智東西（公眾號：zhidxcom）
作者 | ZeR0
編輯 | 漠影
智東(dong)西(xi)10月9日報道，今(jin)日下(xia)午(wu)，美圖自研AI視覺大(da)模型MiracleVision（奇想(xiang)智能）3.0版本發(fa)布，并將全面應用(yong)于美圖旗(qi)下(xia)影像(xiang)與設計(ji)產品，助力(li)電商、廣(guang)告、游戲、動漫、影視五大(da)行業。這也是美圖公(gong)司為其15周年交(jiao)出的(de)最新答卷。
3.0版本主打“奇思妙想”和(he)“智能(neng)創作”，除了輸入文字生(sheng)成相應圖(tu)(tu)像、輸入涂鴉(ya)秒變大(da)作這些“基本功”外(wai)，MiracleVision 3.0版本的(de)“智能(neng)腦補”和(he)精準控(kong)制能(neng)力都變得(de)更(geng)強(qiang)，進一步降(jiang)低了繪圖(tu)(tu)、修圖(tu)(tu)的(de)操作門檻。
比(bi)如在描(miao)述畫面(mian)方面(mian)，輸(shu)(shu)入關鍵詞(ci)“椅子”，它就(jiu)會(hui)自動補(bu)充聯(lian)想一些可能(neng)關聯(lian)的(de)提(ti)示詞(ci)，如“霓(ni)虹燈光”、“透明質感”、“商業攝(she)影”等，進(jin)而降低用戶寫提(ti)示詞(ci)的(de)門(men)檻。在生成圖像(xiang)方面(mian)，點擊“畫面(mian)擴展”，視(shi)覺大模型就(jiu)能(neng)在更大的(de)畫布上“腦(nao)補(bu)”出輸(shu)(shu)入圖像(xiang)的(de)背景(jing)畫面(mian)。
距離美圖(tu)視(shi)覺(jue)大(da)模(mo)型面世(shi)剛過去(qu)100天，三個版本的迭(die)代(dai)升(sheng)級區別(bie)有多(duo)大(da)？和其(qi)他視(shi)覺(jue)大(da)模(mo)型相比，MiracleVision 3.0有什(shen)么獨特競爭力？有哪些新(xin)的商業化方(fang)向？美圖(tu)公司(si)創始人、董事長兼首席(xi)執(zhi)行官吳欣鴻等(deng)六位高管與智(zhi)東西等(deng)媒體進行深入交流，解讀(du)美圖(tu)視(shi)覺(jue)大(da)模(mo)型的核心技術(shu)實力、算力投(tou)入情況及落地商用規劃，并分(fen)享了對國產AI視(shi)覺(jue)大(da)模(mo)型現狀與問題的最新(xin)思考。
目前市面上大部分視(shi)(shi)(shi)覺(jue)大模型都在(zai)(zai)(zai)卷數(shu)據量、參數(shu)量，但吳欣鴻認為，衡量視(shi)(shi)(shi)覺(jue)大模型能(neng)力(li)的(de)標準(zhun)并非追(zhui)求參數(shu)指標，而是抓住(zhu)應(ying)用場景的(de)核心需求，并在(zai)(zai)(zai)商業(ye)模式上得(de)到(dao)驗證。他預測視(shi)(shi)(shi)覺(jue)大模型在(zai)(zai)(zai)2024-2025年進入高速發展期，2026-2030年進入成(cheng)熟期，將助力(li)千萬(wan)設計場景，引領美學的(de)升級(ji)與社會(hui)經濟增(zeng)長。
一、美圖視覺大模型100天進化：生圖更輕松、出圖更專業、改圖更精準
100天之間，美圖視覺大模型(xing)進化了(le)哪(na)些能(neng)力？
美圖公司創(chuang)始人、董事長兼首席執行(xing)官吳欣鴻介紹說(shuo)，MiracleVision展現出了可喜的(de)(de)成長速度，3個月前，它的(de)(de)繪畫水(shui)平還(huan)停(ting)留(liu)在初級階段，如(ru)今已經(jing)能(neng)描繪出真實細(xi)膩的(de)(de)畫面細(xi)節，用戶現可訪(fang)問AI視覺創(chuang)作工具“WHEE”官網(wang)體驗。
美圖公司將自研AI視覺大模型MiracleVision（奇想智能）的核心能力拆解為兩大特性——“奇思妙想”和“智能創作”。
在“奇思妙想”層面，MiracleVision通過(guo)“提示詞智(zhi)能聯想”功能降(jiang)低大眾的使用門檻。
當用戶輸入關鍵詞，MiracleVision可(ke)自動(dong)補(bu)充相關表述，如光影效果、質感、風格(ge)、圖片質量等，推動(dong)創作(zuo)平(ping)權(quan)。
此外，MiracleVision通過“提示詞精準控制”功能來(lai)滿足更(geng)加專業的設(she)計要(yao)求，如(ru)使(shi)用(yong)“近景(jing)”、“遠(yuan)景(jing)”、“順光(guang)”、“逆(ni)光(guang)”等描述控制最終生成效果。
除了亞洲人(ren)外，MiracleVision還支持不同(tong)(tong)地(di)區、不同(tong)(tong)膚(fu)色的(de)人(ren)像攝影，以滿足(zu)全球用戶多樣化的(de)需求。
對于企業(ye)來說，設(she)計物(wu)料更加高效(xiao)省(sheng)時。例如快速生成(cheng)堪比(bi)專業(ye)棚拍效(xiao)果的商品圖(tu)，并(bing)能隨心切換(huan)背景。
上傳一個logo圖像，再輸(shu)入幾個關(guan)鍵(jian)詞描述，視覺大(da)模型就能生成出審美在線(xian)的(de)品牌視覺海(hai)報。
在“智能創作”層面，MiracleVision通過“深化(hua)創作”功能，進(jin)一步豐富作品(pin)細節和(he)提升表(biao)現力。
通過(guo)“AI畫面擴展”功能(neng)，可以讓作品尺寸更大、細節更豐富(fu)。
通過“局部修改(gai)(gai)”功(gong)能(neng)(neng)，圈住要修改(gai)(gai)的位置(zhi)，輸入想修改(gai)(gai)的文字描(miao)述(shu)，就能(neng)(neng)對部分畫面進行(xing)精準修改(gai)(gai)與調整，做到指(zhi)哪改(gai)(gai)哪。
通過“分辨(bian)率提升”功能(neng)(neng)，可以(yi)生(sheng)成高清大(da)圖，最高能(neng)(neng)支(zhi)持4K分辨(bian)率，讓細節表現(xian)、色彩展(zhan)示、物體辨(bian)識(shi)更加(jia)的精(jing)準和生(sheng)動(dong)。
二、助力電商、廣告、游戲、動漫、影視五大行業，帶來更高效的AI原生工作流
在吳欣鴻看來，AI視覺(jue)(jue)大(da)模型(xing)帶來的不僅(jin)僅(jin)是更(geng)好的視覺(jue)(jue)呈現，還有(you)對工(gong)作流的效(xiao)率提(ti)升，但目前大(da)模型(xing)與(yu)工(gong)作流的結合仍(reng)在探索階段，抓住應(ying)用(yong)場景的核心需求更(geng)為重要。
據他介紹，MiracleVision將落地電商、廣告、游戲、動漫、影視五大(da)行(xing)業(ye)，希望能(neng)助力行(xing)業(ye)“工作(zuo)流(liu)提效”，推動AI視(shi)覺大(da)模型的應用普及。
在電商(shang)行業，從涂鴉(ya)生成(cheng)線(xian)稿(gao)、線(xian)稿(gao)上色、商(shang)品圖、模特(te)試穿圖，再到電商(shang)物料輸(shu)出，全程(cheng)可通過MiracleVision實現。
在廣(guang)告行業(ye)，MiracleVision覆蓋創意(yi)(yi)腦暴、創意(yi)(yi)深化、平面排版、多尺寸延(yan)展、線下(xia)投放(fang)預覽的全工作流，助力客戶在廣(guang)告物料制作環節提效。
在游戲行業(ye)，MiracleVision可以(yi)包攬場景設(she)計、角色設(she)計、道具設(she)計、UI圖標、宣發物料等(deng)流程，拓(tuo)寬設(she)計師想象空間的同時助力(li)游戲行業(ye)降本。
在動(dong)漫行(xing)業(ye)，MiracleVision打(da)通了概念(nian)設計、故事(shi)板(ban)生成(cheng)、線稿上色(se)、動(dong)漫補幀、視頻轉動(dong)漫等流程，支(zhi)持創意到物料成(cheng)品的(de)快速落地。AI的(de)助力能(neng)夠(gou)讓動(dong)漫創作(zuo)團隊把更多精(jing)力放(fang)在講好故事(shi)和(he)打(da)造更加令人(ren)印象深(shen)刻(ke)的(de)動(dong)漫角(jiao)色(se)IP上。
在影視行業，MiracleVision的(de)高可(ke)控性可(ke)充分滿足(zu)概(gai)念場景設(she)計、分鏡(jing)設(she)計、人(ren)物造型、道具設(she)計、宣(xuan)發物料的(de)效果(guo)要求，極大提升影視行業設(she)計環節的(de)效率。
三、視覺大模型供大于求，2026-2030年走向成熟期
吳欣鴻透露，在深(shen)度參與視覺大模型建(jian)設(she)的(de)過程中，他重(zhong)溫了自己年少學(xue)畫(hua)的(de)時(shi)光，當時(shi)通(tong)過眼睛捕捉各種視覺信息，通(tong)過反復實踐和嘗試不同(tong)的(de)技(ji)巧和風格，逐漸(jian)提高了繪畫(hua)技(ji)能。
“訓(xun)練(lian)AI也有(you)共通之處(chu)，AI會學(xue)習(xi)各種(zhong)不同的(de)(de)繪畫風格和技(ji)巧。通過充分的(de)(de)訓(xun)練(lian)，AI也能創(chuang)作出具(ju)有(you)獨特性的(de)(de)原創(chuang)作品。”他(ta)認為AI視覺大(da)模型的(de)(de)本質是(shi)一個無窮(qiong)無盡的(de)(de)視覺創(chuang)意庫(ku)，和應(ying)(ying)用(yong)之間相輔相成，大(da)模型為應(ying)(ying)用(yong)提(ti)供技(ji)術支撐(cheng)，應(ying)(ying)用(yong)反哺大(da)模型的(de)(de)效果迭代(dai)。
目前，國內(nei)有(you)很多團隊(dui)(dui)在(zai)研(yan)發視覺大模型，目前已(yi)知的有(you)超(chao)過(guo)30個團隊(dui)(dui)，還有(you)近百支團隊(dui)(dui)正在(zai)積(ji)極(ji)籌備進入該賽(sai)道。
但從實際情況來看，吳欣鴻總結為十個字：說得多，用得少，供大于求。
他談(tan)道，能將(jiang)視覺(jue)(jue)大模型(xing)與生產環節(jie)結(jie)合的企業數量相對較少，視覺(jue)(jue)大模型(xing)與工作流的融合也處于前期探索階段。
對于成(cheng)(cheng)熟(shu)的(de)(de)(de)大(da)(da)中型(xing)企業，他(ta)們對效果(guo)的(de)(de)(de)精度(du)要求很高(gao)，但當(dang)前(qian)大(da)(da)部分視(shi)覺大(da)(da)模型(xing)的(de)(de)(de)生成(cheng)(cheng)效果(guo)與人類設計師(shi)的(de)(de)(de)標(biao)準存(cun)在(zai)一(yi)定(ding)差距。對于小微企業，在(zai)視(shi)覺大(da)(da)模型(xing)部署方面(mian)要付出較高(gao)的(de)(de)(de)學習成(cheng)(cheng)本。對于個體用(yong)戶來說，復雜的(de)(de)(de)平臺交互仍是阻礙使用(yong)AI創作(zuo)的(de)(de)(de)一(yi)大(da)(da)門檻。與此同時，AI創作(zuo)存(cun)在(zai)一(yi)些不可控的(de)(de)(de)部分。
總體來看，吳欣鴻認為，大模型真正在生產端普及使用，需要解決三個問題：垂直領域的極致效果、工作流整合、變現能力。
據他預測，視覺大模型應用普及將經歷三個階段：探索期、高速發展期、成熟期。
2024年之前為探索期，廠商在這一階段進行不斷探(tan)索，效果勉強(qiang)及格(ge)，視覺大模型在工(gong)作(zuo)流里支持單任務(wu)的(de)(de)提效，驗證場景的(de)(de)可行性。
2024-2025年進入高速發展期，效果(guo)會逐步(bu)精(jing)進，有著明確(que)的場景，帶來(lai)工作流的升級。
2026-2030年為成熟期，視覺大模型的生成效果會非常出色，凡是設(she)計與創意，視覺大模型都是標配。
隨著視(shi)覺大(da)模型(xing)在生產端的應用走向成熟，設計的邊界也(ye)會被不斷拓寬。
四、7款影像生產力工具，3個月進化成果披露
除(chu)了(le)視覺大模型升級到(dao)3.0版(ban)本外，吳欣鴻公布了(le)6月19日發布的其(qi)他6款影像生產力工(gong)具的一些最新(xin)進展：
1）AI視覺創作工具“WHEE”：優質AI效果生成數超過550萬張，打造的設計師生態初見成效。
2）AI口播視頻工具“開拍”：月活躍用戶(hu)數已(yi)突破35萬(wan)；桌面端AI視頻(pin)編輯工具“WinkStudio”已(yi)累計(ji)服務近10萬(wan)名視頻(pin)創作者；
3）WinkStudio：7月上線，服務近十萬(wan)名(ming)視頻創作者，成為他們必(bi)備的生產力工具。
4）主打AI商業設計的“美圖設計室”：正(zheng)助(zhu)力近百萬中小電商賣家(jia)降(jiang)本增效(xiao)。
5）AI數字人生成工具“DreamAvatar”：于(yu)8月底上線(xian)，并(bing)主(zhu)打“AI演員(yuan)”數字(zi)人服務。
6）美圖AI助手“RoboNeo”：每(mei)天幫助近萬名用戶自動修圖，比傳(chuan)統(tong)修圖效率提升(sheng)35%。
五、大模型算力成本壓力不大，訂閱和單購商業模式相輔相成
在發布MiracleVision（奇(qi)想(xiang)智能）3.0版本后，美圖(tu)公司的六(liu)位核心高管(guan)與參會媒(mei)體(ti)進(jin)行深入交流(liu)。具體(ti)干貨信(xin)息如下(xia)：
1、美圖視覺大模型會應用到哪些產品中？
美(mei)圖(tu)大部(bu)分產(chan)(chan)品都會逐漸(jian)融入其自研大模(mo)型的(de)(de)能(neng)(neng)力(li)。較顯性的(de)(de)是(shi)美(mei)圖(tu)秀秀，該(gai)產(chan)(chan)品已經是(shi)一個影像入口，整合了美(mei)圖(tu)大部(bu)分產(chan)(chan)品，所(suo)以(yi)讓用戶能(neng)(neng)夠一站式地感(gan)受其大模(mo)型的(de)(de)當前(qian)能(neng)(neng)力(li)。未來美(mei)圖(tu)視覺大模(mo)型更多要(yao)賦能(neng)(neng)各行(xing)各業(ye)(ye)，先從相關性較強的(de)(de)5個行(xing)業(ye)(ye)入手，通過(guo)打磨驗證，未來進(jin)入行(xing)業(ye)(ye)的(de)(de)工作流(liu)并提高生產(chan)(chan)力(li)。
美(mei)圖(tu)截至今(jin)年1月份的(de)月活躍用(yong)戶(hu)(hu)數是2.47億，很多(duo)人都會(hui)通過美(mei)圖(tu)的(de)產品(pin)逐漸用(yong)到AI提(ti)供的(de)服務(wu)，切身感受到大模型帶來的(de)效率提(ti)升。美(mei)圖(tu)希望服務(wu)的(de)用(yong)戶(hu)(hu)群(qun)體包括大眾(zhong)用(yong)戶(hu)(hu)、專業用(yong)戶(hu)(hu)、大眾(zhong)用(yong)戶(hu)(hu)與專業用(yong)戶(hu)(hu)之間的(de)傳播者。
2、美圖視覺大模型三個版本分別是什么狀態？
用關鍵詞來總結，1.0版本(ben)是“勤奮好學”，效果(guo)在(zai)及格線左右，美學評估(gu)的(de)很(hen)多(duo)維(wei)度有待進化；2.0版本(ben)開(kai)始有些“奇思妙想”，創造力(li)、想象(xiang)力(li)變得更好；3.0版本(ben)在(zai)精準控制細節、畫面精細度和質(zhi)感、與行業(ye)工作流的(de)結合等方面均提升顯著(zhu)。
3、與其他市面模型相比，美圖視覺大模型有何獨特之處？
美(mei)圖視(shi)覺(jue)大(da)模型(xing)完全(quan)自研(yan)，有針對美(mei)學(xue)的傾向性，基于自研(yan)模型(xing)建立(li)了(le)一個美(mei)學(xue)評估(gu)體系(xi)，以(yi)不斷優化(hua)美(mei)學(xue)效果。其模型(xing)結構和數據集都是以(yi)此(ci)為出發點來組織和建立(li)。與其他公(gong)司不同的是，設計師及美(mei)學(xue)領域創造(zao)者高度(du)參與了(le)美(mei)圖視(shi)覺(jue)大(da)模型(xing)的訓練(lian)過程(cheng)。
美(mei)圖(tu)發展15年來一直處(chu)在(zai)相對激烈的(de)競爭環境(jing)下，在(zai)視覺大(da)模(mo)型(xing)領(ling)域，美(mei)圖(tu)的(de)一大(da)優勢是擁有較(jiao)為龐大(da)的(de)用(yong)戶規模(mo)和現(xian)成的(de)應用(yong)場景(jing)，可以源源不(bu)斷(duan)地(di)融合大(da)模(mo)型(xing)能力，并探索(suo)出相對成熟且不(bu)斷(duan)增長的(de)訂閱商業(ye)模(mo)式，構建很好的(de)閉環。對于美(mei)圖(tu)來說(shuo)，視覺大(da)模(mo)型(xing)競爭才剛(gang)剛(gang)開始，現(xian)階段先把自己(ji)做(zuo)強是一個(ge)非常關鍵的(de)基礎。
4、美圖在視覺大模型的投入情況如何？
美圖今年上半年研(yan)發投入將近(jin)3億(yi)元，全球(qiu)超6億(yi)元，在其總營收中(zhong)(zhong)的(de)占比(bi)超20%，與大模型相關(guan)的(de)主(zhu)要工程師約有(you)600人，還(huan)有(you)很多設計師、產(chan)品經理參與其中(zhong)(zhong)。
美圖(tu)研究院(yuan)從2011年成立以來(lai)，一直在做(zuo)核(he)心的視覺AI能力，其核(he)心團(tuan)隊畢業于國內清華、北航、廈大(da)等(deng)知名高校以及海(hai)外(wai)新加坡、澳大(da)利亞、韓國的一些(xie)頂尖高校。美圖(tu)也長期與這些(xie)頂尖高校的老師有合作。
5、美圖視覺大模型有哪些核心技術競爭力？
從AI三要(yao)素來看(kan)，數(shu)據(ju)方(fang)面(mian)，有專業設計(ji)師標(biao)注的(de)高(gao)質量數(shu)據(ju)，除了美(mei)圖(tu)設計(ji)師外(wai)，還有一些合作美(mei)院及藝(yi)術家參(can)與了數(shu)據(ju)的(de)標(biao)注與審核。算(suan)法方(fang)面(mian)，美(mei)圖(tu)已經在計(ji)算(suan)機(ji)視(shi)覺算(suan)法上有10多年的(de)積累。此外(wai)，美(mei)圖(tu)在美(mei)學方(fang)面(mian)擁有深(shen)厚基(ji)礎(chu)，導致其視(shi)覺大模型的(de)訓練效(xiao)果(guo)更佳。
算(suan)力(li)(li)也非常充足，美圖與頭部廠商合作。大模型訓(xun)練(lian)方面(mian)用(yong)了很(hen)多(duo)(duo)(duo)A100和A800的(de)計算(suan)卡，推理(li)方面(mian)用(yong)的(de)卡不太一(yi)樣(yang)(yang)，更多(duo)(duo)(duo)是(shi)V100、T10、A10等型號。在AI動(dong)漫或視頻類場景，推理(li)方面(mian)最多(duo)(duo)(duo)差不多(duo)(duo)(duo)能用(yong)到8000張卡。算(suan)力(li)(li)對美圖來(lai)說不是(shi)很(hen)大的(de)成本壓力(li)(li)。像AI動(dong)漫這樣(yang)(yang)的(de)產品(pin)，雖然(ran)用(yong)了很(hen)多(duo)(duo)(duo)卡，但通過(guo)單購和會員(yuan)的(de)方式，算(suan)下來(lai)還是(shi)能實(shi)現盈利(li)。
6、美圖在AIGC產品商業模式上會有哪些嘗試？
可滿足AIGC功能使用(yong)需求的購買美豆模(mo)式(shi)在9月(yue)初就上(shang)線(xian)了，目(mu)前運行比較良性，不過(guo)美圖有很多策略還沒上(shang)線(xian)，將逐(zhu)步展開，這(zhe)為訂閱(yue)提供(gong)了一個很好的補(bu)充(chong)，用(yong)戶可以先用(yong)美豆以極低的成本去嘗(chang)試生(sheng)成效果(guo)，如果(guo)發現可能長期需要這(zhe)樣的模(mo)型能力，再采用(yong)訂閱(yue)模(mo)式(shi)。
對于(yu)訂(ding)閱(yue)用(yong)戶(hu)，生(sheng)成數量是有一定限(xian)制的，如果超出限(xian)制范圍，用(yong)戶(hu)也可以通過美豆(dou)來(lai)追(zhui)加生(sheng)成內容。訂(ding)閱(yue)目前(qian)只有VIP和SVIP，未來(lai)不(bu)排除針對一些行(xing)業、專(zhuan)業需求去增加更高級別的會員。
訂閱和單購兩種模式相(xiang)輔相(xiang)成(cheng)，未來美圖也將就以美豆為代表的單購去(qu)做反復的策(ce)略(lve)驗證，短期內應該不(bu)會增(zeng)加其他新付費嘗試。
結語：未來，萬物皆可生成
吳欣鴻認為，對于(yu)各(ge)行各(ge)業的(de)從業者而言，AI視覺(jue)大模(mo)型帶來的(de)改變不止(zhi)限于(yu)視覺(jue)效(xiao)果的(de)提升，更重要的(de)價值的(de)是對工作(zuo)流的(de)改造和創(chuang)新。
當前，AI視覺大模型主(zhu)要被運(yun)用于(yu)生成各(ge)類藝術作品(pin)，包括繪(hui)畫(hua)、攝影和設計圖稿(gao)為主(zhu)，能展(zhan)現出初(chu)步的(de)效(xiao)果，但這只是起點。
未來AI視覺大(da)模型(xing)將承擔更多瑣碎、重(zhong)復的工作(zuo)，成為(wei)讓創作(zuo)者有更多時間和精力，去解放想象力，探索(suo)真正的創新(xin)與創造(zao)。
吳欣(xin)鴻相信AI的進化(hua)速度會很快(kuai)，將來，在AI的幫助(zhu)下，甚(shen)至萬物(wu)皆可生成。
