红杉资本Generative AI: A创意新世界

本文由红杉合伙人Sonya Huang、Pat Grady与生成式AI预训练模型 GPT-3共同创作完成，正文中的两幅插图是由Midjourney生成的，希望这篇人机合作的文章能为你打开一个充满创造力的新世界。

第一波发展浪潮：

小模型至上阶段（2015年以前）2015年以前，小模型被认为是理解语言的“最先进的技术”。这些小模型更擅长分析型任务，因此被用于从“预测送达时间”到“欺诈信息分类”等各类任务中。然而，对于通用的生成任务来说，它们的表达能力还不够，生成人类水平的文章或代码仍然是白日做梦。

第二波发展浪潮：

规模化竞赛阶段（2015年-今天）谷歌研究院的一篇里程碑式的论文《只要注意力机制就够了》（《Attention is All You Need》），向人们描述了一种用于自然语言理解的新型神经网络架构——Transformers模型（有时翻译为“变换器”模型），它不但能生成质量上乘的语言模型，同时具有更高的可并行性，大大降低了所需的训练时间。这些小样本学习模型，可以相对更容易地针对特定领域做定制修改。

第三波发展浪潮：

更好、更快、更便宜阶段

（2022年之后）首先是计算成本开始下降。新的技术，如扩散模型，缩减了训练和运行推理所需的成本。与此同时，研究学界也在持续开发更好的算法与规模更大的模型。而开发者的权限也有了变化，从封闭测试版扩大到开放测试版，甚至有些模型还开放了源代码供开发人员调用。
对于那些一直渴望使用大型语言模型（LLM）的开发人员来说，探索和应用开发的大门已经打开，基于这些技术的应用开始大量涌现。

第四波发展浪潮：

杀手级应用涌现阶段（现在）随着各大平台发展成熟，AI模型继续变得更好、更快、更便宜，越来越多的模型免费、开源，应用层面将出现大爆发。
正如当初移动通信技术在结合了GPS定位、相机及随身连接等新功能与特点后，催生了一系列新型的应用程序，我们预计当下AI模型的发展也将推动新一轮生成式AI应用的爆发。正如十年前移动通信的拐点为少数几个杀手级应用创造了市场机会一样，我们预计杀手级应用也将出现在生成式AI领域中。大家争相发力，前景让人期待。

模型

● 文本领域。文本是发展最完备的领域。然而，想要语言表达自然流畅是个十分高的标准。如今，这些模型在通用的中、短篇写作方面表现还算不错（但即便如此，它们通常也只是被用来生成初稿或对初稿做迭代完善）。随着时间的推移，模型越来越好，我们有望可以看到更高质量及更长篇的内容，并且针对各垂直领域有特定的优化。

● 代码生成。正如GitHub CoPilot所显示出的效果，很快，代码生成就会变得十分普遍，它能极大提高程序开发者的生产力。而对于非专业人员，借由这些工具，编写代码也将不是难事。
● 图像领域。图像领域的应用爆发是新近之事，但也可谓势不可挡：毕竟，在社交媒体上分享生成的图像比文字要有趣得多。而且我们也看到，市面上出现了非常多不同审美风格的图像模型，以及编辑和修改生成图像的不同技术。
● 语音合成。语音合成的应用已经有段时间了（比如苹果设备上的语音助手Siri），但消费与企业级的应用才刚刚起步。对于像电影和播客这样的高端应用来说，要想一次性生成与配音演员或主播录音一样不机械、有自然质感的作品，还有很长的路要走。但就像图像领域一样，现在的模型也将成为将来更优秀模型的发展基础。
● 视频和3D模型领域。这一领域的进步则要缓慢不少，人们期待AI模型在这些创意领域（如电影、游戏、VR、建筑和实体产品设计）的进一步应用潜力。预计在未来1-2年内，我们将能看到一些基础的3D和视频生成模型。
● 其它领域。其它许多领域还处于基础模型的研发阶段，如音频、音乐到生物与化学领域。

应用

● 文案写作。日益增长的个性化网页、电子邮件等网络空间，用以支持销售和营销战略，甚至提供更好的售后服务，都将催生大量的文案写作需求。这些短小精悍、格式相对固定的宣传式话语，再加上相关从业人员工作压力大、预算不高等特点，这一领域将是文案写作型AI实现自动化与写作增强方案的最佳用武之地。
● 特定垂直领域的写作助手。如今大部分写作都是横向的；但我们相信，对于特定的终端市场，从拟定法律合同到剧本创作，都有可能借助生成式AI的力量获得更长足的发展。在这一领域，产品差异化的主要发力点将是对特定工作流程模型和用户体验模式的细节打磨。
● 代码生成。如今在该领域，生成式AI的应用已经带来了质的提升，程序开发人员的生产力和创造力都被极大增强：如今使用GitHub Copilot生成的程序中，有近40%的代码是由AI生成的。但如果打开想象，我们甚至可以设想，将来借助更好的生成式AI，普通消费者（非专业程序开发人员）也将有能力自行创作程序代码。基于提示的学习（Learning to prompt，译注：一种新的AI训练方式）将有可能成为最终的高级编程语言。
● 艺术作品生成。如今，不少大型的AI已经将整个艺术史和流行文化的作品数据编码进了模型当中，任何人都可以随意生成——以前可能需要人花一辈子才能掌握的——想要的艺术风格的作品。
● 游戏。最理想的应用状态是人们可以使用自然语言来创建复杂的场景或可操纵的模型；我们离这样的梦想还有很遥远的距离，但在短期范围内，还是有不少可实现的场景应用，比如生成游戏场景的纹理或Skybox VR场景的图像等。
● 媒体/广告。我们大可畅想自动化广告代理的潜力——它将能针对不同的消费者来优化广告文案与创意。而多模态生成的应用将能更好地针对不同的销售信息生成互补性视觉效果广告。
● 设计。数字和实体产品的原型设计是一个劳动密集且往往需要不断反复修改的过程。现在的生成性AI已经实现了根据粗略的草图与文字描述生成高保真渲染图。随着这一技术往3D模型的方向发展，生成设计过程将打通从文字到具体产品实物的全流程。你的下一款手机应用程序，或将来的某双运动鞋，说不定都将是AI设计生成的。
● 社交媒体与数字社区。会不会有人借助AI生成的方式来自我表达呢？当然，现在像Midjourney这样的新应用便正在创造新的社交体验——消费者可以学着生成独具个性的作品来做公共表达。

智能化与模型微调生成式AI应用的底层技术其实都是GPT-3或Stable Diffusion等大型AI模型。而随着应用程序不断获得更多用户数据，这些数据便可用来对模型做更精细的改进，以实现针对特定问题空间改进模型质量和表现、缩小模型尺寸或降低成本。

实现形式方面如今，生成式AI应用在很大程度上是以插件的形式存在于现有软件生态系统中，通过IDE（集成开发环境）运行代码，而通过Figma或Photoshop之类的应用程序来生成图像；我们甚至可以设想，将来Discord机器人也将能通过生成式AI的技术实现更广泛的用途。

交互模式范例如今，我们看到的大多数生成式AI的演示都是“一次性作品”：提供一个输入量，机器会生成一个输出，然后你再决定是否保存结果或者弃掉重来。随着越来越多的模型不断迭代而变得更强，将来我们能实现对输出作品的修改、完善、升级或生成不同版本等操作。

持续的细分类目引领者通过不懈加速“更多用户参与/更多数据—更好的模型”这一发展飞轮，生成式AI公司可以获得持续的竞争优势并最终成长为行业最佳。当然要注意维护这一良性循环：①获得极高的用户参与度→②获得更多用户数据以训练出更好的模型（提示改进、模型微调、将用户行为作为标记的训练数据等）→③优秀的模型吸引更多的用户并提升参与度。此外，这些AI公司还可以往特定的问题空间发展（如代码领域、设计领域或游戏领域等），而不是非要做得大而全。还可以如前所述，通过插件的形式整合进当下目标用户的生产流程中，以此实现用户增长和产品分发，之后再尝试打造AI原生的工作流程来替代现有的应用程序。找到正确的方式来打造这些应用，积累用户与数据，这些都需要时间，但我们相信，好的产品必然持久，也终将发展壮大。

困难与风险