共计 1401 个字符，预计需要花费 4 分钟才能阅读完成。
2022 年，元宇宙和 Web3.0 热度消退后，AIGC 迅速成为创业者追逐的新风口。Lucy 曾在硅谷大厂工作五年，辞职回国后投身于游戏开发，并引入一款 AI 生成 3D 模型的工具。
“在游戏开发中，我们发现许多重复性工作可以借助 AI 完成。”Lucy 向媒体透露，创业的初衷源于看到 AIGC 的实际商业价值。从年初的 Disco Diffusion 到后来的 MidJourney 和 DALL-E2，短短几个月内 AI 绘画技术飞速迭代，尤其是 Stable Diffusion 开源后，彻底点燃了 AIGC 领域的热情。
技术可商用化：AIGC 爆发的核心
2021 年底，Lucy 所在工作室的第一款游戏成功上线，她感慨万分。为了完成这款游戏，团队花费了近两年时间，其中 3D 建模是最耗费精力的部分。传统的 3D 建模流程繁琐且成本高昂，需要多名专业人员协作完成。
“每一步都需要独立的工种配合，一个人难以完成，成本极高。”Lucy 回忆道，最初团队招聘了七八名建模师才勉强满足需求。于是，她萌生了一个想法：为何不开发一款提升游戏开发效率的 AI 工具？
这款工具不仅能帮助工作室内部提升效率，还能广泛应用于元宇宙、房地产等领域。据 Lucy 介绍，3D 游戏市场庞大，每年有数万款新游发布，而制作一款顶级 3A 游戏的成本甚至超过拍摄一部科幻大片。AIGC 技术的进步让生成效果更加精确，使得商业化落地成为可能。
“之前生成的东西要么不可看，要么质量模糊，根本无法商用。”Lucy 指出，AIGC 的可商用化是今年爆发的重要因素。从年初的 Disco Diffusion 到后来的 MidJourney 和 DALL-E2，技术迭代让生成质量逐渐达到市场标准。
产品同质化与商业化难题
尽管 AIGC 前景广阔，但创业公司面临诸多挑战。与大厂相比，小型创业公司缺乏成熟的载体支持，更多依赖于 Stability AI 或 OpenAI 等底层模型。这种依赖性限制了它们的创新能力。
在国际市场上，OpenAI 通过 GPT- 3 和 DALL-E2 API 接口吸引了 300 多家企业合作，而 Stability AI 凭借开源的 Stable Diffusion 模型吸引了大批追随者。然而，国内创业公司由于技术底座的局限，处境更为艰难。
“Stable Diffusion 开源后，文生图的门槛骤降，短时间内涌现了上百家公司，导致产品同质化严重。”6pen 创始人王登科坦言，这种局面让 C 端用户付费意愿下降，单纯靠点数收费的模式难以为继。
为此，6pen 尝试探索定制化模型的方向，让用户可以根据自身需求训练专属模型，生成更具个性化的成果。此外，一些公司通过版权归属和销售分成的模式放大了 C 端的商业潜力。
寻找长期商业场景
尽管 AIGC 商业化仍处于初期阶段，但已有部分企业开始探索可行的商业模式。百度的文心一格采用积分制收费，允许用户在个人使用和商业用途之间切换。而盗梦师则通过与多个行业合作，逐步扩大应用场景。
“B 端和 C 端业务可以互相促进。”李庆功表示，目前盗梦师已与旅游、动漫、小说、元宇宙等多个领域展开合作，通过提供定制化工具提升生产效率，并逐步推广至其他行业。
针对版权和生成可控性两大难题，部分创业公司正尝试与艺术家合作，确保生成内容符合法律规范。同时，百度等大厂通过自主研发技术提升了生成效果的稳定性。
尽管前路充满挑战，但随着技术进步和应用场景的深化，AIGC 的商业价值将不断显现。创业公司在巨头夹缝中依然有机会脱颖而出，成为垂直领域的佼佼者。
