AIGC 创业公司还没盈利，微软、Adobe 已赚得盆满钵满

一出奥特曼在 OpenAI「来去之间」的戏码，以回归暂告一段落。

过程很抓马，吃瓜群众很激动，当然了，最开心的还得是微软。

不仅因为这出「闹剧」无论怎么发展，都是微软稳赢，还因为背后潜藏着一个更大的瓜——

大模型的最大利益获得者，居然还是微软这些让人意想不到的老牌玩家。

比如 Stable Diffusion 和 Midjourney 争先恐后迭代卷上天，但凭借 AI 作图赚得盆满钵满的，其实是 Adobe。

年初至今，Adobe 美股市值涨了1000+亿美元，已经不知不觉创造了90.58%的涨幅；而 OpenAI 最大股东、发布一系列 AI Copilot产品的微软，涨幅同样达到令人瞩目的 55.93%。

这类非 AI 原生的老牌玩家，看似主营产品还是十分传统，但 AIGC 产品却悄然占据了主流——譬如微软刚刚就推出了 Windows AI Studio，开发者可以在其中访问各种AI模型，并根据自己的需求进行调整。

新闻一出，就听得同赛道不少创业公司的哀嚎一片。

为什么传统公司，反而是大模型时代最先收割的那一方？

要搞清这一点，首先得明白，从最初的 AIGC 技术爆发到现在，行业情况早已发生了变化。

01 

传统公司在 AIGC 后发制人

从技术井喷到市场落地，AIGC 的发展大致分为两个阶段。

第一阶段，AIGC 技术井喷，创业公司和新产品源源不断涌现。

无论 Adobe 还是微软，在技术爆发的第一阶段，似乎都只是充当着背景板的角色。其传统产品如 PhotoShop、Office 全家桶，甚至可能成为被AIGC技术第一批革掉命的「老旧应用」。

然而如今第一轮投融资风口过去，AIGC进入寻求落地的第二阶段，这些传统公司非但没有消亡，反而更活跃了：

Adobe 前不久推出的文生图 Firefly Image 2，生成分辨率直抵 2k，已经全面入驻 Photoshop、Illustrator、Premiere Pro等套件；微软更是基于老牌办公软件 Office、浏览器 Bing 发布了 Copilot Studio。

△Firefly Image 2 更新后效果，图源 Adobe

无论 Adobe 还是微软，均依托 AIGC 新功能揽获了不少关注度。

相比之下，创业公司开始面临落地难题：

OpenAI 尚未实现盈利；做出 Stable Diffusion 的明星创业公司 Stability AI，被曝身陷营收困境，近期又有高管因版权问题离职……

为什么 Adobe、微软这些看似传统的公司，却在 AIGC 2.0 时代完成了一轮「反杀」，率先从新技术中获利？

表面来看，这些公司只是借助 AIGC 技术风口更新了一波自己的产品。

但实际上，它们掌握着产品从技术落地到市场匹配最关键的一环——

场景。

以 Adobe 为例，旗下付费产品 PS 占据近 70% 设计市场，带来了极其稳定的现金流；加之核心用户不少是商业设计师，要想在不改变工作流的情况下引入 AIGC 降本增效，购买 Adobe 会员是最便捷的思路。

这是因为，从用户如设计师的角度来看，包括方案评估、成品的交付和修改等工作，其实都离不开和其他岗位的沟通协作，这个过程涉及一套业务流。

虽然其他 AI 文生图工具如 DALL·E 3可以低成本生成大量图片，但这些图片既非能自由编辑的矢量图、样式也不一定符合用户需求，一言蔽之就是不合业务流，还会带来额外的工作量。

但 Adobe 作为承载业务流的产品，更了解设计师真正需要降低工作量的痛点，在推出生成矢量图（Firefly 矢量模型）、AI 修图（Generative Fill）等工具后，相当于直接用 AIGC 简化了业务流、节省了工作时间。

而干得风生水起的 Adobe 和微软，代表的还只是国外传统公司在 AI 2.0 时代下的打法。

相比之下，国内一众传统公司做得怎么样了？

这两天，国内营销销售数字化服务商 Whale 帷幄举办了一场秋季发布会，发布会主题正是与 AI 和大模型等技术有关的「AGI for Growth 释放增长的 AGI 力量」。

作为国内市场营销领域的代表公司之一，帷幄针对 AIGC 推出了什么样的新产品？对于市场营销、乃至整个 AIGC 行业而言，从帷幄的案例中又能总结出哪些经验？

我们逐一拆解，细细来看。

02 

头部场景玩家，这样用 AI

Whale 帷幄，国内 AI 营销和销售场景的头部玩家，创业 4 年（2022 年）就跻身独角兽行列。

然后遇上 ChatGPT 诞世，这对帷幄，对营销领域，对全行业都是全新的开始。于是，这家专注于 AI 技术的数字化营销运营平台，业务就更风生水起了——

大模型落地从纯技术红利转入「得场景得天下」后，有落地场景的企业，能够让 AI、大模型结合业务，形成新引擎和新业务闭环。

帷幄拥有的优势，正是其沉淀多年的营销场景，这其中不仅有大量商业经验、垂直数据，更有对行业需求的理解。

对于营销行业而言，大模型带来最有用的能力，主要就是两点，一是数据总结，二是内容生成。

其中，因为大模型能助力营销，将内容的广度和深度传达出来，所以内容生成又更为重要。

说回我们这次用来举栗子🌰的帷幄，它是如何让 AI 通用大模型生成内容的广度和深度，在营销这一专业领域上展现出来的？

先简单介绍一下，这次发布会，帷幄祭出了一整套产品，包含迭代型和全新发布型，具体包括——

「AGI 云 Alivia」、「帷幄数智空间 Whale SpaceSight」、「帷幄内容营销中心 Whale Harbor」、「帷幄绘声 Whale Echo」、「帷幄开播 Whale Cast」。

这些产品最底层的能力，由专为营销和销售设计的企业级 AGI 工具包 Alivia 提供。

之所以叫它工具包，是因为 Alivia 不仅全面覆盖营销赛道，且功能从 AI 语音、AI 海报、AI 视频编辑到 AI 数字人直播应有尽有，还能提供企业级模型训练与管理，真、的、很、全。

用 Alivia 的大模型能力，能省时省力触达更多用户。

就拿电商现在已经离不开的用 AIGC 能力制作宣传物料来说，文生图、图生图和视频编辑都已经是必备的功能，要是不满意，甚至还能专门训练一个自己的企业级模型。

文生图能力，生成内容可以精确到字母，黑白颜色所描述的主语也不会随意弄混：

要是生成提示词中强调「背面」等其他场景，也能准确改变模特的姿势：

至于图生图能力，还要更进一步，不管是在海报里给商品换背景：

还是要替换掉一张海报的模特：

对 Alivia 来说，更是秒秒钟胜任的小 case。

而且广告主可以根据品牌调性，自我定义所需海报的风格、样式，在这样的基础上，AIGC 生成所需的海报，简直是手到擒来：

要是遇上海报无法 hold 住的营销场景，还能用上视频编辑器的能力，分分钟制作一条快闪视频推到你面前，并且可以是包含数字人形象的那种：

基于 Alivia 打下的大模型能力基础，帷幄推出了一系列 AI 产品，最最核心的，有这几个：

• SpaceSight / 数智空间，应用于数字化线下门店运营；

• Harbor / 内容营销中心，应用于数字化内容营销；

• Echo / 绘声，应用于数字化语音服务；

• Cast / 开播，应用于数字化直播间运营。

这四者是帷幄 Alivia 大模型能力的进一步外显，让帷幄能把营销内容深度传递。

所谓的深度，其实可以理解为对每一个行业、每一个用户进行全盘而深度的了解，让生成的内容出现在用户面前的时候，都尽可能精准踩在客户旅程转化点上。

解释得再直白一些，就是每个人接触到的内容，都是自己看得懂的、感兴趣的，从而提高营销转化率。

要实现这个想法，除了从线上（直播间）和线下（门店）对用户喜好数据日积月累，还离不开内容营销中台 Harbor。

Harbor 把各种各样的数据，包括直播时候收集的话术、话术的好坏，或是门店不同区域的客流量、留客率等，统统收集并整理。

当帷幄用大模型的数据总结能力，结合内容生成能力梳理和呈现了数据和数据之间的关系，再喂给大模型，会发生什么呢？

事实就是，拥有帷幄的每一个运营 or 销售，干活都能贼灵光（doge），老板要的商品数据对比，分分钟就能手到擒来。

一个平台，用好了大模型数据总结和内容生成的能力，并提供给每一个需要的客户，所产生的影响现在已经能被直接接触和感知到。

不仅仅是「能用」而已。更进一步的，AIGC已经形成了一种「放大器效应」：

通常意义上的市场营销，就是用技术帮客户扩大流量和转化率；现在有了 AIGC 的帮忙，这件事只会变得更快捷、更低价、更高效。

但是，人人皆可用 AI 与大模型的现在，旧公司和新创企似乎在技术的推动下，站在了同一条赛跑线上。为什么获利更猛的，反而是 Adobe、帷幄这样的老牌参赛选手？其中是否有什么经验可供借鉴？

带着好奇心，我们联系上帷幄创始人兼 CEO 叶生晅，和他聊了聊帷幄在 AIGC 场景中的定位，对 AIGC 这一行业的看法，以及 AIGC 会对各行各业的玩家产生什么样的影响。

03 

谁在收割 AIGC 技术红利

叶生晅硕士毕业于加州理工学院计算与神经系统专业，曾在 Facebook 从事数据科学类工作，随后回国进入数字营销行业，创办 Whale 帷幄。

谈及 AIGC，叶生晅认为，当前入局的玩家主要可以分为四层。

最底层是像 OpenAI、Stability AI 这样的创业公司，或者说拥有 AGI 这一技术本身的公司。这类玩家拥有通用大模型技术，也会为更上层的玩家提供最底层的技术支撑。

第三层就是像 LangChain、AgentChain 这样的更偏向于基础设施层的玩家，它们会做一些支持通用大模型的技术底座，有不少还是开源的工具，进一步支撑 AIGC 乃至大模型的发展。

第二层则是在前两层架构上进一步诞生的 AI 工具产品，如依靠 LoRA 等技术发展起来的公司，这类公司专注于提供工具本身，并以此开辟小范围的创新思路。

最顶层就是应用公司，包括国外的 Adobe、微软，以及国内的帷幄等公司。这类公司有场景，并依托场景打造了不少有稳定流量的应用，同时也会基于需求，将业务扩展到前几层场景中。

这四类玩家究竟谁能收割最终的技术红利？

叶生晅的看法是：

创业公司收割不了最终的技术红利。

以 OpenAI 为例，这类公司虽然能依靠技术创新打出自身价值、快速实现破圈，甚至以一己之力带动整个 AIGC 技术生态圈发展壮大；

但最终大模型这样的底层技术，仍旧需要算力、数据和场景支撑，因此最终还是会被微软这样的云厂商收割。

但进一步来看，能收割技术红利的场景玩家，也绝非仅仅依靠场景本身、即已经过市场验证的产品。

叶生晅认为，主要还有两方面的标准。

一方面，这些公司要有能挖掘出 AIGC 技术利用价值的能力，从场景理解不同用户对于算法的不同需求。

以图像生成为例，虽然这类经典算法类型有限，然而对于不同场景的客户而言，需求的算法细节其实存在极大区别。

例如，对于家居行业而言，能否在生成家具时，完美且合理地构造出设计细节，就必须在垂直领域中去不断打磨算法，才能让它成为「内行设计师」：

再以场景理解为例。不同行业的品牌方，运营线下门店的「规矩」也有所差异，如食品店有食品安全规范、服装店有商品排列要求等。

如何根据这些细节差异，打造符合企业的场景理解算法，同样需要门道：

因此，无论是哪个领域，AIGC 技术实际应用的途径也会有所不同，如何利用合适的技术给自身场景带来最大的技术加持，是场景玩家需要去思考的问题。

另一方面，公司自身也得有技术实力，才能快速在新一波 AIGC 浪潮来临时及时跟进，将技术带来的价值最大化落地到场景中去。

叶生晅表示，帷幄作为一个技术公司，也会继承 Facebook 的开源文化，主动拥抱开源、贡献开源，投入到 AIGC 技术研究中去。

例如帷幄也有在 Stable Diffusion 等不少 AI 开源社区做出贡献，参与了各种项目的跟进，这和产品的发展不仅并不矛盾，反而是相辅相成的。

当然，无论是哪一类玩家，最终都还是要从当下和未来及时判断 AIGC 的风向，并选择合适的落地思路。

毕竟针对 AIGC 技术本身，依旧有人抱持谨慎的态度，认为它有吹捧过度的嫌疑，现有 AI 生成能力并非完美，距离直接可用还有一定距离。

对于 AIGC 当前的技术发展进度、未来是否值得投入，叶生晅给出了这样的总结：

技术本身的发展进步不会被阻挡，正如 AGI 不应该是一个目标、技术评判标准，而应该是一条成就终端客户需求的路径。

至于判断一项技术是否值得投入，最终还是要回归三点指标，即技术落地是否真正有用、市场规模是否够大（例如对口型翻译就不算一个大市场）、客户是否愿意买单。

因此，不用等待某个节点的到来，而是应该找到属于自己的场景、把握好技术路径，才能在群雄逐鹿的争夺战中收割最终的技术红利。