生成式AI在我们的日常生活中越来越常见。如今，画作、文章、音乐、游戏乃至代码，任何一个需要人类原创能力的创作都可能会出自生成式AI之手。但是，我们需要了解的是，生成式AI的出现，不是为了替代人类，而是为了帮助人们更快、更好、更低成本地去创作。
本文我们来了解一下这一技术趋势会出现哪些类型的参与者，以及创业者应如何在其中找到机会。
1.营销和文案写作
文案写作可谓生成式AI最吸人眼球、也最有名的用途之一了。互联网营销的成本越来越高，而且难度也越来越大——好的营销需要大量的时间、技巧以及能力。生成式AI的出现，给了营销团队除去外包与搭建团队的第三种方案——任何人都可借助这一强大的AI助手，顺畅写作电子邮件、博客文章、社媒推文等，而且速度比以前快数倍。特别是对于初创公司来说，这种方案将大大减少公司所花费的成本与精力。
像jasper.ai或copy.ai这样的工具使用的都是和GPT-3类似的算法。但它们能做的远不止文章写作，还有诸如创意宣传、产品描述等更多类型内容的创作。从长远来看，这会对整个文案和营销行业产生巨大影响，在未来我们将会看到人类和AI之间的一种新的伙伴关系。
如果你想要在这方面进行创业，需要注意的是竞争会十分激烈——像Jasper.ai这样的公司，如果不想被竞争对手淹没，要迅速建立起行业壁垒，因为新的强力对手已经越来越多。事实上，所有这些公司使用的算法都大差不差，几乎都是GPT-3的变体，并且都不是自己独立开发的。此外，这些算法在更广泛主题的内容生成方面还远远不够完美，想要覆盖更大的人群，可能还需要一点时间。或者，等到GPT-4出现后，它可能才是我们真正需要，且能大规模使用的技术产品。
另外，很多现有工具和平台已经开始推出自己的AI助手。因此，像jasper.ai等一站式的平台的发展或许会受冷。可以说，这个领域留给新的初创公司的机会不多了。
2.视觉内容创作
生成式AI的另一个知名应用领域便是艺术与视觉内容创作领域，而且它们的应用远不止供人们娱乐消遣而已。艺术家们用它来获得灵感、快速测试设计效果，其中一些人甚至生成了100%由计算机制作的艺术作品。我们看到了AI生成艺术的巨大发展，一种具备计算机科学方面技能的新型艺术家正在出现。但是这些工具还远远不够完美，例如它们生成的结果大多数时候都不是我们真正想要的、使用的过程中交互相对麻烦、生成的结果无法本地修改编辑等。
对于创业者来说，或许这就是机会所在：为艺术家和设计师打造更好的辅助工具，将生成性AI以更好的方式融入他们的工作流程。比如一些针对设计行业特定领域的工具，在AI的加持下，结合可本地编辑修改的辅助工具，任何人都将能成为更好、更高效的设计师。我们可能还会看到利用这些工具的新型设计机构出现。
当然，这个行业中还有挑战需要解决，尤其是在版权方面。另外，由于目前的算法都是用互联网上的公开数据训练的，可能到某个时候（比如版权方面的法律有了新的进展，禁止我们直接使用现有的网络素材训练AI），我们将需要雇佣大量的设计师来为诸如Open AI和Stability AI创造训练素材，才能更好发挥AI的创造力。
3.游戏、VR和元宇宙
在游戏、VR和“元宇宙”中最重要的挑战之一就是内容创造。以游戏行业为例，过去十年中，大多数成功的游戏均得益于它们创造的广阔而丰富的虚拟世界，但是要知道，对于游戏工作室来说，这部分也是制作成本最高的环节。同样的，这也是VR和元宇宙公司目前面临的最大挑战之一——如果没有足够的内容吸引大量用户，收入便会减少，恶性循环则是，能创造的内容也会逐渐减少。
在过去很长一段时间中，游戏公司已经在使用接近生成式AI算法的方式来构建无限世界了。其中最受欢迎的方法是程序生成——游戏设计师提供一套包含对象、景观元素和规则的算法，算法按照这些规则随机生成新的世界，诸如《我的世界》和《无人深空》等游戏就是如此。这种方式非常简单，但局限性很大、普适性不高。
而生成式AI将会让一切发生改变。想象一下，你不仅可以要求计算机通过将你设计的多个内容组合在一起来生成一个世界，还可以使用这些内容生成全新的内容，并构建丰富广阔百倍、千倍的世界。通过微调3D生成算法，结合游戏设计师的设计，配以现实物体的虚拟副本，在未来，将有公司能够生成令人难以置信的丰富的虚拟世界和游戏，而成本和时间可能只需要之前的百分之一。但这还不是全部，得益于文本和音频生成技术，我们或许还能创造出真正智能的NPC和游戏角色，这些都是前所未有的突破。
它将为游戏和元宇宙领域开启全新的时代，让梦想变得不再遥远。
当然，它不仅会影响电子游戏，还会影响整个3D领域。另外，受此影响，娱乐产业、教育行业乃至医疗行业都会发生改变。
4.代码和软件工程
GitHub Copilot是一款能够自动生成代码的生成式AI工具，它能够在你输入几个简单的词语后，自动为你补足剩余代码。是不是听起来很冲击？不过，目前它仅仅只对于非专业的开发者来说比较有帮助，对于开发工程师就显得十分不足。
非专业的开发者因为不熟悉指令的确切表述，特别是从一种编程语言切换至另一种时，AI能够帮助他们补足这方面的失误。而对于非开发岗位的员工来说，即便不使用生成式AI工具编程，也可以用来进行数据库查询等工作。
但对于开发工程师来说，现阶段AI工具生成的代码在结构、准确度上的问题很多，还是需要人工进行审查。所以它对于工程师的帮助仅仅是提高1.5倍的生产力——看起来是个不小的提升了，但要是与从C语言切换到Python的5-10倍效率提升相比，就真的只是小巫见大巫了。
总之，目前生成式AI在开发编程行业主要的影响有以下4点：
• 初学者和兼职程序员可以更高效地编写中等质量的代码；
• 将旧代码从旧语言转换成新语言会变得更容易；
• 更多扩展和集成开发环境将更好地整合这些技术，以帮助开发者变得更有效率。更具体地说，一些工具可能会让公司用现有代码和优秀用例来训练这些算法，打造出智能助手之类的工具来协调所有存储库的代码以及指导新员工等；
• 平台利用这些类型的算法与无代码平台整合，我们将能更容易地建立非常强大的网络应用。
5.其他
这些用例可能只是冰山一角，还有许多其他变革用例已经在测试或即将进入测试阶段：
•使用生成性AI来创造新的分子和药物。由于其潜在的计算能力，生成性AI模型可用于生成人类无法想到或不会花时间测试的新分子和药物。这是生成性AI最有前途的领域之一。
•网络安全。黑帽黑客已经使用生成性AI来生成攻击和破坏系统的新方法。在白帽方面，一些公司正在利用它来防止攻击和保护企业。它可能会成为一个巨大的市场，因为网络安全是二十一世纪最重要的事项之一。威胁巨大，对于“白帽子”来说，巨大的机遇也应随之而来。
•图片和视频的优化。在这方面已经有不少伟大的行动者了，他们利用AI来实现特定图片和视频方面的优化应用。
1. 全球参与者专注于巨大的市场，并在一种产品中解决多个问题
首先可以肯定的是，未来10年会出现一些以生成式AI为核心的“十角兽”（估值超过100亿美元的公司）。
但也需要注意的是，这类十角兽公司的数量绝不会太多，因为并没有那么多的市场可以让生成式AI产生百亿美元以上的收益。再加上目前大多数生成性AI方面的公司或多或少都使用着相同的算法，如果创业者真的想成长为行业巨兽，就必须要有建立巨大的行业壁垒的能力，比如形成足够的网络效应、能够收集专有数据、优化其工具的使用体验或者将生成式AI与其他专有技术结合起来等等。
2. 使用生成式AI瞄准非常特定的利基或应用的公司
这可能是生成式AI能创造最大价值的地方。生成式AI将对我们所知的大多数行业产生剧烈的影响，其中真正的变局者应该是那些专注于驱动生成式AI工具升级后，结合行业专业性开发功能性工具的人。如果想在这方面创业，建议你仔细思考一下你喜欢的行业目前有哪些主要问题可以通过AI解决。
另外，在某些情况下，有些企业因其生成式AI的利基市场太过细分，可能会无法成为独角兽企业，但他们可能会成为非常赚钱的小企业。Tweet Hunter公司就是个很好的例子，这家公司雇佣的兼职员工似乎不到4人，但其年度经常性收入却超过了120万美元。将生成式AI应用到一个非常特定的细分市场可能是目前创建盈利副业的最佳机会之一，并且它不需要大量的技术和时间投入。
3.现有企业使用生成式AI来改进工具
即使生成式AI领域的大多数创新可能来自初创企业，但我们日常使用的大部分产品都应该是来自一些老牌的大型技术公司。如今，大型科技公司和规模化公司已经开始入场，其中很多正在努力将GPT-3或Stability的功能整合到其现有产品中。
这些创新可以来自企业内部，由公司自行开发自己的工具，也可以通过收购从外部获得。因此，在未来5到10年，我们将看到许多大企业会收购AI公司，这将为创业者提供绝佳的机会。