来源：量子位
大模型模式，正在新一波AIGC的浪潮里被再度验证。
从AI画画的出圈，到现如今ChatGPT的火爆，面向大众的爆款产品接口背后，无不是大模型技术的突破创新。
而当这种“大力出奇迹”的技术路径价值愈发凸显，行业内外也不禁好奇：
AI绘画、ChatGPT版搜索之后，下一个大模型的爆发点会出现在何处？
遵循技术规律推测，可以预见的是，视频领域的技术革命已近在眼前：
从技术的角度来说，在大语言模型迭代进化的同时，谷歌、Meta等大厂在视频自动生成领域已有更深层的探索。
而从商业的视角来看，中信建投就在报告中指出，AIGC在文本、音频、视频、游戏等等行业中，成长空间巨大。
量子位智库也预测，AI生成视频将在5年后迎来较为广泛的规模应用。
△图源：量子位智库
AIGC下一站：视频生成
不妨先展开看看相关领域的技术进展。
谷歌：Phenaki和Imagen Video
就在ChatGPT刷屏之际，谷歌AI生成的一段视频突然爆火，一时分走不少讨论度。
背后的AI模型名为Phenaki。只需提供一段提示词，这个文本转视频（Text-to-Video）模型分分钟就能生成长达两分钟的视频。
不仅时长远超早期的文生视频模型，Phenaki生成的视频还颇具故事性。
比如给它这样一段场景描述：一只逼真的泰迪熊正在潜水；随后它慢慢浮出水面；走上沙滩；这是镜头拉远，泰迪熊行走在海滩边篝火旁。
就能得到一个这样的视频片段：
除此之外，谷歌还推出过基于扩散模型的Imagen Video。其特点是分辨率高，同时可以理解不同的艺术风格和3D结构。
Meta：Make-A-Video
在“拿嘴做视频”这方面，Meta也有所布局。
Meta的文生视频模型名为Make-A-Video，同样是文本图像生成模型的升级版，主要由三部分组成：
文本图像生成模型P时空卷积层和注意力层用于提高帧率的帧插值网络和两个用来提升画质的超分模型
不仅给出一句“马儿喝水”，Make-A-Video就能生成出一段“纪录片”画面来：
这个AI模型还具备将静态图像转成视频、根据前后两张图片生成一段视频，以及基于一段原视频生成新视频的能力。
百度：VidPress
国内，百度也把文心大模型的能力，运用到了智能视频合成平台VidPress中。
VidPress能够实现图文自动转视频，即把文字脚本、视频内容搜索、素材处理、音视频对齐，以及剪辑这5个步骤自动化。
其中涉及的语义分析、素材相关度打分等环节，就都是基于文心大模型训练实现的。
从技术的发展可以看出，在语言大模型、图像大模型之后，多模态大模型已经成为了新的趋势。视频就是其中具有代表性的一个应用领域。
而从商业化的角度来看，文化娱乐、教育、传媒等诸多领域，本身就对基于AI的可视化内容有强烈需求。
根据中信建投对各类内容未来可AI制作比例的测算，在视频成为信息主要表达载体的当下，无论是在游戏、短视频、直播，还是影视等领域，AI视频内容生成都将成为AIGC的主要关注方向。
并且在2022年，DALL·E、Imagen、Stable Diffusion等多个高质量文生图大模型的“轰炸”之下，一个新的市场规律已经得到验证：
当生成质量提高到专业水平时，原本AI生成内容的商业化瓶颈，如变现困难等，将得到突破。
哪些公司是潜力股？
机会自然属于有准备的人。
比如，Image Video的核心团队就已经从谷歌出走创业。据VC爆料，首轮估值1亿美元。
而除了前文提到的已有革命性技术储备的科技巨头外，还有两类公司值得关注。
其一，是具备数据基础和应用场景的公司。
在这一方面，行业中的大公司普遍更具优势。比如国外的网飞、迪士尼。
以网飞为例，公开资料显示，在2012年时，网飞就已拥有数十亿条会员评价，每天能新增百万级别的视频播放信息，包括观众的观看时长、播放设备等等。
事实上，基于如此庞大的独家数据，网飞已经在产品中尝试用AIGC替代标准内容制作。比如影片的缩略图，就是网飞采用AI算法，从影片中抽取符合用户观影习惯和需求的画面生成的。
就在今年2月初，网飞还发布了一支AIGC动画短片《犬与少年》。其中动画场景的绘制工作，都是由AI完成的。
同样，国内短视频行业两大巨头抖音和快手的动向，也值得关注。
目前，字节跳动的视频编辑工具剪映，以及快手的云剪，都已上线图文成片、文字转视频的功能。用户只需输入几个关键词或一段文字，AI就能自动搜集素材剪辑出一段视频片段。
其二，就是在垂直细分赛道上具有技术储备的公司。
比如国内的智能视觉技术企业影谱科技，成立之初就是以人工智能视觉技术产业化为主要目标，早在2018年就发布了基于生成式AI技术的AGC智能影像生产引擎，这也是国内较早提出的生成式AI的技术框架。
影谱科技的AGC通过MCVS技术(Moviebook Motion Capture from Video System)对现有视频的关键帧进行抽取，理解、关联及预测等处理，将视频内容分割为像素及子像素维度的结构化数据，并自动完成标记，即形成了对视频中各种内容的自动化理解和标注。接下来，利用3D虚拟重建等计算机图像技术，通过视频内容自动化生产引擎MAPE(Moviebook Auto-Production Engine)生成全新的视频，该方案融合了人工智能多模态语义理解，并利用深度学习实现视频自动化加工以及视频的同步生成，创新了视频影像生产方式。
这使得AGC可在极短时间内生成一段个性化视频内容，亦可以对拍摄视频进行重构，如自动锚定关键帧，根据帧内容生成原图像中没有的、无违和感的内容，再智能化生成一段AI视觉内容。
据公开数据显示，影谱科技AI生成引擎生成一段60s视频的总成本与传统方式相比降低79.8%上述，而生产率最高可以提高百倍上述；检索一段60s视频内相似帧图像或特定图像，所需总成本与人工相比降低99.73%，而错误率降低10倍上述，目前主要应用于政府服务、企业、科教、泛娱乐、媒体、文旅等领域。
例如，在视频采集和生产阶段，可实现主体识别、跟随拍摄、画质修复、自动剪辑、视频自动生成等功能；在分发阶段实现智能审核、个性化推荐等；在用户体验方面，结合数字孪生技术综合使用，实现数字内容、数字空间、数字人的高效生产及可视化互动等功能。
目前AGC在诸多行业的应用已十分广泛，随着与行业的数字化融合不断加深，未来发挥的作用也将愈加明显。
p.s. 前文提到的网飞AIGC短片，还有小冰公司的参与。
ChatGPT之火，正在加速AIGC走向成熟
不得不说的是，尽管ChatGPT的火爆，让大模型时代的AIGC获得了空前关注，但AIGC产业，还只能说是一个“新生儿”。
根据Gartner发布的2022年新兴技术成熟度曲线，生成式AI目前还处于“技术萌芽期”，预计距离生产成熟期还有5-10年的时间。
但随着大模型这样的技术底座作用愈发凸显，越来越得到重视，不可否认的是，这个新生儿成长态势正呈现出一种加速状态。
并且，经过文生图、ChatGPT的验证，AIGC在其他垂直领域中的可拓展空间已经可以预见。
量子位智库预测，2030年，AIGC市场规模有望超过万亿人民币。
在这个过程中，如何抢占先机，将成为中国产业界亟需关注的命题。
至少，像影谱这样的垂直赛道种子选手，就已经得到国资基金的重视：具备国家社保基金、中央企业、国有银行、地方国资等出资背景。并且D轮融资13.6亿人民币，创下人工智能视觉生产领域的中国最高融资纪录。
这一回，我们能否走在世界之先？
— 完 —
上一篇
