正是全球爆火的AI作画。利用AI绘画工具，你只需输入不同的词汇，例如不同的艺术家风格、构图、色彩、透视方法以及修饰词，就能快速得到符合词汇主题的画作。你可以充分发挥自己的想象力，而任何一个关键词的变动都可能产生完全不一样的结果。
AI绘画的爆火，贴合了人们亲近艺术的追求。绘画创作原本是小众的专长，多数人只能望而赞叹。现如今只需提供几张画作参考，并输入个性化词条，每个人都能拥有自己的作品。你可以大胆地将一束花变为美少女，抑或是将梦中模糊的光景记录下来。AI绘画降低了构图作画的门槛，让更多的人能够体验艺术创作的乐趣。
AI绘画作品流入市场，一定程度上改变了业态。圈内流传着一则玩笑：“7月份，某画师还在鄙视AI作品，9月份就已经被抢走生意。”这反映出AI进步之快与适应能力之强。现如今，AI能够为画师提供底稿，精简艺术创作流程，或是直接为快消宣传供稿。可以预见，成熟的AI绘画在大数据的支持下能够紧跟市场导向，戳中多数人的审美点。
在Disco Diffusion上使用不同艺术家风格基于同样两句描述语所生成的不同风格AI画作
实际上，AI作画这项技术并不新鲜，但是文字转图片这种形式将创作门槛拉到了足够低，得以让很多人体验用AI进行艺术创作。
社交媒体上，抱着猎奇心态的用户惊讶于AI在绘画领域已经实现的惊人创造力，但在另一面，人类对AI的焦虑感再度爆发。
2022年8月，美国科罗拉多州博览会的一项艺术比赛中，一位游戏设计师用AI绘画工具midjourney创作了一幅《太空歌剧院》画像，并获得了艺术比赛第一名。该消息引发了画师群体对于人工智能创作的剧烈讨伐：人工智能能否正义地利用画师的成果进行模型训练？与人类在绘画上同台竞技是否公平？是否会对画师职业形成巨大挑战？
不安的情绪还蔓延至其他领域。一个月后，一位学生沮丧地声称OpenAI GPT-3模型替自己撰写的论文获得了全A成绩，帖子发表后快速登上推特热搜，众多教授开始表达对于人工智能论文的担忧。GPT-3模型能够支持用户仅仅输入一些关键词句指令，帮助输出任意一篇诗歌、散文、新闻报道和创意小说。
过去很长一段时间，人类对AI的想象建立在有足够安全感的基础上，因为受技术所限，AI在创造力上几乎没有什么真正意义上的进展，更多地在替代人类从事那些可重复性高的“dirty work”。
但现在，一切正在改变。
AIGC解锁新世界
2018年，一副由人工智能生成的肖像画在佳士得被拍出了43.25万美元，成为世界上首个出售的人工智能艺术品。
《Edmond de Belamy》
画面中的男人面目模糊，身穿黑色袍子，有着浓厚的中世纪风格。右下角的作者署名区，显示着一行数学公式，以告知人们这是人工智能所作。
为了“画出”这件作品，它的创造者Obvious组织成员利用了一个名为“生成性对抗网络”（Generative Adversarial Network，GAN）的模型，用1.5万个十四世纪至二十世纪之间的肖像画数据对模型进行了投喂，直到产出的图片通过图灵测试。
这幅画的拍卖在当时引发了众多关注。Obvious组织趁势提出了一个直击人心的口号：“创造力不仅属于人类”。它们想要证明， AI也能成为一等的艺术家。
AI作画是AIGC（Artificial Intelligence Generated Content）里面的一个分支，指的是一种通过AI技术来自动或辅助生成内容的生产方式。通过输入指令，人类让AI去完成冗杂的代码、绘图、建模等任务，从而生成内容。
除了AI绘画，如今的AI还可以解锁写诗、作曲、换脸、捏脸等等需要创造力的工作。
今年9月，Meta公司推出了Make-A-Video人工智能系统，它可以利用几个关键词或几行文字描述生成一个几秒钟的短视频，甚至还能通过给定的视频或图像，来制作视频。
10月，在一档人工智能博客节目中，已故的苹果创始人乔布斯竟然成为首位嘉宾，与美国知名播客主持人Joe Rogan进行了一场长达20分钟的交流，讨论了乔布斯对大学、计算机的看法以及工作状态、信仰等。这档名为podcast.ai的节目将乔布斯的传记和网络上的录音，用Play.ht模型进行大量训练，最终产生出与乔布斯对谈的内容。
继专业生成内容（Professional Generated Content，PGC）和用户生成内容（User Generated Content，UGC）之后，AIGC正在成为一种新型生产方式。
9月举办的2022万象·百度移动生态大会上，百度发布了一组“AI打工天团”，覆盖了各种AIGC应用，包括AI自动生成文字、图片，图片转换成视频。百度称，这个团队里不仅有文案、插画师，还有视频制作人，熬夜加班的活儿都可以交给AI。
更早之前，海外微软“小冰”的音乐已经实现旋律、编曲及歌词端一体化；2019年，中国平安AI作曲在世界AI作曲国际大奖赛中获得第一，创作AI交响变奏曲《我和我的祖国》；今年年初，网易利用AI系统成功制作出两首国风作品《耀染先农》和《春启正阳》。
红杉美国的两位合伙人在一篇题为《Generative AI: A Creative New World》的报告中表示，机器开始尝试创造有意义和美丽的东西，这个新类别被称为“生成式AI（Generative AI）”，这意味着机器正在生成新的东西，而不是分析已经存在的东西。
图源：《Generative AI: A Creative New World》
这份报告中显示，从2020年到2025年，AI生成的技术将会不断成熟，逐步可以生成文字、图片、语音、代码、视频以及游戏模型等等，而社交媒体、设计、游戏、代码生成等行业将迎来革新性改变。
AI作画为何突然爆火？
AI作画的热潮已经显现在资本市场。
2022年上半年开始，加入AI作画赛道的厂商越来越多。在国外，半年内涌现出Stable Diffusion、Disco Diffusion、DALL-E2、Mid Journey、Photosonic AI多家AI作画公司。国内，Tiamat、蜜度、百度文心、6Open等一批公司开始对外推出相关产品。
它们的迭代速度非常之快。“今年5月之前，AI所能生成的还是几乎没有商业价值的图片，但现在已经进入准商用级别了。”Tiamat创始人青柑告诉界面新闻记者，在早期研发特色管线的过程中，需要对数据、反馈系统进行不断调整，但是跑通一个管线之后，就会快速迭代，根据不同商业化场景进行管线定制。
这使得该赛道迅速成为资本圈的新宠。10月18日，上线仅两个月的AI作画平台StableDiffusion，产出作品超过200万张，其背后公司StabilityAI获得新一轮1.01亿美元融资，公司估值突破10亿美元，成为新晋独角兽企业。10月，国内AIGC初创公司Tiamat宣布获得来自DCM的数百万美元天使轮。
AI展现绘画、写诗等技能，本质上属于自然语言生成Natural Language Generation（NLG）的应用，是NLP自然语言处理技术的一大类任务，已经应用了将近30年。
但用Tiamat创始人青柑的话说，过去对AI的运用“更多像是学术界的自嗨”。而今年AI创作的技术因为一种呈现为文字转图像（Text-to-image）特性的崭新交互方式，允许大众开始参与自主创作，不仅仅停留在实验室和科技展会中的Demo。
多位AI作画厂商向界面新闻记者分析，AI作画能够快速成为低门槛的产品背后，主要是底层模型技术的革新。
传统AI绘画的的技术原理是生成对抗网络（GAN）或VAE等。而GAN作为上一代AI绘画工具与平台最主流的图像生成模型，在模型训练方面已经有了很大的突破，但在实际应用的过程中仍然拥有严重的结构性问题，比如当用户希望生成“眼睛长在鼻子下面的人脸”，或“戴着用鲜花构成的眼镜”这种域外（Out-Of-Domain）的结果时，GAN通常会失效。
而在操作上，这类模型一般由用户提供草图，由GAN模型将其转化为真实的风景图像，用户无法通过文本影响生成结果。
直到CLIP与Diffusion模型开始出现并相互结合，文字直接生成可以商业落地的图像才成为可能。
Diffusion指的是一种去躁扩散模型，其工作原理就是先给一幅画面逐步加入噪点，一直到整个画面都变成白噪声，再记录这个过程，然后逆转过来给AI学习。而AI所看到的是全是噪点的画面如何一点点变清晰直到变成一幅画，通过学习这个逐步去噪点的过程来学会作画。
由于Diffusion适用于具有大量不同和复杂数据的学习模型，从而解决了GAN的问题，因此，Diffusion对图像生成效果的提升十分显著，数字生成的痕迹也得到了有效削弱，用户自己可选执行步数，步数越多图像越精细的特点也激起了更多的“硬核”需求。
CLIP是一种跨模态的图文，这个模型的使用可以允许用户通过文字的形式实现AI作画。它的原理是使用已经标注好的“文字-图像”训练数据，一方面对文字进行模型训练，同时对图像进行另一个模型的训练，不断调整两个模型内部参数，使得文字特征值和图像特征值能让对应的“文字-图像”确认匹配。
“因为底层技术的突飞猛进，AI绘画输出的画面在这短短的半年内，从最初的较为粗糙快速迈入了准商用的高完成度。” AI数据智能应用公司蜜度CTO刘益东告诉界面新闻记者。前不久，基于自研的自然语言处理和图像生成技术，这家企业刚刚推出了自己的AI作画应用“蜜小度”，并且正在积极筹备2.0的商用版本。
不仅如此，技术的进步让AI绘画开始逐渐具备艺术性。“过去学术界评价标准是我所生成的图像与文本含义有多接近，而不是作品本身有多少艺术价值。” Tiamat创始人青柑称。
除了模型层面的突破，推动AI作画发展的还有数据和算力层面的快速进步。刘益东表示，过去的AI作画训练中一直缺乏相应的训练数据集，要训练AI必须要有千万级规模的高质量“图文对”（image-text pair），让AI在大脑中能够将文字与图片的意思进行匹配连接。而近年来，由于大量创作者的加入和互联网的发展，互联网中可训练的数据集变得更加丰富。
在上文提到红杉的报告中，红杉的两位合伙人认为，由于Diffusion Models的应用以及算力成本的下降，生成式AI已经变得更好、更快、更便宜。接下来，“杀手级应用该出现了”。
AIGC的商业空间
在商业上，AIGC的巨大想象力主要集中在内容创作与元宇宙当中。
在内容创作领域，生成式AI被寄予厚望。百度创始人李彦宏表示，AIGC是PGC、UGC之后，全新的内容生产方式。它不仅会提升内容生产的效率，也会创造出有独特价值和独立视角的内容。
虽然众多AI作画厂商仍处在快速迭代产品的测试期，商业化模式非常早期。但是对于部分B端客户来说，AI作画的吸引力十分之大。
在没有任何BD的情况下，不到半年时间，Tiamat已有数十家B端客户，并与知名科幻IP、央视网以及《时尚芭莎》、《嘉人》等一线时尚大刊建立长期合作关系，与众多头部游戏公司，特别是与持有故宫文化相关IP的非遗文化IP机构知造局等开展了战略合作。
当然，更有想象空间的商业化场景在于元宇宙，这也是AIGC被资本热捧的重要原因。元宇宙中需要建设生成大量的建筑、场景、人物等等各种虚拟资产，对于这部分工作，AI是最适合的完成者。
比如，RCT Studio打造的Morpheus引擎能够通过深度学习，输入目标文字即可渲染成3D资源和动画，这被视为通过AI在元宇宙中低成本构建小型场景初具技术基础的信号。以及，众多虚拟人公司利用AI生成数字人化身、驱动数字人的面部表情变化，AI驱动的数字人化身逐渐成为现实。
在现实生活中，生成式AI在医疗保健、数字商业、制造业、农业等多个行业都有丰富的应用前景，如帮助医生检测X射线、CT等设备扫描中的病变、辅助检测产品质量等等。
不过，AIGC整体仍处于早期阶段，生成式AI仍有很多问题需要解决。
以发展最快的AI作画行业来看，首先需要解决的是版权问题。训练AI需要大量的图文对数据，AI创作的画作会包含这些可能产生版权纠纷的元素，这限制了AI作画在商业化方面的进一步发展。一位游戏制作人对界面新闻表示，版权风险是他坚决不考虑用AI作画的原因之一。
一项抽样分析显示，国外最受欢迎的AI作画平台之一Stable Diffusion模型学习了超过50亿条图文对数据，而它所用到的数据集里，大量图片来自Pinterest、Flickr等UGC内容平台，以及Getty等商业图库网站。
Midjourney创始人David Holz在接受采访时曾表示，Midjourney现在的训练数据基本上都是来自于互联网所有能得到的数据、文本和图像。但他本人也不太清楚这些被拿来训练AI的数据是否有版权保护。
因此，许多画师正在抗议自己遭受到了AI的抄袭，并要求退出AI的训练。不过，这些纠纷目前并没有明确的法律依据支持，AI作画仍处在一个灰色地带。
为了最大程度避免潜在的版权纠纷，部分AI作画公司正在积极探索解决方案。Tiamat创始人青柑介绍称，目前Tiamat的做法是首先在训练层进行规避，在数据集中清洗掉大量有版权以及带有明显IP的素材；同时，对于可能存在的版权风险，在产生的画作结果当中对用户进行风险提示。之后，Tiamat希望能够跟一些画师或者艺术家直接合作，让他们来上传自己可以被利用来训练的数据，之后再通过分成或者直接购买的形式来购买一项类似于“AI训练使用权”的权益，从而解决一些当代艺术家的问题。
多位业内人士表示，当下AI作画的发展速度太快，在AIGC的知识产权层面，应当需要业界、学界和相关政策部门共同去探讨，寻找比较好的解决方案。
AIGC在底层的关键性技术仍需摸索。信通院2022年发布的《人工智能生成内容（AIGC） 白皮书 》指出，当前AIGC关键技术不够成熟。人工智能算法在透明度、鲁棒性、偏见与歧视方面存在尚未克服的技术局限，导致算法应用问题重重。此外，在音频、视频、图片、文字等形式的内容编辑与创作技术方面存在机械性问题，离流畅、拟人的感性表现仍有距离。
红杉在报告中写道，“生成式AI应用的第一波浪潮类似于iPhone刚出现时的移动应用场景——有些噱头但比较单薄，竞争差异化和商业模式不明确。然而，其中一些应用程序提供了一个有趣的视角，让我们可以一窥未来可能会发生什么。”
报告中的另一段话则更好的为生成式AI应用的未来做了注解：
生成式AI将深深融入我们的工作、创作和娱乐方式，例如备忘录可以自己写，3D打印任何你能想象的东西，从文字到皮克斯电影，像Roblox类似的游戏体验来快速创造出丰富的世界。虽然这些在今天看起来像是科幻小说，但科技进步的速度是惊人的。从微小（narrow）的语言模型到代码自动生成只用了几年时间，如果我们继续沿着这个变化的速度，并遵循“大模型摩尔定律（Large Model Moore’s Law）”，那么这些遥不可及的场景就会变得触手可及。