「AI畫畫神器」引爆行業，這家AIGC公司背后有何秘訣？

　　受訪嘉賓：ZMO.AI 創始人&CEO 張詩瑩

　　AI具有想象力與創造力嗎?

　　“Yuan初”創始人張詩瑩的回答是“Yes.”

　　“Yuan初”的母公司，張詩瑩所創辦的ZMO一直致力于利用AI來進行圖片、視頻等內容的直接生成——是的，幾個關鍵詞就足以讓AI自動生成圖片或視頻，除ZMO剛剛上線的中文版產品“Yuan初”（https://yuan.zmoai.cn/）之外，這種嶄新的內容創造機制已經在歐美流行起來。

　　AI的創造力，是一點點被ZMO團隊“發掘”的，它可以創造出“不合常理”的事物，例如像豹子一樣的兔子，狗狗和面包的結合，也可以創造出超脫于當今創作者的新風格。

　　“Yuan初”的初心并非僅僅是想象與創造，而是希望實實在在地解決用戶的需求，從大V、博主與UP主到新媒體小編，以及所有需要海報、包裝設計、產品展示的從業者。對他們來說，一些設計圖的初始版本已經可以交給AI來完成，設計師可以從事更加重要的創意工作，互聯網的內容生產也許不再是一件門檻過高的事情。

　　1- Diffusion model技術突破帶來的革命

　　在推出“Yuan初”之前，張詩瑩的團隊一直在生成式AI(Generative AI)這片領域探索，并且小有成就。轉折點發生在2022年4月，當時行業掀起了一場不小的風暴，“AI生成”技術嶄新的算法框架出現了。

　　Diffusion model框架的理論基礎在2015年已經被提出【1】，直到最近1-2年開始在圖像生成的效果上有了很大突破【2】，開始被大家關注，成為學界的新寵。同時，在“文本-圖像”跨模態大模型的加持下，Diffusion model更是在文字生成圖片這一應用中大放異彩，受到業界與資本的追捧。生成模型領域在過去近8年時間里，大多數任務的SOTA一直都是GAN(生成對抗網絡)框架霸榜。GAN通過對抗學習的方式，同時訓練一個判別器和生成器，兩者互相對抗互相促進提升，最終目的是讓生成器生成出以假亂真的真實圖像，讓判別器難以判斷是真是假，以達到納什均衡。

　　文字生成圖片這一應用在GAN框架中也有被廣泛研究，不過從生成質量以及圖文匹配度來說，都還離實用化還有很大距離。其原因主要在于三點：

　　1）GAN在生成圖像時直接一次性完成從噪聲/條件到最終結果的生成，這種一步到位的方式難度很大；

　　2）GAN本身基于的對抗學習訓練方式并不是*的，容易陷入局部優化的困境，并且在學習復雜數據分布時容易訓練失敗；

　　3）缺乏大模型的加持，文本與圖像多模態之間的關聯性難以充分學習，導致在非限定場景中的效果較差。

　　張詩瑩這樣解釋Diffusion model的算法框架優勢：Diffusion不是直接在噪聲和圖像直接進行映射，而是通過逐級前向加噪和逆向去噪的過程實現噪聲和圖像直接的映射。這種AI學習之后，就可以生成非常精美的圖片，讓生成效果提升一個臺階。此外在跨模態大模型的幫助下，AI能夠和用戶通過自然語言進行簡單的交互，生成用戶心中所想的高質量圖像。

　　Diffusion model的算法框架在北美火爆了一把，很多人通過其中的開源框架來推出自己的新一代“生成工具”。ZMO團隊也看到AI生成可能會改變未來的很多事情，因此上線了“Yuan初”（yuan.zmoai.cn）。

　　讓機器來畫圖、做視頻，聽起來是一件有些神奇的事，但長遠來看它將解決重要的剛需——這是張詩瑩的理解。她認為人們在虛擬世界里流連的時間越來越多了，一個在真實世界里盯著電腦或手機的人，消費的是虛擬世界的文字、圖片或視頻，而理所當然的結果就是虛擬世界之中文字、圖片或視頻的需求量正在指數級增加。不僅需求量提升，對質量的要求也非常高，只有新鮮的、吸引人的才是好的。

　　那么這些文字、圖片或視頻內容還能從哪里供給呢，張詩瑩認為，如果只有小部分人是專業創作者，那么生產速度是永遠趕不上需求速度的。但每個普通人都可以依靠AI生成內容。在嘗試AI生成階段，她還發現AI這個“靈魂畫手”具有讓人驚艷的創造力，也許大家低估了AI的能力邊界。

　　在圖片這個切入口之后，張詩瑩的ZMO團隊最近也在研究海外的AI文字生成器，這些生成器在國外已算是風靡，迅速走向了商業化，Airbnb等企業也是它們的客戶。

　　AI不僅是“靈魂畫手”，也可以是“靈魂寫手”，給一個標題和幾個關鍵字，生成的AI文字甚至可以“以假亂真”。張詩瑩覺得很有意思的地方在于，如果給AI一個命題，AI甚至可以在文章開頭“自問自答”這個概念的含義，而它寫出的含義是在Google上搜不到的。換句話說，這是AI自己所“理解”的概念，通過理解再進行與其他概念的關聯而感受到概念與概念之間的關系，再去自動生成。

　　既然AI可以自行創作，那么這個話題往深處展開，很容易讓人疑惑：它是否會替代創作者?張詩瑩給出的解釋是，AI能夠將創作門檻降到*，甚至由于機器學習可以了解人們最感興趣的信息與最喜歡的圖像，而使得AI作品更抓人眼球，做出真正高流量的爆款作品。但AI沒有自己的觀點，因此它只能做一個幫手，而不是創作的主角。

　　ZMO團隊持續嘗試AI生成的驅動力是讓每個人成為創作者。因此，他們正在打造使用難度低的產品，而想要降低圖片素材的門檻，不僅可以生成，還可以直接更換元素。例如“Yuan初”的新功能photo  editing可以支持用戶直接擦除圖片的部分，無論是背景或是人像，都可以迅速換上自己想要的元素。“Yuan初”正在成為一個“AI版Photoshop”。

　　2- “Yuan初”的用戶是誰：

　　所有與傳播和市場相關的工作者

　　張詩瑩曾經在曾是Apple Air Pods產品線創始團隊核心人員，主要負責產品線的系統構架研發，設計，生產整個流程，之后加入Google 擔任AR系統構架師，負責Glass, Reflector等項目的算法和構架。

　　盡管自己擁有技術與產品的雙重背景，她把ZMO的技術積累歸功于團隊：Liqian Ma在北大研究生畢業后前往魯汶大學讀了人工智能的博士學位，導師是CVPR最高獎馬爾獎的獲得者，盡管已經拿到了Google、Facebook、Adobe等巨頭的offer，仍然選擇創立一家基于AI技術的公司;Han專攻圖像生成算法，很早便在 CVPR上發表了AI相關的文章，并將Diffusion model上一代的GAN技術使用到1024高清版并且可以商用的級別，在騰訊工作時，他所在的AI部門也獲得了不少獎項;另外一位聯合創始人Roger Yin雖然負責營銷，但同樣擁有擁有UBC計算機工程學位。

　　美國疫情剛爆發時，張詩瑩偶爾與Google ads的同事交流，她發現僅僅在線廣告上面，內容的需求量就已經激增起來。尤其在新冠疫情后，人們把更多時間花在線上，對于內容的新鮮度更加挑剔了。線上辦公引發了內容狂潮，每位博主大V都在費盡心思地做好內容，吸引讀者與消費者。

　　當然，想到創業，張詩瑩首先思考的還是AI生成的商業前景。能夠立刻想到的是兩個產業：廣告與娛樂。廣告對內容的需求程度極高，她的前東家Google 更是一家主要收入為廣告的巨頭，因此張詩瑩自然而然地考慮到廣告商對內容生成產品的付費意愿。

　　不過，對內容生產有強烈需求的不僅是娛樂行業，“Yuan初”的定位是給所有需要進行市場推廣、自我展示的從業者。這種需求是十分剛性的：首先，國內外對版權都很重視，當大家不得不配圖的時候，AI設計圖片不會面臨圖庫圖片的版權紛爭。

　　其次，線上圖片實際上存在“供不應求”的問題，如果大家因為使用圖庫的圖片而遭遇圖片“撞車”，以國外為例，Google會把內容創作的權重降低，因為圖片不夠原創性。

　　ZMO目前旗下有兩款產品，一款主打跨境電商，另一款是如今上線的“Yuan初”。雖然上線不久，但后者的客戶群已經拓展得很寬：圖書編輯會使用它形成插畫，游戲開發者通過對游戲當中角色的的描述生成角色形象再加以雕琢，網站設計師通過AI作圖來設計底稿并請客戶提出修改意見。ZMO的一位客戶是一家巧克力棒廠商，它的新品包裝還未設計出來，但產品又著急上線，就用AI一口氣生成了10個包裝提前進行展示。

　　AI生成器甚至就像是想象力豐富的乙方，“甲方爸爸”提出的需求可以瞬間生成樣片。偶爾甲方的需求是一只賽博朋克的猴子，在埃菲爾鐵塔旁邊喝酒的考拉，這些天馬行空的想法對設計師來說這或許有些魔幻，但AI會結合不同風格，例如漫畫風、油畫風、藝術風、3D渲染風等風格來給出讓人想不到的圖片。

　　除了幫客戶解決生成問題，AI在機器學習之后結合流量分析形成了優化推薦機制，ZMO因此與幾家客戶測試了效果。他們計算了CTR(Click-Through-Rate)即點擊通過率，觀察消費者是否喜歡這些AI生成的圖片，目前來看，幾家客戶的CTR都被提升了2-3倍。

　　下一步，“Yuan初”的發力方向將是3D模型與視頻。3D模型被認為是最花時間的設計之一，由于要模擬真實的場景與人體，既耗費資金又耗時間。不過，ZMO團隊認為AI算法足以生成低模3D模型，可以為客戶直接省錢提效。

　　另一個重要的功能是AI視頻生成。張詩瑩提到，無論是文字、圖片還是3D、視頻，歸根結底都是要 形成好的內容，能給到創作者去吸引流量，產生點贊、評論與轉發，因此視頻制作的功能也會做得更豐富一些，可以讓客戶只輸入幾個關鍵詞與標題，就能生成一整段文案，并且配上對應的圖片，變成一個簡單的、擁有配音的視頻。而“Yuan初”的用戶只需要把用戶主流的需求收集并整理好，就能根據自己的受眾喜好去調試AI視頻內容。

　　可以看出，ZMO的每項動作，張詩瑩都將其導向商業，即能否幫客戶省錢省時與賺錢。在她看來，所有與傳播和市場沾邊的工種都會是“Yuan初”的潛在用戶，而所有與傳播和市場相關的工作也都是企業需要砸錢完成的。就像電商行業，一條裙子100元的售價之中，也許50元都要花去打廣告。

　　在流量最貴的當今，AI應當扮演怎樣的角色?她認為AI不應該是一個高大上的概念，而應當是商業的解決方案。如果說“AI生成”是AI產業繼聲音、影像識別后的熱點，那么這個熱點必須與商業緊密結合才會長久。

　　在蘋果與Google的經歷塑造了張詩瑩的想法。她把蘋果發新品笑稱為“發布火箭”，因為果粉們每次都期待蘋果每年的發布會上可以發布像火箭一樣酷炫的潮品，但每次發布的卻都是與之前差不多的產品，會感到失望。

　　而這種情況在她看來又極其合理。蘋果的決策取決于對用戶的分析，她記得蘋果的同事們最開始對AirPods的策劃包含了不是奇特的想法，例如做一款透明的耳機，或者讓耳機可以打火。但最后這些想法都被用戶的需求否定了。在那段經歷中，她學到的是，只有對用戶有價值他們才會購買，只有產品賣得好一個部門才有更大的價值。她從蘋果學到了產品與技術的平衡：產品去駕馭技術，技術為產品所用。

　　所以，創業后的張詩瑩也給ZMO提出了一句slogan：消費即生成，讓AI生成用戶愿意閱讀、點贊甚至消費的內容，才是落地的意義。

　　參考文獻：

　　【1】Deep Unsupervised Learning using Nonequilibrium Thermodynamics, ICML'15

　　【2】Denoising Diffusion Probabilistic Model, DDPM'20