2022AIGC频繁火出圈

频繁出圈的AIGC

从AI绘画到ChatGPT,一波未平一波又起，AIGC(AI生成内容)无疑是今年科技领域的当红炸子鸡。Science杂志出炉了年度10大科学突破，“人工智能进军艺术与科学领域”仅次于“人类首次行星防御实验成功”成为排名前5的科学突破，无疑确认了AIGC在今年科技发展中的地位。

然而，AIGC领域创业项目炙手可热的同时，第一批AIGC公司已经宣布倒闭了。2022 年 12 月 28 日，AI 绘画公司 StockAI 在 Twitter上发文表示，StockAI平台将正式关闭。

即便是大火的AI绘画领域，绝大多数一般用户均是以一种跟风猎奇的心态来对AIGC走马观花，浅尝辄止，看上去流量汹涌，但付费者通常寥寥。

有目共睹的是，AIGC的入局者依然络绎不绝，2023年AIGC领域能够挣到钱吗？

AIGC赚钱的快车道

互联网内容，主要就是文字、图像、音频和视频四个，对应的AIGC领域分别是AI文本生成，AI绘画、AI作曲和AI视频创作，但是哪些赛道更容易赚到真金白银呢？

高容错的领域

AI就目前来说，依然没有达到强人工智能的程度。虽然ChatGPT让人看到了通用型强人工智能普及的曙光。但超大模型带来的超大服务器负担，随着ChatGPT的注册用户数的飙升，ChatGPT的使用体验越来越难以言喻。虽然ChatGPT很强大，但如果可用性跟不上，将会成为阻止用户付费最大阻碍。

200万规模的用户已经让ChatGPT频繁报错和限流

同时AI文本领域也是，文字本质上是信息的抽象总结和精炼，文字相比较图像、视频和音频来说具有更低的容错性，错了一个字就有可能导致一句话完全不通。就像有网友试用了中文互联网20多款AI写作工具之后，得出了“到2022年底为止，所有的中文AI写作工具生成的内容都狗屁不通”的结论。而图像、视频和音频由于信息密集和具象，局部的错误，并不会影响整体观感。

从这个角度来说AIGC最容易赚钱的可能是在AI绘画领域，即以文生图。俗语有云“画鬼容易画人难”，“鬼”的容错性比“人”高太多。在科幻、奇幻、精怪、华丽、浪漫等等风格的绘画中，AI可以并不十分消耗算力的进行高质量持续内容输出。原本需要数天甚至数周才能完成的插画，通过AI就能一秒完成。

并且图像资源，相比较AI视频创作来说，消耗算力和存储资源更少。目前AI生成壁纸、头像、插画等等都还是非常消耗计算资源的，并且插画这类的内容容错性也比较差。其实AI文生图，最佳领域是AI生成表情包，图片小，图像简单，消耗计算资源少，并且用户广泛。而相比较AI音频创作，图像资源在互联网内容上应用更加广泛。

AI生成的画作获奖

数据问题容易解决的领域

深度学习，其实一定程度上可以简化理解为“见多识广”。所以，只要对人工智能有些认识的人都清楚数据的至关重要。离开了海量优质数据喂养，AIGC是无法生成优秀作品的。

其实数据来源、存储资源、计算资源都不是太大的问题，数据合法性也不会是太大的问题，毕竟目前是无法通过AI生成的内容逆推所学习数据资源的。鉴于AI生成内容的不可逆性，即便你的模型训练使用了某某数据，你删除数据之后，从法律角度来说版权所有者无法仅仅通过模型来向你申索权利的。

但就目前的互联网版权内容传播来说，视频、音频、图像都是以低清晰度内容进行传播，付费后可拥有高清晰度内容。而文字内容不存在“低清晰度版本”，只要传播那么信息就是一致传播的。并且目前已经有了很多在图片领域对抗和污染AI的图像掺杂算法，在不影响整体观感的情况下，掺杂额外图像，从而影响AI生成效果，音频和视频类似。

综上，文字内容是最容易获取的，新闻、问答、百科、小说等等，只要在互联网上传播，就可以获取到。

从互联网获取文案素材进行文案生成

计费简单的领域

人们在为试错成本低的产品付费时，总是会放下警惕，这就是“九块九，买不了吃亏，买不了上当”的道理。图片生成头像、壁纸等，对于个人用户来说单次生成费用不高的话，消费者付费的意愿还是挺高的。厂商可以一次付费提供多个参考生成结果，让用户有从中选择的权利。比如付一张图片的钱，厂商给用户生成10张低清晰度图片，让用户从中选1.生成高清晰度， 或者二次微调生成。像婚纱影楼一样，一次性拍摄很多照片。但选择照片的时候鼓励用户升级套餐，用户很容易在眼花缭乱的挑选中忍不住升级套餐。图像计费灵活而明确，这一点对文生图、图生图来说都是相当有利的。

而AI写作，由于文字内容的低容错性，免费尝试效果通常不太好。所以几乎所有的AI写作工具的收费模式都是包月包年的订阅制，因为用不了几次，用户就会因为“人工智障”的胡说八道，而放弃付费。总体来说只有在商品文案写作、标题生成、新闻快讯等短平快的领域，目前的中文AI写作工具才能有勉强及格的水平，而且这种短文章，人工参与修改起来也快。通常情况下，若用AI生成长文章，通常都是写得越多错得越多，人工改长文，其中的耗时可能还不如自己写，也是用户付费的拦路虎。在这种情况下AI文生图就要比AI写作的计费更加简单明了且灵活。

一帧秒创AI作画

普通程序员能在这股浪潮中赚到钱么

类似于制作插画、辅助设计、生成海报、新闻快讯生成等专业需求的B端来说，目前谷歌、Meta、微软、OpenAl、百度、阿里、腾讯等各大厂开源的模型就足以提供支撑。并且国内这类做B端的创业公司也已经多如牛毛，并且现在的2B的AIGC产品的成熟度和成本正处在一个尴尬的位置。价格定高了大公司不屑于使用，小公司使用不起。价格定低了计算资源、储存资源、模型持续迭代消耗的成本也覆盖不了。

然后政府近几年也在大力推动数字经济，政府的信息化数字化也是AIGC的一个重要商业组成部分，主要在智慧城市、政务信息化、政务数据平台等政府项目中有些需求，不过由于近几年光扯概念不解决实际问题的政务信息化项目太多，政府领导对AIGC的价值和适用场景目前都还是处于一种谨慎的态度。

在这些行业，作为普通程序员的话工资肯定是稳步上涨，但肯定不会出现10年到18年移动互联网热潮的工资上涨情况了。那还有哪些机会呢？

AI生成表情包小程序

其实综上所述，低计算资源消耗的低清晰度、高容错性、低存储占用、计费简单的的文生图领域，比如AI生成表情包，在2023年应当会有比较大的钱途。并且国内即时通讯软件微信一家独大，在腾讯没有开发出C端AI聊天插件或者开放平台的情况下，普通人和公司的程序AIGC产品很难接入到聊天场景。对我们普通程序员来说，小程序就成了唯一的切入点，如果有人做AI生成表情包的小程序，2023年肯定会挣到钱的。

AI模型代训练、代调教

大公司肯定做的是大规模的通用模型，虽然强大，但对数据资源、计算资源的要求都高得离谱，GPT3模型1750亿的参数，普通人想想都觉得头皮发麻。以今年最火的Stable Diffusion为例，仅Stable Diffusion v1 版本的模型训练一次便需要单块A100 GPU训练150000小时，其背后公司Stability AI为了维护运营和算力需求，拥有一个由4000块A100组成的GPU集群，光成本就超过5000万美元（折合人民币约3.6亿）。

但其实在很多细分领域，比如商品文案、海报、头图，女鞋文案就有很多垂直领域，针对这些小数据、小模型的小众领域进行模型的微调，获得比通用大模型更好的效果，对小微企业还是很有吸引力的。可以低成本快速产出质量可接受的内容，在经济不确定性增加的2023年，便可以省下大量的内容维护人员。我朋友经营一家跨境电商公司，2022年初将公司由30人规模缩减到3人，他是非常需要有人能够为他们经营的领域提供质量可靠的内容生成模型的，毕竟除开亚马逊、速卖通等等电商渠道，他还有tiktok、facebook、instagram等需要输出内容的引流渠道。

训练数据代收集和预处理

利用开源数据来训练，通常也只能得到一个中庸甚至平均线以下的模型水平。于是细分数据的收集整理和预处理便有了价值。你只需要将数据尽量细化的分门别类，然后让没有大模型训练和运行资源的用户，能够灵活搭配数据来训练适合自己的小模型，以实现多个垂直小模型的灵活搭配使用。这也是一个普通程序员就能介入，并且边际成本很低的一个切入点。