被ChatGPT帶飛的AIGC，能為垂直產業做些什麼？-今日必看

被ChatGPT帶飛的AIGC，能為垂直產業做些什麼？

來源：電視劇雜談釋出時間：2023-02-16 16:02

機器之心編輯部

本文從 AIGC 技術 -> 產品 -> 業務應用和價值實現環節探討其發展路徑，並以工業例項探討 AIGC 如何才能在工業領域實現閉環和價值落地。

去年以來泛起了 AIGC 高潮，引發了 AIGC 及其應用話題的爆發性增長，不少人感觸強人工智慧的時代已經離我們不那麼遙遠了。但是在高潮的另一面，我們看到真正能落地的場景依然是鳳毛麟角，目前比較成功的應用主要集中在個人消費領域，而 AIGC 在工業中的應用大多仍舊處於探索階段。

紅杉資本在 22 年 9 月就對 AIGC 做出了以下預判：文字類 AI 天生將在 2023 年進入黃金時期，圖片類 AI 天生黃金時期將在 2025 年左右抵達，3D 和影片類 AI 天生在 2023 年可能正處於草稿階段，進入黃金時期或許在 2030 年。不可否認，文字與圖片的 AI 天生確實走在了前面，而 3D 模型、影片和遊戲天生仍在研發階段。

紅杉資本針對 AIGC 相關產品成熟猜測

若考慮到 AIGC 工業應用，如在製造業、建築業等巨型垂直實體領域中，AIGC 的 C/Content 內容將不能僅停留在圖片和文字的領域，而是需要進入資訊更為豐碩的三維領域。接下來，我們將從 AIGC 技術 -> 產品 -> 業務應用和價值實現環節探討其發展路徑，並以工業例項探討 AIGC 如何才能在工業領域實現閉環和價值落地。

1.AIGC 技術：從文字到圖片

從大家對 ChatGPT 越來越多的測試中可以看到，ChatGPT 不僅能對語義進行解析和結構化，還能在此基礎上用 NLP 自然語言處理做資料分析。

ChatGPT 對內容進行結構化處理和資料分析 - 佳格資料提供

事實上，以 Stable Diffusion 為首的一眾 AI 畫圖框架或者平臺，在去年更早的時候已經引起了轟動。固然圖片相對文字來說看上去資訊含量要更為複雜，但是其技術成熟卻要比以 GPT 為首的文字天生來的更早一些，我們有必要從主流的開源框架 Stable Diffusion 為例，回顧一下這些圖片 AIGC 框架是如何工作的。

Stable Diffusion 天生的圖片，已經有了相比人類畫家的能力

Stable Diffusion 主要有三個組成部分，每一個部門都有自己的神經網路。

1、CLIP 用於文字編碼器：以文字作為輸出的語義資訊組成一個 77*768 的矩陣，CLIP 練習 AI 同時進行自然語言理解和計算機視覺分析。CLIP 可以決定影象和文字提示的對應程度，好比逐步把建築的影象和 “建築” 這個詞完全匹配起來，而其能力練習是透過全球 40 多億張帶文字描述的圖片實現的。

CLIP 的練習集

2、UNET 及排程程式：這就是大名鼎鼎的擴散模型主程式（來自 CompVis 和 Runway 團隊於 2021 年 12 月提出的 “潛伏擴散模型”（LDM / Latent Diffusion Model）），用於對噪聲進行猜測實現反向去噪的過程，進而實現圖片在資訊空間中的天生。如圖片所示，染料擴散的過程就像從圖片逐漸變成噪點的過程，而當研究職員對圖片增加隨機噪點讓 AI 反向學習整體過程，而後就擁有了一套從資訊空間噪點圖反向天生圖片的模型。