AIGC革命：拐点降临的内容产业，如何赢得时代先机？
当前，一场由人工智能引发的生产力革命即将爆发，这次革命的历史意义可能不亚于一百多年前的工业革命。顶尖的大厂、投资人与机构都已纷纷入局。微软、谷歌、Adobe、百度、阿里、讯飞等大厂也纷纷展示他们的新一代的AI产品。
为什么说这次机会比去年的元宇宙靠谱呢？
元宇宙虽然包罗万象但并没有带来体验的升维，VR/AR等新技术还有很多路要走；而ChatGPT为代表的生成式人工智能应用场景明确，而且带来了前所未有的体验，像OpenAI、Midjourney等项目直面C端用户，让人们纷纷意识到AI已经不是人工智障了。
一、新的数据体验
在2019年，我跟一群小伙伴创业，当时想要开发一款针对新媒体人群的智能写作工具。想用AI生成文章帮助新媒体小编解放生产力，这一听就是让人觉得十分炫酷的想法。
当时，我们尝试了许多生成文本的方法，但AI所生成的结果却不如人意。我们不得不面临用户的抱怨：“生成的垃圾文章，我用来修改的时间，还不如自己写”。
当时的主要原因在于AI并不能真正理解内容的含义，例如，“心灵鸡汤”和普通鸡汤有何区别。智能写作的产品体验远远没有办法达到用户的预期。按照俞军的产品价值模型推导：产品价值=（新体验-旧体验）-迁移成本 。
我们的这款产品价值基本是负向的。在用户的反馈和吐槽之下，我们痛定思痛，进一步拆解，我们得到了一个AI体验模型：AI产品体验 = 数据体验+输入体验。
既然数据体验不好，那只能通过提升输入体验来补。因此，我们花费了大量时间通过设计交互界面来改善用户的体验。主要方法是将大的用户目标拆分成小的用户目标，以便更好地控制用户的预期。通过一年的努力，产品的口碑终于从负转正。
说实话，我曾经一度片面地认为“设计与前端带来的体验价值可以占到90%以上”。在之后，我负责设计和前端开发的项目也贯彻了这个体验模型，将知识图谱与文档结合在一起，可以一边记笔记，一边拓展知识节点。这个项目在2021年成功获得了机构的风险投资。
但今天像ChatGPT等大语言模型的出现，改变了我的观点。大语言模型已经不能与传统NLP算法同日而语，ChatGPT只要一个简单的对话框已经能解决90%的问题，其良好的数据体验，可以免去前端复杂的交互设计。
这也意味着传统的产品设计范式已经不再适用。引述《交互设计精髓》的观点，界面设计是为了解决实现模型(Implementation Model)和心理模型(Mental Model)之间的差距，前者反映的是技术实现方式，后者反映的是用户预期。
ChatGPT等大语言模型真正有魔力的地方是涌现了人类一般的推理能力。当AI越来越懂用户想要什么的时候，数据体验就会变得足够好，意味着实现模型无限趋近于心理模型，人机界面的设计将会变得越来越简单。
今天，我们也要重视评估数据的体验价值，找到数据的短板和不足，并做好弥补的方式。例如，GPT-3.5的数据只到了2021年，如何让两年前的数据帮我们解决现在的问题？前段时间ChatGPT演示的插件系统给了我们新的启发。它展示ChatGPT接入第三方小程序的能力。语言可以作为一种最自然的人机沟通的界面，但AI也可以通过多种工具组合来帮助人类解决问题。
不管怎么样，我们仍需回归到应用场景中，并深入思考如何用人工智能技术帮助用户达到期望的结果，将数据体验和输入体验有效地结合在一起。
二、新的创作方式
我们的创作流程大致可以分为：创意、制作、分发，三个重要环节。不同的媒体形式，我们还需要掌握不同的内容生产工具。如，视频创作，需要学AE、PR、PS、3D、Maya等工具。
让专业的人，专业的团队，创建专业的内容，我们称之为PGC。今天我们看到影视IP内容都属于这类，它的优点是质量稳定，缺点是创作门槛高和需要较大的资金投入。
随着移动互联网的发展，内容创作的门槛进一步降低，一部手机就能完成内容创作的全部过程，人人都可以低成本地创作内容，质量可能不如PGC，但是可以满足大部分人多样的消费需求，因此，有了像B站、抖音、快手、小红书、微博等UGC的平台的爆发。
AIGC时代的创作形式是怎样的？那就是“提示词生成一切”，Prompts to Anything。这个“提示词”不仅仅只是文本，还可以是图片、视频、声音等任何可以输入给AI的东西。
正如前几天Adobe 发布的Firefly萤火虫的宣传视频，创作者只要输入文本、图片、视频和声音等，都可以转化为精彩的视频内容。
另外，有个叫Runway的生成视频的项目，让我们看到了AIGC的突飞猛进。自上线以来，半年左右迭代到了第二代，现在用户不用摄影器材、不用请演员，AI就可以生成连贯的视频片段，这让视频创作的门槛极大地降低。
如果需要配乐怎么办？谷歌已经开源了图片和文本生成音乐的方案，因为是无中生有，创作者也不用担心音乐版权的问题了。
一些需要信息收集整理的工作，也可以交给AI。AutoGPT是最近非常火热的项目，通过GPT的逻辑思考能力，结合搜索和代码执行等功能。你只需要按照角色分配给它一个任务，它可以像实习生一样帮你完成工作。甚至有人基于AutoGPT做了个智能生成视频的工具。
在未来的三五年内，AI可以承担创作流程中90%以上的工作，过去创作视频内容需要按照编导、摄影、演员、剪辑、运营来分工，但是未来一两个人就能搞定。
提示词如咒语一般，可以低门槛的瞬间产出高质量的内容。但目前还不够完美，从内容创作者角度看AIGC的内容可控性较弱，难以编辑修改；风格雷同也容易导致消费者审美疲劳。未来更多具有可控性的AIGC项目，也会展现在创作者面前。
一场内容革命即将暴发，将催生更多的内容创业机会。
三、新的投资逻辑
1. 重新评估内容的变现效率
2015年，谷啊模开拓了影视解说的视频品类，他的一些惯用语，至今还在我们的耳边萦绕。
几年之后，我们在短视频平台上看到的大部分影视解说类的短视频都是AI配音的。对我们来说创作者是谁不再重要，大多数人只知道主角都是大壮、小美、小帅……
未来我们会看到更多规模化生产的内容，我们可能会看到小帅做知识分享、小美演绎田园生活、大壮在又唱又跳。任何可以获取流量的内容品类，都会被AI重做一遍。
因为这种规模化生产导致大量的内容溢出，导致竞争的加剧，因此人们也会更加关注内容本身变现效率。
在目前内容流量的模型是三层漏斗“内容→关注→变现”，转化效率还不够高。
最近的B站主播断更的事件，也反应了这个问题。B站坚持没有贴片广告，只不过是将机器匹配转移为了低效的人工运营匹配。只有获得平台关注的头部UP主，官方才会给予流量扶持、商单或者补贴。而大部分中腰部以下的主播，由于难以获得平台关注，就算内容有爆款，没有官方的扶持也赚不到钱。这种模式，看似维护了消费者体验，本质却伤了UGC创作者持续创作内容的动力。
AIGC时代需要更加高效的流量模型，让爆款内容就可以直接变现，这个模型可能是“获客内容→变现”的两层模型。如下图：
这种模式并不是空穴来风，例如，Youtube的贴片广告是通过算法匹配的，内容观看人越多，广告展示次数越多，创作者就能赚越多钱。这种模式会更适合AIGC的内容的投放，让用户参与投票，让好内容可以赚钱。
2. 重新评估内容版权的价值
随着AIGC技术的发展，内容生产将从用户生成内容（UGC）转变为人工智能生成内容（AIGC），这将带来内容量和质量的提升，但也将带来对平台内容价值和版权的挑战。
最近AI孙燕姿火了，它以假乱真到让人难以区分。它可以“演唱”很多孙燕姿并没有唱过的歌曲，让粉丝也能一饱耳福。
这让人不禁联想：未来用户是否可以任意调制自己喜欢的音乐菜谱？听自己想听的音乐，例如，孙燕姿的声线 + 林夕风格的填词 + 周杰伦的曲风。
如果这种全新的消费体验能够被验证成功。 除了对创作者带来冲击以外， 也会 极大冲击 传统版权内容为核心的 平 台 应 用 。QQ音乐、网易音乐等长期经营的版权护城河可能荡然无存，像喜马拉雅等有声书平台也会岌岌可危。
AIGC到底有没有侵权？依然有所争议。
著名的科技评论人KK（凯文·凯利）认为，人类艺术家在创作过程中会受到其他艺术家风格的影响，但他们并不需要支付版权费用，这是一种艺术创作的自由和公平。同样地，如果人工智能生成的内容是基于借鉴而非抄袭的，那么它也不需要向人类或其他人工智能支付费用，这是一种技术创新的自由和公平。
为了应对这些挑战，他建议引入新的变量来构建新的商业模式，这些变量包括非同质化代币（NFT）、公共领域贡献协议（CC0）、智能合约和通证经济（Tokenomics）等。
原始内容可以通过NFT来保障其稀缺性和价值。同时，原始内容可以通过CC0协议来开放其使用权，利用AIGC技术产生大量高质量的衍生项目，从而扩大其影响力和生命力，并获得更高天花板的商业模式。最后，智能合约和通证经济可以建立相应的商业流转协议，使得这个平台可以更健康地运行下去。
最近，马斯克前妻Grimes，她通过AI+CC0进行了创作实验。她将自己的声音开源，并愿意和AI合作分成，并且迅速建立了一个小型孵化器，将AI和CC0有机结合。
如今互联网技术发展也和开源生态的繁荣息息相关。可以预见，AIGC趋势之下，必然也会提出数据开源的新商业模式。
3. 重新评估单位人效
最近，有个比较火爆的新闻是蓝色光标裁员的事件。他们宣布停掉所有的外包，用人工智能替代。这使得他们股票大涨。这反应了投资市场的普遍心态：通过投资生产力革命，获得更多的市值增长。廉价劳动力工厂的模式，已经不再有吸引力。
正如N年前，机器能否取代工厂的蓝领工人的问题一样。随着产业的升级，机器终将取代掉大部分的人力。如果你只会拧螺丝，那你终将被机器取代，但如果你能够维修机器，操作更高级的机器，那你依然还是能留下。
对于投资人或创业者来说，幸运的是科技变革给了社会资源重新洗牌的机会，正如一百年前的工业革命重新洗牌了新钱和老钱，让资产阶级能够顺势崛起。在这次变革中，如果你能利用新技术影响到了更多的人，那你就能获得更长期的生命力。
在AIGC时代，创业团队要学会如何用更低的人力撬动更大的市场价值。创业者需要跳出传统大公司的工厂模式，集中所有的精力解决一个极具价值的用户痛点，实现单点突破。
例如，著名的社群通讯软件Discord有650人，年营收1亿美金；而Midjoureny 这家公司只有一个足球队大小，核心成员还有几位是还没有毕业的大学生，年营收也有1个亿美金 。 Midjourney 所做的事情极其专注，就是让用户用最简单的方式，获得最好的AIGC图片。
4. 重新评估人的价值
难道AIGC时代，主播就没有价值了吗？
前不久我和“老范讲故事”主理人老范的一次对谈中，他让我可以参考餐饮行业中“预制菜”和“饭店主厨”的关系。
我们购买预制菜是因为其方便实惠，标准化的口味，可以满足我们普遍的需求，但当我们去饭店消费实际消费的是餐厅环境和服务体验，主厨负责的就是保证菜品质量和特色口味。
如果是“预制菜模式”，技术驱动下的内容生产和转化效率是第一位的，但是随着技术的普及“预制菜”也将变得越来越卷。最终胜出的可能还是“主厨模式”。在充斥着大量机械生产内容的流量池中，那些具备人设的内容会变得更加有价值。
老范建议“人要更像个人”。因为还一些机器无法取代的东西。比如，你与社区成员的情感链接、社区资源链接、定制化课程内容等。
创作团队如果想要具有长期的生命力，将需要变成“1+1+N”的模式：1个是主播，1个是社区，N个是机器人。
“1个主播”是指核心内容创作者，有了人设，账号才有长期价值，才能将大量观看转化为关注；
“1个社区”则是指主播的粉丝和观众，支持着主播的发展；
“N个机器人”可以协助主播内容生产、进行直播、自动化运营用户等，提高了内容效率和用户体验。
综合来看，主播、社区和机器人三者缺一不可，是创作者在平台成功的关键因素。
传统的MCN公司的签约模式也会改变，传统的MCN工作是挖掘、绑定、培养主播，并在流量变现的过程中分得一杯羹。但是随着创作门槛的进一步降低和UGC/AIGC平台流量模型的效率提升，流量和资源是相对平等的，主播能不能火，与个人素质极大相关。
如果MCN没有配套服务机制，也就失去了其价值。随着“主厨模式”的崛起，更合理的是一种去中心化的DAO组织形式，未来的机构将会更加注重服务和功能，为更多的“主厨”提供更多的赋能支持。
四、 给个人的建议
1.与人产生情感连接
无论人工智能如何发展，掌握社会资源，影响社会走向的依然是人类。在未来，人与人之间情感联系的价值越来越重要。
因为AI仅仅是机器，它无法感知到情绪、听出话语中的含义，也无法体会到我们的渴望，而人与人之间，最容易感知到的就是共情。
因此，当我们使用AI提升效率之后，我们还需要重新审视自己，多关注身边的人，多去与人交流、多去体验生活。或许，科技发展的终极意义就是让我们拥有更多自由的时间、活得更像个人类。
2.三个P
第一个P是Proxy，是代理的意思。代理是软件设计中常见的一种模式，就是在底层通用接口上封装一层代理，根据不同的业务需求，承接业务输入和把关最终的输出结果。AI就是我们的通用接口功能，人类负责把关输入的需求和输出的结果。
在项目中，依然需要由人类维护客户关系、做好需求沟通、把控项目质量和负责项目管理等工作。AI无法替代的是能够交付产品价值的人。
随着AI的迭代，单一技能岗位可能会被取代，程序员、设计师、测试可能会失业，但是像项目经理、产品经理、架构师等能够提供综合性专业解决方案的角色依然需要，因为需要有人为产品的交付负责。
因此，我们不应该再把自己局限于某个细分技术的岗位，需要培养自己的全局视角，发展自己的综合能力，让自己拥有从宏观和微观把控项目的能力，以确保产品交付的质量和价值。
第二个P是Prompt，是指学会如何使用提示词。很多人在向AI提问时，常常会感到它们的回答不够准确或者不可控。其实，这很大程度上是因为我们提问的方式不够好。我们可以将ChatGPT比做一个涵盖了大量人类知识的宝库，但是如果想要从中获取所需的知识，就必须找到正确的钥匙。例如，我们需要了解GPT背后的思维链模式。懂得在提问前为其设定角色，懂得补充知识，拆分需求，让它“逐步回答”。掌握了这些技巧，GPT会相对准确的给你想要的答案。学会与AI沟通，才能更好地利用AI。懂得善用工具才是人类与众不同的价值。
第三个P是Python，让AI能够执行好任务。Python出了处理日常工作的问题外，现在大部分AI项目，基本上都依赖于Python环境，如果说你想要体验最新的工具，学习Python是必不可少的。虽然很多人都知道其强大之处，可惜的是很多人在学习Python的入门阶段就放弃了，并没有体验到编程的真正乐趣——解决问题的成就感。如果你对Python不熟悉也没有关系，可以把写代码交给ChatGPT，我们完全可以从边做边学开始。
3.问题即是机遇
每次技术变革都会伴随着炒作周期。最开始都会有个野蛮生长期，乱花渐欲迷人眼，当热度冷却之后，真正有长远生命力的项目才浮现到大众的视线中。
在热度之下，人人都迫不及待。当下，国内大部分热度还是停留在公众的关注度上，真正成规模的产业级的商业化应用还在酝酿之中。由于大模型的门槛过高，有实力的大公司会陆陆续续推出自己的大模型，但打脸和翻车并不奇怪；而小型的创业团队所做的事情高情商的说法是“将大模型落地到具体的应用场景中去”，低情商的说法是套壳。
AIGC除了技术问题外，还有很多悬而未决的问题，例如，数据安全、法律法规、创作伦理、版权问题等。但这些是问题，也是机遇。
对于创业者来说，在剧烈的变化之下，也要冷静沉着，结合自己熟悉的业务领域进行深入的探索。
另外，由于种种限制，国内大部分普通人并没有真正体验过AI的神奇之处。按照鸿沟理论，新的技术往往都是从小众传递到大众，需要有个跨越鸿沟的机会，如果你能够帮助更多人跨越鸿沟，那你在这个过程中也能获得巨大成功。
如果你曾遗憾于错过了几次互联网浪潮，那么千万不要再错过这次机会。雷军说过：“站在风口，猪也能飞上天”，现在风来了，你还在犹豫吗？
本文来自微信公众号“PM熊叔”（ID:pmxiongshu），作者：PM熊叔，36氪经授权发布。