图片来源@视觉中国

文 | 峰瑞资本FREESFUND

最近，AIGC（AI-generated content，AI生产内容）这股洪流涌入了我们的生活以及商业世界。

OpenAI发布多模态GPT-4模型，让GPT能理解图片的内涵。Midjourney发布第五版商业AI图像生成服务，解决了以往AI工具无法正确渲染手部的难题。百度发布文心一言，包含文学创作、商业文案创作、数理逻辑推算、中文理解与多模态生成这几大能力。

与AIGC相关的技术问题已经被比较充分地讨论。我们好奇的是，这股洪流可能会产生哪些分支？流入哪些小径？置身其中的创业者们会选择奔赴哪个方向？

目前已经有不少团队选择在模型层创业，做语言模型或者图像生成模型。除此之外，创业者或许还可以立足垂直行业，往行业的纵深方向发展。

峰瑞资本投资合伙人陈石与AI科技运动公司BodyPark型动公园（以下简称BodyPark）创始人兼CEO阿立Alex，阁楼创始人兼CEO刘秋阳、特看科技创始人兼CEO吴春松（乐乘）一起深入探讨了AIGC如何影响垂直行业。

分析式AI与生成式AI在场景使用上有什么区别？

陈石：这几年AI有两波浪潮，第一波叫分析式AI，第二波叫生成式AI。你们是怎么感受这两波创业热潮的？这两波创业热潮针对的使用场景有什么区别？

 吴春松：我经历过这两波不同轮次的高潮。2015年到2016年那一波AI浪潮时，刚好那时我在阿里内部做了“阿里鲁班”（后改名为“鹿班”）这款产品。这款产品借助AI来生成海报，能够实现自动排版、自动更改图片尺寸。

当时我们大多还是通过限定范围内的小模型的方式去做。我们做海报，还要人工去准备好大量的设计的基础元素和物料，生成的图像是元素级的组合。现在这一波的大模型，已经能真正实现像素级生成，这在图像领域是一次重大的变化。

▲ Midjourney生成的图片，关键词为90年代的中国情侣。

另外在控制生成的过程中，上一波我们要给很多元素打好标签，用专家支持的方式去组合后做优化。

现在这一波Midjourney或者Stable Diffusion这些模型，已经改成prompt（输入关键词）这种接近人类自然语言的方式，去生成图片。所以这一波AI产品在交互方式上也发生了很大的变化。

我感觉这一波生成式AI站在了巨人的肩膀上，它把人类历史已经沉淀的过往信息聚集在一起，用深层次AI大模型的方法做了组装升级。所以我觉得这一波AI热潮带来的变化比上一次影响更深。

陈石：阿立是AI行业的一名“老兵”。 之前在AI独角兽公司出门问问，做产品的VP，刚好经历了这两波AI热潮。

阿立：上一波的语音助手类AI以及视觉类AI更多是偏向被动式的分析，预置任务场景下的简单问答，更多是为了在特定任务上提高搜索交互效率。过去一两年，尤其是最近生成式AI这一波，让AI从被动式的分析或者响应，变成了可以更主动地去生成内容，能够在很多垂直的应用场景上给出很多新可能，结构性地改变用户体验和行业生态。

我们确实也看到了这一波新的基础设施，或者说底层技术的突破，能够给很多垂直的应用场景带来新的可能。

 陈石：确实，原先我们觉得AI好像只能做一些比较局部的技术性工作，现在生成式AI让我们打开了脑洞，发现它能做更多事情。

刘秋阳：我没有经历过完整的两拨AI浪潮，但我们一直在用AI 相关的产品。现在的语言模型更加通用，我们可以不用像以前那样，只在一个细分领域中用一个产品去生成。现在你可以用GPT去生成任何你想要的内容。我觉得它会变成每个人工作的基础设施，而不是仅仅是科学家或者工程师的基础设施。

AIGC如何赋能心理咨询行业？

 陈石：现在我们进入垂直行业赛道的讨论。三位嘉宾来自三个垂直行业，秋阳是心理咨询服务赛道，春松是内容营销的赛道，阿立是在线健身赛道，都不太一样。刚好借这个机会，请大家介绍一下各自的赛道。先从秋阳开始，我比较关心一个问题，当前心理咨询服务赛道是什么情况？为什么AIGC可以帮助它？

▲ 图片来源: 阁楼官网

刘秋阳：心理咨询赛道其实发展了很久，这个赛道不同时期也都有不同的产品涌现。但这个行业一直都没有解决非标性问题，比如咨询师的学派、学习经历各异，不同平台的服务方式各有不同。这些非标性会造成很多用户痛点，比如预约要很久；可能通勤时间很长；你找的咨询师可能不太适合你，要试错很多次才能找到一个合适的咨询师。这些问题看起来都是需求端的问题，但最终都要在供应链端寻找解决办法。所以我们做的第一件事就是把咨询和服务的流程标准化。

当我们在思考AIGC怎么帮助我们时，并不是思考如何让它给用户做心理咨询，而是思考它如何在供应链侧，赋能心理咨询师。如果我们要把一个人从抑郁或者焦虑的状态中治好，本质上是要让这个人和心理咨询师建立新的关系，这是人和人的情感交互。如今ChatGPT虽然在语义和推断领域已做得非常厉害了，但在建立关系，进行情感和人伦层面上的交流上，ChatGPT还比较难实现。

除了咨询之外，心理咨询师还有非常多工作要做，比如写案例报告、工作安排。每个人写得都有自己的风格，但如果用AIGC去写，首先它能保证质量，另外，AI生成的内容格式相对统一。更重要的是，之前供应链端的所有的书面材料都要咨询师做，现在可 AIGC可以直接生成，能让咨询师更专注于业务本身，提升了几倍的工作效率。

在实际应用AIGC的过程中，我们也遇到了一些坎，比如怎么更好地生成prompt（关键词指令）。心理行业和其他行业不同的一个点在于，心理咨询行业有非常多专业的词汇，你需要把这些专业的词汇都尝试一遍，才能生成出你觉得不错的产品。

AIGC如何改变视频营销？

陈石：接下来我们进入第二个赛道，春松你来简单介绍一下，你在做什么样的产品？

吴春松：特看科技把 AI 和数据技术用在视频直播产品里，是内容生产赛道里面的一个典型应用。我们是AIGC 里面的“GC”（生成内容）。在内容生产赛道，以前的主流方式是PGC（专业生产内容） 或者UGC（用户生产内容）。PGC对应的工具是像 Pr（Adobe Premiere Pro，简称Pr，由Adobe公司开发的一款视频编辑软件。） 这种专业深度的工具。UGC更多是借助移动端比较轻量的模板化的内容生产工具。如今AIGC改变了内容生产的方式，对我们所处的领域改变很大。

我们切入的是视频及直播工具赛道。视频制作这件事可以被分为三段。第一段，策划、创作环节，要产出内容脚本。第二段是拍摄跟制片环节，产出画面跟素材。第三段是剪辑环节，形成最终的作品。

我们尽可能在每个环节都用上AIGC最新的能力，正在研发一键生成视频的工具。我们内部很关注一个指标，叫AI替代率。可能对于其他行业而言，是否使用AI是可选项，但对我们来说，是必选项。

陈石：当时峰瑞投资特看科技时，它原先定位在短视频制作，特别是在海外短视频赛道里头做内容的创作、编辑、数据归集以及生意参谋。早期特看科技用GAN（对抗生成网络），来给主播换脸，满足跨境电商海外直播的需求。新的语言模型和图像生成模型，比如GPT-3和Stable diffusion等面世并逐步成熟之后，特看科技很快就把新技术用在了业务里。

想问一下你们在运用新技术的过程中，有没有发生过一些有趣的情况？有什么新发现，碰到了什么困难？

吴春松：我们比较意外的是，GPT是一个“抄作业”的高手。比如在撰写直播话术跟策划视频脚本环节，我们给它看了一些样例之后，它很快就学会了。它的通用能力让大家都感觉到了，但它在专业领域里面也学得很快。比如我们在美妆类目下给了它几百条优质的视频脚本后，它可以有模有样地做出来，它的泛化能力跟涌现能力让我们感触深刻。

难点则是我们切入的视频领域天然是多模态的，涉及文本、语音、图像等多方面的内容形态，之前的语言模型大多是单一模态，我们需要自己来“组装”。GPT-4这样的多模态的语言模型，一定是大势所趋。

AIGC如何助力线上健身？

陈石：我们现在进入在线健身赛道，请阿立来分享一下这个行业当前是什么情况？为什么AIGC可以帮助它？

阿立：我聊一下我们创业的一些判断和想法，以及跟 AI 的关系。

很多人会认为线下面对面的交付才能把体验做好。但我们看到，不管是线上还是线下，健身行业存在不少亟待解决的问题，比如续费和用户留存不太好。

我们为什么要做出来创业，切入线上运动健身赛道？

首先，由于5G 、在线音视频、 RTC技术（Real time communication，实时通信，是实时音视频的简称。）以及AI技术加成，线上反而有机会做出不一样的用户体验。

第二，我们看到在很多次技术周期里，因为出现新技术，使得老需求有一个更方便、体验更好的方案，可以解锁大量的新市场。你不能用“历史的眼光”，来看新市场。

从底层逻辑来讲，阁楼、特看科技和BodyPark都在做同一件事，就是降低了人们使用服务的门槛，这是核心。

我们开创性地做了一个“AI+真人”的在线私教课产品，在市面上已经跑了一年多。我们的信心来自于真真切切地看到了消费者愿意去线上，愿意掏钱，并且续费留存显著优于传统方案。

我们还搭建了一套AI Coach Copilot远程授课系统，帮助全国各地的教练，高效率远程授课，让他们在每节课都能收到一笔不错的课时费收入。疫情期间，我们这套系统帮助很多教练解决了生计问题。

我们之所以能做到这些事，就是因为我们利用了最前沿的技术，切入了一个垂直场景，将非常传统的线下健身行业进行线上化和智能化改造，创造了新的服务交付方式。这也是我们相信AI要做垂、做深、做透的逻辑。

陈石：同样的问题，BodyPark在运用新技术的过程中，有没有发生过一些有趣的情况？有什么新发现，碰到了什么困难？

Alex: 难点在于，第一，怎么用AI深度学习的方式来精准捕捉人体的运动。市面上开源的人体姿态识别和动作捕捉系统识别准确度还不够高，我们采用自有模型和算法，做了很多优化，提高识别准确度。

另外，挑战还在于怎么把动作识别、实时音视频互动这套技术，用比较“丝滑”的工程和产品方案，交付给消费者，这里面要解决不少技术难点。

运用新技术的过程里也有不少有趣的发现，AIGC在垂直行业可以找到有意思的应用场景。比如我们用stable diffusion算法模型，上线了AI健身滤镜的功能。用户上完一节课，BodyPark会给用户生成这节课的高光时刻图片，既保护了用户隐私又非常有趣，用户的分享率也非常高。

▲ 图片来源: BodyPark

再比如，我们最新上线的一款 AI互动游戏化健身APP“JustFive”，既能让用户在欢快的音乐节奏中，进行有趣热烈的游戏PK，不知不觉的完成5分钟有氧HIIT锻炼，也能在课后生成非常有趣鬼畜的短视频，便于用户分享。

陈石：BodyPark和阁楼这两家企业都定位在服务行业，它们都在经历我们称之为服务行业的“三化”过程，即线上化、数字化、智能化。表面上看，从线下到线上会有服务体验上的损失，但最终，数字化和智能化的优势能弥补这些损失，实现更好的服务效果，提高服务4效率。

陈石：除了心理咨询、短视频、健身这三个垂直行业之外，你们还看好哪些垂直行业，能让生成式AI有更好的落地场景和机会？

吴春松：我觉得首先是内容创作行业，不管是图片、文本还是视频，应该是最直接被改变的一个领域。如果是站在普通消费者的角度，我现在最期待的换掉手机里的语音助理，改成真正聪明的ChatGPT这种水平的智能交互。比如我拿起手机，点一个按钮，就可以把我的问题全问完，也能及时得到我想要的答案。把交互的“距离”缩短，这是我最迫切的需求。当然可能这种机会可能不在创业公司手里，更像是在巨头手里的机会。

阿立：如果大家考虑创业或者加入创业公司，我觉得有几个大的方向。第一个去做基建和大模型创业。如果你对前沿科技感兴趣，可以选择加入一个大模型的公司。但这个机会可能会在少数巨头手里，或者在资金充裕、技术实力比较强的创业团队。

对于创业公司而言，更多的机会是做中间层或者应用层，或者把中间层和应用层一块做。

此外，可以多从服务业里找找应用层的创业机会，不管是去重构线下，还是把线下的体验搬到线上，或者做一些全球化的事情，出海其实也会有很多机会。在新的增长周期，去观察用户有没有新的需求变化，去观察有没有机会通过最前沿的技术，去做结构性的降本增效或者体验创新。

刘秋阳：我觉得应用层的服务行业会有非常多的机会，比如金融、法律、医疗，其实都会有从线下翻上来的机会。如果未来AIGC应用得越来越广泛，很多内容信息可能需要我们加以甄别。比如，我们怎么判断和自己视频连线的人是不是真人？中间层的数据安全领域也是一个机会。有一部英剧叫作《真相捕捉》，其实就在讲AIGC带来的数据安全、隐私安全以及真实性等方面的问题。

▲ 英剧《真相捕捉》海报。图片来源：豆瓣

如何建立自己的竞争壁垒？

陈石：还有个话题大家比较关心。现在大模型占主导地位，围绕着大模型的周边应用，其实在某种程度上都是被平等赋能。所以，我们如何建立自己的竞争壁垒？

刘秋阳：今天很多人都在用大模型，其实没有所谓的技术壁垒概念。我觉得比较重要的几个事情，第一是工程。工程本身是一个壁垒，需要大量试错。第二是在早期形成knowhow（专业知识）。knowhow可以节约很多时间，你早做一点，可能领先人家半年。第三，你要想办法去验证模型的有效性，比如提升效率是一个方面，另一个方面可能是改进商业模式。此外，你还需要去验证模型有效性的方法本身，是不是真实有效的。

陈石：AI 确实在平等赋能，大家在同一个起跑线上。所以最后可能还是要把我们的壁垒建设在基于行业的knowhow和场景里。

阿立：我觉得这一轮AI 应用的创业机会里，壁垒可能来自于你的路线选择。如果仅仅是做了一层很薄的基于通用的大模型，来做单一维度的应用创新，壁垒会比较低。就我们自己而言，BodyPark 目前更倾向于做垂直的，端到端的技术和工程的产品整合，会用到不同的技术栈。

对我们而言，人体关键点识别的引擎、虚拟教练跟用户的多模态交互的中间件和应用层，一定要牢牢掌握在我们自己手里。但我们也会主动拥抱新技术，比如像ChatGPT、文心一言这样的一些新的基础设施，我们一定会open地接入。

在一个行业变革的早期，在共识没有形成的时间点，做垂直的整合（Vertical Integration），会相对比较容易交付产品，把现金营收做起来，同时持续构建壁垒。

陈石：总结来看，基于垂直行业的创业，AI 本身可能还形成不了太多的壁垒，真正的壁垒还是在场景、商业模式、用户规模、行业knowhow里头。仍然是：“技术为先，场景为重。”最终还是要有自己的业务纵深和场景壁垒。

垂直赛道有没有必要自己做AI大模型？

陈石：有个话题不少创业者比较关心，目前市场上有不少大模型，在垂直领域的创业者，未来需要自己做模型吗，还是用已有的模型就好？

刘秋阳：长期看，肯定是要自己做的。对于我们这种应用层的公司来讲，路程其实比较长，需要大量的积累。首先要积累一种方式来验证你模型的有效性，还要再有一个方法，来检验你之前验证的方法本身是不是有效的。走到比较远的时候，才有办法建立自己的大模型。

对于我们来说，大模型是为了应用本身服务的，它不是服务于所有通用的场景。我还是希望它最终能够验证商业价值，而不仅仅是对话价值。但我们也不知道，未来GPT会发展到什么样。

吴春松：短期内我们不会有这层考虑。我们会更聚焦在应用层，做深做透。AI 创业生态里，底层大模型公司跟上层应用公司之间分工跟协作，可能形成新的公约，比如哪些地方应该应用端来做，哪些地方应该底层的巨头或者新兴的公司来做。

在我眼里，大模型是新时代的水电煤。我们可能更关注的是如何用好新基建。以新能源车行业举例，我们可能更像是造车新势力的角色，而不是新能源电池厂商的角色。我们要考虑的是产品服务的是什么样的群体，我们做什么样的产品去服务好客户？我们也尽可能地做到不依赖某一类“电池”，不能被一家大模型全部“锁死”。以后AIGC生态里，可能会形成类似新能源车与电池厂商这样的协作关系。