自聊(liáo)天机器人ChatGPT火爆以来，微软公司创始人比(bǐ)尔·盖茨(cí)已(yǐ)多次公开谈(tán)论(lùn)人(rén)工智能(néng)话题。在最近的(de)一次采(cǎi)访中，他再次表示：“AI可能会让科技行业迎来一次剧烈(liè)的洗牌”。

这个结论是(shì)他在当地时间2月20日接受《In Good Company》节(jié)目专访时提出的(de)。

他预期(qī)，AI的发展可能会威(wēi)胁(xié)到谷歌的(de)市(shì)占率，因为(wèi)微软在AI方面的行动相当迅速。而(ér)最(zuì)终科(kē)技巨头(tóu)将把AI整合(hé)成用(yòng)户的“全能助手(shǒu)”，包揽一切(qiè)应用，与人们进(jìn)行沟通并提(tí)供建议(yì)，可以(yǐ)取(qǔ)代亚(yà)马逊、Siri或Outlook等应用。

大佬口中全能(néng)助手的(de)到来可能尚需时(shí)日(rì)，但由ControlNet引发的(de)又一次AI绘画浪潮，让AIGC在ChatGPT的话题热(rè)点包围中杀出(chū)重围(wéi)。

01

ControlNet颠覆AI绘画新玩(wán)法(fǎ)

AIGC向可控靠(kào)近

以AI绘画为代表(biǎo)的AIGC上(shàng)一次爆火的时候，还(hái)是2022年8月，在美(měi)国科罗拉(lā)多州举办的新兴数字艺(yì)术家(jiā)竞赛中，一幅名为(wèi)《太空歌(gē)剧院》的作品获奖(jiǎng)。

随后各大厂(chǎng)商的AI绘画软件被(bèi)广大网(wǎng)友(yǒu)熟知并体验，Stable Diffusion便是其(qí)中(zhōng)代表。

用户们可以在应用(yòng)中输入一组关键(jiàn)词或者一张照片(piàn)，就(jiù)能获得一幅AI创(chuàng)作的画(huà)作(zuò)。

作画的(de)关(guān)键就(jiù)是所输入的(de)文本。同一组关键词(cí)也可以创作(zuò)出很(hěn)多张风格不一样的画作，这(zhè)让创作(zuò)的过程就像开盲盒。

很(hěn)多用户很喜欢这种不(bù)确定的惊(jīng)喜，他们会将生(shēng)成的美图当做(zuò)头像(xiàng)。而另一部分喜欢翻看AI绘(huì)画的“翻车”作品。在社交媒体上，许多用户分享AI“翻(fān)车(chē)现场”，例如，一位网友的小(xiǎo)狗照片被AI画(huà)成了“肌肉男”，还有网(wǎng)友的个人照片(piàn)被AI识别(bié)成了(le)建筑。

而如(rú)今随着ControlNet的(de)出现与加持(chí)，以往AI绘画(huà)的填写关(guān)键词游戏可能要(yào)被(bèi)颠覆了(le)。

ControlNet是一位正在斯坦福读博的中国人张吕敏创作的一种基于控制点的(de)图像变形(xíng)算法，主要用于数字图像处理、计算机(jī)视觉和计算机(jī)图形学等领域。

其(qí)SD插件一(yī)经(jīng)发布，在短短的两天内便成为了AI绘(huì)画领域最新的热点。

在此之(zhī)前，大家用(yòng)了很(hěn)多方法想(xiǎng)让AI生成的结果尽可能的符合要求，但是(sh行在姓氏中读什么音，行在姓氏中读什么拼音ì)都(dōu)不尽如(rú)人意，它的出现代表(biǎo)着AI生成开始进入真正(zhèng)的可控(kòng)时期。

因为ControlNet可以直接提(tí)取画(huà)面的(de)构图(tú)，人(rén)物的姿(zī)势(shì)和画(huà)面的深度信息等。有(yǒu)了它的帮助(zhù)，就不用频繁(fán)的用提示词来碰运气，抽(chōu)盲盒式的创作了。

通俗的说ControlNet相当于(yú)给AI绘画(huà)加了“魔(mó)法”，不少(shǎo)博主的作(zuò)品(pǐn)已经(jīng)获(huò)得了大量的浏览(lǎn)量，“viggo”就是其中之一，他用朋友的(de)照片直接(jiē)带她们走进动漫世界。

行在姓氏中读什么音，行在姓氏中读什么拼音oding="async" src="https://mmbiz.heiliaofuli.com/wp-content/uploads/2023/03/aaf8241fc774226.jpeg?imageMogr2/thumbnail/2160x0/format/webp/quality/80" data-ratio="1.1899488926746167" 行在姓氏中读什么音，行在姓氏中读什么拼音data-s="300,640" data-type="jpeg" data-w="1174">

viggo先用StableDiffusion图片转文字(zì)。

再用(yòng)Text2Prompt插件(jiàn)拓展找到(dào)对应的关键(jiàn)词；最(zuì)后用ControlNet插件绑定骨骼(gé)开始换关键词试(shì)效果。

通(tōng)过图片就(jiù)可以看出来，效果(guǒ)十(shí)分惊(jīng)艳。

更厉害的(de)是，除(chú)了真实的照(zhào)片，草图也可以加上(shàng)“魔法”，知乎(hū)大牛“DevPoint”和“逗砂(shā)”介绍到ControlNet还(hái)能实现线(xiàn)稿转(zhuǎn)全彩(cǎi)图。大神张(zhāng)吕敏其本(běn)尊(zūn)也亲自回应。

不得不说当下AIGC已经变(biàn)得(dé)越(yuè)来越强大，甚至(zhì)输出的作(zuò)品都已经能以假乱真了。

02

难辨(biàn)虚实，AIGC技术力爆发

警惕安(ān)全问题

近日，“苏州金鸡(jī)湖有(yǒu)游艇(tǐng)party”的消息火遍网络，而(ér)经过警方辟(pì)谣这(zhè)所谓的“party”可能是全国第一(yī)起(qǐ)AI绘图诈骗(piàn)。

由(yóu)于(yú)这个(gè)活动(dòng)里面给出的美(měi)女照片(piàn)都(dōu)是AI制作的(de)真(zhēn)人(rén)照(zhào)片绘图，因为太逼真，被大家当成真事(shì)传播了。

不过(guò)仔细观(guān)察可以发现，活动(dòng)发起(qǐ)者提供的照片(piàn)中有个很大的漏洞可以发现并(bìng)非真人，而是AI绘图，那(nà)便是图片中女性的手指部(bù)分有的存在异(yì)常。

有(yǒu)行业人事表(biǎo)示：“现在因为手(shǒu)指部分的绘画(huà)算法比较(jiào)复杂，AI还不(bù)太会画人的手，但最新(xīn)看(kàn)到的(de)图片已经(jīng)有越来越完(wán)美(měi)的(de)AI模型出现，以后可能就完全没有漏洞了。”

类似的AI作图诈骗(piàn)在国外也已有发(fā)生。据英国广(guǎng)播公司报道，土耳其地(dì)震期间，有Tiktok用户使(shǐ)用AI合成了儿(ér)童受灾(zāi)的(de)假(jiǎ)照片发布到网络，以此诱骗善良(liáng)的人打赏“捐助(zhù)”从而实(shí)施诈骗。

目(mù)前随着(zhe)技术(shù)发(fā)展，AIGC已经能做出真人(rén)照(zhào)片般的绘图效(xiào)果(guǒ)，如果这样(yàng)的图片(piàn)被用来诈骗，将(jiāng)非常可怕(pà)。

此外AIGC还引发了很多担(dān)忧，一方面，批(pī)判者认为AI在“学习”了大量前人(rén)的作品之后，其创作没有任何情绪和(hé)灵(líng)魂，难以和(hé)人(rén)类的艺术(shù)创作相提并论。

另一(yī)方面，AIGC背(bèi)后的(de)版权、目前都并没有(yǒu)得到有效的解(jiě)决，还有(yǒu)AIGC会不会代替人类(lèi)“至高(gāo)无上(shàng)”的创(chuàng)意(yì)。

马斯克也强(qiáng)调，人工(gōng)智(zhì)能的安(ān)全问题需要得到重(zhòng)视，太晚就来不(bù)及了。

03

AIGC下(xià)一站除了视频，还有远方(fāng)

技术都是(shì)有(yǒu)两面性(xìng)的，潜在的危害并不能掩盖其光辉的贡(gòng)献。现在(zài)看来，人(rén)工智能技术将是(shì)第四次工业革命的核心驱动力量，将创造新的增长(zhǎng)奇迹(jì)。

过去一年，人工智能在技术和商(shāng)业层(céng)面都有了巨大(dà)进展，AI绘(huì)画就是人工(gōng)智(zhì)能技术发(fā)生方向(xiàng)性改变的一(yī)个(gè)代表。其下一站或(huò)许就是视频(pín)。

此前(qián)，Meta和谷歌先后(hòu)发布了几条引爆科技圈的短视频。这些视频引发关(guān)注(zhù)并(bìng)非内容做得(dé)多优秀，反而(ér)都非常简单(dān)，比如(rú)一匹正在喝水的(de)马，一只画画(huà)的玩具熊，或者一段骑摩托车(chē)的第一视角录像，随便一个有手(shǒu)机的人都可以随手录下一段。

但这(zhè)些短视频的创作方式非常简(jiǎn)单(dān)，创作(zuò)者仅仅(jǐn)需要向AI输(shū)入一段话(huà)，甚(shèn)至只是(shì)说一下要求(qiú)，AI就可以根据(jù)需要生成一段(duàn)视(shì)频。

谷歌发布的两个AI生成视频(pín)分别来(lái)自于Imagen Video和Phenaki，前者主(zhǔ)要突出的是高清，与Meta的Make-A-Video没(méi)有太(tài)多(duō)的(de)差别。

在(zài)Make-A-Video公布(bù)了AI生(shēng)成的视频后，AI圈就已经玩了(le)一波梗(gěng)，一个能够(gòu)做出更高清视频的AI还(hái)不足以在短(duǎn)时间内(nèi)戳(chuō)中兴(xīng)奋点。

Phenaki更加(jiā)令(lìng)人震惊(jīng)的地方在于，它可(kě)以制作出超过2分(fēn)钟(zhōng)的连贯(guàn)的也有确切(qiè)内容的视频(pín)，这才是真正让人们感到惊(jīng)喜的(de)地方。因为无(wú)论AI生成(chéng)的视频(pín)多(duō)么(me)高(gāo)清，也只能(néng)是为内(nèi)容生产者提供一个灵感(gǎn)，一个素(sù)材，一个过场动(dòng)画。

不(bù)过(guò)能够制(zhì)作出有具体剧情内(nèi)容的视频(pín)就意味着，一些视频(pín)创作由AI代替人工完成(chéng)已经初步有了可能。

当下AI的发展速(sù)度(dù)已经超过大(dà)部分人(rén)的想(xiǎng)象。内容产业(yè)的本质是(shì)供给创造需(xū)求，AIGC作(zuò)为全(quán)新的(de)内(nèi)容(róng)生(shēng)产方式，可以为(wèi)内容产业带来更新(xīn)的内容风(fēng)格、更快的生产速度，更低的生产成(chéng)本，这无疑会驱动内容产业的大爆发(fā)。

除了AI绘(huì)图、视频(pín)，AIGC技术还能应用于音乐、代码、机器人动作等多种内容形式的生成。不(bù)难发现该(gāi)项技术不仅在游戏等行业(yè)能得到有效应(yīng)用(yòng)，对于下(xià)一代互联网各种元(yuán)素的构建亦有关键意义。

从商业化(huà)的角度(dù)来看，文化(huà)娱乐、教育、传(chuán)媒(méi)等诸多领域，本身(shēn)就对基(jī)于(yú)AI的可视化内容有强烈(liè)需求(qiú)。

因此，AI绘(huì)画及视频或不是结果(guǒ)，而只(zhǐ)是AI进(jìn)程中的一块重要拼图，有望(wàng)在技术更新的(de)加持下实现更大的应用价值。

AI从(cóng)理解内(nèi)容，走向了(le)可以生成内容(róng)，甚至能够(gòu)创造(zào)出独立价值(zhí)和独立视角的内容。AIGC的再次出圈，更代表着未来(lái)的先进生(shēng)产力即将到来(lái)。

04

紧(jǐn)抓大模型与算力，牢固AIGC底座

从(cóng)技(jì)术的发(fā)展(zhǎn)也(yě)可以(yǐ)看出，在语言大模型、图像大模(mó)型(xíng)之后(hòu)，多模态大模型已经(jīng)成为了新的趋势。

大模型被誉为当前人工智能(néng)发展的(de)智能底座，是全球(qiú)竞争最激烈的研究方向之一，包(bāo)括谷歌、亚马逊、百度、阿里(lǐ)、腾讯(xùn)等众多(duō)头部企业都在(zài)竞相发力。

不过训练大模型(xíng)的确价格不(bù)菲，以国盛(shèng)证券发布的《ChatGPT需(xū)要多少(shǎo)算(suàn)力》报告估算，GPT-3训(xùn)练一次的成本约为140万美元。而(ér)对(duì)于(yú)一些(xiē)更大(dà)的LLM(大型语言模型)，训练(liàn)成本则介于(yú)200万美(měi)元(yuán)至1200万美元高价之间。

以ChatGPT在2023年1月的独(dú)立访客平(píng)均数1300万计算，其对(duì)应芯片需求为(wèi)3万多片英伟达A100 GPU，初始投入(rù)成本(běn)约为8亿(yì)美元，每(měi)日仅电费就在5万(wàn)美元左右。

此外不论(lùn)是ChatGPT还是(shì)AIGC，都(dōu)离不开庞(páng)大算(suàn)力支(zhī)持。在关注各类大模型的(de)发展同时，更(gèng)应该关(guān)注算力(lì)网络的(de)建设(shè)。

算力网(wǎng)络正(zhèng)驱(qū)动AI产业发展进(jìn)入史诗(shī)级加速进程(chéng)，让AIGC及通用AI这一人工智(zhì)能发展的终极目标离得更近。

因(yīn)为算(suàn)力(lì)可以对突破性技术创新提供大(dà)力(lì)的支持。这方面，多(duō)模态(tài)大模(mó)型是典型。作为面(miàn)向未来(lái)强人工智(zhì)能、通用人工智能(néng)的重要技术(shù)创新(xīn)，多模态大模型已经(jīng)在人工智能领域提出(chū)了(le)很多年，业界(jiè)也有不少技术突破(pò)，但是(shì)，多模态大模型进一步往下(xià)走(zǒu)，算力需求呈几(jǐ)何式上升，一(yī)般(bān)的算力基(jī)础设施很快将难以(yǐ)胜任(rèn)。

从图像、文字、语音单独一项的训练，到双(shuāng)模(mó)态、三模(mó)态的跃迁，让人工智能(néng)可以灵活(huó)应对不同模(mó)态的转化、像人与(yǔ)世界交互一(yī)样自然，这方面，由算力网络来驱动将有明(míng)显优势。

此外，还有很多(duō)需要(yào)爆发式增(zēng)长(zhǎng)的算(suàn)力(lì)来支撑(chēng)的(de)技术创新(xīn)，将(jiāng)在(zài)人工智能算(suàn)力网(wǎng)络支撑下快速推进。

AIGC已经(jīng)露(lù)出曙光，期待在大(dà)模型和(hé)大算力的(de)支持下AIGC能持续(xù)颠(diān)覆内容生产的方式，将创造的边际(jì)成(chéng)本(běn)降低，让万众(zhòng)受(shòu)益。

未经允许不得转载：中国书画艺术 行在姓氏中读什么音，行在姓氏中读什么拼音