文｜巴比特資訊
今年 AI 藝術(shù)熱潮源于海外 AI 技術(shù)在圖像生成領(lǐng)域的革命性進步，以 Disco Diffusion、Stable Diffusion、Midjourney 等為頭部代表的擴散模型（Diffusion Model）開始在數(shù)字藝術(shù)領(lǐng)域大放異彩！以其驚人的藝術(shù)效果和可繪制“萬事萬物”的無限性，在短短半年時間里，吸引了來自全世界數(shù)千萬注冊用戶的實際參與、以及數(shù)億人的關(guān)注與談資。
時代洪流再度來襲，只不過這次的主角給予了 AI 技術(shù)。我們可以去質(zhì)疑一種新的商業(yè)模式或者消費場景的市場有限性，但卻無法不去敬畏一種新技術(shù)革新所帶來的未來無限性，那是一場絕對的“無限游戲”！
緣起：細數(shù)幾大模型
2022 年初，由獨立開發(fā)者 Somnai 開發(fā)的 Disco Diffusion（簡稱 DD）在谷歌 Colab 云服務(wù)上正式對世界開放使用，4 月份開始在國內(nèi)經(jīng)很多設(shè)計與開源領(lǐng)域的大 V 傳播至熱，引發(fā)全民參與熱潮，不限于如何使用這種 AI 生產(chǎn)力工具、AI 藝術(shù)與人類藝術(shù)之爭、版權(quán)問題，乃至對現(xiàn)有各種視覺相關(guān)行業(yè)的沖擊幾何，紛繁復(fù)雜，不一而足，好不熱鬧。
緊隨其后的是一個更為強大的 AI 藝術(shù)工具 Midjourney（簡稱 MJ）開始在 Discord 上建立全球第一個集中式的 AI 創(chuàng)作者社區(qū)，在短短兩三個月內(nèi)，僅靠這種自發(fā)的人人傳播，社區(qū)規(guī)模便突破了一百萬人，成為 Discord 有史以來規(guī)模最大的社區(qū)頻道，蔚為壯觀。
2022 年夏天，眾多科技巨頭紛紛涉足 AI 藝術(shù)領(lǐng)域，以 OpenAI、谷歌、微軟、百度最為積極，分別推出了 Dall·E 2、Imagen、Nuwa、文心一格。巨頭成？還是社區(qū)成？成為這個夏天 AI 藝術(shù)發(fā)展進程中最矚目的商業(yè)鏖戰(zhàn)。
但這些都尚不足以將 AI 藝術(shù)帶入到一個千億乃至萬億級的消費市場中，一種技術(shù)只有具備建立超級大生態(tài)的能力才會被歷史所輔證、被當(dāng)下所青睞、被未來所銘記，就像曾經(jīng)的 Linux、云計算、安卓、以太坊等在用生態(tài)來承載人類數(shù)字技術(shù)發(fā)展的 30 多年征途。而它們的繼承者今天也逐漸嶄露頭角——Stable Diffusion（簡稱 SD）。
SD 自今年 8 月份面世以來，秉承“大開源”的精神和宗旨，不僅在短短兩個月時間內(nèi)讓其背后公司實體一躍成為市值高達十幾億美金的獨角獸，更吸引了全球數(shù)百萬乃至上千萬人積極參與其生態(tài)的建設(shè)，這場如火如荼的“去中心化運動”引爆了海內(nèi)外的創(chuàng)業(yè)與投資熱潮，因此其意義之深遠遠超對自身的影響，其福澤被于世界與萬民。
而所謂的“大開源”，包括開放核心 AI 算法模型（Latent）、開放核心訓(xùn)練數(shù)據(jù)集（LAION）、開放 AI 生成圖片的版權(quán)（CC0）。這種三位一體的開源模式，讓全世界所有普通人、極客、創(chuàng)業(yè)者、商業(yè)團體可以隨心所欲地完成對 SD 的部署、運行、改進和商業(yè)化，且大膽使用全世界人利用 SD 所無私貢獻的 AI 生成式圖片，而不必受制于版權(quán)的束縛，大膽地去創(chuàng)新，讓 AI 技術(shù)在視覺生成領(lǐng)域能夠零摩擦地大跨步向前，不必受制于商業(yè)的條條框框而固步自封。
風(fēng)靡國內(nèi)外的 AI 藝術(shù)工具
時至今日，DD 雖然在商業(yè)化上無法體現(xiàn)效率、邊際成本、規(guī)模效應(yīng)的優(yōu)勢，但其對 AI 藝術(shù)開源運動的引領(lǐng)地位被廣泛認可，依然是更多新人入場所能夠首先免費享受到的 AI 藝術(shù)體驗，對于教學(xué)與用戶教育的意義依然存在且無法被替代。
在美學(xué)角度，DD 對于色彩的大膽繪制往往令人“心馳神往”，但其并不注重邏輯性，具有極為強烈的“AI 風(fēng)格”，這種純粹追求對視覺的沖擊效果也經(jīng)常被壁紙類創(chuàng)作者所青睞，因此在抖音、小紅書等社交媒體上經(jīng)常會看到由 DD 所創(chuàng)作的“色彩美學(xué)”作品。
幾乎所有的國產(chǎn) AI 藝術(shù)產(chǎn)品和工具都會首先集成 DD，是對開創(chuàng)者的致敬，也是對其獨特美學(xué)體驗的認可，這種風(fēng)格不因技術(shù)的進化而過時，也許會歷久而彌新，傳承為 AI 藝術(shù)最初始的模樣，愈發(fā)不可替代，則彌足珍貴！
AI 藝術(shù)領(lǐng)域并非由開源獨撐，時至今日商業(yè)化最為成功的當(dāng)屬 MJ。而 MJ 不僅完全閉源，還倡導(dǎo)付費模式。這種底氣當(dāng)然來自其核心可控的技術(shù)、強大的產(chǎn)品、頂級的算法、不斷進化的數(shù)據(jù)集，使得 MJ 的出圖已經(jīng)進入“大成之境”，不論從邏輯性還是細節(jié)都幾乎與人類藝術(shù)家難解難分。迄今為止，MJ 共發(fā)布了四個版本，而每個版本都有其“致命性”的革新，如 v2 版的“美學(xué)”、v3 版的“邏輯”、v4 版的“無可挑剔”。
每次的新版本發(fā)布都無不讓全世界為之歡呼和追捧，這種場面不禁令人想到了當(dāng)初 iPhone 從初代開始的每一場發(fā)布。有人戲稱，DD 是塞班，SD 是安卓，MJ 則是蘋果。戲謔之中，暗藏著歷史的重演，未來已在此處，只是分布不均。
靠著不斷進化的“深度”，MJ 全年都處于興盛不衰的狀態(tài)，是所有 AI 藝術(shù)創(chuàng)作者都頂禮膜拜的“岡仁波齊峰”。雖然 MJ 并沒有進駐中國消費市場，但憑借著大模型（Big Model）之“大力出奇跡”的精髓，加上 MJ 每天都在擴充自己的訓(xùn)練數(shù)據(jù)集，這個扎根于海外的產(chǎn)物竟也十分理解中國元素。很多國內(nèi)用戶用它刻畫古風(fēng)、武俠、神獸、古建筑等系列，并燃爆了整個抖音和小紅書的公域流量，好的作品點贊量都高達一百多萬，比很多粉絲數(shù)上億的頭部主播發(fā)布的日常狀態(tài)都高。
也許在七八月份的時候，很多用戶還能挑出 MJ 出圖的各種問題和瑕疵，但今天更多的是折服與認可，隨之而來的便是持續(xù)的商業(yè)化輸出。MJ 的創(chuàng)作者群體已經(jīng)逐漸從一開始的純興趣愛好慢慢擴展至使用 MJ 進行商業(yè)設(shè)計與變現(xiàn)的職業(yè)群體，涉及影視制作、游戲設(shè)計、UI 設(shè)計、原畫、插畫、壁紙、數(shù)字藝術(shù)、數(shù)字藏品、元宇宙視覺等多個領(lǐng)域數(shù)百萬人的輻射。
MJ 目前將社群構(gòu)建在海外社交軟件 Discord 之上，從 0 到 100 萬人僅僅不到半年時間，而更是在隨后的兩個月時間內(nèi)從 100 萬干到了近 400 萬左右的規(guī)模。
可以說 MJ 社群的規(guī)模增長速度恰如其分地反映了整個 AI 藝術(shù)行業(yè) 2022 年的發(fā)展軌跡和無盡潛力。作為 AI 藝術(shù)皇冠上的明珠，MJ 的存在無疑給了從事這個行業(yè)的創(chuàng)作者和創(chuàng)業(yè)者更多的信心和鼓舞，因為它在不斷證明——AI 藝術(shù)的進化是永無止境的！
AI藝術(shù)家AIBEN使用MJ創(chuàng)作的科幻作品
在技術(shù)基因上，SD 跟 MJ 有著太多相似、相比、相拼之處。比如出圖時間都在 1 分鐘以內(nèi)，甚至秒級，這得益于像 SD 利用潛空間（latent space）極大地提升了擴散模型的繪制效率，將原本二維的像素空間畫布降維至一維的潛空間，這不僅僅是壓縮了時間，更讓圖像匹配人類描述的精準(zhǔn)度大大提升，因此這類模型相比于初代的擴散模型更具商業(yè)落地可行性，可滿足千萬乃至上億人參與的新消費場景。
時至今日，由 MJ 和 SD 領(lǐng)銜的 AI 藝術(shù)消費市場已經(jīng)在全球突破了一千萬用戶的大關(guān)，并在瘋狂地向一億全球用戶的新征程邁進。但 SD 目前在輸出圖像的藝術(shù)水準(zhǔn)上相比于 MJ 還存在一些進步的空間，這與我們接下來要講得息息相關(guān)，也是 SD 生態(tài)正在努力的方向。
目前 SD 生態(tài)由公司實體 StabilityAI 和 RunwayML 共同領(lǐng)銜推進，與此同時一些第三方社區(qū)力量也舉足輕重，諸如 SD webui 項目、眾多二次元改進項目、可用于訓(xùn)練 SD 新模型的 dreambooth 生態(tài)、可用于精準(zhǔn)控制 SD 畫面輸出的交叉注意力技術(shù)方向等等。百花齊放，生態(tài)猶如熱帶雨林一般，可能每天都有生與死，但生生不息！
更值得注意的是，擴散模型技術(shù)大廈的構(gòu)建更離不開眾多上游大技術(shù)的鼎力配合，尤其指更精準(zhǔn)理解人類語義的大模型技術(shù)、文本與圖像多模態(tài)預(yù)訓(xùn)練模型（CLIP）、AI 藝術(shù)輸出質(zhì)量最為依賴的大規(guī)模訓(xùn)練數(shù)據(jù)集等。
SD 今天的成就離不開當(dāng)初對 LAION 數(shù)據(jù)集的全力支持，其中大名鼎鼎的 LAION-5B 是用于訓(xùn)練下一代圖像文本模型的開放式大規(guī)模數(shù)據(jù)集，高達 58.5 億個圖像-文本對，共 80T 數(shù)據(jù)，是世界第一大規(guī)模、多模態(tài)的文本圖像數(shù)據(jù)集。
這個數(shù)據(jù)集的建立并非一朝一夕的工作，它是對互聯(lián)網(wǎng)發(fā)展近 30 年的縮影，要對海量的互聯(lián)網(wǎng)圖片做大量的工作，諸如提供了色情圖片過濾、水印圖片過濾、高分辨率圖片、美學(xué)圖片等子集和模型，以供不同方向研究。這就是互聯(lián)網(wǎng)的視覺 DNA！時至今日則由 CLIP、擴散模型等新一代 AI 技術(shù)進行編碼演繹，去勾勒出互聯(lián)網(wǎng)未來的模樣——元宇宙時代。隨著 LAION 的持續(xù)進化，SD 也會輸出更加高質(zhì)量的 AI 藝術(shù)作品，就像 MJ 那樣。
誠如 StabilityAI 創(chuàng)始人 Emad 所言：“很高興支持創(chuàng)建這個為下一代模型奠定基礎(chǔ)的數(shù)據(jù)集。甚至更好的數(shù)據(jù)集正在開發(fā)中，它被設(shè)計為廣泛的、可擴展的?，F(xiàn)在我們將向著多樣化、專業(yè)化和不斷提高質(zhì)量前進?！?/p>
SD繪制的“萬事萬物”
如今人類有了眾多開源與閉源的 AI 藝術(shù)生產(chǎn)力，這其中有的可以直接進入商業(yè)生產(chǎn)，而有的則停留在娛樂體驗，因此就產(chǎn)生了付費與免費的用戶行為。對于極致水準(zhǔn)的圖像生成，用戶付費的意愿也隨之強烈，這便是 AI 藝術(shù)這個行業(yè)極為明確的發(fā)展方向，進化是永恒的使命！
（注：全文超萬字，共分三篇，上篇以幾大 AI 藝術(shù)模型講述“緣起”，中篇以打破“十二道邊界”講述“意義”，下篇從最新技術(shù)動向的角度講明 AI 藝術(shù)尚存在的進化空間，暢想“未來”）