chinesefreesexvideos高潮,欧美极品少妇性运交,久久久国产一区二区三区,99久久婷婷国产综合精品,成人国产一区二区三区

允中 發(fā)自 凹非寺

量子位 | 公眾號(hào) QbitAI

第一批被AI搶飯碗的設(shè)計(jì)師已經(jīng)出現(xiàn)了。

隨著各個(gè)互聯(lián)網(wǎng)大廠紛紛發(fā)布如何將AI工具融入日常工作流中，美工、設(shè)計(jì)、原畫等眾多崗位紛紛出現(xiàn)了裁員爆料，毫無疑問這一波AI浪潮的降本增效已經(jīng)真切開始影響大家的飯碗了。

就在最近，海外一款名為ZMO.AI的生成式營(yíng)銷軟件，B端用戶月活迅速突破百萬，ARR達(dá)到300萬美金。

看來，老營(yíng)銷人也逃不過這一波AI的失業(yè)潮了。

據(jù)悉，ZMO.AI旗下的AI背景生成生成, 只需商家上傳一張產(chǎn)品圖，便可以在100%保留產(chǎn)品細(xì)節(jié)的前提下，依據(jù)指令生成成千上萬不同風(fēng)格的背景。

其逼真度堪比大片的商用場(chǎng)景圖，無論是光影還是清晰度，都完勝超過10年經(jīng)驗(yàn)的PS大師。

它家的另一個(gè)產(chǎn)品Marketing Copilot，更是只需上傳一張產(chǎn)品圖，便可從拍攝、到海報(bào)制作、到后期投放優(yōu)化全部嵌入AI workflow的自動(dòng)化流程，利用AI強(qiáng)大的創(chuàng)造力和分析能力實(shí)現(xiàn)運(yùn)營(yíng)秒秒鐘優(yōu)化。

這么開箱即用的產(chǎn)品，讓不懂拍攝和PS的小老板也能上手。

實(shí)際上，ZMO.AI在營(yíng)銷生成領(lǐng)域扎根已久。

從2020年底便在服裝營(yíng)銷領(lǐng)域推出AI模特功能，和國(guó)內(nèi)知名服裝品牌有眾多深入的成功合作。

此次Diffusion的大火，ZMO也在2022年9月趁勢(shì)推出了更廣泛受眾的AI內(nèi)容生成產(chǎn)品ImgCreator.AI，并將營(yíng)銷人群作為主要服務(wù)對(duì)象，強(qiáng)化產(chǎn)品中背景生成、海報(bào)生成和數(shù)據(jù)優(yōu)化的AI能力，并為B端用戶提供Marketing Copliot的增值功能。

此舉為ZMO贏得超過百萬月活的高價(jià)值小B端用戶，并且用戶付費(fèi)意愿強(qiáng)烈，傳來迅速達(dá)到300w美金ARR的喜訊。

和其他純玩目的的AI繪畫C端用戶不同，B端的用戶面對(duì)的是非常專業(yè)的場(chǎng)景，無論是對(duì)質(zhì)量的要求，還是對(duì)可控性、準(zhǔn)確性的要求和C端用戶相比都極高，這也許也是類似于ZMO這樣專業(yè)化的AI內(nèi)容產(chǎn)品能獲得成功的原因。

Rowdy 是英國(guó)創(chuàng)業(yè)公司e-Bike的CEO, 他們是一個(gè)不到10人的小團(tuán)隊(duì)，旗下產(chǎn)品e-bike主打電動(dòng)自行車防盜系統(tǒng)。

據(jù)Rowdy介紹，對(duì)于小公司而言，網(wǎng)站搭建和博客撰寫所需要的大量素材非常昂貴，AIGC的出現(xiàn)大大解放了他們的生產(chǎn)力。

不過Rowdy發(fā)現(xiàn)大量的AIGC網(wǎng)站往往是藝術(shù)美學(xué)風(fēng)格，和他所需要的真實(shí)照片風(fēng)格相去甚遠(yuǎn)，而ZMO.AI的真實(shí)照片風(fēng)格逼真度非常高，并且分辨率可以達(dá)到4/8K， 完全看不出來是AI生成的圖片了。

這半年來，Rowdy的團(tuán)隊(duì)一直在用ZMO的產(chǎn)品為網(wǎng)站設(shè)計(jì)和公司博客配圖，每周能生成200多張照片。

據(jù)Rowdy描述：

相比于價(jià)格高昂的拍攝來說，二十幾英鎊的軟件費(fèi)用簡(jiǎn)直太劃算了。

Nila是一家跨境電商的負(fù)責(zé)人，他們的戶外沙發(fā)在歐美地區(qū)增長(zhǎng)非常迅速，不過她也遇到了營(yíng)銷的難點(diǎn)。

對(duì)于沙發(fā)這種大件拍攝是一件非常痛苦的事情，因?yàn)椴粌H運(yùn)輸成本很高，搭建拍攝場(chǎng)景同樣又慢又貴。

于是Nila團(tuán)隊(duì)聘請(qǐng)了許多美工人員，通過P圖的方式來完成素材的制作。

然而頭疼的點(diǎn)也隨之而來， 雖然Nila團(tuán)隊(duì)雇傭了許多外包的修圖師，但想要P出非常真實(shí)的效果，往往需要10年以上的經(jīng)驗(yàn)，而修圖師的水平參差不齊，使得P圖效果以及數(shù)據(jù)表現(xiàn)都和原圖差距很大。

經(jīng)過圈內(nèi)好友介紹，Nila開始使用ZMO.AI的文字P圖，她發(fā)現(xiàn)僅僅輸入一段文字，照片就可以毫無P圖痕跡的按照指令修改，完全不需要任何高門檻的工具學(xué)習(xí)或者經(jīng)驗(yàn)，她這個(gè)小白也能成P圖大師。

P出來的圖非常自然，完全看不出來是P過的，數(shù)據(jù)表現(xiàn)也比之前好很多。

在使用ZMO.AI的產(chǎn)品前，Nila每天會(huì)花大量的時(shí)間和修圖師反饋，前前后后要磨好幾天才能上線比較好的效果?！叭f一內(nèi)容表現(xiàn)不好，還需要重新P，這里的時(shí)間和金錢消耗都不小。”

和Nila不同，Nick是美國(guó)一家專業(yè)營(yíng)銷代理的營(yíng)銷經(jīng)理,，負(fù)責(zé)幫助廣告主搭建官方社媒賬號(hào)和設(shè)計(jì)廣告素材。

Nick的客戶既有線上電商客戶，也有傳統(tǒng)實(shí)業(yè)甚至餐飲行業(yè)的用戶。

尤其是疫情之后，所有商家都離不開線上營(yíng)銷，但高質(zhì)量素材確實(shí)是一個(gè)難題。

Nick如是說道。

AIGC的出現(xiàn)確實(shí)給這個(gè)行業(yè)帶來了很大的變革，然而Nick發(fā)現(xiàn)網(wǎng)上盛傳的Midjourney或者很多其他的AIGC產(chǎn)品完全滿足不了他的需求，因?yàn)樯傻膱D片中產(chǎn)品的細(xì)節(jié)會(huì)變化，無法100%保持原樣。

Nick說：

乍一眼看是差不多的，但仔細(xì)比對(duì)發(fā)現(xiàn)花紋、logo、材質(zhì)都不完全一致，貨不對(duì)板商家是肯定不會(huì)使用的。

Nick在twitter上發(fā)現(xiàn)ZMO.AI這款軟件不僅可以完全保持產(chǎn)品的所有細(xì)節(jié)，還可以逼真的生成光影，無論從分辨率還是真實(shí)度上都能完全滿足運(yùn)營(yíng)人員的需求，這是其他AIGC軟件所無法達(dá)到的。

不僅如此，讓Nick最為驚嘆的是ZMO的Marketing Copilot功能完全重新定義的營(yíng)銷人的工作流。

只需要上傳產(chǎn)品圖，從拍攝，到海報(bào)，到內(nèi)容優(yōu)化，全能自動(dòng)化搞定！真實(shí)一個(gè)成熟的AI,能自己做營(yíng)銷了，哈哈

Nick將客戶以前數(shù)據(jù)表現(xiàn)良好的素材上傳到了Marketing Copilot訓(xùn)練了自己的專有化生成模型，這樣模型的輸出就能更符合自己客戶的受眾喜好和品牌調(diào)性。

Marketing Copilot的模型往往會(huì)先需要1-2周的內(nèi)容方向自適應(yīng)調(diào)教，反復(fù)進(jìn)行生成素材——數(shù)據(jù)反饋——素材優(yōu)化的流程，之后特有模型根據(jù)指令以及品牌調(diào)性自動(dòng)生成符合受眾喜愛的營(yíng)銷圖片，在這個(gè)過程中來自高質(zhì)量營(yíng)銷數(shù)據(jù)的反饋功不可沒，并且這些數(shù)據(jù)是私密的，商家完全有控制權(quán)。

在Nick看來Marketing Copilot不再是一個(gè)簡(jiǎn)單的內(nèi)容生成工具，而是改變營(yíng)銷流程的一整套解決方案，通過AI更強(qiáng)的分析能力和生成能力，極大的縮短營(yíng)銷各個(gè)環(huán)節(jié)的消耗和協(xié)作生產(chǎn)，并以最終數(shù)據(jù)為導(dǎo)向24小時(shí)不停歇的優(yōu)化整個(gè)營(yíng)銷內(nèi)容。

Nick表示團(tuán)隊(duì)確實(shí)AI出現(xiàn)后在考慮縮減一部分營(yíng)銷人員，因?yàn)楫?dāng)團(tuán)隊(duì)熟悉Marketing Copilot這個(gè)新的工作流之后，每一個(gè)SKU的出圖量從原來的不到10張瞬間暴漲到200張，并且開始借助Marketing Copliot大量進(jìn)行AB測(cè)試和迭代，將原來三四個(gè)月的優(yōu)化周期縮短到了2-3周，銷售額更是增長(zhǎng)了3倍。

終極的AI workflow到底應(yīng)該是什么樣的，當(dāng)下下結(jié)論為時(shí)尚早，但很可能不只是一個(gè)空白文本框，后面還連著一個(gè)不屬于你的API。當(dāng)下對(duì)于創(chuàng)業(yè)公司更重要的是做出能解決商家痛點(diǎn)的產(chǎn)品和用戶一起不斷迭代，而非空談和迭代demo視頻。

ZMO.AI的驚人增長(zhǎng)，不禁讓人聯(lián)想到了TypeFace和Adobe這兩家公司。

和火爆的OpenAI、Stability AI這些做通用大模型的公司不同，TypeFace、ZMO、Adobe都不約而同選擇了有應(yīng)用場(chǎng)景的垂類大模型方向進(jìn)行產(chǎn)品打造。

市面上有一種普遍的觀點(diǎn)，認(rèn)為未來所有行業(yè)都將被極少數(shù)通用AI大模型主導(dǎo)。那么這種應(yīng)用場(chǎng)景的垂類大模型還是否有進(jìn)一步的意義呢？顯然，這幾家公司給出了不同的觀點(diǎn)。

Typeface雖然是一家2022年6月才成立的初創(chuàng)公司，但它的創(chuàng)始人卻是大名鼎鼎的Adobe前CTO—Abhay Parasnis，也在創(chuàng)立之初就獲得了來自谷歌風(fēng)投、微軟風(fēng)投和光速的6500萬美元的投資。

除了明星創(chuàng)始團(tuán)隊(duì)，Typeface讓人印象最深刻的就是針對(duì)大型品牌，創(chuàng)建基于企業(yè)品牌定位和受眾目標(biāo)而生成的個(gè)性化文字及圖像內(nèi)容。

和面向大眾的通用內(nèi)容生成不同，大品牌對(duì)于品牌調(diào)性以及內(nèi)容可控性的要求無法通過直接調(diào)用Stable Diffusion達(dá)到。

Parasnis表示：

對(duì)于一家公司來說，最基本的一個(gè)問題是其數(shù)據(jù)和品牌形象的安全。每個(gè)企業(yè)都希望確保自己不會(huì)在不經(jīng)意間創(chuàng)造出不準(zhǔn)確、剽竊或冒犯性的內(nèi)容，導(dǎo)致自己的聲譽(yù)受損。

目前Typeface通過個(gè)性化訓(xùn)練的品牌獨(dú)有模型以及內(nèi)容審查算法幫助這些大品牌解決上述痛點(diǎn)。

而設(shè)計(jì)界鼻祖Adobe也在前段時(shí)間發(fā)布了自家的AIGC產(chǎn)品Firefly。

面對(duì)設(shè)計(jì)師丟掉飯碗的擔(dān)憂，Adobe提出“并非替代，而是賦能”的口號(hào)，并在更加專業(yè)的設(shè)計(jì)層面給出了可實(shí)用落地的AIGC功能。

比如生成矢量的功能，只需要一張草圖，就可以生成自定義向量，這對(duì)于設(shè)計(jì)師而言非常的實(shí)用。

但普通的AIGC生成器往往是一個(gè)整體平面圖生成，無法真正生成矢量和圖層。

然而Adobe2022年10月就在發(fā)布會(huì)上提到會(huì)將AIGC的能力嵌入PS內(nèi)，目前尚未落地植入，F(xiàn)irefly上的許多功能點(diǎn)也都還處于開發(fā)中，可想而知要將Firefly集成到Adobe復(fù)雜的工具生態(tài)中還是一項(xiàng)非常浩大的工程。

與Typeface、Adobe相似，ZMO.AI同樣也是面向?qū)I(yè)用戶的垂類大模型，只不過ZMO的用戶群體更多的是營(yíng)銷方向的小B。

在ZMO.AI的聯(lián)合創(chuàng)始人馬里千看來，雖然基礎(chǔ)大模型在許多任務(wù)上可以表現(xiàn)出平均人類的水平，但它們?cè)谔囟ù怪鳖I(lǐng)域中表現(xiàn)不佳。

這是因?yàn)檫@些領(lǐng)域的領(lǐng)域知識(shí)不是常識(shí)，相關(guān)數(shù)據(jù)也不容易公開獲取。

例如，ZMO為了完整的保留產(chǎn)品細(xì)節(jié)會(huì)需要用到自研的高精度摳圖算法。摳圖是一項(xiàng)復(fù)雜的視覺任務(wù)，它涉及準(zhǔn)確估計(jì)每個(gè)像素的 alpha 值，以從圖像和視頻中提取前景對(duì)象。

這可能會(huì)因?yàn)閺?fù)雜的背景、光照條件和物體透明度等因素而具有挑戰(zhàn)性。

此外，這項(xiàng)任務(wù)的標(biāo)注是困難、特定和昂貴的，ZMO花費(fèi)了一年的時(shí)間和高昂的成本才獲得這些高精度的標(biāo)注數(shù)據(jù)。

馬里千表示：

在我們的使用案例中，我們可能會(huì)專注于摳圖特定對(duì)象（例如產(chǎn)品），這不是大型基礎(chǔ)模型的優(yōu)勢(shì)所在。

從Typeface、Adobe和ZMO的產(chǎn)品中不難看出，大模型終究是需要細(xì)分場(chǎng)景的數(shù)據(jù)和規(guī)則的，在特定場(chǎng)景中需要大量專門優(yōu)化通用大模型來提升生成質(zhì)量，并且符合這個(gè)專業(yè)場(chǎng)景的可控輸入和輸出才能真正的落地使用。

為了更深入了解ZMO.AI瘋狂增長(zhǎng)背后的秘訣，ZMO的創(chuàng)始人張?jiān)姮撨M(jìn)行了一次專訪，以下是對(duì)話內(nèi)容：

Q1：AIGC這一年以來不僅涌入眾多創(chuàng)業(yè)公司，還有許多大廠下場(chǎng)，您認(rèn)為什么是創(chuàng)業(yè)公司的機(jī)會(huì)呢？

Zsy： 在我看來目前AI公司是有生態(tài)分層的，大模型層、純應(yīng)用層和垂類大模型層。

大模型層就像操作系統(tǒng)，是屬于少數(shù)人的機(jī)會(huì)，更適合大廠或者大佬這種有雄厚財(cái)力人力的玩家，創(chuàng)業(yè)公司更適合后兩類。

而純應(yīng)用層在底層大模型不斷變動(dòng)的時(shí)代壁壘很低，可持續(xù)性不強(qiáng)。垂類大模型是我們堅(jiān)定的方向，這類的公司比如Character.AI、Midjourney、Typeface、ZMO。

垂類大模型公司通過搭建端到端的工程棧，覆蓋模型的研發(fā)、訓(xùn)練、數(shù)據(jù)、應(yīng)用整條價(jià)值鏈，這類公司的產(chǎn)品并不依賴第三方API，迭代非常迅速并且能很好地利用應(yīng)用側(cè)用戶的數(shù)據(jù)反饋形成數(shù)據(jù)飛輪。

比如ZMO就將我們應(yīng)用端大量的高價(jià)值用戶反饋數(shù)據(jù)和模型完全打通，通過數(shù)據(jù)飛輪對(duì)垂類大模型的內(nèi)容生成方向進(jìn)行重要的引導(dǎo)和優(yōu)化，并積累自己的專有數(shù)據(jù)集。

Q2：垂類大模型難道不會(huì)很快就被通用大模型取代嗎？ZMO的模型有多大？

Zsy： 我并不認(rèn)為垂類大模型和通用大模型是一個(gè)對(duì)立的概念，相反我認(rèn)為垂類大模型是可以站在通用大模型的肩膀上進(jìn)一步優(yōu)化專業(yè)領(lǐng)域的模型。

對(duì)于非常細(xì)碎，需求個(gè)性化的C端場(chǎng)景，通用大模型會(huì)更合適；然而像營(yíng)銷這種非常專業(yè)的toB場(chǎng)景，AIGC產(chǎn)品不會(huì)是簡(jiǎn)單的一個(gè)對(duì)話框和后面的第三方API組成。

因?yàn)閷I(yè)場(chǎng)景對(duì)于可控性、準(zhǔn)確度以及質(zhì)量的要求極高，這必然會(huì)是一個(gè)復(fù)雜的系統(tǒng)結(jié)構(gòu)，需要在通用大模型的基礎(chǔ)上進(jìn)行專門的模型優(yōu)化才能符合營(yíng)銷場(chǎng)景的需求。

我們的模型參數(shù)量是SD的3倍——有2.3B，當(dāng)然我們還在不斷利用用戶反饋進(jìn)行RLHF優(yōu)化，50臺(tái)機(jī)器同時(shí)做優(yōu)化訓(xùn)練，保持每月一迭代版本的速度。

Q4：Midjourney和你們已經(jīng)盈利了，文生圖公司盈利的可能性相對(duì)于其他類型的大模型公司是不是更高？

Zsy：我不是非常了解其他大模型領(lǐng)域，所以不便評(píng)論。然而對(duì)于CV的AIGC領(lǐng)域，我認(rèn)為確實(shí)生成質(zhì)量已經(jīng)到達(dá)了拐點(diǎn)，這也解釋了為什么付費(fèi)用戶會(huì)大量持續(xù)增長(zhǎng)。

對(duì)于我們的用戶而言，生成的內(nèi)容能給他們切切實(shí)實(shí)的降本增效，甚至能提高收入，他們以前拍攝動(dòng)則幾萬美金，而現(xiàn)在幾十刀的訂閱費(fèi)就解決了，所以我們的付費(fèi)用戶很快漲到了2萬個(gè)。

Q5：您認(rèn)為ZMO的優(yōu)勢(shì)是什么？

Zsy：首先ZMO在生成式營(yíng)銷領(lǐng)域積累了2年半，對(duì)于這個(gè)領(lǐng)域的know how和用戶痛點(diǎn)有深刻的認(rèn)知。

比如用戶對(duì)于產(chǎn)品細(xì)節(jié)不能貨不對(duì)板的需求，比如拍攝和PS費(fèi)時(shí)費(fèi)力的痛點(diǎn)等等，所以我們才能搭建起來深刻綁定營(yíng)銷AIGC原生workflow的產(chǎn)品。

其次我們擁有大量營(yíng)銷領(lǐng)域的專業(yè)數(shù)據(jù)，比如我們積累的6000萬高清真實(shí)照片數(shù)據(jù)集用于訓(xùn)練超高分辨率的逼真照片，比如我們積累的海量alpha摳圖數(shù)據(jù)集等等。

最后一點(diǎn)是我們搭建并驗(yàn)證跑通的專業(yè)營(yíng)銷用戶的RLHF反饋系統(tǒng)，這種高質(zhì)量的專業(yè)用戶數(shù)據(jù)反饋是比較高的商業(yè)數(shù)據(jù)壁壘，屬于特定行業(yè)私有數(shù)據(jù)，通過這種反饋才能在細(xì)粒度參數(shù)下不斷優(yōu)化內(nèi)容生成方向。

Q6：如何應(yīng)對(duì)大廠的競(jìng)爭(zhēng)？

Zsy：我認(rèn)為競(jìng)爭(zhēng)是在所難免的，不過目前大廠推出的功能在我看來更多是防御性反應(yīng)，做的應(yīng)用仍搭載在現(xiàn)有業(yè)務(wù)上，只針對(duì)有技術(shù)和愿意付高價(jià)的一小部分人做了一些附加功能；而像我們這樣的AIGC初創(chuàng)公司從一開始就在新的內(nèi)容創(chuàng)作范式框架下去創(chuàng)造產(chǎn)品，構(gòu)建完全不同于傳統(tǒng)工作流的AI Native Apps。

大廠是否能做出強(qiáng)大的新一代AI產(chǎn)品還是要看能不能革自己的命吧。

Q7：是如何做到用戶洞察的？

Zsy：我非常喜歡和用戶聊天，每天會(huì)花2個(gè)小時(shí)閱讀用戶的反饋，很多用戶的痛點(diǎn)都是在這當(dāng)中發(fā)現(xiàn)的。

我認(rèn)為早期看數(shù)據(jù)很難看出來真正的痛點(diǎn)，因?yàn)榫薮蟮牧髁恐屑扔形覀兡繕?biāo)用戶，也有大量純”玩”的用戶，所以找到大量的目標(biāo)用戶觀察他們的使用，和他們聊天就成了我日常必備，當(dāng)然我也經(jīng)常會(huì)去拜訪客戶的公司，和不同環(huán)節(jié)的營(yíng)銷人員交朋友。

— 完 —

量子位 QbitAI · 頭條號(hào)簽約

關(guān)注我們，第一時(shí)間獲知前沿科技動(dòng)態(tài)