中国AI绘画行业调查报告——技术，用户，争议与未来
中国AI绘画行业调查报告——技术，用户，争议与未来
AI绘画作为AIGC领域的一个重要分支，近年来得到了飞速发展。从最初的GAN技术到Diffusion模型的崛起，再到Stable Diffusion的开源，AI绘画技术不断突破创新。本文将从技术发展、用户调研、商业模式和争议等多个维度，为您全面解析中国AI绘画行业的发展现状和未来趋势。
AI绘画技术发展的简要脉络
GAN时代
在Diffusion被广泛应用于AI绘画之前，这种艺术形式的主要实现方式是GAN（Generative Adversarial Nets）。以NVlabs的SPADE为例：用户提供草图，由GAN模型将其转化为真实的风景图像。这听起来有点像AI绘画里的img2img，但在这类模型里，用户无法通过文本影响生成结果。
直到类似CLIP这种跨模态的图文模型出现，才让用户有办法用文字实现AI作画。后来者如VQGAN+CLIP或StyleCLIP，均是因为CLIP打通文本和图形域(domain)，用户输入的文本与GAN生成的结果真正有了「可比较性」，这使得计算二者误差并迭代效果成为了可能。
GAN在模拟分布方面有着天然的优势，因此它在人脸属性编辑、风格模仿等领域大放异彩，例如给人戴上墨镜、加上胡子、生成动漫脸、模仿小说风格。也正因如此，它也很容易陷入模型坍缩(Model Collapse)，即生成器(Generator)倾向于生成那些最不容易出错、能骗过判别器(Discriminator)的结果，例如当用户希望生成"眼睛长在鼻子下面的人脸"，或"戴着用鲜花构成的眼镜"这种域外(Out-Of-Domain)的结果时，GAN通常会失效。
Diffusion 崛起
和大多数人以为的相反，Diffusion其实是早于GAN被提出的，但因为Diffusion依赖大模型实现，所以对大部分用户的进入门槛较高，研究者也不多，直到2021年，因为开源项目Disco Diffusion(也被简称为DD)，Open AI的商业服务Dalle等，Diffusion才开始被更多人了解。
2022年，Disco Diffusion经过更多开发者的贡献，效果有了较大提升，通过Google colab的方式运行(很多人因此误以为DD是Google发布的)，也降低了使用者尝试使用的门槛，在2022年4月左右，DD生成的图像在社交网络上得到广泛传播，进一步带动了Disco Diffusion的破圈。
同一时期，包括6pen在内，国内开始有小部分团队和公司进行DD的产品化工作，旨在进一步降低DD的使用门槛，包括：
- 提供人机友好的交互界面
- 提供云端的算力服务
- 对DD的模型做finetune（微调）
- 通过封装CLIP关键词等方式，降低用户使用门槛，提高风格化效果
在研究领域，也有诸多机构或公司进入模型层的研究，例如6pen的南瓜模型，清华大学的cogview，百度的文心等等，因为DD在社交网络的破圈，这些产品和模型都得到了更多人的关注和使用，但依然有很多较专业的中国用户会通过各种方式使用midjourney和Dalle2等国外的商业化产品。
Stable Diffusion 开源的潘多拉魔盒
在Stable Diffusion之前，开源方案里最好的AI绘画实现毫无疑问是Disco Diffusion，但Disco Diffusion也存在诸多问题，例如：
- 生成速度慢（基于像素迭代），由此带来的问题是生成成本高（显卡成本高昂）
- 生成图片逻辑性较差，画面结构经常错乱
- 几乎无法生成人和物体
弥补Disco Diffusion的不足，是许多模型或研究团队的方向。CompVis提出的latent diffusion将diffusion过程从图像层面迁移到了隐变量(latent)层面，这将推理耗时降低了一个数量级(~10min->30s)。latent diffusion在模型内嵌了一个很小的文本模型，使得生成过程不必依赖CLIP等开源语言大模型，但这也使模型对用户输入文本的理解能力较弱，生成的结果文不对题。
6pen提供的南瓜正是基于对它的某种改进：将CLIP模型替换掉latent diffusion自有的文本编码小模型，计算模型结果与文本间的CLIP误差来优化生成过程，因此模型对用户文本理解能力、生成质量都有了明显提升。后来的Stable Diffusion也是基于latent diffusion + CLIP思路做了模型结构、数据方面的优化，并进行了大规模的训练，达到了堪称惊艳的效果。
Stable diffusion在2022年8月下旬由Stability发布，Stable diffusion拥有强大的特性：
- 极快的速度（基于隐空间迭代）
- 远超DD的画面逻辑
- 能较好的处理人和物体
- 更多的风格化，例如二次元风格
- 更简易的训练框架
Stable Diffusion极大降低了行业的进入门槛，包括技术门槛和储备显卡的成本，带来了较多的竞争者入场，但同时也有部分基于Stable Diffusion的创新应用开始出现，例如文生视频，图片无限拓展，和3D建模工具结合等等，毫无疑问，Stable Diffusion具有这个时代的革命性。
我们目前就处在这个时间节点。
AI绘画的用户画像
用户基础画像
根据我们的回收报告显示，国内的AI绘画用户特点是年轻化，其中46%以上是大学生和研究生，其中甚至有18%是初中和高中生。
从城市分布上，绝大多数用户还是分布在一二线城市，其中北京占8.7%，深圳占7.8%，但青岛出人意料的排在了第四，占到了6.1%。南方城市占绝大多数，北方城市较少。
在受众用户的行业分布上，调查结果和我们预期差异较大，美术和设计工作者仅仅只占24.2%（排名第二），排名第一的行业是线下行业（26%），排名第三的是互联网行业（24%）
在使用AI绘画的具体方式上，38%的用户只使用在线服务，使用自己显卡的用户占到16%，即便如此，依然有21%的用户表示，虽然目前自己使用在线服务，但未来希望使用自己的显卡，与之相反，现在使用显卡，并表示未来会使用在线服务的用户，只占4%
用户付费及收入调查
根据我们的调查，60%的用户并没有在使用AI绘图产品上有过付费行为，也就是完全免费在使用，剩下40%的付费用户中，16%付费在10元以内，14%在100元以内，付费超过100元的不到10%
于此同时，我们也调查了用户通过AI绘画产生收入的情况，结果显示绝大部分用户（92%）没有通过AI绘画产生收入，也就是「单纯娱乐使用」，4%的用户获得了100元以下的收入，1.9%的用户获得了1000元以下的收入，而获得超过1000元收入的用户，占2%
用户认知
问卷调查显示，42%的用户认为AI绘画单纯只能满足娱乐需求，38%的用户认为AI绘画可以部分运用到工作之中，9.17%的用户认为AI绘画具有颠覆性，与此同时，也有7%的用户认为这根本不值一提。
绝大部分受访者在最近一个月（8-9月）才了解到AI绘画领域，今年上半年开始接触的占27%，去年就了解的仅占23%
我们的问卷包括对模型的使用，为了保证客观，我们排除了6pen（来自6pen渠道的用户会影响数据准确性，我们将单独展示6pen不同模型的使用比例），对用户使用其余模型进行了统计，目前可以看到Disco Diffusion略微占优，第二名是Stable Diffusion，第三名则是midjourney，令我们惊讶的是，老牌的AI绘图产品wombo dream，依然有比较广泛的受众，甚至比著名的Dalle系列被更多人使用。
与此同时，6pen内的近千万次用户使用模型数据则显示，Stable Diffusion被使用的最多，占到了77%，Disco Diffusion模型占10%，南瓜占13%
用户的使用场景
绝大部分的用户表示，使用AI生成绘画作品，仅仅是自己欣赏，同时表示会分享给朋友的占56%，6%的用户用表示会自己加工之后在工作中使用，低于2%的用户会将生成图片直接商业使用，此外还有23%的用户表示，会发布在社交网络媒体以增加粉丝关注。
平台和工具的商业模式
直接向用户收费
目前，绝大多数产品化的AI绘画服务几乎都通过按照生成收费的方式获得收入，如下：
- Stable Diffusion
- 模型开源免费
- Dream Studio及API：0.01欧元/基础调用
- midjourney
- 10美元/月：200次快速生成+不限量的排队生成
- 30美元/月：900次快速生成+不限量的排队生成
- 4美元/GPU小时
- 600美元/年企业套餐
- Dalle
- 0.13美元/生成
- 6pen
- 免费排队生成
- 付费快速生成：0.1人民币起
可以看出，商业化的AI绘画的服务目前几乎不区分ToB或ToC，更多是提供按量或按需付费的服务，无论是企业还是个人用户都可以使用。这种收费模式是因为这些原因：
- AI生成使用显卡服务器，维持免费使用需要付出巨大成本
- 缺乏生成图之后的闭环，无法从免费用户获得其他方面的收入
- 受限于尚处在争议中的版权及其它道德因素，其它商业化手段还有待探索
ToB的可能性
AI绘画在ToB领域天然拥有更多可能性，但受限于模型质量，版权争议，以及目前较早期的技术阶段，还很少有公开落地的案例，但我们认为在下列方向，可能会在未来涌现出更多ToB的成功案例：
- 广告行业
- ToB素材库
- 设计师/美术工作者辅助工具
- 营销定制服务
- 线下实体结合服务
- 元宇宙等线上虚拟空间
争议，问题，潜力和未来
争议
目前AI绘画的最大的争议在于版权归属，以及模型是否有权利指定版权归属，众所周知，AI模型训练所使用的大量素材，可能包含了未经授权的，有明确版权方的图片数据，因此模型源头就带有「未经授权」的烙印，支持者一方则认为，AI模型经过训练，迭代，蒸馏，最终沉淀下来的是单纯的，崭新的运算方法，由这种运算方法产出的图片，版权归属应该由模型指定。
即便如此，目前获得较多认可的说法是，如果在AI生成图片的文本描述(prompt)中，指定了在世的艺术家，那么绝对不应该申明该图片的版权。
我们提倡，如果在生成prompt中指定了在世艺术家，那么至少应该将AI生成的图片以CC0协议发布，同时应该保留艺术家的相关信息，并且在得到艺术家授权前，尽量不做商业用途，即便这样，依然可能会对艺术家造成困扰，目前全世界范围内对此都还在进行讨论，AI和人类艺术家的更好的合作规则也急需尽快建立。
版权问题的探索
6pen对原创艺术家发放问卷，并搜集到了368份艺术家反馈，其中7.1%的受访艺术家明确表示自己已经被AI模型学习，67%的艺术家对此还不确定。
27%的艺术家无论如何都不希望AI模型使用自己的风格，27%的艺术家希望如果生成者使用了自己的风格，那么需要在使用图片时展示艺术家的信息，37%的艺术家希望如果使用自己的风格，那么需要向自己付费，完全不介意的只有6.9%
对目前的AI绘画（包括模型和产品），绝大部分艺术家都持有负面的态度，NPS评分低至-89，这主要的原因在于，那些在未经授权就被模型学习的大量人类艺术家，其本身并不能从模型生成中获益，但生成的图片却可能为生成者带来收益，这既不公平，也在某种程度上破坏了生产关系，还将进一步瓦解人类的创作动力——为了免于成为模型学习的素材，原创性的探索将会减少，新的风格，范式，流派都可能会停止出现。
但是，如果未来AI绘画能更具规范，例如：
- 使用版权干净的素材训练模型
- 使用艺术家风格，向其进行分成付费
- 和艺术家共同探索新的风格边界
- 为人类创作提供辅助性功能
- 尊重艺术家不被AI模型学习的意愿
根据我们的问卷调查，如果这些问题得到解决，那么艺术家对AI生成图片技术的NPS评分将提高4倍，绝大多数艺术家认为这样的AI生成是可以被接受的。
然而这样的模式建立也并不容易，其中在技术，产品和规则上都需要很多创新和尝试，6pen将在搜集更多反馈后开始行动，我们也会将探索的过程随时分享。
其他问题
技术问题
虽然在过去的几个月，AI绘画技术已经得到了快速的发展，但依然有一部分问题一直存在，包括：
- 对显卡，主要是显存，要求较高，成本高昂
- 无法精确的指定画面对象的数量，例如“三只猪和四只老虎”
- 人的肢体（主要是手指）和眼球效果较差
- 多主体对象生成效果差（往往只会保留一个或两个主体对象）
- 无法进行有逻辑延续的故事性生成
不过，这些问题有望在未来6-12个月得到较大改善
技术性道德问题
和其它赛道不同，AI绘画既依托先进的AI技术，又(很多时候)依托开源世界的能力，因此可能会有一些其他行业所不存在的可能的道德问题，例如在Stable Diffusion开源之后，从国内涌现出较多的封装型产品，其中许多都存在技术性道德问题，包括：
- 不遵守开源模型licence，包装成自研或国产AI进行营销 *
- 直接将可能含有艺术家风格的生成图片用于版权交易或NFT
- 将未经安全过滤的图片直接展示给用户，可能含有歧视，暴力，色情或其他内容
- 过度封装，隐藏艺术家的相关信息
- 使用非开源服务，用爬虫等方式获取其他服务的生成结果，封装成独立产品
*据我们统计，2022年9月后国内涌现的AI绘画产品，95%都使用了Stable Diffusion，但是按照Stability License展示必要信息的，只有不到10%
这些问题可能会阻碍行业的健康发展，甚至加剧不同立场的用户群体之间的矛盾，其中有些难以避免，另一些则完全是故意为之，我们也再次呼吁，从业者应该理性的，有尊严的进行探索和创新。
未来的市场预估
AI绘画目前依然是快速增长的市场，技术也在快速发展，根据我们的预测，在未来五年，全世界的图片内容可能有10-30%为AI生成或AI辅助生成，据此估算其市场规模可能超过600亿。
但如果要达到这样的数字，前述的问题和争议都需要得到妥善的解决，就总体而言，AI绘画的技术发展确实很快，甚至快到法律和规则还远远没有跟上，就已经产生了巨大的影响力，这不一定是好事，但也蕴含着许多新的可能性，我们应该更加谨慎，小心的进行探索，尽可能的保护而非损害更多人的利益。
如果AI技术的发展是以人类创作力的枯竭为代价，那AIGC将是人类之最大不幸，但如果我们能找到好的方式，来激励人类无穷的创造力，并让所有人都从中受益，那么，这将能成为开启一个更美好的世界的钥匙，我们正处在这两条道路的中间，我们无法停止前进，我们也将注视着，看到人类将迈向何方。
我们希望，能走向对的那方。
本文原文来自sspai.com