繼去年火遍全網的虛擬人之後，AI繪畫又成了今年熱議的科技話題。

AI繪畫就是「以文生圖」，打通了文字和圖像的隔閡，只要輸入一段文字描述，AI 就可以把用戶腦海中想象的畫面呈現出來。

這是一種文字轉圖像《Text-to-image》特性的嶄新交互方式，使用文字描述，或者基於畫面意象和故事，或者基於藝術家風格、構圖、色彩、透視方法等專業名詞，就能在數十秒內生成完整的繪畫作品，人人都能成為藝術家。

例如這種：

除了國畫、風景畫，二次元也不在話下。

簡單來說，就是AI學會了『命題作畫』。

其實，AI繪畫早在2015年就已經出現，但隨著技術的不斷增強，人們驚奇的發現，AI作畫已經發展到了難以想象的地步。

在國內外網路上，AI作畫迅速成為焦點話題之一。

即使大眾對AI繪畫的褒貶不一，但我們不得不承認，AI生成藝術的爆發大勢不可逆。

作為計算機視覺算法領導者，皮卡智能AI也不甘落後。

目前也研究出「文字生成圖片」技術，正在不斷完善中，僅供商業使用，可調用定制化API接口服務。

用戶可前往官網進行案例操作，如需生成更好效果，可嘗試輸入英文關鍵詞，每個關鍵詞可隨機生成4-5次不同的圖片。

珊瑚小鎮

對於大多數普通人來說，進行AI繪畫創作無疑是新奇的體驗，隻需要輸入指定的關鍵詞，就能生成自己想要的圖片，甚至能顛覆想象生成更大膽的創作。

看似是一個傻瓜就能上手的工具，卻經歷了多年的技術突破才能實現今天的效果。

傳統AI繪畫的技術原理是生成網路《GAN》或VAE等，目前，GAN作為上一代AI 繪畫工具與平臺最主流的圖像生成模型，在模型訓練方面已經有了很大的突破，但在實際應用的過程中仍然擁有嚴重的結構性問題。

采用 Diffusion Model 的 Dall-E-2 生成的圖片

而AI生成藝術爆發背後主要的技術原因是 Diffusion Model (擴散模型) 在這 2 年的發展，突破了AI 生成藝術多年以來的技術瓶頸，結合已經發展得很成熟了的文本語言模型 GTP-3 ,帶來了可用性極高的文本生成圖片工具。

把原圖用馬爾科夫鏈將噪點不斷地添加到其中，最終成為一個隨機噪聲圖像，然後讓訓練神經網路把此過程逆轉過來，從隨機噪聲圖像逐漸還原成原圖，這樣神經網路就有了可以說是從無到有生成圖片的能力。

而文本生成圖片就是把描述文本處理後當做噪聲不斷添加到原圖中，這樣就可以讓神經網路從文本生成圖片。

在現階段，對於藝術、影視、廣告、建築、時尚、新媒體等創意行業從業者來說，AI繪畫的崛起其實是有很多幫助的，它可以作為一個強大的助手，輔助日常工作，提高產出效率，降低時間和經濟成本，以下列舉了一些AI繪畫的應用方向。

To C的生產工具

這種最直接的應用場景主要展現在修圖APP、to設計師端的站酷、即時設計等生產工具，AI繪畫可以為這些產品增加場景豐富度，提高用戶粘性。

為藝術解放生產力

這種應用場景大概率會出現在插畫師、動畫師、電影創作者等實現能力補充，解放生產力。

這其中應用最多的企業可能會是廣告公司、影視創作公司、建築事務所等對藝術效果圖有大量需求的企業客戶，單是這幾類企業就有不低的市場天花板，另外，品牌商家的廣告和創意部門也是有力的受眾之一。

AI生成的這就是街舞5·李承鉉隊長大秀背景

在當下全民自媒體、低門檻內容制作的時代，AI繪畫也會在此領域發光發熱，就拿B站的二創來說，越來越多的up主利用AI來進行創作輸出，分享更多更有趣的AI技術。

基於這一點考慮，國內主要內容生產分發的平臺、電商平臺、互聯網大廠等都有可能會先後在自有產品生態中孵化AI繪畫功能，幫助用戶快速生成符合平臺調性的藝術內容，同時服務自己的用戶和企業用戶。

科技正在慢慢改變世界，AI「以文生圖」僅僅是AI生成藝術的冰山一角，未來還會嶄露出更多AI生成藝術。

例如AI生成視頻，既然AI可以生成圖片，那生成視頻自然將會成為下一個待開墾的地帶；視頻有了，AI生成3D模型也指日可待。

AI時代的內容領域，創作者們總要不同程度地與AI對壘。

這難免帶來沖擊和焦慮，但我們也應該知曉，它們終究隻是工具，不能淘汰人類的想象與創造。