如果近期路過上海南京西路、陸家嘴等地鐵站，乘客留意會發現，站內的廣告牌有多幅AI生成的繪畫作品。這些繪畫作品都是由國內的生成式AI平臺Tiamat提供的。

在海外，當下熱度最高的AI生成平臺非Midjourney莫屬，近段時間，人們用Midjourney生成了各種以假亂真的圖片：特朗普被追捕、馬斯克成為一名蘇聯工程師、中國男足獲得了世界杯冠軍……隨便拿出一張都能做到以假亂真的程度。

(資料圖片)

在國內，成立于2021年的Tiamat相比起來低調不少，但屬于國內最早做AI生成的平臺之一，其自研的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，與海外技術節點、開源社區保持同頻。

Tiamat創始團隊非常年輕，但在2022年10月，Tiamat已完成數百萬美元的天使輪融資，在今年2月，緊接著宣布完成近千萬美元 A 輪融資，由DCM和綠洲資本聯合領投。

年輕團隊，加上國內首家AI生成平臺的標簽，讓背后的創業故事顯得非常傳奇。第一財經此前拜訪了位于上海張江創業工坊的Tiamat辦公室，附近是一條AI街區，幾棟高樓林立，更多的大廈正在動工修建，Tiamat的氣質與這里有些相似：雖然目前稍顯冷清，但指向未來。

踩中時代風口

以Text-to-image生成模式、Diffusion模型為顯著特點的圖像生成平臺，正在顛覆傳統的內容創作和藝術設計領域。

而學了十年美術，大學轉學計算機科學技術的創始人兼CEO青柑，剛好踩在了時代的風口，成立了Tiamat AI繪畫平臺。

Tiamat 團隊從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，與海外技術節點、開源社區等保持著同頻。青柑表示，在一開始融資的時候，他們還需要花很多精力教育市場，解釋什么是AI 生成，什么是多模態。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。

作為國內 AI 生成第一批團隊，Tiamat 如今也成為了為數不多成功融資并實現了商業化的平臺。

“因為我們一方面有自研的底層模型，另一方面商業化跑得也比較快，在這個基礎上又是國內做得比較早的，對這個技術也比較敏感，所以我們的兩輪融資是比較快就結束了。”青柑表示。

2022年10月，Tiamat完成了數百萬美元天使輪融資，投資方為DCM。23年初，Tiamat緊接著宣布完成近千萬美元 A 輪融資，由DCM和綠洲資本聯合領投。

綠洲資本創始合伙人張津劍此前對第一財經表示，投資的考慮在于，Tiamat團隊在技術上有一定的領先性，創始人也很年輕，學習能力也很強，同時這個技術中美之間的差異較小，團隊利用這個技術結合中國的審美有一些迭代和創新。

“我們這么年輕的履歷擺在這里，大家也會愿意去相信我們，是因為我們確實有實打實的技術在，能夠和別人拉開差距，能夠有很好的資源。”青柑表示，自己和團隊其他核心成員來自于中科院上?？萍即髮W以及倫敦藝術大學，在AI圖片引擎、數字孿生等方面，團隊都有技術積淀。

青柑介紹，創始人團隊在大學的時候就已經形成，在大四就拿到了第一筆種子類融資，在有技術，且有學校支持的情況下，團隊創業做AI生成是順理成章的。

創始團隊早期在開源技術社區里面待了很久，當時AIGC的概念還沒有興起，青柑對第一財經表示，“在21年下半年的時候，當時在社區里面有一些技術大佬提出了大模型的可能性，當時很敏銳第一時間關注到了，那個時候還不叫AIGC，就是單純發現了一個新的技術，覺得這個事情很有意思，所以我們非常早就在開源技術社區里面去做很多相關的技術研發。”

做得早、與海外開源技術社區同頻，是Tiamat的優勢，青柑表示，“Tiamat在自研和內測的系統和Midjourney的內測幾乎是同時的，可能相差不過半個月，因為他們的負責人和大家在技術社區里會互相討論一些問題。”

在推出后，Tiamat在4個月內全網曝光量達到了5000萬，這些全都是自然流量，Tiamat表示，一直都沒有在營銷上花錢投廣。

一開始因為圖片審美質量較高，Tiamat更多是在符合調性的小紅書上火起來的，在發布了內測圖片后，Tiamat引起了非常大的關注，至今#Tiamat人工智能藝術#在小紅書上還有2300多萬的持續點擊和瀏覽。有趣的是，很多品牌方和資方也是通過小紅書找到團隊的。

據團隊介紹，目前Tiamat已經與央視網，以及《時尚芭莎》、《嘉人》等一線時尚大刊建立長期合作關系，并與眾多頭部游戲公司開展了戰略合作。在產品一側，已經實現了內測高活躍用戶數千人、月度新增數萬人，社區用戶涵蓋國內設計、藝術創作、多模態技術等頭部博主。

“我們應該是國內AI圖像領域在商業化方面跑得最快的。去年 Q4，我們有幾百萬元的合同訂單。”青柑表示。目前，Tiamat 20%的用戶群體是小B端的設計師，60%是泛設計行業人群，其他則是對新技術和新數據更感興趣的人。

何以立足

雖然做得很早，但在當下AI生成平臺涌現的情況下，Tiamat憑借什么立足，AI繪畫能否建立護城河？

青柑認為，與海外熱度最高的Midjourney、Stable Diffusion等對比，Tiamat的模型和社區優勢主要體現在中文自然語言處理上的持續積累，以及能夠提供更適合國內用戶需求特點的圖像，并將核心用戶定位于專業人群。Tiamat生成的圖片有相對獨特的審美和風格。

文本圖像生成領域是從2022年二三月開始公開測試，去年七八月，SD（Stable Diffusion）這一類開源模型放出來之后，緊接著就有大量的創業者入局。青柑觀察到，很多公司可以不通過訓練而直接將SD的模型封裝起來使用，大大降低了AI生成的門檻，這也是平臺涌現的原因。

但這一類已經訓練好的模型，在具體的商業化上會有一些局限性。在圖像的商業化方面，會更關注的是精準性、可控性這些指標，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。

青柑解釋，開源開的是已經訓練好的模型，但這個東西具體是怎么訓練的，數據訓練上的細節是很難被大家知道并模仿的，在這個基礎上進一步去做圖像的精準性、可控性和商業化，就很難，這也是Tiamat為什么要堅持自研模型的原因。

“在國內市場經常會遇到的一些情況是，一些廠商需要圖像生成的供應商，可能會找到一些用了開源模型的公司，發現沒法達到好的效果，然后再來找我們。”青柑提到，自研也是Tiamat商業化比較順利的理由之一，因為非自研的服務商始終不能特別直接地生成一個行業想要的東西。

以服裝領域為例，如果需要 AI 來代替設計師或者幫設計師尋找靈感，首先他們的輸入方式一定是服裝設計領域的“黑話”，如領口版式、版型，不一定是外行能夠理解到的行業知識。所以團隊在去做行業模型的時候會先去理解設計師之間的溝通語言，再去理解對應的圖片，在此過程中需要重新去構建一些圖像文本作為訓練數據集，基于大模型去調整，然后才能做行業的專有模型。

但在這個基礎上，眾多有實力的大廠也在入局 AI生成，是否會對團隊帶來一些壓力？青柑認為，就圖像生成來說，并沒有觀察到像文本領域一樣由參數量引發的質變，因此，在數據清洗和數據選擇這一方面，大廠要去經歷的流程和創業公司沒有太大區別。

此外，對于大廠來說，基于產品生態，在訓練語料的數據量上會有一定優勢，但可用性上不一定更強。再加上中文的語匯環境特點更加復雜，數據清洗難度很大，目前實際可用性的文本量級并沒有這么高，可能僅為英文語境可用性的 1/20。

而相比于ChatGPT這樣的文字大模型，一次訓練可能會花掉幾十到幾百萬美元，AI 生成模型需要的參數量級在十億左右，要低將近 100 倍，成本壓力相對較小，這也是創業團隊的機會。

“從一個比較直觀的感受切入，如果文本出現了一些邏輯上的錯誤或對話上的失真，用戶可以很快地感受到，而不像對于圖片的細微瑕疵可能會有更好的包容度。”青柑表示，在文字大模型上花費的時間精力和算力是遠大于AI Art 領域的，對于Tiamat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，而是更多的關注這個圖像本身的可控性。

標簽：