第一批被AI搶飯碗的設計師已經(jīng)出現了。

隨著(zhù)各個(gè)互聯(lián)網(wǎng)大廠(chǎng)紛紛發(fā)布如何將AI工具融入日常工作流中，美工、設計、原畫(huà)等眾多崗位紛紛出現了裁員爆料，毫無(wú)疑問(wèn)這一波AI浪潮的降本增效已經(jīng)真切開(kāi)始影響大家的飯碗了。

就在最近，海外一款名為ZMO.AI的生成式營(yíng)銷(xiāo)軟件，B端用戶(hù)月活迅速突破百萬(wàn)，ARR達到300萬(wàn)美金。

(資料圖片僅供參考)

△官網(wǎng)地址：https://background.zmo.ai/

看來(lái)，老營(yíng)銷(xiāo)人也逃不過(guò)這一波AI的失業(yè)潮了。

據悉，ZMO.AI旗下的AI背景生成生成, 只需商家上傳一張產(chǎn)品圖，便可以在100%保留產(chǎn)品細節的前提下，依據指令生成成千上萬(wàn)不同風(fēng)格的背景。

其逼真度堪比大片的商用場(chǎng)景圖，無(wú)論是光影還是清晰度，都完勝超過(guò)10年經(jīng)驗的PS大師。

它家的另一個(gè)產(chǎn)品Marketing Copilot，更是只需上傳一張產(chǎn)品圖，便可從拍攝、到海報制作、到后期投放優(yōu)化全部嵌入AI workflow的自動(dòng)化流程，利用AI強大的創(chuàng )造力和分析能力實(shí)現運營(yíng)秒秒鐘優(yōu)化。

這么開(kāi)箱即用的產(chǎn)品，讓不懂拍攝和PS的小老板也能上手。

△官網(wǎng)地址：https://background.zmo.ai/

實(shí)際上，ZMO.AI在營(yíng)銷(xiāo)生成領(lǐng)域扎根已久。

從2020年底便在服裝營(yíng)銷(xiāo)領(lǐng)域推出AI模特功能，和國內知名服裝品牌有眾多深入的成功合作。

此次Diffusion的大火，ZMO也在2022年9月趁勢推出了更廣泛受眾的AI內容生成產(chǎn)品ImgCreator.AI，并將營(yíng)銷(xiāo)人群作為主要服務(wù)對象，強化產(chǎn)品中背景生成、海報生成和數據優(yōu)化的AI能力，并為B端用戶(hù)提供Marketing Copliot的增值功能。

此舉為ZMO贏(yíng)得超過(guò)百萬(wàn)月活的高價(jià)值小B端用戶(hù)，并且用戶(hù)付費意愿強烈，傳來(lái)迅速達到300w美金ARR的喜訊。

生成的產(chǎn)品貨不對板？

和其他純玩目的的AI繪畫(huà)C端用戶(hù)不同，B端的用戶(hù)面對的是非常專(zhuān)業(yè)的場(chǎng)景，無(wú)論是對質(zhì)量的要求，還是對可控性、準確性的要求和C端用戶(hù)相比都極高，這也許也是類(lèi)似于ZMO這樣專(zhuān)業(yè)化的AI內容產(chǎn)品能獲得成功的原因。

Rowdy 是英國創(chuàng )業(yè)公司e-Bike的CEO, 他們是一個(gè)不到10人的小團隊，旗下產(chǎn)品e-bike主打電動(dòng)自行車(chē)防盜系統。

據Rowdy介紹，對于小公司而言，網(wǎng)站搭建和博客撰寫(xiě)所需要的大量素材非常昂貴，AIGC的出現大大解放了他們的生產(chǎn)力。

不過(guò)Rowdy發(fā)現大量的AIGC網(wǎng)站往往是藝術(shù)美學(xué)風(fēng)格，和他所需要的真實(shí)照片風(fēng)格相去甚遠，而ZMO.AI的真實(shí)照片風(fēng)格逼真度非常高，并且分辨率可以達到4/8K， 完全看不出來(lái)是AI生成的圖片了。

這半年來(lái)，Rowdy的團隊一直在用ZMO的產(chǎn)品為網(wǎng)站設計和公司博客配圖，每周能生成200多張照片。

據Rowdy描述：

相比于價(jià)格高昂的拍攝來(lái)說(shuō)，二十幾英鎊的軟件費用簡(jiǎn)直太劃算了。

△圖為Rowdy使用ZMO.AI生成素材后的公司網(wǎng)頁(yè)

Nila是一家跨境電商的負責人，他們的戶(hù)外沙發(fā)在歐美地區增長(cháng)非常迅速，不過(guò)她也遇到了營(yíng)銷(xiāo)的難點(diǎn)。

對于沙發(fā)這種大件拍攝是一件非常痛苦的事情，因為不僅運輸成本很高，搭建拍攝場(chǎng)景同樣又慢又貴。

于是Nila團隊聘請了許多美工人員，通過(guò)P圖的方式來(lái)完成素材的制作。

然而頭疼的點(diǎn)也隨之而來(lái)， 雖然Nila團隊雇傭了許多外包的修圖師，但想要P出非常真實(shí)的效果，往往需要10年以上的經(jīng)驗，而修圖師的水平參差不齊，使得P圖效果以及數據表現都和原圖差距很大。

經(jīng)過(guò)圈內好友介紹，Nila開(kāi)始使用ZMO.AI的文字P圖，她發(fā)現僅僅輸入一段文字，照片就可以毫無(wú)P圖痕跡的按照指令修改，完全不需要任何高門(mén)檻的工具學(xué)習或者經(jīng)驗，她這個(gè)小白也能成P圖大師。

P出來(lái)的圖非常自然，完全看不出來(lái)是P過(guò)的，數據表現也比之前好很多。

在使用ZMO.AI的產(chǎn)品前，Nila每天會(huì )花大量的時(shí)間和修圖師反饋，前前后后要磨好幾天才能上線(xiàn)比較好的效果?！叭f(wàn)一內容表現不好，還需要重新P，這里的時(shí)間和金錢(qián)消耗都不小?！?/p>

△https://background.zmo.ai/

和Nila不同，Nick是美國一家專(zhuān)業(yè)營(yíng)銷(xiāo)代理的營(yíng)銷(xiāo)經(jīng)理,，負責幫助廣告主搭建官方社媒賬號和設計廣告素材。

Nick的客戶(hù)既有線(xiàn)上電商客戶(hù)，也有傳統實(shí)業(yè)甚至餐飲行業(yè)的用戶(hù)。

尤其是疫情之后，所有商家都離不開(kāi)線(xiàn)上營(yíng)銷(xiāo)，但高質(zhì)量素材確實(shí)是一個(gè)難題。

Nick如是說(shuō)到。

AIGC的出現確實(shí)給這個(gè)行業(yè)帶來(lái)了很大的變革，然而Nick發(fā)現網(wǎng)上盛傳的Midjourney或者很多其他的AIGC產(chǎn)品完全滿(mǎn)足不了他的需求，因為生成的圖片中產(chǎn)品的細節會(huì )變化，無(wú)法100%保持原樣。

Nick說(shuō)：

乍一眼看是差不多的，但仔細比對發(fā)現花紋、logo、材質(zhì)都不完全一致，貨不對板商家是肯定不會(huì )使用的。

Nick在twitter上發(fā)現ZMO.AI這款軟件不僅可以完全保持產(chǎn)品的所有細節，還可以逼真的生成光影，無(wú)論從分辨率還是真實(shí)度上都能完全滿(mǎn)足運營(yíng)人員的需求，這是其他AIGC軟件所無(wú)法達到的。

△https://background.zmo.ai/

不僅如此，讓Nick最為驚嘆的是ZMO的Marketing Copilot功能完全重新定義的營(yíng)銷(xiāo)人的工作流。

只需要上傳產(chǎn)品圖，從拍攝，到海報，到內容優(yōu)化，全能自動(dòng)化搞定！真實(shí)一個(gè)成熟的AI,能自己做營(yíng)銷(xiāo)了，哈哈

Nick將客戶(hù)以前數據表現良好的素材上傳到了Marketing Copilot訓練了自己的專(zhuān)有化生成模型，這樣模型的輸出就能更符合自己客戶(hù)的受眾喜好和品牌調性。

Marketing Copilot的模型往往會(huì )先需要1-2周的內容方向自適應調教，反復進(jìn)行生成素材——數據反饋——素材優(yōu)化的流程，之后特有模型根據指令以及品牌調性自動(dòng)生成符合受眾喜愛(ài)的營(yíng)銷(xiāo)圖片，在這個(gè)過(guò)程中來(lái)自高質(zhì)量營(yíng)銷(xiāo)數據的反饋功不可沒(méi)，并且這些數據是私密的，商家完全有控制權。

在Nick看來(lái)Marketing Copilot不再是一個(gè)簡(jiǎn)單的內容生成工具，而是改變營(yíng)銷(xiāo)流程的一整套解決方案，通過(guò)AI更強的分析能力和生成能力，極大的縮短營(yíng)銷(xiāo)各個(gè)環(huán)節的消耗和協(xié)作生產(chǎn)，并以最終數據為導向24小時(shí)不停歇的優(yōu)化整個(gè)營(yíng)銷(xiāo)內容。

Nick表示團隊確實(shí)AI出現后在考慮縮減一部分營(yíng)銷(xiāo)人員，因為當團隊熟悉Marketing Copilot這個(gè)新的工作流之后，每一個(gè)SKU的出圖量從原來(lái)的不到10張瞬間暴漲到200張，并且開(kāi)始借助Marketing Copliot大量進(jìn)行AB測試和迭代，將原來(lái)三四個(gè)月的優(yōu)化周期縮短到了2-3周，銷(xiāo)售額更是增長(cháng)了3倍。

△https://background.zmo.ai/

終極的AI workflow到底應該是什么樣的，當下下結論為時(shí)尚早，但很可能不只是一個(gè)空白文本框，后面還連著(zhù)一個(gè)不屬于你的API。當下對于創(chuàng )業(yè)公司更重要的是做出能解決商家痛點(diǎn)的產(chǎn)品和用戶(hù)一起不斷迭代，而非空談和迭代demo視頻。

特定場(chǎng)景下更需要專(zhuān)門(mén)優(yōu)化的大模型

ZMO.AI的驚人增長(cháng)，不禁讓人聯(lián)想到了TypeFace和Adobe這兩家公司。

和火爆的OpenAI、Stability AI這些做通用大模型的公司不同，TypeFace、ZMO、Adobe都不約而同選擇了有應用場(chǎng)景的垂類(lèi)大模型方向進(jìn)行產(chǎn)品打造。

市面上有一種普遍的觀(guān)點(diǎn)，認為未來(lái)所有行業(yè)都將被極少數通用AI大模型主導。那么這種應用場(chǎng)景的垂類(lèi)大模型還是否有進(jìn)一步的意義呢？顯然，這幾家公司給出了不同的觀(guān)點(diǎn)。

Typeface雖然是一家2022年6月才成立的初創(chuàng )公司，但它的創(chuàng )始人卻是大名鼎鼎的Adobe前CTO—Abhay Parasnis，也在創(chuàng )立之初就獲得了來(lái)自谷歌風(fēng)投、微軟風(fēng)投和光速的6500萬(wàn)美元的投資。

除了明星創(chuàng )始團隊，Typeface讓人印象最深刻的就是針對大型品牌，創(chuàng )建基于企業(yè)品牌定位和受眾目標而生成的個(gè)性化文字及圖像內容。

和面向大眾的通用內容生成不同，大品牌對于品牌調性以及內容可控性的要求無(wú)法通過(guò)直接調用Stable Diffusion達到。

Parasnis表示：

對于一家公司來(lái)說(shuō)，最基本的一個(gè)問(wèn)題是其數據和品牌形象的安全。每個(gè)企業(yè)都希望確保自己不會(huì )在不經(jīng)意間創(chuàng )造出不準確、剽竊或冒犯性的內容，導致自己的聲譽(yù)受損。

目前Typeface通過(guò)個(gè)性化訓練的品牌獨有模型以及內容審查算法幫助這些大品牌解決上述痛點(diǎn)。

而設計界鼻祖Adobe也在前段時(shí)間發(fā)布了自家的AIGC產(chǎn)品Firefly。

面對設計師丟掉飯碗的擔憂(yōu)，Adobe提出“并非替代，而是賦能”的口號，并在更加專(zhuān)業(yè)的設計層面給出了可實(shí)用落地的AIGC功能。

比如生成矢量的功能，只需要一張草圖，就可以生成自定義向量，這對于設計師而言非常的實(shí)用。

但普通的AIGC生成器往往是一個(gè)整體平面圖生成，無(wú)法真正生成矢量和圖層。

然而Adobe2022年10月就在發(fā)布會(huì )上提到會(huì )將AIGC的能力嵌入PS內，目前尚未落地植入，Firefly上的許多功能點(diǎn)也都還處于開(kāi)發(fā)中，可想而知要將Firefly集成到Adobe復雜的工具生態(tài)中還是一項非常浩大的工程。

與Typeface、Adobe相似，ZMO.AI同樣也是面向專(zhuān)業(yè)用戶(hù)的垂類(lèi)大模型，只不過(guò)ZMO的用戶(hù)群體更多的是營(yíng)銷(xiāo)方向的小B。

在ZMO.AI的聯(lián)合創(chuàng )始人馬里千看來(lái)，雖然基礎大模型在許多任務(wù)上可以表現出平均人類(lèi)的水平，但它們在特定垂直領(lǐng)域中表現不佳。

這是因為這些領(lǐng)域的領(lǐng)域知識不是常識，相關(guān)數據也不容易公開(kāi)獲取。

例如，ZMO為了完整的保留產(chǎn)品細節會(huì )需要用到自研的高精度摳圖算法。摳圖是一項復雜的視覺(jué)任務(wù)，它涉及準確估計每個(gè)像素的 alpha 值，以從圖像和視頻中提取前景對象。

這可能會(huì )因為復雜的背景、光照條件和物體透明度等因素而具有挑戰性。

此外，這項任務(wù)的標注是困難、特定和昂貴的，ZMO花費了一年的時(shí)間和高昂的成本才獲得這些高精度的標注數據。

馬里千表示：

在我們的使用案例中，我們可能會(huì )專(zhuān)注于摳圖特定對象（例如產(chǎn)品），這不是大型基礎模型的優(yōu)勢所在。

從Typeface、Adobe和ZMO的產(chǎn)品中不難看出，大模型終究是需要細分場(chǎng)景的數據和規則的，在特定場(chǎng)景中需要大量專(zhuān)門(mén)優(yōu)化通用大模型來(lái)提升生成質(zhì)量，并且符合這個(gè)專(zhuān)業(yè)場(chǎng)景的可控輸入和輸出才能真正的落地使用。

創(chuàng )始人：圖像生成質(zhì)量已到達拐點(diǎn)

為了更深入了解ZMO.AI瘋狂增長(cháng)背后的秘訣，ZMO的創(chuàng )始人張詩(shī)瑩進(jìn)行了一次專(zhuān)訪(fǎng)，以下是對話(huà)內容：

Q1：AIGC這一年以來(lái)不僅涌入眾多創(chuàng )業(yè)公司，還有許多大廠(chǎng)下場(chǎng)，您認為什么是創(chuàng )業(yè)公司的機會(huì )呢？

Zsy：在我看來(lái)目前AI公司是有生態(tài)分層的，大模型層、純應用層和垂類(lèi)大模型層。

大模型層就像操作系統，是屬于少數人的機會(huì )，更適合大廠(chǎng)或者大佬這種有雄厚財力人力的玩家，創(chuàng )業(yè)公司更適合后兩類(lèi)。

而純應用層在底層大模型不斷變動(dòng)的時(shí)代壁壘很低，可持續性不強。垂類(lèi)大模型是我們堅定的方向，這類(lèi)的公司比如Character.AI、Midjourney、Typeface、ZMO。

垂類(lèi)大模型公司通過(guò)搭建端到端的工程棧，覆蓋模型的研發(fā)、訓練、數據、應用整條價(jià)值鏈，這類(lèi)公司的產(chǎn)品并不依賴(lài)第三方API，迭代非常迅速并且能很好地利用應用側用戶(hù)的數據反饋形成數據飛輪。

比如ZMO就將我們應用端大量的高價(jià)值用戶(hù)反饋數據和模型完全打通，通過(guò)數據飛輪對垂類(lèi)大模型的內容生成方向進(jìn)行重要的引導和優(yōu)化，并積累自己的專(zhuān)有數據集。

Q2：垂類(lèi)大模型難道不會(huì )很快就被通用大模型取代嗎？ZMO的模型有多大？

Zsy：我并不認為垂類(lèi)大模型和通用大模型是一個(gè)對立的概念，相反我認為垂類(lèi)大模型是可以站在通用大模型的肩膀上進(jìn)一步優(yōu)化專(zhuān)業(yè)領(lǐng)域的模型。

對于非常細碎，需求個(gè)性化的C端場(chǎng)景，通用大模型會(huì )更合適；然而像營(yíng)銷(xiāo)這種非常專(zhuān)業(yè)的toB場(chǎng)景，AIGC產(chǎn)品不會(huì )是簡(jiǎn)單的一個(gè)對話(huà)框和后面的第三方API組成。

因為專(zhuān)業(yè)場(chǎng)景對于可控性、準確度以及質(zhì)量的要求極高，這必然會(huì )是一個(gè)復雜的系統結構，需要在通用大模型的基礎上進(jìn)行專(zhuān)門(mén)的模型優(yōu)化才能符合營(yíng)銷(xiāo)場(chǎng)景的需求。

我們的模型參數量是SD的3倍——有2.3B，當然我們還在不斷利用用戶(hù)反饋進(jìn)行RLHF優(yōu)化，50臺機器同時(shí)做優(yōu)化訓練，保持每月一迭代版本的速度。

Q4：Midjourney和你們已經(jīng)盈利了，文生圖公司盈利的可能性相對于其他類(lèi)型的大模型公司是不是更高？

Zsy：我不是非常了解其他大模型領(lǐng)域，所以不便評論。然而對于CV的AIGC領(lǐng)域，我認為確實(shí)生成質(zhì)量已經(jīng)到達了拐點(diǎn)，這也解釋了為什么付費用戶(hù)會(huì )大量持續增長(cháng)。

對于我們的用戶(hù)而言，生成的內容能給他們切切實(shí)實(shí)的降本增效，甚至能提高收入，他們以前拍攝動(dòng)則幾萬(wàn)美金，而現在幾十刀的訂閱費就解決了，所以我們的付費用戶(hù)很快漲到了2萬(wàn)個(gè)。

Q5：您認為ZMO的優(yōu)勢是什么？

Zsy：首先ZMO在生成式營(yíng)銷(xiāo)領(lǐng)域積累了2年半，對于這個(gè)領(lǐng)域的know how和用戶(hù)痛點(diǎn)有深刻的認知。

比如用戶(hù)對于產(chǎn)品細節不能貨不對板的需求，比如拍攝和PS費時(shí)費力的痛點(diǎn)等等，所以我們才能搭建起來(lái)深刻綁定營(yíng)銷(xiāo)AIGC原生workflow的產(chǎn)品。

其次我們擁有大量營(yíng)銷(xiāo)領(lǐng)域的專(zhuān)業(yè)數據，比如我們積累的6000萬(wàn)高清真實(shí)照片數據集用于訓練超高分辨率的逼真照片，比如我們積累的海量alpha摳圖數據集等等。

最后一點(diǎn)是我們搭建并驗證跑通的專(zhuān)業(yè)營(yíng)銷(xiāo)用戶(hù)的RLHF反饋系統，這種高質(zhì)量的專(zhuān)業(yè)用戶(hù)數據反饋是比較高的商業(yè)數據壁壘，屬于特定行業(yè)私有數據，通過(guò)這種反饋才能在細粒度參數下不斷優(yōu)化內容生成方向。

Q6：如何應對大廠(chǎng)的競爭？

Zsy：我認為競爭是在所難免的，不過(guò)目前大廠(chǎng)推出的功能在我看來(lái)更多是防御性反應，做的應用仍搭載在現有業(yè)務(wù)上，只針對有技術(shù)和愿意付高價(jià)的一小部分人做了一些附加功能；而像我們這樣的AIGC初創(chuàng )公司從一開(kāi)始就在新的內容創(chuàng )作范式框架下去創(chuàng )造產(chǎn)品，構建完全不同于傳統工作流的AI Native Apps。

大廠(chǎng)是否能做出強大的新一代AI產(chǎn)品還是要看能不能革自己的命吧。

Zsy：我非常喜歡和用戶(hù)聊天，每天會(huì )花2個(gè)小時(shí)閱讀用戶(hù)的反饋，很多用戶(hù)的痛點(diǎn)都是在這當中發(fā)現的。

我認為早期看數據很難看出來(lái)真正的痛點(diǎn)，因為巨大的流量中既有我們目標用戶(hù)，也有大量純”玩”的用戶(hù)，所以找到大量的目標用戶(hù)觀(guān)察他們的使用，和他們聊天就成了我日常必備，當然我也經(jīng)常會(huì )去拜訪(fǎng)客戶(hù)的公司，和不同環(huán)節的營(yíng)銷(xiāo)人員交朋友。

本文作者：允中，本文來(lái)源：量子位，原文標題：《爆火AIGC產(chǎn)品卷翻海外營(yíng)銷(xiāo)：AI一鍵搞定美工和拍攝，摳圖PS設計樣樣精通，月活迅速破百萬(wàn)》

風(fēng)險提示及免責條款 市場(chǎng)有風(fēng)險，投資需謹慎。本文不構成個(gè)人投資建議，也未考慮到個(gè)別用戶(hù)特殊的投資目標、財務(wù)狀況或需要。用戶(hù)應考慮本文中的任何意見(jiàn)、觀(guān)點(diǎn)或結論是否符合其特定狀況。據此投資，責任自負。

關(guān)鍵詞：