智東西（公眾號(hào)：zhidxcom）
作者 | ZeR0
編輯 | 漠影
智東西10月9日?qǐng)?bào)道，今日下午，美圖自研AI視覺(jué)大模型MiracleVision（奇想智能）3.0版本發(fā)布，并將全面應(yīng)用于美圖旗下影像與設(shè)計(jì)產(chǎn)品，助力電商、廣告、游戲、動(dòng)漫、影視五大行業(yè)。這也是美圖公司為其15周年交出的最新答卷。
3.0版本主打“奇思妙想”和“智能創(chuàng)作”，除了輸入文字生成相應(yīng)圖像、輸入涂鴉秒變大作這些“基本功”外，MiracleVision 3.0版本的“智能腦補(bǔ)”和精準(zhǔn)控制能力都變得更強(qiáng)，進(jìn)一步降低了繪圖、修圖的操作門檻。
比如在描述畫面方面，輸入關(guān)鍵詞“椅子”，它就會(huì)自動(dòng)補(bǔ)充聯(lián)想一些可能關(guān)聯(lián)的提示詞，如“霓虹燈光”、“透明質(zhì)感”、“商業(yè)攝影”等，進(jìn)而降低用戶寫提示詞的門檻。在生成圖像方面，點(diǎn)擊“畫面擴(kuò)展”，視覺(jué)大模型就能在更大的畫布上“腦補(bǔ)”出輸入圖像的背景畫面。
距離美圖視覺(jué)大模型面世剛過(guò)去100天，三個(gè)版本的迭代升級(jí)區(qū)別有多大？和其他視覺(jué)大模型相比，MiracleVision 3.0有什么獨(dú)特競(jìng)爭(zhēng)力？有哪些新的商業(yè)化方向？美圖公司創(chuàng)始人、董事長(zhǎng)兼首席執(zhí)行官吳欣鴻等六位高管與智東西等媒體進(jìn)行深入交流，解讀美圖視覺(jué)大模型的核心技術(shù)實(shí)力、算力投入情況及落地商用規(guī)劃，并分享了對(duì)國(guó)產(chǎn)AI視覺(jué)大模型現(xiàn)狀與問(wèn)題的最新思考。
目前市面上大部分視覺(jué)大模型都在卷數(shù)據(jù)量、參數(shù)量，但吳欣鴻認(rèn)為，衡量視覺(jué)大模型能力的標(biāo)準(zhǔn)并非追求參數(shù)指標(biāo)，而是抓住應(yīng)用場(chǎng)景的核心需求，并在商業(yè)模式上得到驗(yàn)證。他預(yù)測(cè)視覺(jué)大模型在2024-2025年進(jìn)入高速發(fā)展期，2026-2030年進(jìn)入成熟期，將助力千萬(wàn)設(shè)計(jì)場(chǎng)景，引領(lǐng)美學(xué)的升級(jí)與社會(huì)經(jīng)濟(jì)增長(zhǎng)。
一、美圖視覺(jué)大模型100天進(jìn)化：生圖更輕松、出圖更專業(yè)、改圖更精準(zhǔn)
100天之間，美圖視覺(jué)大模型進(jìn)化了哪些能力？
美圖公司創(chuàng)始人、董事長(zhǎng)兼首席執(zhí)行官吳欣鴻介紹說(shuō)，MiracleVision展現(xiàn)出了可喜的成長(zhǎng)速度，3個(gè)月前，它的繪畫水平還停留在初級(jí)階段，如今已經(jīng)能描繪出真實(shí)細(xì)膩的畫面細(xì)節(jié)，用戶現(xiàn)可訪問(wèn)AI視覺(jué)創(chuàng)作工具“WHEE”官網(wǎng)體驗(yàn)。
美圖公司將自研AI視覺(jué)大模型MiracleVision（奇想智能）的核心能力拆解為兩大特性——“奇思妙想”和“智能創(chuàng)作”。
在“奇思妙想”層面，MiracleVision通過(guò)“提示詞智能聯(lián)想”功能降低大眾的使用門檻。
當(dāng)用戶輸入關(guān)鍵詞，MiracleVision可自動(dòng)補(bǔ)充相關(guān)表述，如光影效果、質(zhì)感、風(fēng)格、圖片質(zhì)量等，推動(dòng)創(chuàng)作平權(quán)。
此外，MiracleVision通過(guò)“提示詞精準(zhǔn)控制”功能來(lái)滿足更加專業(yè)的設(shè)計(jì)要求，如使用“近景”、“遠(yuǎn)景”、“順光”、“逆光”等描述控制最終生成效果。
除了亞洲人外，MiracleVision還支持不同地區(qū)、不同膚色的人像攝影，以滿足全球用戶多樣化的需求。
對(duì)于企業(yè)來(lái)說(shuō)，設(shè)計(jì)物料更加高效省時(shí)。例如快速生成堪比專業(yè)棚拍效果的商品圖，并能隨心切換背景。
上傳一個(gè)logo圖像，再輸入幾個(gè)關(guān)鍵詞描述，視覺(jué)大模型就能生成出審美在線的品牌視覺(jué)海報(bào)。
在“智能創(chuàng)作”層面，MiracleVision通過(guò)“深化創(chuàng)作”功能，進(jìn)一步豐富作品細(xì)節(jié)和提升表現(xiàn)力。
通過(guò)“AI畫面擴(kuò)展”功能，可以讓作品尺寸更大、細(xì)節(jié)更豐富。
通過(guò)“局部修改”功能，圈住要修改的位置，輸入想修改的文字描述，就能對(duì)部分畫面進(jìn)行精準(zhǔn)修改與調(diào)整，做到指哪改哪。
通過(guò)“分辨率提升”功能，可以生成高清大圖，最高能支持4K分辨率，讓細(xì)節(jié)表現(xiàn)、色彩展示、物體辨識(shí)更加的精準(zhǔn)和生動(dòng)。
二、助力電商、廣告、游戲、動(dòng)漫、影視五大行業(yè)，帶來(lái)更高效的AI原生工作流
在吳欣鴻看來(lái)，AI視覺(jué)大模型帶來(lái)的不僅僅是更好的視覺(jué)呈現(xiàn)，還有對(duì)工作流的效率提升，但目前大模型與工作流的結(jié)合仍在探索階段，抓住應(yīng)用場(chǎng)景的核心需求更為重要。
據(jù)他介紹，MiracleVision將落地電商、廣告、游戲、動(dòng)漫、影視五大行業(yè)，希望能助力行業(yè)“工作流提效”，推動(dòng)AI視覺(jué)大模型的應(yīng)用普及。
在電商行業(yè)，從涂鴉生成線稿、線稿上色、商品圖、模特試穿圖，再到電商物料輸出，全程可通過(guò)MiracleVision實(shí)現(xiàn)。
在廣告行業(yè)，MiracleVision覆蓋創(chuàng)意腦暴、創(chuàng)意深化、平面排版、多尺寸延展、線下投放預(yù)覽的全工作流，助力客戶在廣告物料制作環(huán)節(jié)提效。
在游戲行業(yè)，MiracleVision可以包攬場(chǎng)景設(shè)計(jì)、角色設(shè)計(jì)、道具設(shè)計(jì)、UI圖標(biāo)、宣發(fā)物料等流程，拓寬設(shè)計(jì)師想象空間的同時(shí)助力游戲行業(yè)降本。
在動(dòng)漫行業(yè)，MiracleVision打通了概念設(shè)計(jì)、故事板生成、線稿上色、動(dòng)漫補(bǔ)幀、視頻轉(zhuǎn)動(dòng)漫等流程，支持創(chuàng)意到物料成品的快速落地。AI的助力能夠讓動(dòng)漫創(chuàng)作團(tuán)隊(duì)把更多精力放在講好故事和打造更加令人印象深刻的動(dòng)漫角色I(xiàn)P上。
在影視行業(yè)，MiracleVision的高可控性可充分滿足概念場(chǎng)景設(shè)計(jì)、分鏡設(shè)計(jì)、人物造型、道具設(shè)計(jì)、宣發(fā)物料的效果要求，極大提升影視行業(yè)設(shè)計(jì)環(huán)節(jié)的效率。
三、視覺(jué)大模型供大于求，2026-2030年走向成熟期
吳欣鴻透露，在深度參與視覺(jué)大模型建設(shè)的過(guò)程中，他重溫了自己年少學(xué)畫的時(shí)光，當(dāng)時(shí)通過(guò)眼睛捕捉各種視覺(jué)信息，通過(guò)反復(fù)實(shí)踐和嘗試不同的技巧和風(fēng)格，逐漸提高了繪畫技能。
“訓(xùn)練AI也有共通之處，AI會(huì)學(xué)習(xí)各種不同的繪畫風(fēng)格和技巧。通過(guò)充分的訓(xùn)練，AI也能創(chuàng)作出具有獨(dú)特性的原創(chuàng)作品?！彼J(rèn)為AI視覺(jué)大模型的本質(zhì)是一個(gè)無(wú)窮無(wú)盡的視覺(jué)創(chuàng)意庫(kù)，和應(yīng)用之間相輔相成，大模型為應(yīng)用提供技術(shù)支撐，應(yīng)用反哺大模型的效果迭代。
目前，國(guó)內(nèi)有很多團(tuán)隊(duì)在研發(fā)視覺(jué)大模型，目前已知的有超過(guò)30個(gè)團(tuán)隊(duì)，還有近百支團(tuán)隊(duì)正在積極籌備進(jìn)入該賽道。
但從實(shí)際情況來(lái)看，吳欣鴻總結(jié)為十個(gè)字：說(shuō)得多，用得少，供大于求。
他談道，能將視覺(jué)大模型與生產(chǎn)環(huán)節(jié)結(jié)合的企業(yè)數(shù)量相對(duì)較少，視覺(jué)大模型與工作流的融合也處于前期探索階段。
對(duì)于成熟的大中型企業(yè)，他們對(duì)效果的精度要求很高，但當(dāng)前大部分視覺(jué)大模型的生成效果與人類設(shè)計(jì)師的標(biāo)準(zhǔn)存在一定差距。對(duì)于小微企業(yè)，在視覺(jué)大模型部署方面要付出較高的學(xué)習(xí)成本。對(duì)于個(gè)體用戶來(lái)說(shuō)，復(fù)雜的平臺(tái)交互仍是阻礙使用AI創(chuàng)作的一大門檻。與此同時(shí)，AI創(chuàng)作存在一些不可控的部分。
總體來(lái)看，吳欣鴻認(rèn)為，大模型真正在生產(chǎn)端普及使用，需要解決三個(gè)問(wèn)題：垂直領(lǐng)域的極致效果、工作流整合、變現(xiàn)能力。
據(jù)他預(yù)測(cè)，視覺(jué)大模型應(yīng)用普及將經(jīng)歷三個(gè)階段：探索期、高速發(fā)展期、成熟期。
2024年之前為探索期，廠商在這一階段進(jìn)行不斷探索，效果勉強(qiáng)及格，視覺(jué)大模型在工作流里支持單任務(wù)的提效，驗(yàn)證場(chǎng)景的可行性。
2024-2025年進(jìn)入高速發(fā)展期，效果會(huì)逐步精進(jìn)，有著明確的場(chǎng)景，帶來(lái)工作流的升級(jí)。
2026-2030年為成熟期，視覺(jué)大模型的生成效果會(huì)非常出色，凡是設(shè)計(jì)與創(chuàng)意，視覺(jué)大模型都是標(biāo)配。
隨著視覺(jué)大模型在生產(chǎn)端的應(yīng)用走向成熟，設(shè)計(jì)的邊界也會(huì)被不斷拓寬。
四、7款影像生產(chǎn)力工具，3個(gè)月進(jìn)化成果披露
除了視覺(jué)大模型升級(jí)到3.0版本外，吳欣鴻公布了6月19日發(fā)布的其他6款影像生產(chǎn)力工具的一些最新進(jìn)展：
1）AI視覺(jué)創(chuàng)作工具“WHEE”：優(yōu)質(zhì)AI效果生成數(shù)超過(guò)550萬(wàn)張，打造的設(shè)計(jì)師生態(tài)初見(jiàn)成效。
2）AI口播視頻工具“開拍”：月活躍用戶數(shù)已突破35萬(wàn)；桌面端AI視頻編輯工具“WinkStudio”已累計(jì)服務(wù)近10萬(wàn)名視頻創(chuàng)作者；
3）WinkStudio：7月上線，服務(wù)近十萬(wàn)名視頻創(chuàng)作者，成為他們必備的生產(chǎn)力工具。
4）主打AI商業(yè)設(shè)計(jì)的“美圖設(shè)計(jì)室”：正助力近百萬(wàn)中小電商賣家降本增效。
5）AI數(shù)字人生成工具“DreamAvatar”：于8月底上線，并主打“AI演員”數(shù)字人服務(wù)。
6）美圖AI助手“RoboNeo”：每天幫助近萬(wàn)名用戶自動(dòng)修圖，比傳統(tǒng)修圖效率提升35%。
五、大模型算力成本壓力不大，訂閱和單購(gòu)商業(yè)模式相輔相成
在發(fā)布MiracleVision（奇想智能）3.0版本后，美圖公司的六位核心高管與參會(huì)媒體進(jìn)行深入交流。具體干貨信息如下：
1、美圖視覺(jué)大模型會(huì)應(yīng)用到哪些產(chǎn)品中？
美圖大部分產(chǎn)品都會(huì)逐漸融入其自研大模型的能力。較顯性的是美圖秀秀，該產(chǎn)品已經(jīng)是一個(gè)影像入口，整合了美圖大部分產(chǎn)品，所以讓用戶能夠一站式地感受其大模型的當(dāng)前能力。未來(lái)美圖視覺(jué)大模型更多要賦能各行各業(yè)，先從相關(guān)性較強(qiáng)的5個(gè)行業(yè)入手，通過(guò)打磨驗(yàn)證，未來(lái)進(jìn)入行業(yè)的工作流并提高生產(chǎn)力。
美圖截至今年1月份的月活躍用戶數(shù)是2.47億，很多人都會(huì)通過(guò)美圖的產(chǎn)品逐漸用到AI提供的服務(wù)，切身感受到大模型帶來(lái)的效率提升。美圖希望服務(wù)的用戶群體包括大眾用戶、專業(yè)用戶、大眾用戶與專業(yè)用戶之間的傳播者。
2、美圖視覺(jué)大模型三個(gè)版本分別是什么狀態(tài)？
用關(guān)鍵詞來(lái)總結(jié)，1.0版本是“勤奮好學(xué)”，效果在及格線左右，美學(xué)評(píng)估的很多維度有待進(jìn)化；2.0版本開始有些“奇思妙想”，創(chuàng)造力、想象力變得更好；3.0版本在精準(zhǔn)控制細(xì)節(jié)、畫面精細(xì)度和質(zhì)感、與行業(yè)工作流的結(jié)合等方面均提升顯著。
3、與其他市面模型相比，美圖視覺(jué)大模型有何獨(dú)特之處？
美圖視覺(jué)大模型完全自研，有針對(duì)美學(xué)的傾向性，基于自研模型建立了一個(gè)美學(xué)評(píng)估體系，以不斷優(yōu)化美學(xué)效果。其模型結(jié)構(gòu)和數(shù)據(jù)集都是以此為出發(fā)點(diǎn)來(lái)組織和建立。與其他公司不同的是，設(shè)計(jì)師及美學(xué)領(lǐng)域創(chuàng)造者高度參與了美圖視覺(jué)大模型的訓(xùn)練過(guò)程。
美圖發(fā)展15年來(lái)一直處在相對(duì)激烈的競(jìng)爭(zhēng)環(huán)境下，在視覺(jué)大模型領(lǐng)域，美圖的一大優(yōu)勢(shì)是擁有較為龐大的用戶規(guī)模和現(xiàn)成的應(yīng)用場(chǎng)景，可以源源不斷地融合大模型能力，并探索出相對(duì)成熟且不斷增長(zhǎng)的訂閱商業(yè)模式，構(gòu)建很好的閉環(huán)。對(duì)于美圖來(lái)說(shuō)，視覺(jué)大模型競(jìng)爭(zhēng)才剛剛開始，現(xiàn)階段先把自己做強(qiáng)是一個(gè)非常關(guān)鍵的基礎(chǔ)。
4、美圖在視覺(jué)大模型的投入情況如何？
美圖今年上半年研發(fā)投入將近3億元，全球超6億元，在其總營(yíng)收中的占比超20%，與大模型相關(guān)的主要工程師約有600人，還有很多設(shè)計(jì)師、產(chǎn)品經(jīng)理參與其中。
美圖研究院從2011年成立以來(lái)，一直在做核心的視覺(jué)AI能力，其核心團(tuán)隊(duì)畢業(yè)于國(guó)內(nèi)清華、北航、廈大等知名高校以及海外新加坡、澳大利亞、韓國(guó)的一些頂尖高校。美圖也長(zhǎng)期與這些頂尖高校的老師有合作。
5、美圖視覺(jué)大模型有哪些核心技術(shù)競(jìng)爭(zhēng)力？
從AI三要素來(lái)看，數(shù)據(jù)方面，有專業(yè)設(shè)計(jì)師標(biāo)注的高質(zhì)量數(shù)據(jù)，除了美圖設(shè)計(jì)師外，還有一些合作美院及藝術(shù)家參與了數(shù)據(jù)的標(biāo)注與審核。算法方面，美圖已經(jīng)在計(jì)算機(jī)視覺(jué)算法上有10多年的積累。此外，美圖在美學(xué)方面擁有深厚基礎(chǔ)，導(dǎo)致其視覺(jué)大模型的訓(xùn)練效果更佳。
算力也非常充足，美圖與頭部廠商合作。大模型訓(xùn)練方面用了很多A100和A800的計(jì)算卡，推理方面用的卡不太一樣，更多是V100、T10、A10等型號(hào)。在AI動(dòng)漫或視頻類場(chǎng)景，推理方面最多差不多能用到8000張卡。算力對(duì)美圖來(lái)說(shuō)不是很大的成本壓力。像AI動(dòng)漫這樣的產(chǎn)品，雖然用了很多卡，但通過(guò)單購(gòu)和會(huì)員的方式，算下來(lái)還是能實(shí)現(xiàn)盈利。
6、美圖在AIGC產(chǎn)品商業(yè)模式上會(huì)有哪些嘗試？
可滿足AIGC功能使用需求的購(gòu)買美豆模式在9月初就上線了，目前運(yùn)行比較良性，不過(guò)美圖有很多策略還沒(méi)上線，將逐步展開，這為訂閱提供了一個(gè)很好的補(bǔ)充，用戶可以先用美豆以極低的成本去嘗試生成效果，如果發(fā)現(xiàn)可能長(zhǎng)期需要這樣的模型能力，再采用訂閱模式。
對(duì)于訂閱用戶，生成數(shù)量是有一定限制的，如果超出限制范圍，用戶也可以通過(guò)美豆來(lái)追加生成內(nèi)容。訂閱目前只有VIP和SVIP，未來(lái)不排除針對(duì)一些行業(yè)、專業(yè)需求去增加更高級(jí)別的會(huì)員。
訂閱和單購(gòu)兩種模式相輔相成，未來(lái)美圖也將就以美豆為代表的單購(gòu)去做反復(fù)的策略驗(yàn)證，短期內(nèi)應(yīng)該不會(huì)增加其他新付費(fèi)嘗試。
結(jié)語(yǔ)：未來(lái)，萬(wàn)物皆可生成
吳欣鴻認(rèn)為，對(duì)于各行各業(yè)的從業(yè)者而言，AI視覺(jué)大模型帶來(lái)的改變不止限于視覺(jué)效果的提升，更重要的價(jià)值的是對(duì)工作流的改造和創(chuàng)新。
當(dāng)前，AI視覺(jué)大模型主要被運(yùn)用于生成各類藝術(shù)作品，包括繪畫、攝影和設(shè)計(jì)圖稿為主，能展現(xiàn)出初步的效果，但這只是起點(diǎn)。
未來(lái)AI視覺(jué)大模型將承擔(dān)更多瑣碎、重復(fù)的工作，成為讓創(chuàng)作者有更多時(shí)間和精力，去解放想象力，探索真正的創(chuàng)新與創(chuàng)造。
吳欣鴻相信AI的進(jìn)化速度會(huì)很快，將來(lái)，在AI的幫助下，甚至萬(wàn)物皆可生成。
