随着当今科技的快速发展，AI被认为是引领未来的核心技术之一。AI的应用已经渗透到各个领域，为我们的生活带来了巨大的变革和创新。在工具/泛娱乐/游戏/电商等多条赛道，AI大模型技术均呈现出加速落地的态势。
AI时代已经到来，我们不禁要思考它将如何发展并带来怎样的创新应用，投射到出海行业，AI又该如何与新的趋势、不同地区的市场需求相结合？
为了助力出海从业者们精准把握AI新趋势，腾讯云、AppLovin携手扬帆出海主办，Flat Ads作为合作伙伴的“AI+未来式 工具创新增长”主题出海趋势峰会邀请到APUS 副总裁 明理、测测集团 创始人&CEO 任永亮、腾讯云 高级解决方案架构师 魏子瑞、AppLovin 大中华区非游行业销售总监 Vanessa Liu作为演讲嘉宾分享实操干货。
同时，也邀请到大觥科技 CEO 黄硕、VAST CMO Sienna、大观资本 泛娱乐投资负责人 黄枫惠、腾讯云 社交娱乐行业首席架构师 章烨明、Flat Ads 商务VP 曹立平作为圆桌嘉宾，共同探讨AI+工具的新场景、新玩法。
PART.1《AI已来，AI重塑工具全球化新思路》
AI的涌现和发展是非常迅速的，去年我们讨论最多的是AIGC，而今年OpenAI又发布了自己的Sora模型，这也标志着AGI时代的快速到来。
通过Sora，往往需要花费大量时间和成本才能创作出的视频，仅凭借一句话就能够生成出来，这反映了AIGC的重要能力。一是模型层面，Sora跟GPT不是同一个模型，Sora的出现会让人无法区分世界和虚拟世界，Sora要构建、渲染的是一个真实的物理世界。二是AI行业发展路线，纵览AI的发展历史，可以看到“代码-参数-算力”这一清晰的路径。未来人工智能的竞争格局一定是算力的竞争，掌握算力的人更可能建造出AIGC的壁垒。
基于这些观察，可以看到目前全球AI应用市场发生了较大改变，根据第三方平台披露的数据显示，2023年AI类应用整体下载量和首日增长都很高，但它的整体盘子并不算大，Q4大约只有5亿美金左右收入，以《ChatGPT》为代表的AI+Chatbot领域应用数量最多，竞争十分激烈，2023年收入约占整个AI赛道收入的20%。此外，这些AI产品中有部分不是单纯的原生AI产品，如果只基于原生AI产品计算收入的话，那目前的数据尚且无法衡量真实的AI价值表现。
在All in AI之前，APUS是长期做全球化服务的互联网企业，在APUS转型人工智能时，制定了为中国定制的人工智能大模型，积极构建人工智能生态，让大模型应用和价值创造接轨的AI战略。
此外，APUS还提供不止于AI大模型的能力输出，通过产业联运与投资赋能，积极构建更加富有生命力的生态循环。
为什么要这样做？APUS的整体思路是立足于应用，突破算法，跳出算力的陷阱。算法、算力、应用生态之中，算法和应用生态重点跟进，在算力层面的策略则是建立基础算力，跳出算力陷阱。
大模型训练需要大量的算力、数据和场景支持，根据AI发展现状与未来趋势判断，APUS绘制了AI大模型架构的「五层金字塔」：
以海量数据和算力为基础训练出通用大模型，再精炼出文本、图像、视频、音频垂直应用能力，随后通用大模型作为基座，把技术和服务能力开源开放给电商、医疗、制造、教育等领域，与千行百业合作共建应用场景，形成行业适配的应用层大模型。于此之上，再衍生出满足B端、C端、G端用户的AI应用。
过去10年 ，APUS为全球200多个国家和地区提供了200多款移动应用，为24亿用户提供了25种语言的服务，这给APUS大模型的训练带来源源不断的全球高质量数据投喂。同时，APUS在国内郑州和新加坡建立了两大算力中心，为APUS大模型和海外产品同时提供算力支持。
除此之外，APUS还与腾讯等厂商联动，提供多种算力组合与弹性扩容方案，帮助企业与开发者实现研发迅速落地、大幅降低成本，让灵活的产业协同聚力生态实现价值落地。
传统的移动互联网LUI流程是用户做一个测试，根据测试生成解析，进而生成一个报告，告诉你MBTI类型是什么，实际上这是一个一次性的活动，用户通过这一过程获得了想要的就会离开这一产品。所以工具类产品的留存普遍偏低。LUI的改造能够带给内容型工具产品新的机遇，改造后的LUI生成的是知识库，结合用户提供的内容，能够给出更多个性化的玩法，比如能衍生出一些可互动的内容，进而弥补传统工具型产品的缺点。
那么LUI带来了哪些挑战？首先是对话的形式，虽然个性化程度高，但用户与其的交互成本还是较高，尤其对于东亚用户来说，要看MBTI的类型对E人是一种享受，对I人来说就是比较大的负担，把整个产品改造成LUI模式，用户如何破冰是需要解决的问题。包括如何建立数据壁垒，也都是测测目前正在探索的方向。
根据我们的经验，如果在AI领域中进行再创业，一定需要找到更本质的需求，AI并不能代替需求本身。如类似Character.ai的AI对话类产品，我们经过市场调研发现，对话只是一种形式上的创新，本质还是因为同人文化存在。因此在投资或创建新项目时，要思考原来对应的需求是什么，AI在其中能起到什么样的加速作用。对于大多数公司来说，算法本身的创新是非常难的。创业者需要调整对于未来的期望，原因有以下几点，一是融资驱动的中国移动互联网创业模式已经终结；二是非明星公司的底层大模型创业之路也已经终结，它所需要的算力、资源、人才壁垒很高，只能走应用的路线；三是降本增效的AI落地已经过验证，虽然想象力有限，但未来的空间是无限的。
我认为有几个方向值得关注：首先，VisionPro+SD+Sora可能是新的空间；其次，由于中国有很强的硬件供应链优势，因此未来硬件设备与具身智能也非常值得探索；最后，未来有更多人会考虑健康生存，因此AI与生物信息学结合也具有一定空间。
总而言之，AI的创业周期才刚刚开始，一切皆有可能。
视觉AI技术与应用正发生着快速演进，主要围绕扩散模型技术作为基础的生态。如果将SD整个生态做划分，可以简单分为四个部分，它的基础模型围绕扩散模型演进，最早诞生的是SD1.1，最早进入大家视野的是1.4，直到1.5开始爆发，在今年Q1，开源社区的SD已经推出了SD3。而在2023年，还有SDXL，包括在Sora之前，也有视频的模型SVD，但SVD受限于多种因素只能生成4秒的时长。
在这一基础模型上，还有很多基于模型构建的训练模型，包括使用最广泛的ControlNet这一图生图技术模型，以及LoRA（最早应用的大语言模型）也能够适用于SD绘图。
除此之外，广大社区爱好者、参与者也会基于这些基础模型去训练出成千上万的风格独特的模型。这些SD基础模型的演进目的是为了提高出图的效果、质量，以及降低出图成本，但如何将这些模型使用起来，需要基础框架。在实际应用当中，大量复杂应用场景需要结合到成千上万的模型中，这就需要一个很好的框架将其进行串联，把模型应用组合在一起，如SD-WebUI、Diffusers、Fooocus、Forge等就能够帮助用户降低使用门槛。
其中，SD-WebUI应用最广，它除了有提示词外，还有反应提示词，能够更好地确保出图质量。但SD-WebUI也有一些局限，比如无法自己做任务调度，不会对SD出图的推理以及提示词做优化，这些缺陷就需要云厂商或伙伴客户做一些额外的工作去弥补。
腾讯云在AI绘图领域能够提供的解决方案涉及到IaaS、PaaS、SaaS。
技术实力强、有自研大模型的客户可以选择IaaS自建，腾讯云能够提供GPU算力、TKE容器集群、TCR镜像仓库、CFS文件存储能力等；在早期创业阶段、需要快速搭建起自己的AI应用，但人力和成本有限的客户则可以选择PaaS平台或直接通过SaaS服务一键式调入接口，完成应用的搭建。
腾讯云的文件存储可以做到GB级的吞吐带宽，帮助客户秒级把模型权重加载到容器中实现快速的应用适配。除此之外，对于出图速度和显存消耗这两个推理优化最具代表性的指标也有显著的提升效果，能够带来显著的模型优化和算子优化，在模型切换时也能够快速缩短切换带来的空白期，实现推理速度的优化。
对于出图推理本身，海内外不同环境都要注意对内容安全的把控以及内容审核，腾讯云的方案中也能够覆盖图片/文本审核以及提示词翻译等。
总结而言，整个AI绘图技术生态非常活跃，能够看到不断有各种各样的新技术、新框架、新模型出现，通过IaaS自建、PaaS平台以及SaaS服务，腾讯云都能够帮助客户低门槛、低成本地快速搭建应用，实现用户快速增长。
