36氪獲悉，「Tiamat」已于日前完成近千萬美元A輪融資，由老股東DCM和綠洲資本聯(lián)合領(lǐng)投，遠(yuǎn)識資本擔(dān)任獨(dú)家財(cái)務(wù)顧問。本輪融資額將用于繼續(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)百萬美元天使輪融資。

36氪曾報(bào)道過的「Tiamat」是一家國內(nèi)AI圖像生成技術(shù)服務(wù)商，成立于2021年。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，通過異構(gòu)的視覺編碼-解碼網(wǎng)絡(luò)結(jié)構(gòu)，并引入基于用戶反饋的強(qiáng)化學(xué)習(xí)（RLHF）和細(xì)粒度的提示-隱變量對齊技術(shù)，提高了模型對圖像多尺度信息的建模能力，在用戶Prompt輸入的理解能力方面也實(shí)現(xiàn)了進(jìn)步。

圖片來源：Tiamat

【資料圖】

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)、繪畫等專業(yè)化領(lǐng)域的影響力不亞于如今ChatGPT帶來的全民狂歡。

AIGC的結(jié)構(gòu)性機(jī)會下，“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。而在時間差方面，「Tiamat」從2021年開始進(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，這件事情很快就會成為風(fēng)口?！?/strong>

「Tiamat」創(chuàng)始人青柑告訴36氪，去年上半年融資的時候，他們還需要花很多精力去教育市場，解釋什么是AI生成，什么是多模態(tài)，為什么要做圖像。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。

而作為國內(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。

為此，36氪對話了「Tiamat」創(chuàng)始人青柑和聯(lián)合創(chuàng)始人Eric，從「Tiamat」自研大模型和商業(yè)化的階段性成果出發(fā)，探討AIGC未來在國內(nèi)市場的應(yīng)用可行性。

36氪：從大模型出發(fā)，AI繪畫和以ChatGPT為代表的對話式AI有哪些差異？

青柑：AIGC中的不同賽道其實(shí)會有很多細(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模態(tài)，體現(xiàn)在用戶可以用文本去指導(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，它只有文字這一個模態(tài)。但與此同時，它的參數(shù)非常多，需要花大量的時間和數(shù)據(jù)去清洗有害信息，所以實(shí)際上花費(fèi)的時間精力和算力是遠(yuǎn)大于我們AI Art領(lǐng)域的。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?，用戶可以很快地感受到，而不像對于圖片的細(xì)微瑕疵可能會有更好的包容度。

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)，這個量級實(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，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)量級還是有很大區(qū)別的。在此基礎(chǔ)上，對于我們來說，不停地把模型的參數(shù)量級進(jìn)行擴(kuò)張并不是最重要的指標(biāo)。

Eric：除了模態(tài)和輸入種類上的區(qū)別之外，生成的任務(wù)是另一個可供參考的維度。我們在談?wù)揂I的時候其實(shí)有很多解釋空間，比如人臉識別、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，對人類的輸入作出反應(yīng)。在這一方面我們可以與ChatGPT做一個類比。我們會用多個不同的網(wǎng)絡(luò)把用戶的輸入放到一個對AI來說比較自然的空間里，再從這個空間中去找到合適的解答。這與以往生成理解類的AI是不太一樣的。

圖片來源：Tiamat

36氪：那么對于AI生成圖像來說，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)來說，創(chuàng)業(yè)公司也會有更多機(jī)會。剛才提到，圖像文本多模態(tài)生成的領(lǐng)域參數(shù)量級更低，在標(biāo)注數(shù)據(jù)和訓(xùn)練上的成本也可以有效壓縮。整個圖像類的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，成本壓力相對較小。而文本領(lǐng)域目前的一次訓(xùn)練可能會花掉幾十到幾百萬美元，成本是巨大的。

Eric：是的，同時可控性也是一個和商業(yè)化應(yīng)用息息相關(guān)的指標(biāo)。我們在談?wù)摯竽Ｐ偷臅r候會有一個問題，很多大模型都是在大規(guī)模的數(shù)據(jù)集上構(gòu)建的，其中大部分來源于互聯(lián)網(wǎng)上獲取的知識，問題隨之產(chǎn)生：如何用人類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)镃hatGPT比GPT-3多了一個用人類的反饋來自我學(xué)習(xí)的過程，可以使得它的應(yīng)用更符合期望。所以，我們在做「Tiamat」生成模型的時候也會格外在意這一點(diǎn)，就是怎么樣能讓生成結(jié)果符合用戶的期望。

36氪：從去年下半年開始，AIGC跑得非常快，整個行業(yè)在被資本推著走，可能還沒有來得及出現(xiàn)一個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。因?yàn)閳D像領(lǐng)域其實(shí)需要的是更加專業(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?。服裝領(lǐng)域現(xiàn)在需要AI來代替設(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”，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。所以我們在去做行業(yè)模型的時候會先去理解設(shè)計(jì)師之間的溝通語言，再去理解對應(yīng)的圖片，在此過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，我們還會通過一些方法去增強(qiáng)AI對行業(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)勢的地方。

36氪：在當(dāng)下的開源趨勢中，非自研模型還有哪些弊端？

青柑：文本圖像生成這個領(lǐng)域基本上是從去年二三月份開始公開測試，去年七八月份，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。但開源模型的參數(shù)本身是固定的，模型中本身沒有特定行業(yè)的知識和術(shù)語，未經(jīng)進(jìn)一步的有效訓(xùn)練，很多用戶輸入都難以被理解。而且在我們看來，純開源模型本身在圖像的精準(zhǔn)性和可控性上其實(shí)還是有一些問題。所以在國內(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(dá)到好的效果，然后再來找我們。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行業(yè)想要的東西。

Eric：開源的另一個問題是數(shù)據(jù)訓(xùn)練細(xì)節(jié)上的模仿難度。因?yàn)镾table Diffusion雖然本身的模型結(jié)果是開源了出來，但其實(shí)現(xiàn)在大家對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，如果我們想要做一個ChatGPT，這一系列的論文都是開放出來的，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，遇到的難度會遠(yuǎn)比收集這么多數(shù)據(jù)要大。所以當(dāng)我們在強(qiáng)調(diào)自研的時候，也意味著我們踩過很多圖像生成工程化的坑，現(xiàn)在才能取得一個比較好的階段成果。

圖片來源：Tiamat

36氪：經(jīng)過一段時間的商業(yè)化沉淀后，發(fā)現(xiàn)了來自哪些具體行業(yè)的商業(yè)化潛力？

青柑：我們最開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?，在市場層面的動作也是最活躍的，接受度更高，客戶反饋也更多。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論從調(diào)性、感興趣程度、需求強(qiáng)烈度還是預(yù)算幾個方面來說，這一領(lǐng)域的中小B表現(xiàn)都比較好。合作大多數(shù)都是主動找過來的，通過一些定制化的案例來幫助我們更深入地了解具體商業(yè)場景中的痛點(diǎn)。

36氪：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)會變得越來越重要。因?yàn)殡S著之后大家可能都會想要擁有AI技術(shù)，拉開差距的可能就是數(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，包括用戶的正反反饋數(shù)據(jù)也包含在內(nèi)。這些東西會逐漸成為各個AI公司的壁壘，而且會逐漸走向不同的垂直領(lǐng)域。數(shù)據(jù)收集的類型不一樣，也會產(chǎn)生不同的影響。

36氪：“大廠”入局AIGC會讓創(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)是找到一個更有效、更有優(yōu)勢的功能性定義。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(qiáng)。再加上中文的語匯環(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并沒有這么高，可能僅為英文語境可用性的1/20。同時，就圖像生成來說，更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。當(dāng)然也不排除大廠有更好的驅(qū)動力和更多擅長數(shù)據(jù)清洗的人。但從我們的技術(shù)視角來說，我們平時會開玩笑說，其實(shí)并不擔(dān)心大廠突然做一個非常強(qiáng)的東西出來，而是會擔(dān)心再出現(xiàn)一個很聰明的年輕人用有限的資源做出了一個很有意思的技術(shù)和方向，解決了一個復(fù)雜的問題。因?yàn)楝F(xiàn)在看來，AI可能會離現(xiàn)代技術(shù)更近，但如果一項(xiàng)技術(shù)的工程化潛力沒有那么強(qiáng)，關(guān)于它的任何遐想，很快就會在下一代技術(shù)出現(xiàn)的時候被迭代掉。

36氪：如何評價(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)，到了一個關(guān)鍵的技術(shù)節(jié)點(diǎn)之后自然會有一些不同的流向。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電視。大家現(xiàn)在的沖動可能來自于，有一天看到了電視，看到里面的一個影像化呈現(xiàn)非常感興趣，引發(fā)了對整個成像技術(shù)的興趣。但其實(shí)在用戶興趣的背后，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)后的市場空間會非常廣闊，每個賽道都有可能催生非常大的公司。

ChatGPT一個很重要的意義是提高了大家對AI的接受程度。以前AI只是幫人類解決輔助性的問題，比如識別分析和判定。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來做，要做到什么程度，形成怎樣的互動或者相互依存的關(guān)系。但這些都要針對接入特定的商業(yè)場景和工作流。

圖片來源：Tiamat

36氪：我們怎樣去理解將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存在比較大的區(qū)別。比如說AI幫我寫了一封郵件、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)镾D在開源之后大家其實(shí)做了很多插件，放到Blender、Figma等生產(chǎn)力環(huán)境中，但更多用戶并沒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，但這和他們過去使用的軟件并不沖突。整體來說我的感受是，在圖像生成領(lǐng)域，目前工具化的接入方式還沒有成為用戶關(guān)注的重點(diǎn)。

36氪：「Tiamat」未來會考慮做文本語言模型嗎？

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)下的問題。也許有能力的人會去努力成為“中國的OpenAI”，但目前來說，我們還沒有去做ChatGPT這樣的文本大模型的理由。因?yàn)閷τ谝患覄?chuàng)業(yè)公司來說，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)能帶來很多垂直行業(yè)和場景下的商業(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“新的互聯(lián)網(wǎng)”形式進(jìn)發(fā)，而我們在產(chǎn)品戰(zhàn)略方面也會更加審慎。一個很具代表性的現(xiàn)象是，OpenAI可能都還沒有想好ChatGPT的商業(yè)化應(yīng)用場景，國內(nèi)的創(chuàng)業(yè)公司反而會把這些問題想得更清楚?？傮w來說，AI是一個新的主題，每一個細(xì)分領(lǐng)域都值得被認(rèn)真打磨，大家聚焦在各自擅長的地方，才能形成更好的產(chǎn)業(yè)。