没想到，第一批AI绘画产品已经开始倒闭了……
StockAI，成立仅4个月，在2022年底因用户付费无法覆盖成本，遗憾宣布关闭平台、退款。
以3月的付费AI绘画平台Midjourney推出为标志，AI绘画开始被职业画师重视起来。到8月的Stable Diffusion开源，AI绘画正式出圈并开启一场全民狂欢，这一过程只用了不到半年。
AIGC(利用AI技术生成内容)这一概念也被彻底带火，成为最热门的风口之一，刚刚过去的2022年也被形容为AIGC元年。
Stable Diffusion背后的公司StabilityAI融资1.01亿美元，AI文案生成公司Jasper融资1.25亿美元。
这一波热潮还没完全过去，ChatGPT横空出世，又把AIGC抬上了新高度。
人们开始认为它能抢走搜索引擎的生意，甚至谷歌自己都感受到了危机，在公司内部发布了“红色警报”。
以ChatGPT的火爆程度，从0到100万用户只用了不到5天。
这是什么概念?作为对比，Twitter用了2年，Facebook用了300天，Instagram用了将近75天。
据马里兰大学副教授Tom Goldstein粗略估计，如果100万用户平均每天只进行10次对话，Open AI就需要为ChatGPT每天烧掉10万美元(68万人民币)。
AIGC太烧钱该如何持续?OpenAI为什么能先后引领AI绘画与对话系统两波浪潮?成了行业热议的话题。
量子位在这段时间里也和一些学者、从业者交流了这些问题，其中，京东集团副总裁、IEEE Fellow何晓冬博士的观点很有启发性：
利用AI拓展人类认知边界和AI商业化落地，是两个不同的逻辑
商业巨头很难搞出ChatGPT这样的项目
我们2017年就做了AI绘画
在AI技术圈，何晓冬是公认的大牛。
他本科毕业于清华大学，硕士毕业于中国科学院，后赴美国密苏里大学哥伦比亚分校获得博士学位，在微软全球八大研究院之首的雷德蒙研究院工作十余年，2018年回国加入京东，并于2019年当选IEEE Fellow。
他先后发表了200余篇学术论文， 谷歌学术统计引用数超4万次，其中单篇论文最高被引用近5000次，h-index达到70。
早在2017年，何晓冬就在微软研究过让AI根据文字生成图像的技术，当时的模型AttnGAN登上CVPR，生成的一张“一只红羽毛白肚子的短咀小鸟”现在看来也不算过时，这也是早期AIGC和多模态智能领域重要的进展。
△AttnGAN 按照 “一只红羽毛白肚子的短咀小鸟” 生成的图像
语言模型方面，像ChatGPT一样不再一味追求大参数、无监督学习的类似思路之前也不是没人想到过，只是没能做到极致。
那么其他人离做出DALL·E和ChatGPT这样的产品还差些什么?
何晓冬认为，不差在思路，也不差在资源，而是差在决心。
两大独立AI研究机构，DeepMind和Open AI做的事，都是在拓展人类认知边界，并不能直接带来商业价值。
要下这样的决心，和技术负责人的品味、组织的使命和生存模式都离不开关系。
像谷歌虽然手里也有LaMDA这样的超强对话语言模型，却迟迟不面向公众大规模开放，甚至被内部员工吐槽是“起了个大早，赶了个晚集”。
△谷歌LaMDA概念图
这其中的原因，有谷歌在AI伦理道德议题上不敢冒进，也有对自身现有商业模式颠覆的顾虑——广告是谷歌的核心收入来源之一，当人们不再用搜索引擎而改用AI对话时，广告是无处安放的。
要让AIGC产生商业价值，就要遵从一套完全不同的逻辑。
AIGC如何产生商业价值?
在微软开发的这个AI绘画技术当年终究是没能做成产品上线，但作为技术初心和拓展人类认知边界的一个尝试，AI画出的这只鸟一直被何晓冬当作手机壁纸。
不过，另一项技术“AI看图说话”就成功找到了自己的位置。
现在的Office里，插入一张图片就能自动生成一段描述文本(alt text)，可由系统语音读出为视力障碍者提供方便。
技术结合场景，在产业真实落地，就能发挥更大的价值。
2018年，何晓冬离开工作了十余年的微软雷蒙德研究院，选择回国加盟京东，这之中也是有离场景更近方面的考量。
在京东，何晓冬带领团队打造了京东云言犀人工智能应用平台，服务京东5.8亿用户和17.8万商家，也将系列AI产品服务落地到了金融、政务、交通等各个领域。
仅在开放给第三方商家使用服务与导购产品的京小智上，就帮助商家带来了上千亿元GMV。
另一套商品文案生成系统，目前已覆盖3000+品类，累计“种草”30亿字，带来超过3亿的GMV。
光是线上购物这一个场景，就支持了这么多种技术落地的可能性，而更大的发挥空间在背后的设计、生产、仓储、物流等供应链上下游场景。
这也是京东云产业AI的推进路线，一面保持对前沿技术的探索，一面依托自身的场景推进AI技术产业化、规模化落地。
经过反复迭代打磨后，再将技术以模块化、组件化、产品化的方式，基于言犀人工智能应用平台对外开放，成为产业上下游的超复杂协同的最佳“助手”，助力产业数智化升级。
相比于一些其他公司，京东的供应链场景丰富，更重要的是京东的“价值标准”，如同正品行货、物流配送一样，AI产品也必须满足客户的价格、产品、服务等方面的综合体验，又要满足京东在技术商业化过程中自身的成本与效率。
深入产业AI，不可避免的会遇到更低频、长尾的复杂场景和产业大规模协同的需求。
这些场景的数据样本少、数据分布不均，研发成本更高，同时定制化程度高、难以复制。如此一来，就需要迁移成本低、基础数据样本丰富、灵活弹性、适用能力强的综合性AI系统。
对于AIGC这一具体方向来说，同样如此。
何晓冬拿智能客服场景来举例，用于京东自营时模型是高度定制化的，直接开放给几十万第三方卖家使用很难满足所有人需求，又很难靠人力去适配所有需求。
后来的解决办法是定义好产品的边界，预训练大模型提供基础能力，同时结合在京东沉淀的丰富领域知识图谱，把知识接口开放给卖家，无论是卖食品还是化妆品都可以把产品知识填进去，让AI能力方便的迁移到不同领域。
这个过程中模型免不了牺牲一些性能才能做到最终产品的标准化、开箱即用，因为产业AI到了这一步，很多用户都不是技术专家。