第一批被AI搶飯碗的設(shè)計師已經(jīng)出現(xiàn)了。

隨著各個互聯(lián)網(wǎng)大廠紛紛發(fā)布如何將AI工具融入日常工作流中，美工、設(shè)計、原畫等眾多崗位紛紛出現(xiàn)了裁員爆料，毫無疑問這一波AI浪潮的降本增效已經(jīng)真切開始影響大家的飯碗了。

就在最近，海外一款名為ZMO.AI的生成式營銷軟件，B端用戶月活迅速突破百萬，ARR達到300萬美金。

(資料圖片僅供參考)

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

看來，老營銷人也逃不過這一波AI的失業(yè)潮了。

據(jù)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(jié)的前提下，依據(jù)指令生成成千上萬不同風格的背景。

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

它家的另一個產(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的自動化流程，利用AI強大的創(chuàng)造力和分析能力實現(xiàn)運營秒秒鐘優(yōu)化。

這么開箱即用的產(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/

實際上，ZMO.AI在營銷生成領(lǐng)域扎根已久。

從2020年底便在服裝營銷領(lǐng)域推出AI模特功能，和國內(nèi)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(nèi)容生成產(chǎn)品ImgCreator.AI，并將營銷人群作為主要服務(wù)對象，強化產(chǎn)品中背景生成、海報生成和數(shù)據(jù)優(yōu)化的AI能力，并為B端用戶提供Marketing Copliot的增值功能。

此舉為ZMO贏得超過百萬月活的高價值小B端用戶，并且用戶付費意愿強烈，傳來迅速達到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C端用戶不同，B端的用戶面對的是非常專業(yè)的場景，無論是對質(zhì)量的要求，還是對可控性、準確性的要求和C端用戶相比都極高，這也許也是類似于ZMO這樣專業(yè)化的AI內(nèi)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, 他們是一個不到10人的小團隊，旗下產(chǎn)品e-bike主打電動自行車防盜系統(tǒng)。

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

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

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

據(jù)Rowdy描述：

相比于價格高昂的拍攝來說，二十幾英鎊的軟件費用簡直太劃算了。

△圖為Rowdy使用ZMO.AI生成素材后的公司網(wǎng)頁

Nila是一家跨境電商的負責人，他們的戶外沙發(fā)在歐美地區(qū)增長非常迅速，不過她也遇到了營銷的難點。

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，搭建拍攝場景同樣又慢又貴。

于是Nila團隊聘請了許多美工人員，通過P圖的方式來完成素材的制作。

然而頭疼的點也隨之而來， 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(shù)據(jù)表現(xiàn)都和原圖差距很大。

經(jīng)過圈內(nèi)好友介紹，Nila開始使用ZMO.AI的文字P圖，她發(fā)現(xiàn)僅僅輸入一段文字，照片就可以毫無P圖痕跡的按照指令修改，完全不需要任何高門檻的工具學習或者經(jīng)驗，她這個小白也能成P圖大師。

P出來的圖非常自然，完全看不出來是P過的，數(shù)據(jù)表現(xiàn)也比之前好很多。

在使用ZMO.AI的產(chǎn)品前，Nila每天會花大量的時間和修圖師反饋，前前后后要磨好幾天才能上線比較好的效果。“萬一內(nèi)容表現(xiàn)不好，還需要重新P，這里的時間和金錢消耗都不小?！?/p>

△https://background.zmo.ai/

和Nila不同，Nick是美國一家專業(yè)營銷代理的營銷經(jīng)理,，負責幫助廣告主搭建官方社媒賬號和設(shè)計廣告素材。

Nick的客戶既有線上電商客戶，也有傳統(tǒng)實業(yè)甚至餐飲行業(yè)的用戶。

尤其是疫情之后，所有商家都離不開線上營銷，但高質(zhì)量素材確實是一個難題。

Nick如是說到。

AIGC的出現(xiàn)確實給這個行業(yè)帶來了很大的變革，然而Nick發(fā)現(xiàn)網(wǎng)上盛傳的Midjourney或者很多其他的AIGC產(chǎn)品完全滿足不了他的需求，因為生成的圖片中產(chǎn)品的細節(jié)會變化，無法100%保持原樣。

Nick說：

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

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

△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銷人的工作流。

只需要上傳產(chǎn)品圖，從拍攝，到海報，到內(nèi)容優(yōu)化，全能自動化搞定！真實一個成熟的AI,能自己做營銷了，哈哈

Nick將客戶以前數(shù)據(jù)表現(xiàn)良好的素材上傳到了Marketing Copilot訓練了自己的專有化生成模型，這樣模型的輸出就能更符合自己客戶的受眾喜好和品牌調(diào)性。

Marketing Copilot的模型往往會先需要1-2周的內(nèi)容方向自適應(yīng)調(diào)教，反復進行生成素材——數(shù)據(jù)反饋——素材優(yōu)化的流程，之后特有模型根據(jù)指令以及品牌調(diào)性自動生成符合受眾喜愛的營銷圖片，在這個過程中來自高質(zhì)量營銷數(shù)據(jù)的反饋功不可沒，并且這些數(shù)據(jù)是私密的，商家完全有控制權(quán)。

在Nick看來Marketing Copilot不再是一個簡單的內(nèi)容生成工具，而是改變營銷流程的一整套解決方案，通過AI更強的分析能力和生成能力，極大的縮短營銷各個環(huán)節(jié)的消耗和協(xié)作生產(chǎn)，并以最終數(shù)據(jù)為導向24小時不停歇的優(yōu)化整個營銷內(nèi)容。

Nick表示團隊確實AI出現(xiàn)后在考慮縮減一部分營銷人員，因為當團隊熟悉Marketing Copilot這個新的工作流之后，每一個SKU的出圖量從原來的不到10張瞬間暴漲到200張，并且開始借助Marketing Copliot大量進行AB測試和迭代，將原來三四個月的優(yōu)化周期縮短到了2-3周，銷售額更是增長了3倍。

△https://background.zmo.ai/

終極的AI workflow到底應(yīng)該是什么樣的，當下下結(jié)論為時尚早，但很可能不只是一個空白文本框，后面還連著一個不屬于你的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的產(chǎn)品和用戶一起不斷迭代，而非空談和迭代demo視頻。

特定場景下更需要專門優(yōu)化的大模型

ZMO.AI的驚人增長，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(yīng)用場景的垂類大模型方向進行產(chǎn)品打造。

市面上有一種普遍的觀點，認為未來所有行業(yè)都將被極少數(shù)通用AI大模型主導。那么這種應(yīng)用場景的垂類大模型還是否有進一步的意義呢？顯然，這幾家公司給出了不同的觀點。

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)立之初就獲得了來自谷歌風投、微軟風投和光速的6500萬美元的投資。

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性化文字及圖像內(nèi)容。

和面向大眾的通用內(nèi)容生成不同，大品牌對于品牌調(diào)性以及內(nèi)容可控性的要求無法通過直接調(diào)用Stable Diffusion達到。

Parasnis表示：

對于一家公司來說，最基本的一個問題是其數(shù)據(jù)和品牌形象的安全。每個企業(yè)都希望確保自己不會在不經(jīng)意間創(chuàng)造出不準確、剽竊或冒犯性的內(nèi)容，導致自己的聲譽受損。

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

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

面對設(shè)計師丟掉飯碗的擔憂，Adobe提出“并非替代，而是賦能”的口號，并在更加專業(yè)的設(shè)計層面給出了可實用落地的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(shè)計師而言非常的實用。

但普通的AIGC生成器往往是一個整體平面圖生成，無法真正生成矢量和圖層。

然而Adobe2022年10月就在發(fā)布會上提到會將AIGC的能力嵌入PS內(nèi)，目前尚未落地植入，F(xiàn)irefly上的許多功能點也都還處于開發(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?qū)I(yè)用戶的垂類大模型，只不過ZMO的用戶群體更多的是營銷方向的小B。

在ZMO.AI的聯(lián)合創(chuàng)始人馬里千看來，雖然基礎(chǔ)大模型在許多任務(wù)上可以表現(xiàn)出平均人類的水平，但它們在特定垂直領(lǐng)域中表現(xiàn)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(shù)據(jù)也不容易公開獲取。

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

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

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

馬里千表示：

在我們的使用案例中，我們可能會專注于摳圖特定對象（例如產(chǎn)品），這不是大型基礎(chǔ)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景的數(shù)據(jù)和規(guī)則的，在特定場景中需要大量專門優(yōu)化通用大模型來提升生成質(zhì)量，并且符合這個專業(yè)場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

為了更深入了解ZMO.AI瘋狂增長背后的秘訣，ZMO的創(chuàng)始人張詩瑩進行了一次專訪，以下是對話內(nèi)容：

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

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

大模型層就像操作系統(tǒng)，是屬于少數(shù)人的機會，更適合大廠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。

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

垂類大模型公司通過搭建端到端的工程棧，覆蓋模型的研發(fā)、訓練、數(shù)據(jù)、應(yīng)用整條價值鏈，這類公司的產(chǎn)品并不依賴第三方API，迭代非常迅速并且能很好地利用應(yīng)用側(cè)用戶的數(shù)據(jù)反饋形成數(shù)據(jù)飛輪。

比如ZMO就將我們應(yīng)用端大量的高價值用戶反饋數(shù)據(jù)和模型完全打通，通過數(shù)據(jù)飛輪對垂類大模型的內(nèi)容生成方向進行重要的引導和優(yōu)化，并積累自己的專有數(shù)據(jù)集。

Q2：垂類大模型難道不會很快就被通用大模型取代嗎？ZMO的模型有多大？

Zsy：我并不認為垂類大模型和通用大模型是一個對立的概念，相反我認為垂類大模型是可以站在通用大模型的肩膀上進一步優(yōu)化專業(yè)領(lǐng)域的模型。

對于非常細碎，需求個性化的C端場景，通用大模型會更合適；然而像營銷這種非常專業(yè)的toB場景，AIGC產(chǎn)品不會是簡單的一個對話框和后面的第三方API組成。

因為專業(yè)場景對于可控性、準確度以及質(zhì)量的要求極高，這必然會是一個復雜的系統(tǒng)結(jié)構(gòu)，需要在通用大模型的基礎(chǔ)上進行專門的模型優(yōu)化才能符合營銷場景的需求。

我們的模型參數(shù)量是SD的3倍——有2.3B，當然我們還在不斷利用用戶反饋進行RLHF優(yōu)化，50臺機器同時做優(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，我認為確實生成質(zhì)量已經(jīng)到達了拐點，這也解釋了為什么付費用戶會大量持續(xù)增長。

對于我們的用戶而言，生成的內(nèi)容能給他們切切實實的降本增效，甚至能提高收入，他們以前拍攝動則幾萬美金，而現(xiàn)在幾十刀的訂閱費就解決了，所以我們的付費用戶很快漲到了2萬個。

Q5：您認為ZMO的優(yōu)勢是什么？

Zsy：首先ZMO在生成式營銷領(lǐng)域積累了2年半，對于這個領(lǐng)域的know how和用戶痛點有深刻的認知。

比如用戶對于產(chǎn)品細節(jié)不能貨不對板的需求，比如拍攝和PS費時費力的痛點等等，所以我們才能搭建起來深刻綁定營銷AIGC原生workflow的產(chǎn)品。

其次我們擁有大量營銷領(lǐng)域的專業(yè)數(shù)據(jù)，比如我們積累的6000萬高清真實照片數(shù)據(jù)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(shù)據(jù)集等等。

最后一點是我們搭建并驗證跑通的專業(yè)營銷用戶的RLHF反饋系統(tǒng)，這種高質(zhì)量的專業(yè)用戶數(shù)據(jù)反饋是比較高的商業(yè)數(shù)據(jù)壁壘，屬于特定行業(yè)私有數(shù)據(jù)，通過這種反饋才能在細粒度參數(shù)下不斷優(yōu)化內(nèi)容生成方向。

Q6：如何應(yīng)對大廠的競爭？

Zsy：我認為競爭是在所難免的，不過目前大廠推出的功能在我看來更多是防御性反應(yīng)，做的應(yīng)用仍搭載在現(xiàn)有業(yè)務(wù)上，只針對有技術(shù)和愿意付高價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)公司從一開始就在新的內(nèi)容創(chuàng)作范式框架下去創(chuàng)造產(chǎn)品，構(gòu)建完全不同于傳統(tǒng)工作流的AI Native Apps。

大廠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：我非常喜歡和用戶聊天，每天會花2個小時閱讀用戶的反饋，很多用戶的痛點都是在這當中發(fā)現(xiàn)的。

我認為早期看數(shù)據(jù)很難看出來真正的痛點，因為巨大的流量中既有我們目標用戶，也有大量純”玩”的用戶，所以找到大量的目標用戶觀察他們的使用，和他們聊天就成了我日常必備，當然我也經(jīng)常會去拜訪客戶的公司，和不同環(huán)節(jié)的營銷人員交朋友。

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

風險提示及免責條款 市場有風險，投資需謹慎。本文不構(gòu)成個人投資建議，也未考慮到個別用戶特殊的投資目標、財務(wù)狀況或需要。用戶應(yīng)考慮本文中的任何意見、觀點或結(jié)論是否符合其特定狀況。據(jù)此投資，責任自負。

關(guān)鍵詞：