当AI比人类更具创造力后，会解锁怎样的商业新世界？

输入指令：猫，困惑，故障艺术，一副创意作品就这样产生，用时不到30秒。

这正是全球爆火的AI作画。利用AI绘画工具，你只需输入不同的词汇，例如不同的艺术家风格、构图、色彩、透视方法以及修饰词，就能快速得到符合词汇主题的画作。你可以充分发挥自己的想象力，而任何一个关键词的变动都可能产生完全不一样的结果。

当然，更有想象空间的商业化场景在于元宇宙，这也是AIGC被资本热捧的重要原因。元宇宙中需要建设生成大量的建筑、场景、人物等等各种虚拟资产，对于这部分工作，AI是最适合的完成者。

比如，RCT Studio打造的Morpheus引擎能够通过深度学习，输入目标文字即可渲染成3D资源和动画，这被视为通过AI在元宇宙中低成本构建小型场景初具技术基础的信号。以及，众多虚拟人公司利用AI生成数字人化身、驱动数字人的面部表情变化，AI驱动的数字人化身逐渐成为现实。

在现实生活中，生成式AI在医疗保健、数字商业、制造业、农业等多个行业都有丰富的应用前景，如帮助医生检测X射线、CT等设备扫描中的病变、辅助检测产品质量等等。

不过，AIGC整体仍处于早期阶段，生成式AI仍有很多问题需要解决。

以发展最快的AI作画行业来看，首先需要解决的是版权问题。训练AI需要大量的图文对数据，AI创作的画作会包含这些可能产生版权纠纷的元素，这限制了AI作画在商业化方面的进一步发展。一位游戏制作人对界面新闻表示，版权风险是他坚决不考虑用AI作画的原因之一。

一项抽样分析显示，国外最受欢迎的AI作画平台之一Stable Diffusion模型学习了超过50亿条图文对数据，而它所用到的数据集里，大量图片来自Pinterest、Flickr等UGC内容平台，以及Getty等商业图库网站。

Midjourney创始人David Holz在接受采访时曾表示，Midjourney现在的训练数据基本上都是来自于互联网所有能得到的数据、文本和图像。但他本人也不太清楚这些被拿来训练AI的数据是否有版权保护。

因此，许多画师正在抗议自己遭受到了AI的抄袭，并要求退出AI的训练。不过，这些纠纷目前并没有明确的法律依据支持，AI作画仍处在一个灰色地带。

为了最大程度避免潜在的版权纠纷，部分AI作画公司正在积极探索解决方案。Tiamat创始人青柑介绍称，目前Tiamat的做法是首先在训练层进行规避，在数据集中清洗掉大量有版权以及带有明显IP的素材；同时，对于可能存在的版权风险，在产生的画作结果当中对用户进行风险提示。之后，Tiamat希望能够跟一些画师或者艺术家直接合作，让他们来上传自己可以被利用来训练的数据，之后再通过分成或者直接购买的形式来购买一项类似于“AI训练使用权”的权益，从而解决一些当代艺术家的问题。

多位业内人士表示，当下AI作画的发展速度太快，在AIGC的知识产权层面，应当需要业界、学界和相关政策部门共同去探讨，寻找比较好的解决方案。

AIGC在底层的关键性技术仍需摸索。信通院2022年发布的《人工智能生成内容（AIGC） 白皮书 》指出，当前AIGC关键技术不够成熟。人工智能算法在透明度、鲁棒性、偏见与歧视方面存在尚未克服的技术局限，导致算法应用问题重重。此外，在音频、视频、图片、文字等形式的内容编辑与创作技术方面存在机械性问题，离流畅、拟人的感性表现仍有距离。

红杉在报告中写道，“生成式AI应用的第一波浪潮类似于iPhone刚出现时的移动应用场景——有些噱头但比较单薄，竞争差异化和商业模式不明确。然而，其中一些应用程序提供了一个有趣的视角，让我们可以一窥未来可能会发生什么。”

报告中的另一段话则更好的为生成式AI应用的未来做了注解：

生成式AI将深深融入我们的工作、创作和娱乐方式，例如备忘录可以自己写，3D打印任何你能想象的东西，从文字到皮克斯电影，像Roblox类似的游戏体验来快速创造出丰富的世界。虽然这些在今天看起来像是科幻小说，但科技进步的速度是惊人的。从微小（narrow）的语言模型到代码自动生成只用了几年时间，如果我们继续沿着这个变化的速度，并遵循“大模型摩尔定律（Large Model Moore’s Law）”，那么这些遥不可及的场景就会变得触手可及。