AIGC火遍全球，里面有哪些创业机会？

　　人人都在聊AIGC（AIGeneratedContent，人工智能生成内容）。 本文来自散户吧WWW.SANHUBA.COM

　　先是今年9月份一幅由AI绘图工具Midjourney创作的作品《太空歌剧院》获得了艺术比赛的首奖引起争议，而与此同时，StableDiffusion、Copy.ai、Jasper.ai等多个AIGC平台宣布了融资消息，一时间涌现出了多个独角兽公司。 本文来自散户吧WWW.SANHUBA.COM

　　另一方面，AIGC正面临着不少商业和技术的争议，内容本身的版权、良品率和工业标准问题，技术伦理的挑战，以及算力可能会集中在头部大公司的问题，未来的新机会究竟在哪里尚未可知。 本文来自散户吧WWW.SANHUBA.COM

　　很多报道关注的都是国外AIGC创业动态，对于国内赛道的创业却少有报道，国内AIGC创业的机会在哪里？和国外产品有何不同？FounderPark特意邀请到了国内AIGC领域的多位创业者，来一起聊一聊AIGC当前的技术发展和国内创业的商业可能性。 本文来自散户吧WWW.SANHUBA.COM

　　AIGC内容如何更好地进行内容版权保护？到底AIGC会让人工智能取代人类，还是辅助人类更高效地进行生产创作？关于这些问题，在这场圆桌讨论中也都有深入的讨论。

本文来自散户吧WWW.SANHUBA.COM

　　这是FounderPark的圆桌栏目「Tech、CoffeeorTea」的第一期，和「Founder100」栏目聚焦创业者有所不同，这个栏目会关注当下的热点科技话题，直面热点的现状和争议，从更多元的视角来审视新技术带来的变化和商业可能性。 本文来自散户吧WWW.SANHUBA.COM

　　参与本次圆桌的创业者们分别是： 本文来自散户吧WWW.SANHUBA.COM

　　澜舟科技合伙人&首席产品官李京梅

　　西湖心辰合伙人&COO俞佳 本文来自散户吧WWW.SANHUBA.COM

　　数字力场科技创始人&CEO张涛 本文来自散户吧WWW.SANHUBA.COM

　　ZMO.AI创始人&CEO张诗莹 本文来自散户吧WWW.SANHUBA.COM

　　AIGC

　　的现状和争议 本文来自散户吧WWW.SANHUBA.COM

　　FounderPark：很多人说AIGC的大进步得益于底层大模型的进步，到底是哪些技术发生了革命性的变化？

　　李京梅：大模型到底是什么？严格说来应该叫预训练模型，可以追溯到2017年谷歌提出的Transformer技术*，在之后有真正的预训练模型开始涌现，谷歌的BERT、T5以及OpenAI、GPT-3模型等，还有阿里、百度、华为等推出的预训练模型。 本文来自散户吧WWW.SANHUBA.COM

　　Transformer模型：最早是由Google于2017年在「Attentionisallyouneed」一文中提出，在论文中该模型主要是被用于克服机器翻译任务中传统网络训练时间过长，难以较好实现并行计算的问题。后来，由于该方法在语序特征的提取效果由于传统的RNN、LSTM而被逐渐应用至各个领域。

　　预训练模型在技术上实现了哪些突破呢？首先是认知智能，NLP也就是自然语言处理，我们可以用人工智能技术去理解人类的自然语言。2019年机器AI的阅读理解的水平已经超过人类的水准了。 本文来自散户吧WWW.SANHUBA.COM

　　其次是感知智能，就是视觉上能看得懂、语音上能听得懂。为什么说NLP会被视为人工智能皇冠上的明珠，是因为当AI能够像人类一样做到能听会看，下一步的突破就是理解、思考以及决策了。

本文来自散户吧WWW.SANHUBA.COM

　　预训练模型跟以往传统的学习模型最大的不同，是预训练模型基于互联网公开的海量数据(行情603138,诊股)，可以做到无监督或者次监督学习，不需要人工打标，比如识别一只猫、一只狗，或者说这是一个名词还是动词等，都是通过机器自己的无监督学习，让模型AI有了基本的阅读理解、分类和分词的能力。 本文来自散户吧WWW.SANHUBA.COM

　　但是天下并没有一个可以解决所有问题的预训练模型，可以一套预训练技术解决不同语言、不同的任务，可以快速针对具体的某个领域、场景做针对性微调。而在此之前的学习模型都必须从零开始训练。也就是说，NLP大模型进入到了一个工业化实施的阶段，可以作为生意去商业化了。

本文来自散户吧WWW.SANHUBA.COM

　　还有就是，近来StableDiffusion模型开源，并且这个模型的规模相比于GPT-3小很多，能够在消费级显卡甚至手机上运行，瞬间让AIGC这件事的门槛降低了，普通消费者或者一般的公司都可以来尝试，公众可以来尝试各种发挥想象力的应用。澜舟科技也是自研开发了预训练大模型——孟子，并且通过轻量化技术，做到了十亿级参数量的预训练模型可以比肩超大规模的预训练模型。

　　俞佳：在京梅老师的回答上，我稍微补充下当下存在的问题。 本文来自散户吧WWW.SANHUBA.COM

　　实际上当我们真正面对用户的时候，会发现大模型还是存在着一小步的距离。不管是GPT-3还是T5，获取到行业信息生成通用文章的效果都还不错，但是文章的知识性或者言之有物的一面距离工业级应用还会有一些差距。这是目前商业化中会遇到的一些问题。

　　还有就是，除了生成质量之外，人对大模型的控制能力，或者说大模型如何能更好理解人的指令也是很重要的。

本文来自散户吧WWW.SANHUBA.COM

(小编：财神)