專注AI圖像生成的「Tiamat」于日前完成近千萬美元A輪融資，由老股東DCM和綠洲資本聯合領投。數月前，「Tiamat」已經獲得由DCM獨家領投的數百萬美元天使輪融資。這是DCM在AIGC創業公司的又一次加注。

本輪融資將用于繼續打磨產品和自研大模型MorpherVLM，拓展商業化能力等?！窽iamat」自研的MorpherVLM是國內首個基于概念融合范式提出的近百億級跨模態生成模型，通過異構的視覺編碼-解碼網絡結構，并引入基于用戶反饋的強化學習（RLHF）和細粒度的提示-隱變量對齊技術，提高了模型對圖像多尺度信息的建模能力，在用戶Prompt輸入的理解能力方面也實現了進步。

DCM中國創始合伙人、董事合伙人林欣禾表示：“AIGC正在走向真實落地，不僅要保持對前沿技術的探索，捕捉到更多的商業化機會也更為重要。將AI能力遷移到不同場景，同時滿足效率和成本的要求，AI才有更大的價值?！?/span>

去年夏天，AI Art一躍成為了熱度最高的新興技術，在設計、繪畫等專業化領域的影響力不亞于如今ChatGPT帶來的全民狂歡。

AIGC的結構性機會下，“不追逐風口，但等到了風口”是技術型創業者和資本最愿意看到的擁抱創新的方式。而在時間差方面，「Tiamat」從2021年開始進行模型訓練，以自研并自主訓練底層模型的方式，始終與海外技術節點、開源社區等保持著同頻。

「Tiamat」創始人青柑談到，去年上半年融資的時候，他們還需要花很多精力去教育市場，解釋什么是AI生成，什么是多模態，為什么要做圖像。彼時，距離Stable Diffusion、MidJourney這些引領著行業革新的產品上線還有幾個月左右的時間。

而作為國內AI生成圖像領域的第一批團隊，「Tiamat」如今也成為了為數不多成功融資并實現了商業化的技術服務商。

對于「Tiamat」的自研大模型MorpherVLM，青柑表示，“我們現在正在做的「Tiamat」文本到圖像模型，大概是數十億參數，這個量級實際上要比ChatGPT文本模型的參數量要低將近100倍左右。換算成他們當年發展的話，大概是在GPT1-2之間。雖然都叫大模型，其實數據和參數量級還是有很大區別的。對于我們來說，不停地把模型的參數量級進行擴張并不是最重要的指標。” 她還提到，“對于AI生成圖像來說，更重要的指標在于能不能在垂直領域有更好的精準性和可控性，能不能更好地讓圖像展現出人類理想的構圖、或者一致性的角色等等。除此之外，我們自研的考慮也來自如何能讓研發的成本結構更加精益和可控。從這一點來說，創業公司也會有更多機會。圖像文本多模態生成的領域參數量級更低，在標注數據和訓練上的成本也可以有效壓縮。整個圖像類的AIGC創新更加關注具體的技術路徑和商業化上的突破，成本壓力相對較小。

對此，技術背景的聯合創始人Eric對“可控性”做了進一步解釋，“可控性是一個和商業化應用息息相關的指標。我們在談論大模型的時候會有一個問題，很多大模型都是在大規模的數據集上構建的，其中大部分來源于互聯網上獲取的知識，問題隨之產生：如何用人類可以操控的方式去做這些大模型可以做的事情？我們都知道，OpenAI的GPT-3和ChatGPT在技術上是同源的，但是ChatGPT效果明顯好得多，大家也直觀感受到了它在各行各業的應用。而在技術環節，就是因為ChatGPT比GPT-3多了一個用人類的反饋來自我學習的過程，可以使得它的應用更符合期望。所以，我們在做「Tiamat」生成模型的時候也會格外在意這一點，就是怎么樣能讓生成結果符合用戶的期望。

談及「Tiamat」的發展方向，青柑表示，“當前我們公司的整體風格和選擇方向都比較專注。我們非常信服前沿技術，但更加關注的是當下的技術能不能解決當下的問題。也許有能力的人會去努力成為“中國的OpenAI”，但目前來說，我們還沒有去做ChatGPT這樣的文本大模型的理由。因為對于一家創業公司來說，如果能把圖像模型的可控性、精準性和連續性做到最好，它其實就已經能帶來很多垂直行業和場景下的商業化應用了。比如去支持更加細分的、特定的設計行業，幫助它們完成生產力提效。

“比較讓我們高興的一點是，我們看到AI技術正在向一個“新的互聯網”形式進發，而我們在產品戰略方面也會更加審慎?？傮w來說，AI是一個新的主題，每一個細分領域都值得被認真打磨，大家聚焦在各自擅長的地方，才能形成更好的產業?！?nbsp;