如果近期路過上海南京西路、陸家嘴等地鐵站，乘客留意會發(fā)現(xiàn)，站內(nèi)的廣告牌有多幅AI生成的繪畫作品。這些繪畫作品都是由國內(nèi)的生成式AI平臺Tiamat提供的。

在海外，當下熱度最高的AI生成平臺非Midjourney莫屬，近段時間，人們用Midjourney生成了各種以假亂真的圖片：特朗普被追捕、馬斯克成為一名蘇聯(lián)工程師、中國男足獲得了世界杯冠軍……隨便拿出一張都能做到以假亂真的程度。

(資料圖片)

在國內(nèi)，成立于2021年的Tiamat相比起來低調(diào)不少，但屬于國內(nèi)最早做AI生成的平臺之一，其自研的MorpherVLM是國內(nèi)首個基于概念融合范式提出的近百億級跨模態(tài)生成模型，與海外技術(shù)節(jié)點、開源社區(qū)保持同頻。

Tiamat創(chuàng)始團隊非常年輕，但在2022年10月，Tiamat已完成數(shù)百萬美元的天使輪融資，在今年2月，緊接著宣布完成近千萬美元 A 輪融資，由DCM和綠洲資本聯(lián)合領(lǐng)投。

年輕團隊，加上國內(nèi)首家AI生成平臺的標簽，讓背后的創(chuàng)業(yè)故事顯得非常傳奇。第一財經(jīng)此前拜訪了位于上海張江創(chuàng)業(yè)工坊的Tiamat辦公室，附近是一條AI街區(qū)，幾棟高樓林立，更多的大廈正在動工修建，Tiamat的氣質(zhì)與這里有些相似：雖然目前稍顯冷清，但指向未來。

踩中時代風(fēng)口

以Text-to-image生成模式、Diffusion模型為顯著特點的圖像生成平臺，正在顛覆傳統(tǒng)的內(nèi)容創(chuàng)作和藝術(shù)設(shè)計領(lǐng)域。

而學(xué)了十年美術(shù)，大學(xué)轉(zhuǎn)學(xué)計算機科學(xué)技術(shù)的創(chuàng)始人兼CEO青柑，剛好踩在了時代的風(fēng)口，成立了Tiamat AI繪畫平臺。

Tiamat 團隊從2021年開始進行模型訓(xùn)練，以自研并自主訓(xùn)練底層模型的方式，與海外技術(shù)節(jié)點、開源社區(qū)等保持著同頻。青柑表示，在一開始融資的時候，他們還需要花很多精力教育市場，解釋什么是AI 生成，什么是多模態(tài)。彼時，距離 Stable Diffusion、Midjourney這些引領(lǐng)著行業(yè)革新的產(chǎn)品上線還有幾個月左右的時間。

作為國內(nèi) AI 生成第一批團隊，Tiamat 如今也成為了為數(shù)不多成功融資并實現(xiàn)了商業(yè)化的平臺。

“因為我們一方面有自研的底層模型，另一方面商業(yè)化跑得也比較快，在這個基礎(chǔ)上又是國內(nèi)做得比較早的，對這個技術(shù)也比較敏感，所以我們的兩輪融資是比較快就結(jié)束了。”青柑表示。

2022年10月，Tiamat完成了數(shù)百萬美元天使輪融資，投資方為DCM。23年初，Tiamat緊接著宣布完成近千萬美元 A 輪融資，由DCM和綠洲資本聯(lián)合領(lǐng)投。

綠洲資本創(chuàng)始合伙人張津劍此前對第一財經(jīng)表示，投資的考慮在于，Tiamat團隊在技術(shù)上有一定的領(lǐng)先性，創(chuàng)始人也很年輕，學(xué)習(xí)能力也很強，同時這個技術(shù)中美之間的差異較小，團隊利用這個技術(shù)結(jié)合中國的審美有一些迭代和創(chuàng)新。

“我們這么年輕的履歷擺在這里，大家也會愿意去相信我們，是因為我們確實有實打?qū)嵉募夹g(shù)在，能夠和別人拉開差距，能夠有很好的資源。”青柑表示，自己和團隊其他核心成員來自于中科院上海科技大學(xué)以及倫敦藝術(shù)大學(xué)，在AI圖片引擎、數(shù)字孿生等方面，團隊都有技術(shù)積淀。

青柑介紹，創(chuàng)始人團隊在大學(xué)的時候就已經(jīng)形成，在大四就拿到了第一筆種子類融資，在有技術(shù)，且有學(xué)校支持的情況下，團隊創(chuàng)業(yè)做AI生成是順理成章的。

創(chuàng)始團隊早期在開源技術(shù)社區(qū)里面待了很久，當時AIGC的概念還沒有興起，青柑對第一財經(jīng)表示，“在21年下半年的時候，當時在社區(qū)里面有一些技術(shù)大佬提出了大模型的可能性，當時很敏銳第一時間關(guān)注到了，那個時候還不叫AIGC，就是單純發(fā)現(xiàn)了一個新的技術(shù)，覺得這個事情很有意思，所以我們非常早就在開源技術(shù)社區(qū)里面去做很多相關(guān)的技術(shù)研發(fā)。”

做得早、與海外開源技術(shù)社區(qū)同頻，是Tiamat的優(yōu)勢，青柑表示，“Tiamat在自研和內(nèi)測的系統(tǒng)和Midjourney的內(nèi)測幾乎是同時的，可能相差不過半個月，因為他們的負責人和大家在技術(shù)社區(qū)里會互相討論一些問題。”

在推出后，Tiamat在4個月內(nèi)全網(wǎng)曝光量達到了5000萬，這些全都是自然流量，Tiamat表示，一直都沒有在營銷上花錢投廣。

一開始因為圖片審美質(zhì)量較高，Tiamat更多是在符合調(diào)性的小紅書上火起來的，在發(fā)布了內(nèi)測圖片后，Tiamat引起了非常大的關(guān)注，至今#Tiamat人工智能藝術(shù)#在小紅書上還有2300多萬的持續(xù)點擊和瀏覽。有趣的是，很多品牌方和資方也是通過小紅書找到團隊的。

據(jù)團隊介紹，目前Tiamat已經(jīng)與央視網(wǎng)，以及《時尚芭莎》、《嘉人》等一線時尚大刊建立長期合作關(guān)系，并與眾多頭部游戲公司開展了戰(zhàn)略合作。在產(chǎn)品一側(cè)，已經(jīng)實現(xiàn)了內(nèi)測高活躍用戶數(shù)千人、月度新增數(shù)萬人，社區(qū)用戶涵蓋國內(nèi)設(shè)計、藝術(shù)創(chuàng)作、多模態(tài)技術(shù)等頭部博主。

“我們應(yīng)該是國內(nèi)AI圖像領(lǐng)域在商業(yè)化方面跑得最快的。去年 Q4，我們有幾百萬元的合同訂單。”青柑表示。目前，Tiamat 20%的用戶群體是小B端的設(shè)計師，60%是泛設(shè)計行業(yè)人群，其他則是對新技術(shù)和新數(shù)據(jù)更感興趣的人。

何以立足

雖然做得很早，但在當下AI生成平臺涌現(xiàn)的情況下，Tiamat憑借什么立足，AI繪畫能否建立護城河？

青柑認為，與海外熱度最高的Midjourney、Stable Diffusion等對比，Tiamat的模型和社區(qū)優(yōu)勢主要體現(xiàn)在中文自然語言處理上的持續(xù)積累，以及能夠提供更適合國內(nèi)用戶需求特點的圖像，并將核心用戶定位于專業(yè)人群。Tiamat生成的圖片有相對獨特的審美和風(fēng)格。

文本圖像生成領(lǐng)域是從2022年二三月開始公開測試，去年七八月，SD（Stable Diffusion）這一類開源模型放出來之后，緊接著就有大量的創(chuàng)業(yè)者入局。青柑觀察到，很多公司可以不通過訓(xùn)練而直接將SD的模型封裝起來使用，大大降低了AI生成的門檻，這也是平臺涌現(xiàn)的原因。

但這一類已經(jīng)訓(xùn)練好的模型，在具體的商業(yè)化上會有一些局限性。在圖像的商業(yè)化方面，會更關(guān)注的是精準性、可控性這些指標，能不能更好地讓圖像展現(xiàn)出人類理想的構(gòu)圖、或者一致性的角色等。

青柑解釋，開源開的是已經(jīng)訓(xùn)練好的模型，但這個東西具體是怎么訓(xùn)練的，數(shù)據(jù)訓(xùn)練上的細節(jié)是很難被大家知道并模仿的，在這個基礎(chǔ)上進一步去做圖像的精準性、可控性和商業(yè)化，就很難，這也是Tiamat為什么要堅持自研模型的原因。

“在國內(nèi)市場經(jīng)常會遇到的一些情況是，一些廠商需要圖像生成的供應(yīng)商，可能會找到一些用了開源模型的公司，發(fā)現(xiàn)沒法達到好的效果，然后再來找我們。”青柑提到，自研也是Tiamat商業(yè)化比較順利的理由之一，因為非自研的服務(wù)商始終不能特別直接地生成一個行業(yè)想要的東西。

以服裝領(lǐng)域為例，如果需要 AI 來代替設(shè)計師或者幫設(shè)計師尋找靈感，首先他們的輸入方式一定是服裝設(shè)計領(lǐng)域的“黑話”，如領(lǐng)口版式、版型，不一定是外行能夠理解到的行業(yè)知識。所以團隊在去做行業(yè)模型的時候會先去理解設(shè)計師之間的溝通語言，再去理解對應(yīng)的圖片，在此過程中需要重新去構(gòu)建一些圖像文本作為訓(xùn)練數(shù)據(jù)集，基于大模型去調(diào)整，然后才能做行業(yè)的專有模型。

但在這個基礎(chǔ)上，眾多有實力的大廠也在入局 AI生成，是否會對團隊帶來一些壓力？青柑認為，就圖像生成來說，并沒有觀察到像文本領(lǐng)域一樣由參數(shù)量引發(fā)的質(zhì)變，因此，在數(shù)據(jù)清洗和數(shù)據(jù)選擇這一方面，大廠要去經(jīng)歷的流程和創(chuàng)業(yè)公司沒有太大區(qū)別。

此外，對于大廠來說，基于產(chǎn)品生態(tài)，在訓(xùn)練語料的數(shù)據(jù)量上會有一定優(yōu)勢，但可用性上不一定更強。再加上中文的語匯環(huán)境特點更加復(fù)雜，數(shù)據(jù)清洗難度很大，目前實際可用性的文本量級并沒有這么高，可能僅為英文語境可用性的 1/20。

而相比于ChatGPT這樣的文字大模型，一次訓(xùn)練可能會花掉幾十到幾百萬美元，AI 生成模型需要的參數(shù)量級在十億左右，要低將近 100 倍，成本壓力相對較小，這也是創(chuàng)業(yè)團隊的機會。

“從一個比較直觀的感受切入，如果文本出現(xiàn)了一些邏輯上的錯誤或?qū)υ捝系氖д妫脩艨梢院芸斓馗惺艿剑幌駥τ趫D片的細微瑕疵可能會有更好的包容度。”青柑表示，在文字大模型上花費的時間精力和算力是遠大于AI Art 領(lǐng)域的，對于Tiamat來說，不停地把模型的參數(shù)量級進行擴張并不是最重要的指標，而是更多的關(guān)注這個圖像本身的可控性。

標簽：