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，遠識資本擔任獨家財務顧問。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獨家領(lǐng)投的數(shù)百萬美元天使輪融資。

Tiamat 成立于2021年，是一家國內(nèi) AI 圖像生成技術(shù)服務商。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化學習（RLHF）和細粒度的提示 - 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現(xiàn)了進步。

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、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)性機會下，“不追逐風口，但等到了風口”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 年開始進行模型訓練，以自研并自主訓練底層模型的方式，始終與海外技術(shù)節(jié)點、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口。” Tiamat 創(chuàng)始人青柑表示，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)域的第一批團隊，Tiamat 如今也成為了為數(shù)不多成功融資并實現(xiàn)了商業(yè)化的技術(shù)服務商。

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 未來在國內(nèi)市場的應用可行性。

問：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 中的不同賽道其實會有很多細節(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，所以實際上花費的時間精力和算力是遠大于我們 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妫脩艨梢院芸斓馗惺艿剑幌駥τ趫D片的細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)量級進行擴張并不是最重要的指標。

Eric：除了模態(tài)和輸入種類上的區(qū)別之外，生成的任務是另一個可供參考的維度。我們在談論 AI 的時候其實有很多解釋空間，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。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。

圖為 Tiamat 創(chuàng)作生成

問：對于 AI 生成圖像來說，更重要的指標有哪些？

青柑：更重要的指標在于能不能在垂直領(lǐng)域有更好的精準性和可控性，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。從這一點來說，創(chuàng)業(yè)公司也會有更多機會。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，在標注數(shù)據(jù)和訓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)化應用息息相關(guān)的指標。我們在談論大模型的時候會有一個問題，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)的應用。而在技術(shù)環(huán)節(jié)，就是因為 ChatGPT 比 GPT-3 多了一個用人類的反饋來自我學習的過程，可以使得它的應用更符合期望。所以，我們在做 Tiamat 生成模型的時候也會格外在意這一點，就是怎么樣能讓生成結(jié)果符合用戶的期望。

問：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，自己去訓練，一步步的優(yōu)化和迭代。所以目前為止，我們應該是國內(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。因為圖像領(lǐng)域其實需要的是更加專業(yè)化、垂直化的理解生成。以我們正在商業(yè)化的服裝領(lǐng)域為例。服裝領(lǐng)域現(xiàn)在需要 AI 來代替設(shè)計師或者幫設(shè)計師尋找靈感，那么首先他們的輸入方式一定是服裝設(shè)計領(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)計師之間的溝通語言，再去理解對應的圖片，在此過程中可能需要重新去構(gòu)建一些圖像文本作為訓練數(shù)據(jù)集。此外，我們還會通過一些方法去增強 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。

問：在當下的開源趨勢中，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，模型本身沒有涵蓋特定行業(yè)的知識和術(shù)語，未經(jīng)進一步的有效訓練，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性和可控性上其實還是有一些問題。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商，可能會找到一些用了開源模型的公司，發(fā)現(xiàn)沒法達到好的效果，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，因為非自研的服務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)訓練細節(jié)上的模仿難度。因為 Stable Diffusion 雖然本身的模型結(jié)果是開源了出來，但其實現(xiàn)在大家對于其中一些具體的訓練方法和細節(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，遇到的難度會遠比收集這么多數(shù)據(jù)要大。所以當我們在強調(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。

圖為 Tiamat 創(chuàng)作生成

問：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)，因為他們有很多定制化屬性或者跨界合作的需求，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)其實還是廣告、還有相關(guān)設(shè)計行業(yè)的，因為無論從調(diào)性、感興趣程度、需求強烈度還是預算幾個方面來說，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。

問：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。因為隨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。

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

青柑：我們訓練大模型，其實目標是找到一個更有效、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。再加上中文的語匯環(huán)境特點更加復雜，數(shù)據(jù)清洗難度很大，目前實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，其實并不擔心大廠突然做一個非常強的東西出來，而是會擔心再出現(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，解決了一個復雜的問題。因為現(xiàn)在看來，AI 可能會離現(xiàn)代技術(shù)更近，但如果一項技術(shù)的工程化潛力沒有那么強，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。

問：如何評價 ChatGPT 引發(fā)的“AI浪潮”？

Eric：現(xiàn)在的 AI 技術(shù)其實比較像之前的影像技術(shù)，到了一個關(guān)鍵的技術(shù)節(jié)點之后自然會有一些不同的流向。比如有些是做照相機，有些做攝影機，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本身，也可以發(fā)展出徠卡、佳能這樣的應用端公司，中間層也有蔡司鏡頭等。細分市場的延伸不同，大家都有自己獨有的數(shù)據(jù)，但技術(shù)節(jié)點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行有機結(jié)合，哪些環(huán)節(jié)應該直接交給 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。

圖為 Tiamat 創(chuàng)作生成

問：我們怎樣去理解將 AIGC 融合進工作流的重要性？

青柑：在一點上，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準就是圖片本身，比起工具體驗的好壞，大家可能更關(guān)注圖片效果。因為 SD 在開源之后大家其實做了很多插件，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。

問：Tiamat 未來會考慮做文本語言模型嗎？

青柑：我們公司的整體風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)注的是當下的技術(shù)能不能解決當下的問題。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。因為對于一家創(chuàng)業(yè)公司來說，如果能把圖像模型的可控性、精準性和連續(xù)性做到最好，它其實就已經(jīng)能帶來很多垂直行業(yè)和場景下的商業(yè)化應用了。比如去支持更加細分的、特定的設(shè)計行業(yè)，幫助它們完成生產(chǎn)力提效。比較讓我們高興的一點是，我們看到 AI 技術(shù)正在向一個“新的互聯(lián)網(wǎng)”形式進發(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。總體來說，AI 是一個新的主題，每一個細分領(lǐng)域都值得被認真打磨，大家聚焦在各自擅長的地方，才能形成更好的產(chǎn)業(yè)。

DCM中國創(chuàng)始合伙人、董事合伙人林欣禾表示：“AIGC正在走向真實落地，不僅要保持對前沿技術(shù)的探索，捕捉到更多的商業(yè)化機會也更為重要。將AI能力遷移到不同場景，同時滿足效率和成本的要求，AI才有更大的價值。”

綠洲資本投資負責人表示：“Tiamat 通過生成式 AI，結(jié)合已知文本或圖像文件，自動生成新的圖像數(shù)字內(nèi)容，突破了專業(yè)插畫師、設(shè)計師、數(shù)字藝術(shù)工作者在創(chuàng)作中的效率桎梏問題。綠洲資本自去年上半年就已經(jīng)開始關(guān)注 AIGC 為產(chǎn)業(yè)帶來的底層變化，我們認為 Tiamat 基于特定風格管線的積累，以及在社區(qū)用戶之間的廣泛影響力，必定會向用戶提供新一代的創(chuàng)意設(shè)計工具產(chǎn)品。Tiamat 正在圍繞設(shè)計的垂直場景，逐步構(gòu)建出一套 'AIGC-based' 工作流，我們相信這將會給整個創(chuàng)意行業(yè)帶來巨大的變革。 ”