AI 作画领域中的“神笔马良”是怎样炼成的？

2022 年是 AIGC 爆火的一年，迭代速度更是呈现出指数级爆发，年初还处于技艺生疏阶段，几个月之后有些作品就达到专业级别，足以以假乱真，这给职业创作人带来了惊喜和灵感。无可否认的一点是，AIGC 正在逐步渗透越来越多的生活场景，短视频、直播、主持、晚会舞台等领域随处可见 AIGC 的痕迹，AIGC 也给如文字创作、图像创作、视频创作、音频剪辑、游戏开发和代码生成等内容生态注入了新鲜血液。近期 AI 作画火遍全网，只要简单输入几个关键词，几秒钟内一幅画作就能诞生，且绝大多数人都难以看出其究竟是人手所作还是 AI 所作。在今年的某次人工智能大会上，AI 甚至以闪电般的速度复原了《富春山居图》，技惊四座。这背后深度学习模型的不断完善、开源模式的推动、大模型探索商业化的可能，都成为了 AIGC 发展的“加速度” 。

 

AIGC 为什么会火出天际？

从产品和技术层面出发，AIGC 之所以在 2022 年实现破圈，Stable Diffusion 的开源功不可没。Stable Diffusion 在 2022 年下半年开源后引发了广泛关注并长期霸占 GitHub 热榜第一名，在短短几个月时间内出现了大量基于 Stable Diffusion 模型的二次开发。Stable Diffusion 开源的不仅仅是代码，还有其已经训练好的模型，这意味着后继开发者能更好地借助这一开源项目，挖掘出更丰富的内容生态，从而大幅降低用户使用 AIGC 进行创作的门槛，提升创作效率。

另外，Stable Diffusion 的开源，也为更广泛的 C 端用户普及起到至关重要的作用，AIGC 绘画之所以能够帮助大众画出各种天马行空的画作，背后离不开大量深度学习模型的不断完善。未来，随着模型的稳定，开源将成为 AIGC 成熟的催化剂，开源模式有望让相关模型成为海量应用和服务的基础，应用层面的创造力有望迎来拐点。

 

AIGC 目前的挑战有哪些？

数据、算力、算法是驱动 AIGC 发展的三驾马车，要实现 AIGC 的发展，这三者缺一不可，但每一项的发展，都需要企业投入大量的资金，尤其是前期的硬件投资更是占企业投入资金的大多数，这就导致 AIGC 初创企业的经营成本居高不下。以新晋独角兽企业 Stability AI 为例，该公司为维护一个拥有 4000 块英伟达 A100 GPU 组成的算力群，总计花费超 5000 万美元。

从 AI 生成图像到 AI 生成视频要用到大量数据训练模型，对算力要求呈指数级的提升，同时也需要快速高效的方式来处理数据集，所以在云中训练和部署人工智能模型也成了很多 AIGC 公司的新选择。过去的经验表明，较高的前期投入要求 AIGC 的企业用户规模需要迅速扩张，因为只有行业用户规模达到一定体量，才能够摊平成本，扭亏为盈。而云计算的高可用性、高扩展性、根据业务规模按需扩展、按用量付费等优势，恰恰为 AIGC 的发展注入了新的机遇。对于很多中小型公司来说，在使用云服务的同时，也能够利用这些平台提供的 AI 服务完成自己所需要的功能架构。

 

亚马逊云科技一站式机器学习平台

Amazon SageMaker 助力 AIGC

亚马逊云科技提供完全托管的一站式机器学习平台 Amazon SageMaker，它提供了从数据工程到模型开发、训练、调优、部署、持续管理等方面的各项核心功能，以及全球首个面向机器学习的集成开发环境 SageMaker Studio，化繁为简，让开发高质量 AIGC 模型（比如 Stable Diffusion 模型）变得更加轻松，让“一个人”的团队也可以轻松实现 AIGC 算法的生产化。

此外，Amazon SageMaker 不仅支持多种算力机型，还可以实现资源的弹性扩张，能够敏捷适配业务扩展不同阶段的需求。同时，Amazon SageMaker 同一终端节点部署多模型的方式可以帮助企业节省实时部署成本，其异步推理形式还支持“从0扩展”，从而进一步降低推理成本，大大加快客户应用机器学习技术的速度。另外，SageMaker JumpStart 最新提供两种最先进的模型：Stable Diffusion 和 Bloom，用于图像和文本的生成。用户可以通过 JumpStart 一键部署或微调众多预训练模型，轻松开发高质量模型并缩短部署时间。

在全球市场研究机构 IDC 最新发布的《2022年亚太地区（不含日本）AI 生命周期软件工具和平台供应商评估》中，凭借 Amazon SageMaker 强大、丰富且灵活的功能，广泛的交付能力及对开源项目的持续贡献，亚马逊云科技获评 AI 生命周期软件领导者。