Tiamat 已于日前完成近千萬(wàn)美元 A 輪融資，由老股東DCM和綠洲資本聯(lián)合領(lǐng)投，遠(yuǎn)識(shí)資本擔(dān)任獨(dú)家財(cái)務(wù)顧問(wèn)。本輪融資將用于繼續(xù)打磨產(chǎn)品和自研大模型，拓展商業(yè)化能力等。數(shù)月前，Tiamat 已經(jīng)獲得由DCM獨(dú)家領(lǐng)投的數(shù)百萬(wàn)美元天使輪融資。

Tiamat 成立于2021年，是一家國(guó)內(nèi) AI 圖像生成技術(shù)服務(wù)商。其自研的MorpherVLM 是國(guó)內(nèi)首個(gè)基于概念融合范式提出的近百億級(jí)跨模態(tài)生成模型，通過(guò)異構(gòu)的視覺(jué)編碼 - 解碼網(wǎng)絡(luò)結(jié)構(gòu)，并引入基于用戶(hù)反饋的強(qiáng)化學(xué)習(xí)（RLHF）和細(xì)粒度的提示 - 隱變量對(duì)齊技術(shù)，提高了模型對(duì)圖像多尺度信息的建模能力，在用戶(hù) Prompt 輸入的理解能力方面也實(shí)現(xiàn)了進(jìn)步。

圖為 Tiamat 創(chuàng)作生成

去年夏天，AI Art 一躍成為了熱度最高的新興技術(shù)，在設(shè)計(jì)、繪畫(huà)等專(zhuān)業(yè)化領(lǐng)域的影響力不亞于如今 ChatGPT 帶來(lái)的全民狂歡。AIGC 的結(jié)構(gòu)性機(jī)會(huì)下，“不追逐風(fēng)口，但等到了風(fēng)口”是技術(shù)型創(chuàng)業(yè)者和資本最愿意看到的擁抱創(chuàng)新的方式。而在時(shí)間差方面，Tiamat 從 2021 年開(kāi)始進(jìn)行模型訓(xùn)練，以自研并自主訓(xùn)練底層模型的方式，始終與海外技術(shù)節(jié)點(diǎn)、開(kāi)源社區(qū)等保持著同頻。

“我們拼命地想告訴大家，這件事情很快就會(huì)成為風(fēng)口。” Tiamat 創(chuàng)始人青柑表示，去年上半年融資的時(shí)候，他們還需要花很多精力去教育市場(chǎng)，解釋什么是 AI 生成，什么是多模態(tài)，為什么要做圖像。彼時(shí)，距離 Stable Diffusion、MidJourney 這些引領(lǐng)著行業(yè)革新的產(chǎn)品上線(xiàn)還有幾個(gè)月左右的時(shí)間。而作為國(guó)內(nèi) AI 生成圖像領(lǐng)域的第一批團(tuán)隊(duì)，Tiamat 如今也成為了為數(shù)不多成功融資并實(shí)現(xiàn)了商業(yè)化的技術(shù)服務(wù)商。

Tiamat 創(chuàng)始人青柑和聯(lián)合人 Eric，從 Tiamat 自研大模型和商業(yè)化的階段性成果出發(fā)，探討了 AIGC 未來(lái)在國(guó)內(nèi)市場(chǎng)的應(yīng)用可行性。

問(wèn)：從大模型出發(fā)，AI 繪畫(huà)和以 ChatGPT 為代表的對(duì)話(huà)式 AI 有哪些差異？

青柑：AIGC 中的不同賽道其實(shí)會(huì)有很多細(xì)節(jié)上的差異。首先，是這些模型涉及的是單一模態(tài)還是多模態(tài)。我們的模型打通的是多個(gè)模態(tài)，體現(xiàn)在用戶(hù)可以用文本去指導(dǎo)生成的圖像，或者也可以用一張草圖得到新的生成結(jié)果。而 ChatGPT 作為聚焦在文本領(lǐng)域的理解和生成模型，它只有文字這一個(gè)模態(tài)。但與此同時(shí)，它的參數(shù)非常多，需要花大量的時(shí)間和數(shù)據(jù)去清洗有害信息，所以實(shí)際上花費(fèi)的時(shí)間精力和算力是遠(yuǎn)大于我們 AI Art 領(lǐng)域的。從一個(gè)比較直觀的感受切入，如果文本出現(xiàn)了一些邏輯上的錯(cuò)誤或?qū)υ?huà)上的失真，用戶(hù)可以很快地感受到，而不像對(duì)于圖片的細(xì)微瑕疵可能會(huì)有更好的包容度。我們現(xiàn)在正在做的 Tiamat 文本到圖像模型，大概是數(shù)十億參數(shù)，這個(gè)量級(jí)實(shí)際上要比 ChatGPT 文本模型的參數(shù)量要低將近 100 倍左右。換算成他們當(dāng)年發(fā)展的話(huà)，大概是在 GPT1-2 之間。所以，雖然都叫大模型，其實(shí)數(shù)據(jù)和參數(shù)量級(jí)還是有很大區(qū)別的。在此基礎(chǔ)上，對(duì)于我們來(lái)說(shuō)，不停地把模型的參數(shù)量級(jí)進(jìn)行擴(kuò)張并不是最重要的指標(biāo)。

Eric：除了模態(tài)和輸入種類(lèi)上的區(qū)別之外，生成的任務(wù)是另一個(gè)可供參考的維度。我們?cè)谡務(wù)?/span> AI 的時(shí)候其實(shí)有很多解釋空間，比如人臉識(shí)別、大數(shù)據(jù)文本分析等，他們更多地在于理解數(shù)據(jù)。但回歸到 AIGC 領(lǐng)域，更多的則是在理解的基礎(chǔ)上生成。ChatGPT 首先能夠做到很好地理解你的輸入內(nèi)容，并調(diào)用潛藏在自己參數(shù)里的知識(shí)，對(duì)人類(lèi)的輸入作出反應(yīng)。在這一方面我們可以與 ChatGPT 做一個(gè)類(lèi)比。我們會(huì)用多個(gè)不同的網(wǎng)絡(luò)把用戶(hù)的輸入放到一個(gè)對(duì) AI 來(lái)說(shuō)比較自然的空間里，再?gòu)倪@個(gè)空間中去找到合適的解答。這與以往生成理解類(lèi)的 AI 是不太一樣的。

圖為 Tiamat 創(chuàng)作生成

問(wèn)：對(duì)于 AI 生成圖像來(lái)說(shuō)，更重要的指標(biāo)有哪些？

青柑：更重要的指標(biāo)在于能不能在垂直領(lǐng)域有更好的精準(zhǔn)性和可控性，能不能更好地讓圖像展現(xiàn)出人類(lèi)理想的構(gòu)圖、或者一致性的角色等等。除此之外，我們自研的考慮也來(lái)自如何能讓研發(fā)的成本結(jié)構(gòu)更加精益和可控。從這一點(diǎn)來(lái)說(shuō)，創(chuàng)業(yè)公司也會(huì)有更多機(jī)會(huì)。剛才提到，圖像文本多模態(tài)生成的領(lǐng)域參數(shù)量級(jí)更低，在標(biāo)注數(shù)據(jù)和訓(xùn)練上的成本也可以有效壓縮。整個(gè)圖像類(lèi)的 AIGC 創(chuàng)新更加關(guān)注具體的技術(shù)路徑和商業(yè)化上的突破，成本壓力相對(duì)較小。而文本領(lǐng)域目前的一次訓(xùn)練可能會(huì)花掉幾十到幾百萬(wàn)美元，成本是巨大的。Eric：是的，同時(shí)可控性也是一個(gè)和商業(yè)化應(yīng)用息息相關(guān)的指標(biāo)。我們?cè)谡務(wù)摯竽Ｐ偷臅r(shí)候會(huì)有一個(gè)問(wèn)題，很多大模型都是在大規(guī)模的數(shù)據(jù)集上構(gòu)建的，其中大部分來(lái)源于互聯(lián)網(wǎng)上獲取的知識(shí)，問(wèn)題隨之產(chǎn)生：如何用人類(lèi)可以操控的方式去做這些大模型可以做的事情？我們都知道，OpenAI 的 GPT-3 和 ChatGPT 在技術(shù)上是同源的，但是 ChatGPT 效果明顯好得多，大家也直觀感受到了它在各行各業(yè)的應(yīng)用。而在技術(shù)環(huán)節(jié)，就是因?yàn)?/span> ChatGPT 比 GPT-3 多了一個(gè)用人類(lèi)的反饋來(lái)自我學(xué)習(xí)的過(guò)程，可以使得它的應(yīng)用更符合期望。所以，我們?cè)谧?/span> Tiamat 生成模型的時(shí)候也會(huì)格外在意這一點(diǎn)，就是怎么樣能讓生成結(jié)果符合用戶(hù)的期望。

問(wèn)：從去年下半年開(kāi)始，AIGC 跑得非常快，整個(gè)行業(yè)在被資本推著走，可能還沒(méi)有來(lái)得及出現(xiàn)一個(gè)得到廣泛印證的商業(yè)模式，Tiamat 在商業(yè)化方面是如何考慮的？

青柑：從創(chuàng)業(yè)開(kāi)始，我們就在自研圖像模型，自己去訓(xùn)練，一步步的優(yōu)化和迭代。所以目前為止，我們應(yīng)該是國(guó)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(wàn)元的合同訂單。因?yàn)閳D像領(lǐng)域其實(shí)需要的是更加專(zhuān)業(yè)化、垂直化的理解生成。以我們正在商業(yè)化的服裝領(lǐng)域?yàn)槔７b領(lǐng)域現(xiàn)在需要 AI 來(lái)代替設(shè)計(jì)師或者幫設(shè)計(jì)師尋找靈感，那么首先他們的輸入方式一定是服裝設(shè)計(jì)領(lǐng)域的 “黑話(huà)” ，比如什么樣的領(lǐng)口版式、版型，不一定是外行能夠理解到的行業(yè)知識(shí)。所以我們?cè)谌プ鲂袠I(yè)模型的時(shí)候會(huì)先去理解設(shè)計(jì)師之間的溝通語(yǔ)言，再去理解對(duì)應(yīng)的圖片，在此過(guò)程中可能需要重新去構(gòu)建一些圖像文本作為訓(xùn)練數(shù)據(jù)集。此外，我們還會(huì)通過(guò)一些方法去增強(qiáng) AI 對(duì)行業(yè)的理解，基于大模型去調(diào)整，然后才能做行業(yè)的專(zhuān)有模型。所以比起其他非自研的圖像生成公司，這是我們能夠體現(xiàn)出優(yōu)勢(shì)的地方。

問(wèn)：在當(dāng)下的開(kāi)源趨勢(shì)中，非自研模型還有哪些弊端？

青柑：文本圖像生成這個(gè)領(lǐng)域基本上是從去年二三月份開(kāi)始公開(kāi)測(cè)試，去年七八月份，SD（Stable Diffusion）這一類(lèi)開(kāi)源模型放出來(lái)之后，緊接著就有大量的創(chuàng)業(yè)者入局。但開(kāi)源模型的參數(shù)本身是固定的，模型本身沒(méi)有涵蓋特定行業(yè)的知識(shí)和術(shù)語(yǔ)，未經(jīng)進(jìn)一步的有效訓(xùn)練，很多用戶(hù)輸入都難以被理解。而且在我們看來(lái)，純開(kāi)源模型本身在圖像的精準(zhǔn)性和可控性上其實(shí)還是有一些問(wèn)題。所以在國(guó)內(nèi)市場(chǎng)經(jīng)常會(huì)遇到的一些情況是，一些廠(chǎng)商需要圖像生成的供應(yīng)商，可能會(huì)找到一些用了開(kāi)源模型的公司，發(fā)現(xiàn)沒(méi)法達(dá)到好的效果，然后再來(lái)找我們。所以，自研也是我們商業(yè)化比較順利的理由之一，因?yàn)榉亲匝械姆?wù)商始終不能特別直接地生成一個(gè)行業(yè)想要的東西。

Eric：開(kāi)源的另一個(gè)問(wèn)題是數(shù)據(jù)訓(xùn)練細(xì)節(jié)上的模仿難度。因?yàn)?/span> Stable Diffusion 雖然本身的模型結(jié)果是開(kāi)源了出來(lái)，但其實(shí)現(xiàn)在大家對(duì)于其中一些具體的訓(xùn)練方法和細(xì)節(jié)仍然是不明確的。就好比說(shuō)，如果我們想要做一個(gè) ChatGPT，這一系列的論文都是開(kāi)放出來(lái)的，大家也大概知道它使用的參數(shù)和數(shù)據(jù)量在什么規(guī)模，但如果真的想要從零去做 ChatGPT，遇到的難度會(huì)遠(yuǎn)比收集這么多數(shù)據(jù)要大。所以當(dāng)我們?cè)趶?qiáng)調(diào)自研的時(shí)候，也意味著我們踩過(guò)很多圖像生成工程化的坑，現(xiàn)在才能取得一個(gè)比較好的階段成果。

圖為 Tiamat 創(chuàng)作生成

問(wèn)：經(jīng)過(guò)一段時(shí)間的商業(yè)化沉淀后，發(fā)現(xiàn)了來(lái)自哪些具體行業(yè)的商業(yè)化潛力？

青柑：我們最開(kāi)始聚焦的是一些垂直領(lǐng)域的中小型企業(yè)，因?yàn)樗麄冇泻芏喽ㄖ苹瘜傩曰蛘呖缃绾献鞯男枨螅谑袌?chǎng)層面的動(dòng)作也是最活躍的，接受度更高，客戶(hù)反饋也更多。其中目前發(fā)展得最好的行業(yè)其實(shí)還是廣告、還有相關(guān)設(shè)計(jì)行業(yè)的，因?yàn)闊o(wú)論從調(diào)性、感興趣程度、需求強(qiáng)烈度還是預(yù)算幾個(gè)方面來(lái)說(shuō)，這一領(lǐng)域的中小 B 表現(xiàn)都比較好。合作大多數(shù)都是主動(dòng)找過(guò)來(lái)的，通過(guò)一些定制化的案例來(lái)幫助我們更深入地了解具體商業(yè)場(chǎng)景中的痛點(diǎn)。

問(wèn)：在行業(yè)模型上的積累是 AIGC 商業(yè)化的核心壁壘嗎？

青柑：從我們的視角出發(fā)是的，甚至于行業(yè)的數(shù)據(jù)會(huì)變得越來(lái)越重要。因?yàn)殡S著之后大家可能都會(huì)想要擁有 AI 技術(shù)，拉開(kāi)差距的可能就是數(shù)據(jù)量、如何篩選有效數(shù)據(jù)、哪些數(shù)據(jù)是獨(dú)有的，包括用戶(hù)的正反反饋數(shù)據(jù)也包含在內(nèi)。這些東西會(huì)逐漸成為各個(gè) AI 公司的壁壘，而且會(huì)逐漸走向不同的垂直領(lǐng)域。數(shù)據(jù)收集的類(lèi)型不一樣，也會(huì)產(chǎn)生不同的影響。

問(wèn)：“大廠(chǎng)”入局 AIGC 會(huì)讓創(chuàng)業(yè)公司產(chǎn)生壓力嗎？

青柑：我們訓(xùn)練大模型，其實(shí)目標(biāo)是找到一個(gè)更有效、更有優(yōu)勢(shì)的功能性定義。對(duì)于大廠(chǎng)來(lái)說(shuō)，基于產(chǎn)品生態(tài)，在訓(xùn)練語(yǔ)料的數(shù)據(jù)量上會(huì)有一定優(yōu)勢(shì)，但可用性上不一定更強(qiáng)。再加上中文的語(yǔ)匯環(huán)境特點(diǎn)更加復(fù)雜，數(shù)據(jù)清洗難度很大，目前實(shí)際可用性的文本量級(jí)并沒(méi)有這么高，可能僅為英文語(yǔ)境可用性的 1/20。同時(shí)，就圖像生成來(lái)說(shuō)，更并沒(méi)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(chǎng)要去經(jīng)歷的流程和創(chuàng)業(yè)公司沒(méi)有太大區(qū)別。當(dāng)然也不排除大廠(chǎng)有更好的驅(qū)動(dòng)力和更多擅長(zhǎng)數(shù)據(jù)清洗的人。但從我們的技術(shù)視角來(lái)說(shuō)，我們平時(shí)會(huì)開(kāi)玩笑說(shuō)，其實(shí)并不擔(dān)心大廠(chǎng)突然做一個(gè)非常強(qiáng)的東西出來(lái)，而是會(huì)擔(dān)心再出現(xiàn)一個(gè)很聰明的年輕人用有限的資源做出了一個(gè)很有意思的技術(shù)和方向，解決了一個(gè)復(fù)雜的問(wèn)題。因?yàn)楝F(xiàn)在看來(lái)，AI 可能會(huì)離現(xiàn)代技術(shù)更近，但如果一項(xiàng)技術(shù)的工程化潛力沒(méi)有那么強(qiáng)，關(guān)于它的任何遐想，很快就會(huì)在下一代技術(shù)出現(xiàn)的時(shí)候被迭代掉。

問(wèn)：如何評(píng)價(jià) ChatGPT 引發(fā)的“AI浪潮”？

Eric：現(xiàn)在的 AI 技術(shù)其實(shí)比較像之前的影像技術(shù)，到了一個(gè)關(guān)鍵的技術(shù)節(jié)點(diǎn)之后自然會(huì)有一些不同的流向。比如有些是做照相機(jī)，有些做攝影機(jī)，而 ChatGPT 在產(chǎn)品化方面就像是直接做了個(gè)電視。大家現(xiàn)在的沖動(dòng)可能來(lái)自于，有一天看到了電視，看到里面的一個(gè)影像化呈現(xiàn)非常感興趣，引發(fā)了對(duì)整個(gè)成像技術(shù)的興趣。但其實(shí)在用戶(hù)興趣的背后，不同的技術(shù)在不同的流向里都是有各自的發(fā)展的。單純地去做影像或者相機(jī)本身，也可以發(fā)展出徠卡、佳能這樣的應(yīng)用端公司，中間層也有蔡司鏡頭等。細(xì)分市場(chǎng)的延伸不同，大家都有自己獨(dú)有的數(shù)據(jù)，但技術(shù)節(jié)點(diǎn)后的市場(chǎng)空間會(huì)非常廣闊，每個(gè)賽道都有可能催生非常大的公司。

ChatGPT 一個(gè)很重要的意義是提高了大家對(duì)AI的接受程度。以前 AI 只是幫人類(lèi)解決輔助性的問(wèn)題，比如識(shí)別分析和判定。但現(xiàn)在關(guān)于 AI 的討論已經(jīng)發(fā)展到了如何和人的工作流進(jìn)行有機(jī)結(jié)合，哪些環(huán)節(jié)應(yīng)該直接交給 AI 來(lái)做，要做到什么程度，形成怎樣的互動(dòng)或者相互依存的關(guān)系。但這些都要針對(duì)接入特定的商業(yè)場(chǎng)景和工作流。

圖為 Tiamat 創(chuàng)作生成

問(wèn)：我們?cè)鯓尤ダ斫鈱?/span> AIGC 融合進(jìn)工作流的重要性？

青柑：在一點(diǎn)上，圖像生成和文本可能又會(huì)存在比較大的區(qū)別。比如說(shuō) AI 幫我寫(xiě)了一封郵件、一段文字，它可以很順滑地融入生產(chǎn)力工具，提高編輯效率，比如Notion AI。但圖像生成的最終判定標(biāo)準(zhǔn)就是圖片本身，比起工具體驗(yàn)的好壞，大家可能更關(guān)注圖片效果。因?yàn)?/span> SD 在開(kāi)源之后大家其實(shí)做了很多插件，放到Blender、Figma 等生產(chǎn)力環(huán)境中，但更多用戶(hù)并沒(méi)有很順滑地去用這些插件，而是更愿意去 MidJourney 生成一張圖片復(fù)制下載到工具中使用。根本原因就是MidJourney 的生成質(zhì)量要好很多。當(dāng)然，生成圖像之后一些二次編輯的小功能是大家愿意去快速使用的，但這和他們過(guò)去使用的軟件并不沖突。整體來(lái)說(shuō)我的感受是，在圖像生成領(lǐng)域，目前工具化的接入方式還沒(méi)有成為用戶(hù)關(guān)注的重點(diǎn)。

問(wèn)：Tiamat 未來(lái)會(huì)考慮做文本語(yǔ)言模型嗎？

青柑：我們公司的整體風(fēng)格和選擇方向都比較專(zhuān)注。我們非常信服前沿技術(shù)，但更加關(guān)注的是當(dāng)下的技術(shù)能不能解決當(dāng)下的問(wèn)題。也許有能力的人會(huì)去努力成為 “中國(guó)的 OpenAI” ，但目前來(lái)說(shuō)，我們還沒(méi)有去做 ChatGPT 這樣的文本大模型的理由。因?yàn)閷?duì)于一家創(chuàng)業(yè)公司來(lái)說(shuō)，如果能把圖像模型的可控性、精準(zhǔn)性和連續(xù)性做到最好，它其實(shí)就已經(jīng)能帶來(lái)很多垂直行業(yè)和場(chǎng)景下的商業(yè)化應(yīng)用了。比如去支持更加細(xì)分的、特定的設(shè)計(jì)行業(yè)，幫助它們完成生產(chǎn)力提效。比較讓我們高興的一點(diǎn)是，我們看到 AI 技術(shù)正在向一個(gè)“新的互聯(lián)網(wǎng)”形式進(jìn)發(fā)，而我們?cè)诋a(chǎn)品戰(zhàn)略方面也會(huì)更加審慎。一個(gè)很具代表性的現(xiàn)象是，OpenAI 可能都還沒(méi)有想好 ChatGPT 的商業(yè)化應(yīng)用場(chǎng)景，國(guó)內(nèi)的創(chuàng)業(yè)公司反而會(huì)把這些問(wèn)題想得更清楚。總體來(lái)說(shuō)，AI 是一個(gè)新的主題，每一個(gè)細(xì)分領(lǐng)域都值得被認(rèn)真打磨，大家聚焦在各自擅長(zhǎng)的地方，才能形成更好的產(chǎn)業(yè)。

DCM中國(guó)創(chuàng)始合伙人、董事合伙人林欣禾表示：“AIGC正在走向真實(shí)落地，不僅要保持對(duì)前沿技術(shù)的探索，捕捉到更多的商業(yè)化機(jī)會(huì)也更為重要。將AI能力遷移到不同場(chǎng)景，同時(shí)滿(mǎn)足效率和成本的要求，AI才有更大的價(jià)值。”

綠洲資本投資負(fù)責(zé)人表示：“Tiamat 通過(guò)生成式 AI，結(jié)合已知文本或圖像文件，自動(dòng)生成新的圖像數(shù)字內(nèi)容，突破了專(zhuān)業(yè)插畫(huà)師、設(shè)計(jì)師、數(shù)字藝術(shù)工作者在創(chuàng)作中的效率桎梏問(wèn)題。綠洲資本自去年上半年就已經(jīng)開(kāi)始關(guān)注 AIGC 為產(chǎn)業(yè)帶來(lái)的底層變化，我們認(rèn)為 Tiamat 基于特定風(fēng)格管線(xiàn)的積累，以及在社區(qū)用戶(hù)之間的廣泛影響力，必定會(huì)向用戶(hù)提供新一代的創(chuàng)意設(shè)計(jì)工具產(chǎn)品。Tiamat 正在圍繞設(shè)計(jì)的垂直場(chǎng)景，逐步構(gòu)建出一套 'AIGC-based' 工作流，我們相信這將會(huì)給整個(gè)創(chuàng)意行業(yè)帶來(lái)巨大的變革。 ”