量子位：AIGC 创业公司还没盈利，微软 Adobe 已赚得盆满钵满

一出奥特曼在 OpenAI“来去之间”的戏码，以回归暂告一段落。

过程很抓马，吃瓜群众很激动，当然了，最开心的还得是微软。

不仅因为这出“闹剧”无论怎么发展，都是微软稳赢，还因为背后潜藏着一个更大的瓜 ——

大模型的最大利益获得者，居然还是微软这些让人意想不到的老牌玩家。

比如 Stable Diffusion 和 Midjourney 争先恐后迭代卷上天，但凭借 AI 作图赚得盆满钵满的，其实是 Adobe。

年初至今，Adobe 美股市值涨了 1000 + 亿美元，已经不知不觉创造了 90.58% 的涨幅；而 OpenAI 最大股东、发布一系列 AI Copilot 产品的微软，涨幅同样达到令人瞩目的 55.93%。

△Firefly Image 2 更新后效果，图源 Adobe

无论 Adobe 还是微软，均依托 AIGC 新功能揽获了不少关注度。

相比之下，创业公司开始面临落地难题：

OpenAI 尚未实现盈利；做出 Stable Diffusion 的明星创业公司 Stability AI，被曝身陷营收困境，近期又有高管因版权问题离职……

为什么 Adobe、微软这些看似传统的公司，却在 AIGC 2.0 时代完成了一轮“反杀”，率先从新技术中获利？

表面来看，这些公司只是借助 AIGC 技术风口更新了一波自己的产品。

但实际上，它们掌握着产品从技术落地到市场匹配最关键的一环 ——

场景。

要是生成提示词中强调“背面”等其他场景，也能准确改变模特的姿势：

至于图生图能力，还要更进一步，不管是在海报里给商品换背景：

还是要替换掉一张海报的模特：

对 Alivia 来说，更是秒秒钟胜任的小 case。

而且广告主可以根据品牌调性，自我定义所需海报的风格、样式，在这样的基础上，AIGC 生成所需的海报，简直是手到擒来：

要是遇上海报无法 hold 住的营销场景，还能用上视频编辑器的能力，分分钟制作一条快闪视频推到你面前，并且可以是包含数字人形象的那种：

基于 Alivia 打下的大模型能力基础，帷幄推出了一系列 AI 产品，最最核心的，有这几个：

SpaceSight / 数智空间，应用于数字化线下门店运营；

Harbor / 内容营销中心，应用于数字化内容营销；

Echo / 绘声，应用于数字化语音服务；

Cast / 开播，应用于数字化直播间运营。

解释得再直白一些，就是每个人接触到的内容，都是自己看得懂的、感兴趣的，从而提高营销转化率。

要实现这个想法，除了从线上（直播间）和线下（门店）对用户喜好数据日积月累，还离不开内容营销中台 Harbor。

Harbor 把各种各样的数据，包括直播时候收集的话术、话术的好坏，或是门店不同区域的客流量、留客率等，统统收集并整理。

当帷幄用大模型的数据总结能力，结合内容生成能力梳理和呈现了数据和数据之间的关系，再喂给大模型，会发生什么呢？

事实就是，拥有帷幄的每一个运营 or 销售，干活都能贼灵光（doge），老板要的商品数据对比，分分钟就能手到擒来。

一个平台，用好了大模型数据总结和内容生成的能力，并提供给每一个需要的客户，所产生的影响现在已经能被直接接触和感知到。

不仅仅是“能用”而已。更进一步的，AIGC 已经形成了一种“放大器效应”：

通常意义上的市场营销，就是用技术帮客户扩大流量和转化率；现在有了 AIGC 的帮忙，这件事只会变得更快捷、更低价、更高效。

但是，人人皆可用 AI 与大模型的现在，旧公司和新创企似乎在技术的推动下，站在了同一条赛跑线上。为什么获利更猛的，反而是 Adobe、帷幄这样的老牌参赛选手？其中是否有什么经验可供借鉴？

带着好奇心，我们联系上帷幄创始人兼 CEO 叶生晅，和他聊了聊帷幄在 AIGC 场景中的定位，对 AIGC 这一行业的看法，以及 AIGC 会对各行各业的玩家产生什么样的影响。

谁在收割 AIGC 技术红利？

叶生晅硕士毕业于加州理工学院计算与神经系统专业，曾在 Facebook 从事数据科学类工作，随后回国进入数字营销行业，创办 Whale 帷幄。

这四类玩家究竟谁能收割最终的技术红利？

叶生晅的看法是：

创业公司收割不了最终的技术红利。

以 OpenAI 为例，这类公司虽然能依靠技术创新打出自身价值、快速实现破圈，甚至以一己之力带动整个 AIGC 技术生态圈发展壮大；

但最终大模型这样的底层技术，仍旧需要算力、数据和场景支撑，因此最终还是会被微软这样的云厂商收割。

但进一步来看，能收割技术红利的场景玩家，也绝非仅仅依靠场景本身、即已经过市场验证的产品。

叶生晅认为，主要还有两方面的标准。

一方面，这些公司要有能挖掘出 AIGC 技术利用价值的能力，从场景理解不同用户对于算法的不同需求。

以图像生成为例，虽然这类经典算法类型有限，然而对于不同场景的客户而言，需求的算法细节其实存在极大区别。

例如，对于家居行业而言，能否在生成家具时，完美且合理地构造出设计细节，就必须在垂直领域中去不断打磨算法，才能让它成为“内行设计师”：

因此，无论是哪个领域，AIGC 技术实际应用的途径也会有所不同，如何利用合适的技术给自身场景带来最大的技术加持，是场景玩家需要去思考的问题。

另一方面，公司自身也得有技术实力，才能快速在新一波 AIGC 浪潮来临时及时跟进，将技术带来的价值最大化落地到场景中去。

叶生晅表示，帷幄作为一个技术公司，也会继承 Facebook 的开源文化，主动拥抱开源、贡献开源，投入到 AIGC 技术研究中去。

例如帷幄也有在 Stable Diffusion 等不少 AI 开源社区做出贡献，参与了各种项目的跟进，这和产品的发展不仅并不矛盾，反而是相辅相成的。

当然，无论是哪一类玩家，最终都还是要从当下和未来及时判断 AIGC 的风向，并选择合适的落地思路。

毕竟针对 AIGC 技术本身，依旧有人抱持谨慎的态度，认为它有吹捧过度的嫌疑，现有 AI 生成能力并非完美，距离直接可用还有一定距离。

对于 AIGC 当前的技术发展进度、未来是否值得投入，叶生晅给出了这样的总结：

技术本身的发展进步不会被阻挡，正如 AGI 不应该是一个目标、技术评判标准，而应该是一条成就终端客户需求的路径。

至于判断一项技术是否值得投入，最终还是要回归三点指标，即技术落地是否真正有用、市场规模是否够大（例如对口型翻译就不算一个大市场）、客户是否愿意买单。

因此，不用等待某个节点的到来，而是应该找到属于自己的场景、把握好技术路径，才能在群雄逐鹿的争夺战中收割最终的技术红利。

本文来自微信公众号：量子位 （ID：QbitAI），作者：衡宇 萧箫