视频生成的数据量过于庞大

seosamira99

一方面关键核心技术不成熟，内容质量不稳定。现有的训练模型在文本生成图像上仍然面临理解或生成不准确的问题，比如火爆社交平台的“AI绘画”频频出现的“离谱”现象——人画成动物、动物画成人；一人成两人、两人画成一人……AI生产内容的精准度仍有很大的提高空间。 另一方面商业应用场景较少。Gartner相关报告中明确指出，当下生成性AI所创造的数据占到所有已生产数据的比例不足%。整体渗透率低是一个原因，技术限制场景拓展也是另外一个原因。


现有的技术还需要持续突破才能支撑视频或其他内容的生产，不同于图像，，并不好 欧洲手机号码列表 处理。例如国外Meta的Mae-A-Video，其当前的智能创作还受到帧数、像素等的掣肘。 综上来看，AI绘画商业化方面仍处于摸索阶段，应用场景商业化性价较低，且变现方式较为单一，短时间内用户的付费意愿可能不会太高。 就对比海外而言，部分独角兽已经展现了商业化落地的潜力，比如海外的独角兽jasper依靠着订阅费在年创造了万美元的收入，今年预估收入为万美元。




而国内刚走红的AIGC领域，目前还没有走出有可观收入规模的玩家。 需要特别注意的是，现在国内大多数玩家都盯准了开源技术布局，AIGC门槛进一步降低是不假，但产品同质化也是后面可能会愈加凸显的问题。一旦产品严重同质化，提高C端用户的付费意愿又是另一个难度，所以，在此时快速找到AIGC产品的差异化，培养忠诚用户，于抖快、于BAT来说或许才是下一步发掘AIGC新商业想象空间的关键所在。 四、两大“强心针” AIGC是巨头们趋之若鹜的领域，必是有它们追逐的道理。