造“风”的AIGC，“吹灭”了元宇宙？

来源：智能相对论，作者：青月

从科幻小说《雪崩》里走出来的元宇宙，如今正在上演“地价雪崩”。

CoinGecko的一项调查显示，Otherdeed for Otherside、The Sandbox、Decentraland、Somnium Space和Voxels Metaverse 这五款知名元宇宙土地价格近期均出现了不同程度的下滑。

其中，歌手林俊杰曾耗资12.3万美元在Decentraland购买的3块虚拟地产，如今只值1万美元左右，浮亏91%。

（图源：CoinGecko）

“地价雪崩”是元宇宙整体热度退潮最明显的表象之一。除此之外，海内外大厂对元宇宙的“注意力”也大不如前。

All in元宇宙的Meta的RealityLabs在2022年共亏损137.17亿美元，较2021年亏损扩大34.57%；曾经的元宇宙第一股Roblox，市值一年时间蒸发约600亿美金；腾讯也宣布XR全线岗位取消。

因为海内外大厂们，已经不约而同的被AIGC吸引了目光。

在海外，微软旗下Office、Azure云服务等所有产品都将全线整合ChatGPT，谷歌也发布基于谷歌LaMDA大模型的下一代对话AI系统Bard。聚焦国内，百度官宣正在研发的大模型类项目“文心一言”，阿里巴巴、京东等中国企业也表示正在或计划研发类似产品。

那么，随着基于深度学习的自然语言处理技术不断发展，未来以文心一言和ChatGPT为代表的生成式AI大模型，是否会进一步挤压元宇宙的生存空间？

AIGC不想与元宇宙为敌？

元宇宙和AIGC之间，绝不是彼之所得必为我之所失的“零和博弈”，反而更像是一场“正和博弈”。

毕竟，元宇宙是在5G通信、人工智能、机器人、互联网、区块链等众多先进技术聚合下，形成的新型数字生态。在元宇宙这个数字生态中，AI原本就是支撑体验的底层技术之一。

从这个层面来看，以文心一言和ChatGPT为代表的生成式AI大模型的出现和成熟，只会进一步“催熟”元宇宙。

其一，AIGC可以为元宇宙注入“体验灵魂”。

以XR和数字人为例，如果将元宇宙看作一个大型MMORPG游戏，那么虚拟数字人就像是游戏中的NPC和玩家，而XR则是链接玩家与游戏之间的通道，没了“通道”和“玩家”，这场游戏也就失去了“灵魂”。

然而，以目前XR和数字人的技术水平，显然还不足以撑起元宇宙的“故事”。要知道，截至目前为止，虚拟数字人的技术不够智能，也不支持有记忆的连续对话；VR也面临内容匮乏、眩晕感难以克服的困境。

不过当XR和虚拟数字人“接入”AIGC之后，不仅可以优化虚拟数字人的语言交互功能，还可以让虚拟数字人的知识图谱也从单一领域走向综合领域；XR硬件也可以在系统层等多个环节中调用ChatGPT相关功能，AR内容的交互方式或许将会迎来新的变化。

考虑到这一点，目前至少有十余家虚拟数字人厂商宣布其虚拟数字人产品接入ChatGPT接口，与此同时，李未可、Rokid、雷鸟创新、影目等多家国内的AR眼镜创企都已经开始尝试将ChatGPT融入其产品中。

其二，AIGC能助力元宇宙内容创作生态的形成。

虽然目前以ChatGPT为代表的生成式AI主要以文本、图片生成等2D信息为主，但可以预见到的是，随着大模型迭代速度不断加快，生成式AI将会很快涉及到3D领域。

届时，AIGC或许将大大提高内容生成的效率，降低成本，为构建元宇宙这一更为宏大的场景提供工具支撑。

举一个简单的例子，在“完全体”的元宇宙游戏中，至少要达到《头号玩家》里绿洲的水平，那么必然需要搭建更多元、更精细的场景。业内人士曾估算过，如果要考虑到视觉效果，专业画师一张图的成本可能在5000元至1万元，那要搭建一个完整的世界所需要的资金将会是一个天文数字，绝非一两家互联网企业可以负担。 

在这样的市场环境下，AIGC作为继PGC、UGC之后的新型内容创作方式，采用人工智能技术来自动生产内容，一张图的成本可以降至4毛，甚至更低，并且效率更高。比如在NVIDIA instant-ngp和tiny-cuda-nn的帮助下，网易瑶台神经隐式曲面建模的速度从一开始的10个小时，优化到了10到20分钟，相比传统MAYA类手工建模效率提升百倍。

结合这些特点，「智能相对论」认为，即便当下AIGC热度大爆，但元宇宙正在失去往日的讨论度，但AIGC并不是来与元宇宙的抢热度甚至拿走“饭碗”的。反而，两者之间存在的是一种正向的线性关系，生成式AI技术的成熟，将会为元宇宙带来突破性机遇。

元宇宙是“真崩盘”还是“假熄火”？

AIGC会在未来元宇宙的搭建中扮演着重要的角色，但不可否认的是，元宇宙如今进入“阵痛期”，与AIGC的出现与发展有着密不可分的关系。

一个显而易见的现实问题就是，在元宇宙与AIGC这两个高强度的赛场，还没有什么企业能够“财大气粗”地同时入场。

要想跑通一次100亿以上参数量的模型，至少要做到“千卡/月”这个级别，按照一张GPU五万元的均价计算，1000张GPU意味着单月5000万的算力成本。