過(guò)去半年，ChatGPT 憑一己之力，將文本生成變成 AIGC 市場(chǎng)上最火熱的技術(shù)產(chǎn)品，它的“智能”程度在一夜間刷新了人們認(rèn)知，外界對(duì)大模型的追逐熱情空前高漲。

但同一時(shí)間，人們有關(guān) AI 的恐懼也被不斷放大：據(jù)第三方服務(wù)平臺(tái) Resume Builder 調(diào)查數(shù)據(jù)顯示，美國(guó)受訪的1000多家企業(yè)中，使用 ChatGPT 取代部分員工的比例已高達(dá)48%；時(shí)代財(cái)經(jīng)報(bào)道稱(chēng)，近一個(gè)月以來(lái)，某家游戲美術(shù)外包公司已裁掉一半的原畫(huà)師；一名微博網(wǎng)友通過(guò) AIGC 平臺(tái)生成內(nèi)衣模特，其圖片也引發(fā)大量討論。

可以看到所有的一切都在表明一個(gè)事實(shí)，AIGC 已經(jīng)逐步取代了部分人類(lèi)的工作。而就在最近，連營(yíng)銷(xiāo)人員也躲不過(guò)去了。

ZMO.AI 是國(guó)內(nèi)最早成立的 AIGC 公司之一，此前專(zhuān)注于出海，與其他擅長(zhǎng)藝術(shù)作品生成的平臺(tái)不同，ZMO.AI 選擇的是真實(shí)場(chǎng)景的圖像生成，旗下產(chǎn)品 ImgCreator.AI 自2022年9月16日上線以來(lái)，B端用戶量已達(dá)百萬(wàn)，3 個(gè)月內(nèi)營(yíng)收增長(zhǎng)迅猛，ARR達(dá)到2000萬(wàn)人民幣，即將推出的 Marketing Copilot 服務(wù)，更是吸引了超過(guò)9萬(wàn)家企業(yè)申請(qǐng) API 等候名單、參與調(diào)用模型。

用戶只需通過(guò)簡(jiǎn)單的兩步，上傳產(chǎn)品圖片至平臺(tái)、并給出對(duì)應(yīng)的 workflow （工作流程）指令，Marketing Copilot 即可根據(jù)其需求，生成與產(chǎn)品相匹配的宣傳圖片、海報(bào)及營(yíng)銷(xiāo)文案等內(nèi)容，將傳統(tǒng)的營(yíng)銷(xiāo)流程，從拍攝、海報(bào)制作到后期投放優(yōu)化，全部嵌入 AI workflow 自動(dòng)化流程，極大地提高了企業(yè)在營(yíng)銷(xiāo)場(chǎng)景下的內(nèi)容生產(chǎn)效率。

background AI 網(wǎng)址：https://www.zmo.ai/background-ai/

而基于精準(zhǔn)的高價(jià)值用戶反饋數(shù)據(jù)，ZMO.AI 通過(guò)數(shù)據(jù)飛輪對(duì)垂類(lèi)大模型的內(nèi)容生成方向進(jìn)行引導(dǎo)，實(shí)現(xiàn)模型自我優(yōu)化，重塑以數(shù)據(jù)為驅(qū)動(dòng)的營(yíng)銷(xiāo)內(nèi)容新模式。

ZMO.AI 創(chuàng)始人張?jiān)姮撎寡?，?dāng) AIGC 邁向產(chǎn)品落地階段，生成的圖片不能只是收藏夾里的裝飾品，而是能夠真正解決企業(yè)、營(yíng)銷(xiāo)人員痛點(diǎn)，彌補(bǔ)數(shù)字世界內(nèi)容消耗與供給的缺口，讓產(chǎn)品實(shí)現(xiàn)真正的價(jià)值。

一次營(yíng)銷(xiāo)人的新嘗試

與抱著娛樂(lè)、趣味性心態(tài)來(lái)嘗試 AI 繪畫(huà) 的 C 端用戶不同，B 端用戶往往面對(duì)的是專(zhuān)業(yè)屬性更強(qiáng)的場(chǎng)景，因此對(duì)于 AI 生成圖像，無(wú)論是圖片質(zhì)量、畫(huà)面內(nèi)容可控性以及準(zhǔn)確性的要求，相比 C 端用戶也會(huì)更高，這或許也是類(lèi)似于 ZMO.AI 這類(lèi)專(zhuān)業(yè)化 AI 生成產(chǎn)品深受用戶喜愛(ài)的原因。

Rowdy 是英國(guó)創(chuàng)業(yè)公司 e-Bike 的 CEO，擁有一個(gè)不到10人的小團(tuán)隊(duì)，公司針對(duì)歐洲自行車(chē)盜竊亂象研發(fā)了一套防盜系統(tǒng)，創(chuàng)業(yè)初期的搭建網(wǎng)站、社媒運(yùn)營(yíng)、還有大量 e-bike 圖片拍攝對(duì)他們而言無(wú)疑是巨大的工作量。

2022年中旬，AIGC 的火爆引起了 Rowdy 的注意，他開(kāi)始大量地瀏覽、使用 AIGC 網(wǎng)站，但許多平臺(tái) AI 生成的圖像均是藝術(shù)美學(xué)風(fēng)格，與其產(chǎn)品并不適用。

一次，Rowdy 偶然在 twitter 上刷到了使用 ZMO.AI 生成的人像圖片，這令他十分驚喜，他通過(guò)大量調(diào)研發(fā)現(xiàn)了，ZMO.AI 生成器的真實(shí)照片風(fēng)格不僅逼真度非常高，且分辨率可達(dá)到 4k-8k，完全滿足其網(wǎng)頁(yè)和博客對(duì)圖片內(nèi)容的需求。

近半年來(lái)，Rowdy 團(tuán)隊(duì)已經(jīng)是 ZMO.AI 的忠實(shí)用戶，其網(wǎng)站設(shè)計(jì)和公司博客配圖均使用  ZMO.AI 生成，相較于高昂的拍攝費(fèi)用，僅需要支付二十幾英鎊、每周就能完成200多張圖片。

Rowdy 使用 ZMO.AI 生成素材后的公司網(wǎng)頁(yè)

在過(guò)去很長(zhǎng)一段里，從事家居產(chǎn)品出海的跨境電商公司負(fù)責(zé)人 Nila 也面臨著她的營(yíng)銷(xiāo)難題。

Nila 公司出口戶外沙發(fā)雖然在歐美地區(qū)增長(zhǎng)非常迅速，但由于沙發(fā)產(chǎn)品外形較大，運(yùn)輸成本很高、搭建拍攝場(chǎng)景耗時(shí)長(zhǎng)，每次拍攝產(chǎn)品圖成為 Nila 最頭疼的事情。她也嘗試過(guò) P 圖的方式來(lái)完成，為了達(dá)到想要的產(chǎn)品圖效果，Nila 還會(huì)拉著設(shè)計(jì)師反復(fù)溝通磨合，但最終呈現(xiàn)效果往往與真實(shí)拍攝效果相差甚遠(yuǎn)。

經(jīng)過(guò)圈內(nèi)好友介紹，Nila 接觸到 ZMO.AI 的文字 P 圖，她發(fā)現(xiàn)，將想要修改的產(chǎn)品上傳到平臺(tái)后，只需給出一段文字指令，圖片即可自動(dòng)化完成修改，圖片效果真實(shí)、自然不說(shuō)，數(shù)據(jù)表現(xiàn)也比之前更好，極大地減少了在過(guò)往營(yíng)銷(xiāo)環(huán)節(jié)中產(chǎn)品拍攝的壓力和資金損耗。

使用 ZMO.AI 生成的沙發(fā)產(chǎn)品圖

在內(nèi)容需求旺盛的當(dāng)下，AIGC 所帶來(lái)的內(nèi)容生產(chǎn)方式變革隨處可見(jiàn)。

張?jiān)姮撜J(rèn)為，目前 AIGC 正在完成從簡(jiǎn)單的降本增效、即以生成金融/體育新聞為代表的文本生成，向創(chuàng)造額外價(jià)值、提供更專(zhuān)業(yè)化服務(wù)的方向發(fā)展，包括提供繪畫(huà)、創(chuàng)作素材等創(chuàng)意型內(nèi)容生成轉(zhuǎn)移，跨模態(tài)、多模態(tài)內(nèi)容成為發(fā)展的關(guān)鍵節(jié)點(diǎn)。

以 AI 圖像生成為例，該部分包括兩大類(lèi)場(chǎng)景，分別是創(chuàng)意圖像生成、功能性圖像生成，前者多以 NPF 等形式體現(xiàn)，屬于創(chuàng)意發(fā)散需求，后者則涵蓋營(yíng)銷(xiāo)類(lèi)海報(bào)/界面、logo、商品圖等，對(duì)于可控性以及準(zhǔn)確性要求很高。

張?jiān)姮撎寡缘?，那些帶有玄幻、科幻的藝術(shù)圖片更容易出圈，且由于場(chǎng)景虛幻的原因，就算生成不合邏輯的瑕疵，用戶也會(huì)更加包容；而真實(shí)的、攝影風(fēng)格的圖像生成雖然難度更高，但進(jìn)入實(shí)際應(yīng)用場(chǎng)景里，其對(duì)人們生產(chǎn)與生活所帶來(lái)的影響更巨大。

比如傳統(tǒng)的電商上新品，此前采用線下拍攝的方式，需要化妝師、服裝師、攝影師、模特等等，而在今天的 AIGC 變革中，借助 ZMO.AI 等生成工具，可在幾秒之內(nèi)立刻展示商品在不同場(chǎng)景，不同搭配，不同人物的場(chǎng)景圖，極大的降本增效。

重塑營(yíng)銷(xiāo)內(nèi)容生成模式

邁進(jìn)具體的應(yīng)用場(chǎng)景里，企業(yè)和用戶往往面臨著模型使用門(mén)檻高、內(nèi)容生成隨機(jī)和不可控的兩大痛點(diǎn)。

ChatGPT 面世后，誕生了一個(gè)新的崗位是 Prompt Engineer（提示工程師），他們通過(guò)一定的方法來(lái)指導(dǎo)模型生成有用的輸出。但在傳統(tǒng)的營(yíng)銷(xiāo)產(chǎn)業(yè)中，一般用戶往往并不具備良好的 Prompt Engineering 能力，更不用說(shuō)組合使用多種 AI 產(chǎn)品工具，如何能夠提供開(kāi)箱即用的 AI 產(chǎn)品和應(yīng)用，讓不懂技術(shù)的客戶也能快速組成解決方案，滿足自己的需求，這是 ZMO.AI 一直在思考的問(wèn)題。

在新上線的 Marketing Copilot 中，用戶可上傳自己產(chǎn)品過(guò)往的優(yōu)質(zhì)素材，在 ZMO.AI 上搭建訓(xùn)練自己的特有模型，隨后上傳產(chǎn)品圖片至平臺(tái)、并給出簡(jiǎn)單的 workflow （工作程）指令，特有模型即可根據(jù)指令以及品牌調(diào)性自動(dòng)生成符合受眾喜愛(ài)的營(yíng)銷(xiāo)圖片，無(wú)需冗長(zhǎng)復(fù)雜的prompt調(diào)教。

同時(shí)，特有模型會(huì)實(shí)時(shí)進(jìn)行內(nèi)容方向優(yōu)化，不斷提高內(nèi)容的互動(dòng)率。ZMO.AI 將以往傳統(tǒng)的營(yíng)銷(xiāo)環(huán)節(jié)被全部嵌入 AI workflow 自動(dòng)化流程中，讓模型來(lái)適應(yīng)用戶，替代復(fù)雜的 prompt engineering，即用簡(jiǎn)單的指令進(jìn)行工作流的自動(dòng)化，極大地提高了企業(yè)在營(yíng)銷(xiāo)場(chǎng)景下的內(nèi)容生產(chǎn)效率。

Nick 是一家專(zhuān)業(yè)營(yíng)銷(xiāo)機(jī)構(gòu)的負(fù)責(zé)人，其工作內(nèi)容是幫助廣告主搭建官方社媒賬號(hào)和設(shè)計(jì)廣告素材。疫情之后，Nick 最大的感受是，“所有人都離不開(kāi)線上營(yíng)銷(xiāo)”。

AIGC 火爆之后，幾乎同一時(shí)間內(nèi)涌現(xiàn)出的多家 AI 作圖網(wǎng)站，Nick 開(kāi)始嘗試在各大平臺(tái)上作圖，但他很快發(fā)現(xiàn)，包括 Midjourney 在內(nèi)的大多數(shù) AIGC 產(chǎn)品，無(wú)法滿足營(yíng)銷(xiāo)人員的需求。

AI 能夠隨意生成很多有創(chuàng)意性的內(nèi)容，但對(duì)原圖片中產(chǎn)品的細(xì)節(jié)，包括紋路、Logo 到材質(zhì)等無(wú)法實(shí)現(xiàn)百分百還原，這種營(yíng)銷(xiāo)內(nèi)容與實(shí)際產(chǎn)品“貨不對(duì)板”的情況一旦發(fā)生，必然會(huì)帶來(lái)極高的退貨率，這也是通用。此外，不少 AI 生成產(chǎn)品玩法單一、個(gè)性化差，面臨著嚴(yán)重同質(zhì)化的問(wèn)題。

直到 Nick 在 ZMO.AI 上 體驗(yàn)到 Marketing Copilot，他驚喜地發(fā)現(xiàn)，Marketing Copilot 通過(guò)獨(dú)特的算法，竟可以完全保持產(chǎn)品的所有細(xì)節(jié)，并依據(jù)產(chǎn)品圖自動(dòng)生成合適的布局和文案。

并且通過(guò)自動(dòng)化 workflow 生成流程，最終呈現(xiàn)效果從光影、分辨率到逼真度上可接近真實(shí)的產(chǎn)品拍攝圖片，更兼顧品牌調(diào)性和轉(zhuǎn)化率，真正滿足對(duì)營(yíng)銷(xiāo)內(nèi)容的需求。

而在營(yíng)銷(xiāo)行業(yè)中，最重要的、也最令用戶頭疼的轉(zhuǎn)化數(shù)據(jù)方面，ZMO.AI 基于核心垂類(lèi)大模型，也進(jìn)一步提出了模型自我優(yōu)化和調(diào)節(jié)。

借助 ZMO.AI 的 Marketing Copilot ，模型不僅可以依據(jù)此前表現(xiàn)優(yōu)秀的營(yíng)銷(xiāo)案例，自動(dòng)化生成大量符合品牌調(diào)性和成功案例風(fēng)格的內(nèi)容，還能通過(guò)互動(dòng)數(shù)據(jù)的實(shí)時(shí)反饋，自動(dòng)優(yōu)化內(nèi)容方向，通過(guò)不斷迭代實(shí)現(xiàn)內(nèi)容數(shù)據(jù)的提升。

此前 Nick 團(tuán)隊(duì)就曾將表現(xiàn)不錯(cuò)的海報(bào)模板上傳到 ZMO.AI 上訓(xùn)練特有模型，借助該模型輸出的內(nèi)容，往往也能更符合自己客戶的受眾喜好和品牌調(diào)性。

Marketing Copilot 模型首先需要一到兩周的時(shí)間對(duì)內(nèi)容方向進(jìn)行自適應(yīng)調(diào)教，通過(guò)反復(fù)完成“生成素材--數(shù)據(jù)反饋--素材優(yōu)化”流程，由此生成針對(duì)特定產(chǎn)品、特定用戶人群瀏覽量和轉(zhuǎn)化率更高的內(nèi)容。

在這個(gè)過(guò)程中，這些高質(zhì)量營(yíng)銷(xiāo)數(shù)據(jù)的反饋“喂養(yǎng)”功不可沒(méi)，不僅如此，這些數(shù)據(jù)往往是私密的，商家擁有完整的控制權(quán)。

在 Nick 看來(lái)，Marketing Copilot 不再是一個(gè)簡(jiǎn)單的內(nèi)容生成工具，而是改變營(yíng)銷(xiāo)流程的一整套解決方案，通過(guò) AI 更強(qiáng)的分析能力和生成能力，將針對(duì)海量 SKU 批量生成高質(zhì)量?jī)?nèi)容變?yōu)榭赡埽⒁宰罱K數(shù)據(jù)為導(dǎo)向 24 小時(shí)不停歇的優(yōu)化。

當(dāng)團(tuán)隊(duì)熟悉全新 workflow 之后，每一個(gè) SKU 的出圖量從原來(lái)的不到 10 張瞬間暴漲到 200 張，而 Nike 團(tuán)隊(duì)在借助 Marketing Copliot 大量進(jìn)行 AB 測(cè)試和迭代后，更是將原有營(yíng)銷(xiāo)環(huán)節(jié)三四個(gè)月的優(yōu)化周期縮短至兩三周，銷(xiāo)售額增長(zhǎng)高達(dá)三倍。

“它所展現(xiàn)的能力太強(qiáng)大了！再這樣下去，我們營(yíng)銷(xiāo)人真的要失業(yè)了?！?Nick 表示，目前公司確實(shí)已經(jīng)在考慮縮減一部分營(yíng)銷(xiāo)人員，更全面的擁抱AI帶來(lái)的全新工作流。

ZMO.AI 基于傳統(tǒng)營(yíng)銷(xiāo)場(chǎng)景下的高精準(zhǔn)數(shù)據(jù)反饋打造垂類(lèi)大模型，通過(guò) AIGC 不僅推動(dòng)營(yíng)銷(xiāo)生產(chǎn)方式發(fā)生變化，也形成了“數(shù)據(jù)驅(qū)動(dòng)型”營(yíng)銷(xiāo)內(nèi)容新形態(tài)。張?jiān)姮撜J(rèn)為，終極的 AI workflow 到底應(yīng)該是什么樣的，或許眼下下結(jié)論為時(shí)尚早，但對(duì)創(chuàng)業(yè)公司來(lái)說(shuō)，眼下的焦點(diǎn)應(yīng)聚焦在如何做出能解決商家痛點(diǎn)的產(chǎn)品，與用戶一起不斷迭代。

創(chuàng)業(yè)公司突圍垂類(lèi)大模型

相比一年前資本和市場(chǎng)迅速涌向 AIGC ，GPT-4 為代表多模態(tài)大模型和搭載著 GPT-4 能力的產(chǎn)品，讓大模型成為最炙手可熱的新星，大廠和創(chuàng)業(yè)公司紛紛加入競(jìng)賽場(chǎng)。

AIGC 最初的起飛過(guò)后，去偽存真，人們對(duì)其背后真正的應(yīng)用空間和商業(yè)價(jià)值也有了更冷靜、客觀的思考。

目前，從事大模型研究的大廠和企業(yè)不外乎三種探索路徑：

第一種是專(zhuān)注于大模型研發(fā)的公司，例如 OpenAI ，百度、阿里、字節(jié)等大廠；

第二種是調(diào)用大模型的 API 、基于大模型和具體場(chǎng)景業(yè)務(wù)開(kāi)發(fā)超級(jí)應(yīng)用；

第三種則是既做自己的垂直大模型、又提供應(yīng)用服務(wù)的公司，ZMO.AI 就是屬于此類(lèi)。

企業(yè)做大模型的實(shí)力對(duì)比很明顯。大廠有多年的技術(shù)積累，同時(shí)在財(cái)力、人力等資源投入上實(shí)力更強(qiáng)勁，創(chuàng)業(yè)公司想要做大模型，風(fēng)口期短，一旦時(shí)間拉長(zhǎng)，往往會(huì)在大廠的擠兌下沒(méi)有生存的空間。因此，大部分創(chuàng)業(yè)公司方向更多集中在超級(jí)應(yīng)用，針對(duì)具體場(chǎng)景提供精細(xì)化垂直服務(wù)，技術(shù)投資少，也能在更短時(shí)間內(nèi)見(jiàn)到收益。

而對(duì)比純應(yīng)用層服務(wù)和垂類(lèi)大模型，張?jiān)姮摫硎?，“大模型是少?shù)人的機(jī)會(huì)，更多的機(jī)會(huì)還是在超級(jí)應(yīng)用層和垂類(lèi)大模型中。但如果沒(méi)有垂直領(lǐng)域獨(dú)特的數(shù)據(jù)積累，或者是沒(méi)有和工作流緊密結(jié)合的模型構(gòu)架，護(hù)城河也會(huì)很淺。”

依靠第三方 API 提供的 AI+服務(wù)，“超級(jí)應(yīng)用”往往只能解決單點(diǎn)的階段性問(wèn)題，難以深入模型層創(chuàng)新、自研層，企業(yè)難以構(gòu)建核心競(jìng)爭(zhēng)力、護(hù)城河淺。

相較之下，垂類(lèi)大模型通過(guò)搭建端到端的工程棧，覆蓋模型的研發(fā)、訓(xùn)練、數(shù)據(jù)、應(yīng)用整條價(jià)值鏈，這類(lèi)公司的產(chǎn)品并不依賴(lài)第三方 API，迭代非常迅速，并且還能很好地利用應(yīng)用側(cè)用戶的數(shù)據(jù)反饋形成數(shù)據(jù)飛輪，從而形成自己的數(shù)據(jù)優(yōu)勢(shì)。其中，Adobe、Typeface 和 ZMO.AI ，都屬于此類(lèi)提供垂類(lèi)大模型服務(wù)的公司。

2022 年 6 月，前 Adobe 公司 CTO Abhay Parasnis 創(chuàng)立 AIGC 公司 Typeface，首輪融資就獲得了 6500 萬(wàn)美金，該公司面向 B 端企業(yè)提供營(yíng)銷(xiāo)服務(wù)。由于 B 端品牌企業(yè)對(duì)品牌調(diào)性、內(nèi)容可控性的要求，往往無(wú)法通過(guò)直接調(diào)用 Stable Diffusion 來(lái)實(shí)現(xiàn)，為此 Typeface 通過(guò)個(gè)性化訓(xùn)練的品牌獨(dú)有模型以及內(nèi)容審查算法，針對(duì)大型品牌、提供了基于企業(yè)品牌定位和受眾目標(biāo)而生成的個(gè)性化文字及圖像內(nèi)容。

“對(duì)于一家公司來(lái)說(shuō)，最基本的一個(gè)問(wèn)題是其數(shù)據(jù)和品牌形象的安全。 每個(gè)企業(yè)都希望確保自己不會(huì)在不經(jīng)意間創(chuàng)造出不準(zhǔn)確、剽竊或冒犯性的內(nèi)容，從而損害自己的聲譽(yù)?！盤(pán)arasnis 表示。

不過(guò)也有市場(chǎng)觀點(diǎn)提出自己的擔(dān)憂，這種垂類(lèi)大模型會(huì)不會(huì)某一天被一個(gè)更強(qiáng)的通用大模型所取代？未來(lái)所有的 AI 領(lǐng)域是否會(huì)以少數(shù)通用大模型為主導(dǎo)？

對(duì)此張?jiān)姮摫硎?，“許多高價(jià)值的專(zhuān)業(yè)領(lǐng)域依賴(lài)的是特定的行業(yè)專(zhuān)有數(shù)據(jù)集，這些數(shù)據(jù)集并非網(wǎng)上公開(kāi)能輕易獲取的數(shù)據(jù)集也不太可能允許第三方進(jìn)行AI訓(xùn)練和訪問(wèn)。因此，通用大模型往往很難利用這種專(zhuān)有數(shù)據(jù)和知識(shí)去訓(xùn)練或者優(yōu)化這個(gè)領(lǐng)域的工作流程?！?/p>

同時(shí)，用于 RLHF 的高質(zhì)量用戶反饋也至關(guān)重要，有助于不斷推動(dòng)模型內(nèi)容方向和質(zhì)量進(jìn)一步提升。由于通用大模型和垂類(lèi)大模型的用戶群體差異較大，內(nèi)容反饋數(shù)據(jù)也完全不同，這也使得由垂類(lèi)大模型生成的內(nèi)容相比于通用大模型，更能符合特定垂類(lèi)場(chǎng)景的需求，生成質(zhì)量也會(huì)更高。

以 ZMO.AI 為例，ZMO.AI 專(zhuān)注營(yíng)銷(xiāo)場(chǎng)景，在 2 年半中積累的營(yíng)銷(xiāo)領(lǐng)域的 know-how 和精準(zhǔn)的數(shù)據(jù)，經(jīng)過(guò)了一年多的標(biāo)注數(shù)據(jù)收集和營(yíng)銷(xiāo)用戶 RLHF 反饋系統(tǒng)，最終訓(xùn)練形成垂類(lèi)大模型，其用戶群體更多是在營(yíng)銷(xiāo)方向的專(zhuān)業(yè) B 端用戶, 通用的AIGC產(chǎn)品難以達(dá)到他們的工作需求。

ZMO.AI 聯(lián)合創(chuàng)始人馬里千認(rèn)為，雖然通用大模型在許多任務(wù)上可以表現(xiàn)平均人類(lèi)的水平，但它們?cè)谔囟ù怪鳖I(lǐng)域中表現(xiàn)不佳，主要原因在于，特定領(lǐng)域知識(shí)不是常識(shí)、相關(guān)數(shù)據(jù)也不容易公開(kāi)獲取。

例如，摳圖作為一項(xiàng)復(fù)雜的視覺(jué)任務(wù)，其涉及到是否能準(zhǔn)確估計(jì)每個(gè)像素的 Alpha 值，以從圖像和視頻中提取前景對(duì)象，當(dāng)中不可避免地會(huì)受到背景、光照條件和物體透明度等復(fù)雜因素的影響。為了保留產(chǎn)品的完整細(xì)節(jié)，ZMO.AI 花費(fèi)一年的時(shí)間和高昂的成本收集了高精度的摳圖標(biāo)注數(shù)據(jù)，并自研出高精度摳圖算法。

大模型后期要在專(zhuān)業(yè)場(chǎng)景進(jìn)行落地，是需要在其基礎(chǔ)上利用場(chǎng)景數(shù)據(jù)和工作流，馬里千坦言，“往真正能夠解決問(wèn)題的具體場(chǎng)景上去落地，而且能夠跟行業(yè)內(nèi)的某些工作流綁得更緊的這些東西，我覺(jué)得這是大模型時(shí)代創(chuàng)業(yè)公司能夠做的更有意義的事情?！?/p>

減少大量的、重復(fù)性的工作內(nèi)容，ZMO.AI 在互動(dòng)度點(diǎn)擊率等細(xì)粒度參數(shù)下不斷優(yōu)化內(nèi)容生成方向，他們所提供的產(chǎn)品服務(wù)真正解決了用戶的實(shí)際問(wèn)題。據(jù)內(nèi)部數(shù)據(jù)顯示，僅一個(gè)月，ZMO.AI 在營(yíng)銷(xiāo)領(lǐng)域的用戶營(yíng)收增長(zhǎng)就達(dá)到了150%。

對(duì)話 ZMO.AI 張?jiān)姮?/span>

為了更深入了解 ZMO.AI 瘋狂增長(zhǎng)背后的秘訣，AI 科技評(píng)論同 ZMO.AI 創(chuàng)始人張?jiān)姮搰@ AIGC 和垂類(lèi)大模型進(jìn)行了一次對(duì)話：

AI 科技評(píng)論：近一年來(lái)，AIGC 涌入眾多競(jìng)爭(zhēng)者，相比大廠，創(chuàng)業(yè)型公司的機(jī)遇在哪里？

張?jiān)姮摚?/strong>目前 AI 公司是有生態(tài)分層的，可以分為：大模型層、純應(yīng)用層、垂類(lèi)大模型層。大模型層就像操作系統(tǒng)，是屬于少數(shù)人的機(jī)會(huì)，更適合大廠或者大佬這種有雄厚財(cái)力人力的玩家，而創(chuàng)業(yè)公司更適合后兩類(lèi)。

在底層大模型不斷變動(dòng)的時(shí)代，純應(yīng)用層壁壘很低、可持續(xù)性不強(qiáng)。垂類(lèi)大模型的公司包括 Character.AI、Midjourney、Typeface等，這也是 ZMO.AI 堅(jiān)持的路徑。垂類(lèi)大模型通過(guò)搭建端到端的工程棧，覆蓋模型的研發(fā)、訓(xùn)練、數(shù)據(jù)、應(yīng)用整條價(jià)值鏈，這類(lèi)公司的產(chǎn)品并不依賴(lài)第三方 API，迭代非常迅速，并且還能很好地利用應(yīng)用側(cè)用戶的數(shù)據(jù)反饋形成數(shù)據(jù)飛輪，從而形成自己的數(shù)據(jù)優(yōu)勢(shì)。

此前，ZMO.AI 就將應(yīng)用端大量的高價(jià)值用戶反饋數(shù)據(jù)和模型完全打通，通過(guò)數(shù)據(jù)飛輪對(duì)垂類(lèi)大模型的內(nèi)容生成方向進(jìn)行引導(dǎo)和優(yōu)化，積累自己的專(zhuān)有數(shù)據(jù)集，根據(jù)數(shù)據(jù)會(huì)反饋給我們的模型，告知模型目標(biāo)，例如我們希望模型的互動(dòng)率比較高，通過(guò)模型自我優(yōu)化，為用戶提供更好的服務(wù)。

AI 科技評(píng)論：相比于通用大模型，垂類(lèi)大模型的優(yōu)勢(shì)在哪里？是否會(huì)被取代？

張?jiān)姮摚?/strong>我并不認(rèn)為垂類(lèi)大模型和通用大模型是一個(gè)對(duì)立的概念，相反，我認(rèn)為垂類(lèi)大模型可以站在通用大模型的肩膀上、進(jìn)一步優(yōu)化專(zhuān)業(yè)領(lǐng)域的模型。

對(duì)于非常細(xì)碎、需求個(gè)性化的 C 端場(chǎng)景，通用大模型會(huì)更合適，然而像營(yíng)銷(xiāo)這種非常專(zhuān)業(yè)的 To B 場(chǎng)景，AIGC 產(chǎn)品不會(huì)是簡(jiǎn)單的一個(gè)對(duì)話框和后面的第三方 API 組成，因?yàn)閷?zhuān)業(yè)場(chǎng)景對(duì)于可控性，準(zhǔn)確度以及質(zhì)量的要求極高，這必然會(huì)是一個(gè)復(fù)雜的系統(tǒng)結(jié)構(gòu)，需要在通用大模型的基礎(chǔ)上進(jìn)行專(zhuān)門(mén)的模型優(yōu)化，才能符合營(yíng)銷(xiāo)場(chǎng)景的需求。

AI 科技評(píng)論：ZMO.AI 的優(yōu)勢(shì)是什么？

張?jiān)姮摚?/strong>首先，ZMO.AI 在營(yíng)銷(xiāo)領(lǐng)域積累了2年半，對(duì)于這個(gè)領(lǐng)域的用戶痛點(diǎn)有深刻的認(rèn)知。

AI 能夠隨意生成很多 creative 的東西，但是這個(gè)東西工廠能不能生產(chǎn)出來(lái)？這是一個(gè)很大的問(wèn)題，當(dāng)工廠已經(jīng)生產(chǎn)出來(lái)了某款鞋，這個(gè)鞋不能變，所以生成的東西跟賣(mài)的產(chǎn)品是一致的，數(shù)字內(nèi)容如何進(jìn)入到實(shí)際的生活當(dāng)中，必須得工廠生產(chǎn)，要工廠生產(chǎn)就一定要有版型、模具，需要前身，用戶對(duì)于產(chǎn)品細(xì)節(jié)不能貨不對(duì)板的需求；又比如拍攝和 PS 費(fèi)時(shí)費(fèi)力等問(wèn)題，基于在營(yíng)銷(xiāo)領(lǐng)域用戶洞察，我們才能搭建起來(lái)深刻綁定營(yíng)銷(xiāo) workflow（工作流）的產(chǎn)品。

其次，我們擁有大量營(yíng)銷(xiāo)領(lǐng)域的專(zhuān)業(yè)數(shù)據(jù)，包括超6000萬(wàn)高清真實(shí)照片數(shù)據(jù)集、用于訓(xùn)練超高分辨率的逼真照片，以及海量 alpha 摳圖數(shù)據(jù)集等等。

我們花了一年的時(shí)間有很多的標(biāo)注數(shù)據(jù)，最終可以實(shí)現(xiàn)高清圖像素級(jí)別的精確產(chǎn)品摳圖。如果真正要在營(yíng)銷(xiāo)上去落地的話，非常重要的是怎么保留這個(gè)產(chǎn)品，從整個(gè)流程上來(lái)說(shuō)，它也不僅是產(chǎn)品之后生成背景，包括可以生成帖子以及營(yíng)銷(xiāo)文案。

最后，ZMO.AI 已經(jīng)搭建、并驗(yàn)證了可跑通的專(zhuān)業(yè)營(yíng)銷(xiāo)用戶 RLHF 反饋系統(tǒng)，通過(guò)高質(zhì)量的數(shù)據(jù)反饋，在互動(dòng)度點(diǎn)擊率等細(xì)粒度參數(shù)下不斷優(yōu)化內(nèi)容生成方向。

AI 科技評(píng)論：您提到的用戶洞察如何做？

張?jiān)姮摚?/strong>我非常喜歡和用戶聊天，每天會(huì)花2個(gè)小時(shí)閱讀用戶的反饋，很多用戶的痛點(diǎn)都是在這當(dāng)中發(fā)現(xiàn)的。

我認(rèn)為，早期看數(shù)據(jù)很難看出來(lái)真正的痛點(diǎn)，因?yàn)榫薮蟮牧髁恐屑扔形覀兡繕?biāo)用戶，也有大量純"玩"的用戶，所以找到大量的目標(biāo)用戶觀察他們的使用，和他們聊天就成了我的日常。此外，我還經(jīng)常會(huì)去拜訪客戶的公司，和不同環(huán)節(jié)的營(yíng)銷(xiāo)人員交朋友。

AI 科技評(píng)論：ZMO.AI 選擇的賽道是做真實(shí)圖像生成，背后的原因是？在打開(kāi)用戶接受度上是否會(huì)更困難？

張?jiān)姮摚?/strong>雖然包括 Stable Diffusion 和 Midjourney 都在做 Art（藝術(shù)風(fēng)格凸顯生成），但在我們團(tuán)隊(duì)的認(rèn)知里，Art 對(duì)于整個(gè)行業(yè)或世界影響，沒(méi)有真實(shí)圖片、3D、插圖等這些東西那么大，Art 可能是其中的一個(gè)應(yīng)用，但日常生活中大家用到更多的還是真實(shí)圖像、3D和專(zhuān)業(yè)性插畫(huà)。

一張真實(shí)圖片，我們會(huì)在意的東西很多，比如一張男人照片臉上皮膚干褶的感覺(jué)，真實(shí)圖片對(duì)細(xì)節(jié)要求非常高；第二是光影，光要如何做得足夠自然，例如狗眼睛的光感、皮毛上光影的細(xì)膩程度。

可以說(shuō)，真實(shí)圖片對(duì)包括結(jié)構(gòu)、數(shù)據(jù)量和生成質(zhì)量等在內(nèi)，產(chǎn)品的生成能力要求會(huì)更高，因此也會(huì)受到更多的阻礙，必須要達(dá)到足夠高的要求、用戶才會(huì)去用。

我們認(rèn)為，最后 AIGC 要解決整個(gè)行業(yè)的內(nèi)容生產(chǎn)力問(wèn)題，不只是好玩、好看的問(wèn)題。

AI 科技評(píng)論：從您的視角來(lái)看，創(chuàng)業(yè)公司該如何應(yīng)對(duì)大廠的競(jìng)爭(zhēng)？

張?jiān)姮摚?/strong>競(jìng)爭(zhēng)在所難免，但就目前而言，大廠推出的功能在我看來(lái)，更多是防御性反應(yīng)，做的應(yīng)用仍搭載在現(xiàn)有業(yè)務(wù)上，只針對(duì)有技術(shù)和愿意付高價(jià)的小部分人群提供部分附加功能。

站在像我們這樣的 AIGC 初創(chuàng)公司的視角上，應(yīng)該從一開(kāi)始就在新的內(nèi)容創(chuàng)作范式框架下去創(chuàng)造產(chǎn)品，構(gòu)建完全不同于傳統(tǒng)工作流的 AI Native Apps。大廠是否能做出強(qiáng)大的新一代 AI 產(chǎn)品，關(guān)鍵還是在于最終能否革自己的命。

（雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))雷峰網(wǎng)）

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。