生成式 AI 的价值究竟如何？这篇文章里，作者对当下一些行业和 AIGC 的结合进行了解读，并尝试分析这类 "AIGC+" 的商业模式是否成立，一起来看看，或许会给你一些思考。

继 Web3、元宇宙后，人工智能——尤其是生成式人工智能（Generative AI，或国内称之为 "AIGC"）成为当下大火的投资领域——火到很多沾了一点点 AI 概念的股票在今年上半年都享受了多次 "10 厘米 "、"20 厘米 " 涨停，市值翻倍的也不在少数。

生成式 AI、AIGC 到底应该什么样，价值到底在哪里，这是一个值得讨论的话题。本文以一个一级市场投资经理的视角，对当下一些行业和 AIGC 的结合进行分析，尝试回答一些关于商业模式是否成立的问题。

Disclaimer：本文是个人视角，其中必然充斥着偏颇、信息茧房，因此观点仅供参考交流，请勿作为投资指导。

AIGC+ 脚本 / 文案

文案、脚本，这几乎是 ChatGPT 出现后，最早一波创业机会，最经典的案例就是国外的 Jasper，其估值已经达到 15 亿美元，不过，目前也正在裁员。

其实原因很简单，你不就是个调用 API 的吗，只不过做了一些针对特定社交媒体的微调（Fine Tuning）吗？

是的，这就是最大问题——你几乎没有技术上的护城河，甚至这完全可以是几个程序员小伙伴的业余副业，可以是几个程序员直接给自己企业的市场部 / 宣传部搭建的小服务而已。

本周，OpenAI 宣布开放 GPT-3.5 Turbo 微调，OpenAI 声称最终的定制模型可以赶上甚至超过 GPT-4 执行某些任务的能力。而且，OpenAI 将于今年秋天开放更先进的 GPT-4。换句话说，微调这件事正在变得更加 " 简单 "。

与此同时，项目实际落地的时候，此类项目的本质是运营驱动：看你如何快速获客，让用户愿意付费，并且让用户能长期留存。所以你会发现，这个领域非常需要创业者的 " 隐性资产 " 变现，也就是说，如果你是私域大佬，那么这类项目早期的种子用户就不用担心了。

此外，大部分 AIGC 助力写脚本、文案的企业声称通过 SaaS 服务帮助用户降本增效，问题是，降本这件事也许可以在早期获得用户青睐，甚至额外付费，但是长期看，这种额外的付费、抽成几乎是不存在的；

至于增效，确实可以增加效率，但是本质是可能是帮助运营、市场人员海量出文案，去铺社交媒体，其实是一种 hack 平台算法的逻辑，无论平台是否最后会分配流量（某些平台可能直接对这类内容限流），但是有一条是明确的，获得的额外收益，你一分钱都不可能抽到。

再多说一句，这类项目在落地还要考虑合规的问题，也就是不要直接调用 Open AI 的 API。

所以，仅从我个人观点看，AIGC 帮助写文案这条路，能赚到钱，甚至可以有不错的现金流，但是合规是首当其冲的问题（当然，你可以通过调用 ChatGLM、文心一言的 API 来规避这个问题），至于能否值钱，那就是个更麻烦的问题了。

AIGC+ 设计

MidJourney 的横空出世让我们意识到原来可以通过这么 " 傻瓜 " 的方式就让 AI 帮我们画出好看的图——打开浏览器就可以，无需什么显卡、画笔，你最大的限制是想象力不足。

相比 Midjourney，Stable Diffusion（一般简称为 SD）走向另一个极端，你通常需要配置设备来让它更快出图，不过效果也是更好。和 Midjourney 比起来，其操作复杂度大约就是 Photoshop 对美图秀秀的差距。

所以，AIGC 结合设计领域进行创作，就成了热点。

AIGC 赋能的领域非常多样，从服装设计、首饰设计，到家装、家居设计，从真实图片到效果图片，看起来设计师都要下岗了。而且由于明确的所见即所得，AIGC+ 设计可以说是火的一沓糊涂。

这个领域的底层架构本质上是对 SD 的微调——是的，如果你说写文案你不用 Open AI 的 API，你可以用文心一言、用 ChatGLM，但是设计方面几乎无法越过 SD。

问题又来了：壁垒在哪里？

目前看到的优质项目中，最基本的壁垒是提示词（Prompt）。是的，一切你都可以跟着教程学，但是为什么就是不如人家做的好看？

这就是提示词的差距，包括正向提示词、负向提示词，以及和设备相关的提示词——需要的不是几个，而是几十个，所以这个在短期内可以形成小壁垒，但是，从长期看，和服装的布料、颜色一样，只要你能做出来，我拿到后 2-3 周就可以仿制。当然，我说的是一款，如果是几十款，这个工作量确实不小。

第二个壁垒是技术，的确，有一些项目可以做出自己的模型，还有一些对于轮廓精准识别等方面的大大小小的技术，这些确实是需要一些研发的。

第三个壁垒是数据，你训练的数据是哪里来的？是否是独家的？比如，你是做建筑的，你的数据是某顶尖开发商的；你是做珠宝设计的，你的数据来自某知名珠宝品牌，这些确实是壁垒，甚至可以帮助你做到更深的地方，也就是说，AIGC+ 设计很可能是一个切入点。

AI 设计作为切入点，其实也正是我们对 AI 的幻想，那就是 AI 可以帮助产业实现 10 倍、100 倍的变革；如果不是整个行业，那么我们也可以去找某个可以被 10 倍、100 倍颠覆的节点切进去。

恰巧，设计就是这个切入点，至少可以从两个角度提升产业效率：

第一个是可以在生产前海量生成相关设计，然后投放到社交媒体，看消费者真实反馈，实现测款、种草；

第二个是提升企业内部沟通效率，以服装企业为例，企划人员和设计师之间是有沟通鸿沟的，先把设计师脑海中的想法以 AI 快速生图，和企划人员快速沟通。

切入行业后呢？AIGC+ 设计可以提升效率，但是能帮企业提升多少收入？几乎无法衡量吧，而且这个领域的天花板是相当一般的，所以切入行业后是否应该切入供应链？如果是，应该如何切入？切入供应链的哪一部分？这些可能是非常值得思考的。

这些可能也正是 AIGC+ 设计企业必须要回答的问题。

结语

整体而言，AIGC 确实带来了降本增效的潜力，但是从商业来看，以下三条商业逻辑我认为依然没有变化，在 AIGC 的热潮下也依然需要考虑：

第一，降低成本这件事很难收到长期的收入，但是给企业做增量，且可以被明确分清楚的增长，是可以获得长期收入的，这本质是类 CPS 的逻辑，按收入增量来付费；

第二，天花板是 AIGC 必须考虑的问题，你所切入的领域如果天花板一般，那你必须切入更深层，无论是供应链还是更多的工具（比如类似 Shopify）还是其他的；

第三，项目制可以在早期帮你维持企业的运转，但是长期看资本化价值极低。