火爆全网的GPT-4能画画了！几家欢喜几家愁？

作者：第一财经发布时间：2023-09-26

GPT-4 OpenAI

火爆全网的GPT-4能画画了！几家欢喜几家愁？

GPT-4刚推出时就火爆了全网，但一直只能生成文本信息，不过很快就可以用来画画了。

9月21日，OpenAI在官网上公布了最新版的AI工具DALL·E 3，与市面上各种AI绘画工具相似，你只需要输入文字信息，它就会根据自己的理解画出相应的图像。

其实，DALL·E原本就是OpenAI在GPT-4之外的主打产品，都是基于Transformer架构开发出来的，只是用途和功能有所不同，就像特长不同的两兄弟，一个擅长绘画，一个擅长写字。

这次推出的DALL·E 3在前代产品的基础上做了升级，有了更强大的绘图能力，画面细节、清晰度、合理性都有提升，明显比DALL·E 2的画技精湛了不少。

但最重要的是，OpenAI直接把DALL·E整合到GPT里面了，10月份产品正式上线之后，GPT plus用户和企业用户就可以一边和GPT聊天一边画画了。

那么，OpenAI这样做有什么意义呢？表面上看，这只是一次产品更新，但却会带来两种截然不同的影响，可以说是有人欢喜有人愁。

愁的是谁呢？自然是很多的AIGC应用，比如Midjourney、Adobe Firefly等AI绘画应用，以及Runway这样的AI生成视频应用。

如果从OpenAI展示的效果图来看，还不如Midjourney生成的图片惊艳，而且主要以漫画风为主，没有展示写实类的图片，而Midjourney生成的写实图片已经可以媲美照片的效果了，

但是，这并不代表OpenAI会一直落后，它其实有着巨大的发展潜力，很有可能实现赶超。

一方面，他们的用户基数足够庞大，8月份访问量达到14.3亿次，独立访客量1.8亿，而Midjourney社区用户只有1400万。

对生成式AI来说，用户反馈是迭代更新的重要因素，用户基数越大，交互越频繁，所能收集的反馈数据越多，模型迭代和优化的速度也就越快，这对众多AI绘画工具来说都是巨大威胁。

另一方面，AI绘画的关键环节是人类输入的提示词，而GPT-4有一个巨大的优势，就是理解人类命令的能力更强，反馈出的图像也就更加精准，但有些AI工具却容易忽略部分文字表述，或者曲解用户意图。

比如，OpenAI在DALL·E 3公告中发了一张图，内容是一个藏着宇宙的心形玻璃容器，还附带了完整的提示词，我们用同样的提示词让Midjourney也画了一下，结果Midjourney就忽视了藏着的宇宙。虽然Midjourney经过调整之后也可能画出相应的内容，但这仍然展现出了DALL·E 3的理解能力。

另外，从宣传片上看，DALL·E 3还展现出了不错的一致性，画面中的一只小刺猬在不同的场景中，仍然能够保留核心角色特征。

而一致性的下一步就是形成连续的画面，最终形成视频，这就代表，OpenAI可以顺其自然地推出AI生成视频工具，技术上并没有跨越不了的门槛，剩下的可能只是时间问题。

这就意味着，Runway等AI生成视频应用，也会面临与Midjourney一样的挑战。

其实，几个月前我就提出，如果只在大模型平台的能力范围内做微创新，那么很容易被平台整合甚至吞噬，以往是AI写作、AI编程，现在就会轮到AI绘画、AI视频，GPT整合DALL·E 3的绘画功能，就是一个佐证。

那么，除了有人愁之外，有谁会因此受益呢？

可以预见，最大的受益群体可能是内容创意工作者，因为，大模型从文字走向图像视频兼备的多模态之后，很可能带来内容创意的大爆发。

其实，原本就有人使用DALL·E 2制作过影视作品。比如，底特律的一家广告制作公司Waymark就用AI工具制作了12分钟的微电影《The Frost》，他们用GPT-4写剧本，DALL·E 2生成画面，再导入到名为D-ID的“图生视频”工具中，做成了完整的视频。

除了公司之外，一些个人创作者也用上了AI创作工具，比如，B站博主“数字生命卡兹克”就用Midjourney和Runway Gen-2制作了《流浪地球3》的预告片，还获得了原作导演郭帆的称赞。

不过，人们对这些AI生成作品的态度却是褒贬不一，有人认为画面质量太差，人物行为怪异，甚至有点恐怖，但也有人认为，怪异的画面反而是激发灵感的素材，能够借此创造更多以往难以想象出来的场景。

实际上，AI工具给内容创作者来带来的好处，不只是提升工作效率，还增加了一个新的创作维度。

就像电影从默片时代走向有声电影时代一样，增加了声音维度，而AI为人们增加了人脑之外的创意维度，AI生成的更有想象力的乃至怪异的画面，恰恰是拓展了认知边界。

也就是说，人与AI的合作，是一个相互启发、协同创作的过程，所以，很可能会带来内容创意的大爆发。