万字长文讲透AI艺术：缘起、意义和未来（上篇）

今年，全世界都掀起了一股 AI 艺术的热潮，以 Disco Diffusion等为代表的扩散模型（Diffusion Model）开始在数字艺术领域大放异彩！本篇文章就用几个具有代表性的 AI 艺术模型来讲述“缘起”，感兴趣的朋友快来看看吧。

今年 AI 艺术热潮源于海外 AI 技术在图像生成领域的革命性进步，以 Disco Diffusion、Stable Diffusion、Midjourney 等为头部代表的扩散模型（Diffusion Model）开始在数字艺术领域大放异彩！以其惊人的艺术效果和可绘制“万事万物”的无限性，在短短半年时间里，吸引了来自全世界数千万注册用户的实际参与，以及数亿人的关注与谈资。

时代洪流再度来袭，只不过这次的主角给予了 AI 技术。我们可以去质疑一种新的商业模式或者消费场景的市场有限性，但却无法不去敬畏一种新技术革新所带来的未来无限性，那是一场绝对的“无限游戏”！

二、缘起：细数几大模型

2022 年初，由独立开发者 Somnai 开发的 Disco Diffusion（简称 DD）在谷歌 Colab 云服务上正式对世界开放使用，4 月份开始在国内经很多设计与开源领域的大 V 传播至热，引发全民参与热潮，不限于如何使用这种 AI 生产力工具、AI 艺术与人类艺术之争、版权问题，乃至对现有各种视觉相关行业的冲击几何，纷繁复杂，不一而足，好不热闹。

紧随其后的是一个更为强大的 AI 艺术工具 Midjourney（简称 MJ）开始在 Discord 上建立全球第一个集中式的 AI 创作者社区，在短短两三个月内，仅靠这种自发的人人传播，社区规模便突破了一百万人，成为 Discord 有史以来规模最大的社区频道，蔚为壮观。

2022 年夏天，众多科技巨头纷纷涉足 AI 艺术领域，以 OpenAI、谷歌、微软、百度最为积极，分别推出了 Dall·E 2、Imagen、Nuwa、文心一格。巨头成？还是社区成？成为这个夏天 AI 艺术发展进程中最瞩目的商业鏖战。

但这些都尚不足以将 AI 艺术带入到一个千亿乃至万亿级的消费市场中，一种技术只有具备建立超级大生态的能力才会被历史所辅证、被当下所青睐、被未来所铭记，就像曾经的 Linux、云计算、安卓、以太坊等在用生态来承载人类数字技术发展的 30 多年征途。而它们的继承者今天也逐渐崭露头角——Stable Diffusion（简称 SD）。

SD 自今年 8 月份面世以来，秉承“大开源”的精神和宗旨，不仅在短短两个月时间内让其背后公司实体一跃成为市值高达十几亿美金的独角兽，更吸引了全球数百万乃至上千万人积极参与其生态的建设，这场如火如荼的“去中心化运动”引爆了海内外的创业与投资热潮，因此其意义之深远远超对自身的影响，其福泽被于世界与万民。

而所谓的“大开源”，包括开放核心 AI 算法模型（Latent）、开放核心训练数据集（LAION）、开放 AI 生成图片的版权（CC0）。这种三位一体的开源模式，让全世界所有普通人、极客、创业者、商业团体可以随心所欲地完成对 SD 的部署、运行、改进和商业化，且大胆使用全世界人利用 SD 所无私贡献的 AI 生成式图片，而不必受制于版权的束缚，大胆地去创新，让 AI 技术在视觉生成领域能够零摩擦地大跨步向前，不必受制于商业的条条框框而固步自封。

风靡国内外的 AI 艺术工具

时至今日，DD 虽然在商业化上无法体现效率、边际成本、规模效应的优势，但其对 AI 艺术开源运动的引领地位被广泛认可，依然是更多新人入场所能够首先免费享受到的 AI 艺术体验，对于教学与用户教育的意义依然存在且无法被替代。

在美学角度，DD 对于色彩的大胆绘制往往令人“心驰神往”，但其并不注重逻辑性，具有极为强烈的“AI 风格”，这种纯粹追求对视觉的冲击效果也经常被壁纸类创作者所青睐，因此在抖音、小红书等社交媒体上经常会看到由 DD 所创作的“色彩美学”作品。

几乎所有的国产 AI 艺术产品和工具都会首先集成 DD，是对开创者的致敬，也是对其独特美学体验的认可，这种风格不因技术的进化而过时，也许会历久而弥新，传承为 AI 艺术最初始的模样，愈发不可替代，则弥足珍贵！

DD绘制的中国二十四节气

AI 艺术领域并非由开源独撑，时至今日商业化最为成功的当属 MJ。而 MJ 不仅完全闭源，还倡导付费模式。这种底气当然来自其核心可控的技术、强大的产品、顶级的算法、不断进化的数据集，使得 MJ 的出图已经进入“大成之境”，不论从逻辑性还是细节都几乎与人类艺术家难解难分。

迄今为止，MJ 共发布了四个版本，而每个版本都有其“致命性”的革新，如 v2 版的“美学”、v3 版的“逻辑”、v4 版的“无可挑剔”。每次的新版本发布都无不让全世界为之欢呼和追捧，这种场面不禁令人想到了当初 iPhone 从初代开始的每一场发布。有人戏称，DD 是塞班，SD 是安卓，MJ 则是苹果。戏谑之中，暗藏着历史的重演，未来已在此处，只是分布不均。

靠着不断进化的“深度”，MJ 全年都处于兴盛不衰的状态，是所有 AI 艺术创作者都顶礼膜拜的“冈仁波齐峰”。虽然 MJ 并没有进驻中国消费市场，但凭借着大模型（Big Model）之“大力出奇迹”的精髓，加上 MJ 每天都在扩充自己的训练数据集，这个扎根于海外的产物竟也十分理解中国元素。

很多国内用户用它刻画古风、武侠、神兽、古建筑等系列，并燃爆了整个抖音和小红书的公域流量，好的作品点赞量都高达一百多万，比很多粉丝数上亿的头部主播发布的日常状态都高。

也许在七八月份的时候，很多用户还能挑出 MJ 出图的各种问题和瑕疵，但今天更多的是折服与认可，随之而来的便是持续的商业化输出。MJ 的创作者群体已经逐渐从一开始的纯兴趣爱好慢慢扩展至使用 MJ 进行商业设计与变现的职业群体，涉及影视制作、游戏设计、UI 设计、原画、插画、壁纸、数字艺术、数字藏品、元宇宙视觉等多个领域数百万人的辐射。

MJ 目前将社群构建在海外社交软件 Discord 之上，从 0 到 100 万人仅仅不到半年时间，而更是在随后的两个月时间内从 100 万干到了近 400 万左右的规模。

可以说 MJ 社群的规模增长速度恰如其分地反映了整个 AI 艺术行业 2022 年的发展轨迹和无尽潜力。作为 AI 艺术皇冠上的明珠，MJ 的存在无疑给了从事这个行业的创作者和创业者更多的信心和鼓舞，因为它在不断证明——AI 艺术的进化是永无止境的！

AI艺术家AIBEN使用MJ创作的科幻作品

在技术基因上，SD 跟 MJ 有着太多相似、相比、相拼之处。比如出图时间都在 1 分钟以内，甚至秒级，这得益于像 SD 利用潜空间（latent space）极大地提升了扩散模型的绘制效率，将原本二维的像素空间画布降维至一维的潜空间，这不仅仅是压缩了时间，更让图像匹配人类描述的精准度大大提升，因此这类模型相比于初代的扩散模型更具商业落地可行性，可满足千万乃至上亿人参与的新消费场景。

时至今日，由 MJ 和 SD 领衔的 AI 艺术消费市场已经在全球突破了一千万用户的大关，并在疯狂地向一亿全球用户的新征程迈进。但 SD 目前在输出图像的艺术水准上相比于 MJ 还存在一些进步的空间，这与我们接下来要讲得息息相关，也是 SD 生态正在努力的方向。

目前 SD 生态由公司实体 StabilityAI 和 RunwayML 共同领衔推进，与此同时一些第三方社区力量也举足轻重，诸如 SD webui 项目、众多二次元改进项目、可用于训练 SD 新模型的 dreambooth 生态、可用于精准控制 SD 画面输出的交叉注意力技术方向等等。百花齐放，生态犹如热带雨林一般，可能每天都有生与死，但生生不息！

更值得注意的是，扩散模型技术大厦的构建更离不开众多上游大技术的鼎力配合，尤其指更精准理解人类语义的大模型技术、文本与图像多模态预训练模型（CLIP）、AI 艺术输出质量最为依赖的大规模训练数据集等。

SD 今天的成就离不开当初对 LAION 数据集的全力支持，其中大名鼎鼎的 LAION-5B 是用于训练下一代图像文本模型的开放式大规模数据集，高达 58.5 亿个图像-文本对，共 80T 数据，是世界第一大规模、多模态的文本图像数据集。

这个数据集的建立并非一朝一夕的工作，它是对互联网发展近 30 年的缩影，要对海量的互联网图片做大量的工作，诸如提供了色情图片过滤、水印图片过滤、高分辨率图片、美学图片等子集和模型，以供不同方向研究。这就是互联网的视觉 DNA！时至今日则由 CLIP、扩散模型等新一代 AI 技术进行编码演绎，去勾勒出互联网未来的模样——元宇宙时代。随着 LAION 的持续进化，SD 也会输出更加高质量的 AI 艺术作品，就像 MJ 那样。

诚如 StabilityAI 创始人 Emad 所言：“很高兴支持创建这个为下一代模型奠定基础的数据集。甚至更好的数据集正在开发中，它被设计为广泛的、可扩展的。现在我们将向着多样化、专业化和不断提高质量前进。”

SD绘制的“万事万物”

如今人类有了众多开源与闭源的 AI 艺术生产力，这其中有的可以直接进入商业生产，而有的则停留在娱乐体验，因此就产生了付费与免费的用户行为。对于极致水准的图像生成，用户付费的意愿也随之强烈，这便是 AI 艺术这个行业极为明确的发展方向，进化是永恒的使命！

（注：全文超万字，共分三篇，上篇以几大 AI 艺术模型讲述“缘起”，中篇以打破“十二道边界”讲述“意义”，下篇从最新技术动向的角度讲明 AI 艺术尚存在的进化空间，畅想“未来”。）