「人工智能+团队协作」还能有多少种打开方式？

致力于打造新一代智能研发协作平台，LigaAI在不断强化自身智能化能力的同时，也持续关注着整个「AI+协作」领域的发展。

Gartner在《 2022 年重要战略技术趋势报告》中指出，未来三到五年内，智能决策、分布式企业和生成式AI等 12 大技术趋势，将成为数字业务和创新力量的增速器。其中，生成式AI（Generative AI）和AIGC（AI-Generated Content）已然成为最引人注目、最「出圈」的人工智能技术之一。与外界广泛讨论「AIGC会否取代画师」的角度不同，AI创业者们认为，AIGC商业化有着更具想象的空间：企业级智能设计协作。

本期「Liga妙谈」，我们有幸邀请我们有幸邀请猴子无限（frame.infmonkeys.com）CEO尹伯昊，以从业者视角分享他对AIGC的理解，并与我们一同探讨「AI+协作」的无限可能。

1. 「人工智能+企业协作」的新模式
2. AIGC驱动的组织生产力特点
3. 生成式AI对工作模式的改变
4. AIGC商业化模式与价值验证

01 信息共享是高效协作的基础

LigaAI：从创业Day 1 起，你就选择用LigaAI进行研发协作。你怎么看待「协同协作」这件事情？

猴子无限-尹伯昊： 人类生存就是要靠协作的。人类社会由能量和信息组成，人靠信息交换而活，这是最底层的逻辑。

本质上，协同和协作是通过建立一种通畅的信息流通机制，让全员参与决策。就像网飞（Netflix）和字节跳动强调的「Context, Not Control」一样，管理者将信息共享到团队里，让组织中优秀的成员参与决策，才能达成最大的管理效果。

LigaAI：建立信息共享渠道，让研发协作更高效，是LigaAI的设计初衷之一。

我们通过强大的aPaaS能力，辅助开发者们形成信息自由流通、高度共享自驱的环境；自然而然地，团队决策效率和开发效率也都会因此得到提升。

猴子无限如何基于生成式AI，解决企业的设计协作问题呢？

猴子无限-尹伯昊： 跟研发一样，创作也是天然需要协同的，Figma、Canvas等产品的大热都是基于这个前提。猴子无限只是在用全新的生成式AI的手段，解决过去既存的创作者经济的问题。

现有的AIGC无法成为协作工具的大部分原因在于：基于通用的Stable Diffusion训练集，创作者很难生成基于特定对象的图像，比如一个穿着钢铁侠战衣的我自己。

但是，猴子无限通过大模型Fine Tune，将少量的个性化数据，比如我的照片、特定商品的图片，训练到已有的大模型中生成新的大模型，再让个性化大模型帮我们创作，实现企业级的设计协作。

举个例子：在电商团队里，可以将一个SKU作为设计中心，让AI学习品牌的设计风格，通过调参实现批量生成商品海报样稿、周边物料设计草稿等「重体力」的设计诉求。

LigaAI：今天的设计协作很多是基于分层素材的框架进行的，就目前的AIGC能力来看，大家普遍认为生成式AI无法解决「分图层文件」的难题。

甚至有人认为：AIGC要么需要专业、复杂、需要懂点代码才能生成优质作品；要么它就是个面向个人的大玩具。你怎么评价这些观点？

猴子无限-尹伯昊： 确实很多人会说「AIGC现在是个玩具，以后也是玩具」，但大模型连蛋白质折叠都能解决，为什么会解决不了一个本就由人类定义出来的分图层问题？

生成式AI最核心的能力是，有机会让机器创作出所有过去只能由人创作出来的模态，而大模型就是让机器将未被发掘的统计学规律萃取出来。

所以，理论上只要有足够多的分图层PSD文件，AIGC就可以解决分图层的问题。它现在可以生成单图层文件，未来就一定可以制作分图层的。

向内引入更多的数据来训练AI，一定会带来颠覆性的改变。这也是猴子无限在努力的方向。

02 商业闭环是生产力的核心纽带

LigaAI：现在的AIGC还是存在很多技术限制，你认为它依然可以快速服务于企业的生产力提升吗？

猴子无限-尹伯昊： 当然。不是只有 100 分或者全能的工具，才能成为企业的生产力；一款工具，只要能很好地解决当下企业遇到的一部分问题，就在为企业带来帮助。

在过去大家都用Photoshop做设计，显然Photoshop也解决不了所有事情，但不妨碍大家使用它。AIGC同理，就像LigaAI也不能解决一个公司的所有管理问题，但你们能为研发管理提效，就能为我们提供价值。

LigaAI：判断一个东西能否真正构成生产力，可能有一个简单粗暴的标准：有多少完全不了解技术的人开始讨论「我不想被机器替代」。

猴子无限-尹伯昊： 确实是这样。我们判断生产力的标准是，它能否构建完整的商业价值闭环。

我们发现，在任何一代科技革命中，只有那些成功建立商业闭环的人和企业，才能引领变革成功。爱迪生不是第一个发明电灯泡的人，但他发明了可应用于商业的白炽灯，还成功打造了「白炽灯+配电系统」的商业闭环并产生了价值。

所以，只有建立生成式AI的商业闭环，产生商业价值，才能真正成为专业创作的生产力。而大模型Fine Tune（基于已有的数据，插入新的数据）正是其中不可或缺的核心纽带。

03 要让机器帮助我们工作

LigaAI：你怎么评价「AIGC终有一天会替代传统画师」？

猴子无限-尹伯昊： 这很残酷，但是新技术出现一定会带走一些传统的东西，这是无可争议的事实。

从生产力的角度解读，从前艺术家们只能卖作品，但是现在可以将画风提取出来，支持画风的售卖，或者让机器根据艺术家的画风智能生成 1000 张图像。这都是新的机会。

在工作场景中，人和机器从来不是替代关系，应该是共生关系。 大家面对新的技术变革，其实不用担忧「机器会在哪天把我干倒」，而是应该思考「如何让机器为我做事情」。很多历史证据都证明，机器和新技术完全有机会成为人类的助手。

LigaAI：智能协作，与技术共生，也是LigaAI想传递给所有开发者和研发团队的理念。

我们坚信，开发者的精力不应该放在信息同步、完成状态勾选、进度同步等「啰里吧嗦」的小事上。机械重复的流程化的事情就应该交给机器、交给AI去完成，而真正富有创造力的开发者们可以认真、专注地分析需求、研究数据结构，心无旁骛地探索和创造更具远见的创新性产品。

理想中，枯燥无味的重复性工作应该借助机器完成，以此获得更高的生产效率。

猴子无限-尹伯昊： 比如让AI写代码吗？说起来，AI自动写代码应用的ASM技术也算生成式AI的一种。你们怎么看GitHub Copilot这个工具？

LigaAI：早在很多年前，大家就开始讨论纯文本的AIGC，比如小冰写诗，后来发展到AI文本续写，再到现在的AI写代码。

跟图像图层一样，编程语言也是在人类社会的数字化浪潮中被定义出来的范式，没有哪种自然语言比代码的语法更清晰、更规范化。

「让AI写代码」在这一逻辑下，似乎就是必然会到来的事情。但是如何基于业务、产品、功能的需求，分析和设计代码背后的逻辑结构，是复杂的，是需要人去发挥创造力的。

就好比在过去，没有构图、配色、艺术审美基础的人想用绘画表达自我，绝非易事。而AIGC在一定程度上构建了一个「表达自由」的世界。这大概也是AIGC于普通人而言最大的价值。

猴子无限-尹伯昊： 是的。即便当下关于生成式AI的争议很多，但我们依然对它很有信心。生成式AI还是有无限的潜力和机会的。

04 机会面前，快鱼吃大鱼

LigaAI：说起来，最开始接触你们的时候，团队在做的是智能生成PPT。但是现在的猴子无限已经是一个相当完整的AIGC类产品了。为什么团队可以在如此短的时间内，完成产品的重定位和重塑？

猴子无限-尹伯昊： 修正产品赛道主要原因是，我们发现想让机器做幻灯片，一定要做自己的垂直模型。那反正都要做大模型Fine Tune，不如把它抽离出来，直接做成「Fine-tune as a Service，调优即服务」。

我们希望通过大模型Fine Tune，让每一个品牌、创作者、艺术家、甚至科学家拥有自己的专属大模型。在高效完成内容创作与协同的同时，打造AIGC驱动的业务增长核心，让生成式AI成为真正能产生业务价值的生产力。

而且，最早跑通商业闭环的公司会赢者通吃。 在一个巨大的结构性机会面前，正是「快鱼吃大鱼」的时候，所以我们「掉头」地超级快。

LigaAI：猴子无限接下来有什么计划？

猴子无限-尹伯昊： 基于整个产品逻辑，未来猴子无限会将更多的数据插入已有的大模型里，包括视觉、文本、DNA、RNA、蛋白质药物等等。

同时，我们已经与多家头部广告公司、消费品牌以及AIGC应用达成合作，通过B端C端联动的商业模式，完成专业内容生产和企业级协同合作。接下来会在多个场景遍地开花，逐步验证Fine Tune在企业级设计协作中的价值潜力。

# 写在最后

2022 年被称为「AIGC元年」，生成式AI探索出全新的内容创作模式，同时也为更多企业和创作者带去新动力引擎。

新的技术应用带来生产力变革，而「人工智能+团队协作」也延伸出无限的可能性。而LigaAI也将持续关注AI技术的发展，探索和挖掘「AI+协作」的更多模式与机会。