AI绘画爆火之后

　　最近科技界的一大热点就是AI绘画，此前，人工智能在各行各业的应用已经不是什么新鲜事，但大多数都是执行程序化的指令。这次在创意设计方面，人们发现了机器可以做得更好，不得不说，人类被取代的日子越来越近了。
　　在9月的一个绘画比赛中，一份名为太空歌剧院的作品在几百份作品中脱颖而出。等到作者领奖时大家才发现，该款作品原来不说画家自己画的，是AI创作的，这似乎脱离了绘画的范畴，引起其他画家的争议同时，也顺利地让AI绘画出了圈，原来算法在创意创作领域已经到了这么好的程度。
　　目前各大随着AI绘画的关注度高了起来，作为投资者，也应该对这些产业的最新趋势保持嗅觉，看看未来会产生怎么样的商业机会。
　　一、机械化创意制作的革命
　　AI绘画的表现形式主要是文字转图片，给定相应的关键词，来随机生成一组图片，当然，也可以用图片转图片，实现不同图片间画风的转变，但这个并不是什么稀罕功能（约等于滤镜）。所以AI绘画更精确的说法是：文字转图片。因为没了文字描述，画也无法出现。
　　AI绘画进化速度可谓相当惊人。
　　2021年1月，美国著名人工智能实验室OpenAI推出了DALLE算法，这个算法可以通过自然语言的描述创造逼真的图像和艺术。而在今年2月，DiscoDiffusion算法推出，主要的原理就是靠点的扩散的机器学习来模拟绘画过程。到了今年4月，DALLE22代推出，已经可以实现非常完备的文字转图像功能。
　　直至9月，就是上面说的这个比赛中，参赛者使用了midjourney一个开放的AI绘画平台，按照描述作画，几经修改，最终出产了获奖作品。
　　也就是说，它只用了两年不到的时间，就培养了一位绘画大师。而且这位绘画大师会不断进步，还会长生不老。
　　但这位大师还欠缺一点自己的思考。
　　作一幅构思精妙的画，怎么产生收益呢？目前只有单纯的观赏价值，这就跟百度谷歌搜图没什么不同了。
　　在图画商业化的领域中，一般是用在宣传展示、影视、漫画等媒体创作领域，但在这些行业，绘画需要传达的是很多具体的情感，而AI绘画除了画画以外，很多东西是无法完成的。
　　例如一篇漫画，需要塑造角色形象、故事情节走向。显然，AI无法把握这些人设，故事的部分，它只能做的就是在设计角色形象的时候，给予灵感帮助。
　　又或者，我们要想要一副用图文共同表达内容和思想的画，例如一张宣传海报，但显然，它不可能真的完全做出来一张有字有图的海报，基于文字转图片的算法和文字之间会开始出现字义混淆，而通过图片方式传达复杂的情感，例如用图片暗示一些事情等，AI也很难单靠扩散算法去做好。
　　AI的优点在于极快时间内完成一幅图片构思精美，细节丰富，而且人很多时候不一定能想得出来的创意十足的画。
　　简而言之，机械式的创意劳动，如绘制人物、模型、版型等，用AI进行替代非常合适。而且其细节完成度高，可以大量节省原来绘制这些细节重复繁琐的时间。也就是说，未来的绘画设计，形态可能会发生改变，很大程度上不再是一一张空白的画布开始，而是从足够多的AI创造图片里面遴选出一张值得修改的，然后不断调整，最后得到自己想要的结果。
　　但就这个方向而言，还有很多的细节需要补充。例如针对不同行业，不同人员的细分绘画AI需要分化，而终端面向哪些客户群体收费，实际购买力有多大，如何平衡算力的高成本，这都是使得绘画AI最后能否顺利进入生活中的方方面面的关键。
　　在可视的未来的一段时间内，AI绘画还是会作为网络图库的一种补充来使用。
　　但可以肯定的是，这不会革画家的命，这反倒让他们的作画更快捷了。因为ai作图后的修改，也只有画家能继续完成。而设计图片的立意等，这也是人才能完成的工作。
　　就像汽车没有消灭马车夫，而是让他们当汽车司机罢了，画家和设计师可以利用ai快速完成自己想要的作品，这是很好的变化。
　　而除了文字转图画，大量涉及这些模态转换的相关算法也在快速发展中，大量机械化的设计工作也在逐渐被简化。
　　如视频配音里常见的男声（多见于短视频里的电影片段讲解），就来自一个文字转语音的算法，这个已经非常普遍存在于各种app里面。
　　而各大办公软件也开始内嵌一些文字描述图片的AI功能，这就是图片转文字。而在ppt设计和excel制表等方面，自动设计和自动制数据图的算法也在不断地迭代中。因此，可以说，AI绘画和这些其他AI，都代表了目前机械化设计工作变革的趋势。
　　而现在生物领域很火的AI，Alphafold，一个基于大量算法来还原蛋白质形态的AI：其核心也是一样的，通过对大量的人类已知蛋白质结构的氨基酸的分析，来实现输入已知氨基酸序列即可输出蛋白质3D结构的复杂过程。清楚地知道了蛋白质结构以后，基于此便可进行针对性研发，大大加强了药物开发的速度和成药概率。
　　在此前，蛋白质由于折叠形态复杂，研发者很难去单凭氨基酸序列去描述它（就像把一篇文章的字全部乱序打散，然后从单纯的乱序字中推测文章内容）。尤其是一些观察不到，只知道氨基酸序列，但对于疾病治疗关键的蛋白质。
　　过去半个多世纪，人类一共解析了五万多个人源蛋白质的结构，人类蛋白质组里大约17的氨基酸已有结构信息；而AlphaFold的预测结构将这一数字从17大幅提高到58；因为无固定结构的氨基酸比例很大，58的结构预测几乎已经接近极限。这是一个典型的量变引起巨大的质变，而这一量变是在短短一年之内发生的。
　　而在工程设计领域，例如建筑，工业机器设计等，这些AI都用得上，应用AI绘画的思想，只要解析的案例足够多，就能给予这些设计者在开发过程中极大的帮助。
　　可以说，未来将是产品设计无比快捷的时代，大量设计的工作将与AI相辅相成，而AI工具的强大也使得提供这些技术的公司必定有巨大的发展潜力。
　　二、更多的AIGC
　　从AI绘画也可以看出，目前生成式AI将变得更为普遍。有了绘画AI的存在，理论上全世界的画作数量已经扩充为无限大。
　　所谓的生成式AI：通过各种机器学习（ML）方法从数据中学习工件的组件（要素），进而生成全新的、完全原创的、真实的工件（一个产品或物品或任务），这些工件与训练数据保持相似，而不是复制。
　　如游戏里面的随机关卡，是大家最常接触的AIGC之一。大部分的内容创作思考的时间长，但AI创作一种随机内容的速度可以很快（只要算力足够大），所以当技术发展得越成熟，理论上机器生产差异化产品的速度将远高于人类。
　　现在在绘画AI发展以后，人们再研发一些能自己生产文字内容、故事、情节的AI，而目前自动生成配乐的音乐AI已经非常完备。再把图片和故事，还有配乐结合一下，自然，生成式的视频AI也就出现了。
　　这种业态下，AIGC就成为了人类的下一个未来方向，由机器自动产生内容。人类大部分的娱乐创作将变得更加数字化，很多低端的创造性的职业，也都大都可以被取代，这也是不亚于智能架势以外的一个大量解放生产力的方式。
　　当然，在这之前，最好先看到视频AI的出现，但从图片到视频，显然这还有很长的路要走。
　　三、结语
　　最后回到商业化部分，很多AI的使用都是工具化的，就像计算器一样，寻常地进入每个人的生活，它不一定会造就什么商业机会，但确实让每个人的生活都变得简单了。
　　就像推荐算法，它现在几乎存在于每个APP里，可以说是任何公司都能掌握的AI了，用大家都会用，也就没什么稀缺的。
　　但抖音也凭借着这个AI和短视频的结合，最终成就了一代互联网超级巨头。
　　因此，绘画AI，也许有的公司可以因此开发一个技术领先的平台，从而实现新一代的制图工具，对Adobe等进行降维打击，这也提供给来后来者甚至是国产软件公司弯道超车的机会。就如科大讯飞一样，凭借语音领域AI的优势，做到非常可观的规模。
　　不过也许巨头们也会自我革命，率先在自己的产品里面推出AI功能，如微软的Office，就已经开始推出各种AI生产图表，AI生成版面设计的功能，倘若这样，后来者们继续在这个赛道进行竞争也很难了。
　　所以关键是AI技术如何实现落地，打开多大的市场空间，是否有公司能出现明显的技术差距，还有已在赛道内的巨头们反应如何，运气好的话，我们将在几十年后见到下一个微软或者Adobe。
　　而另一方面，每个行业AI的出现在未来是毫无疑问的，这也使得对算力的要求前所未有地高，服务于人工智能的基建设施，尤其是低功耗低成本的硬件，同样是保证行业可以平稳发展的关键，因此，半导体的继续向前发展的确定性也是毫无疑问的。
　　基于目前看到的令人振奋的绘画AI及其他各式各样AI的表现，软硬件的共同进步驱使一个更加高效运作的人类未来蓝图已经展现在面前，对于投资者来说，我们值得对未来的世界保持更乐观的心态。