今天，我将从两个话题出发，为你提供知识服务。第一个是，妙鸭相机持续火爆。第二个是，英国慈善机构发布报告，称去年有七分之一的英国人处于饥饿状态。

先来看今天的第一条。我们从一个最近很火的应用说起，这就是，妙鸭相机。火到什么程度？它在7月底的微信指数，达到了1605万。什么概念？相当于1.6个巅峰时期的《王者荣耀》。虽然上周，妙鸭的热度开始下降，但是，纵观大模型火爆这半年，这应该是第一个，国内团队做出的，现象级的爆款应用。

妙鸭相机，简单说，就是个虚拟照相馆。费用是9块9，你提交21张照片，就能给你生成一个数字分身。然后你就可以套用妙鸭提供的模板，生成不同主题的照片。包括职业照、证件照、古装写真，等等。可选服装跟一般照相馆比起来，只多不少。据说应用最火爆的时候，由于算力限制，用户提交照片之后，需要排队七八个小时，才能获得数字分身。

那么，妙鸭相机的火爆，能给我们带来什么启发呢？今天主要说三件事。

第一，妙鸭相机为什么会火？要想回答这个问题，咱们得从一个奇怪的现象说起。按理说，从去年GPT-3破圈，国内的大模型创业，已经浩浩荡荡持续了将近300天，这可是第一个爆款应用。按说应该有很多人出来分析才对。但是，假如你看过关于妙鸭的分析文章，你会发现，居然没什么可分析的。

因为这个应用太简单了。它的基本逻辑，跟国外爆火的AIGC应用MidJourney一样。不讲大道理，不讲商业故事，不玩什么迂回的流量变现，就是你花9块9，我给你拍个照。模式简单，路径极短，当场闭环。

你看，这么简单的商业模式，有什么可分析的？

再看技术，妙鸭属于阿里系，是优酷内部的创业项目，目前隶属于阿里大文娱事业群。创始人叫张月光，2012年毕业于清华大学计算机科学与技术专业。妙鸭使用的技术，是基于LoRA模型的微调。咱们先不深究什么是LoRA模型，总之，这并不是一个从零开始的应用。在大模型领域，门槛最高的是算力和训练。也就是打地基的部分。而应用层，也就是盖房子的部分，并没有那么难。根据清华大学新媒体研究中心主任沈阳的观点，这类基于深度学习训练之后的图片生成技术，从国际上来看，门槛不算太高。

这也是为什么，据说在妙鸭相机发布没多久，就有不少AI创业者捶胸顿足，恨自己怎么没早点做妙鸭相机。

你看，商业模式和技术，看起来好像都不复杂。但是，我觉得，“不复杂”这件事，本身就值得琢磨。它是在告诉我们，什么事别想得太复杂。找到一个需求，然后解决它，收点钱。说白了，越是简单，越是能快速闭环的商业模式，越是好模式。

第二，说完产品本身，咱们再看它的社会反应。关于妙鸭主要的探讨，集中在两点。

其一，是妙鸭会不会占有用户数据。咱们抛开产品本身的协议不说，就在前几天，国家网信办，联合国家发展和改革委员会等相关部门，已经正式发布了《生成式人工智能服务管理暂行办法》。其中就规定，产品不得非法留存能够推断出用户身份的输入信息，不得根据用户输入信息对用户做画像，不得向他人提供用户输入信息。这个规定将从2023年8月15日起实施。因此，用户隐私方面，是有更高一层的规则来保证的。

其二，市面上讨论得最多的，就是妙鸭相机一类的AIGC应用，会不会替代线下的照相馆。毕竟，一张形象照，在照相馆怎么也得200元起，这比9块9贵太多了。

但是，我问了身边做摄影的朋友，他们告诉我，这个技术对他们影响，并不大。

首先，去照相馆的，一直都有两类用户。第一类是奔着功能去的，纯粹就是为了拍个形象照。这类用户，其实早在几年前，就被美图秀秀之类的修图软件分流了。现在去影楼的，普遍是第二类用户，他们不是奔着功能，而是奔着体验去的。包括自己挑选服装，专业的化妆师为自己化妆，摄影师指导你怎么摆造型，等等。比如海马体，他们把自己的服务流程，分成了三十几个与用户之间的触点。他们卖的是这个触点上的服务体验。而对用户来说，他们买的是拍照的仪式感。

这就跟企业拍广告差不多。我听一个做广告的朋友说过，你在拍摄现场，往往能看到很多摄制组的工作人员。但事实上，大多数忙前跑后的人，是灯光和场务。他们是整个剧组里最便宜的部分。十个场务加在一起，未必顶得上一个厉害的摄影师一天的劳务。他们在现场的主要作用，是烘托氛围。甲方公司一看，现场来了这么多人忙来忙去，觉得这个钱花得值，体验很好。你看，跟影楼的逻辑是不是有点像？主要卖的，是一个情绪价值。

第三，我们把视角再放大一点，看看整个大模型创业圈，过去大半年过得怎么样。

从结果上看，早前6月初的数据显示，国内已经有79个10亿以上参数的大模型。假如抛开参数规模，根据《经济观察报》的统计，截止到7月中旬，中国公司一共做出了106个大模型。其中，北京企业占了54个。排在后面的，是上海、深圳、广州、杭州、成都。

从类型上看，目前的大模型，主要分成三类。第一类，是做自研的通用大模型，也就是直接对标GPT。比如阿里的通义千问。这类大模型的特点是，门槛高、周期长，可一旦做成，收益巨大，能够成为其他AI应用的基座。第二类，是做垂直大模型。也就是基于现有的大模型，做微调，来解决自己行业的问题。第三类，是直接拿现有的大模型微调，直接做成面向C端客户的应用。这种模式的特点是，轻便灵活，能够快速试错。妙鸭相机，就属于这一类。因此，也有人说，这类应用是大模型领域里的，低垂的果实。

好，大模型领域的当前情况，我们先说到这。后续的进展，我们会为你持续关注。

最后，回到妙鸭相机本身。我觉得最大的启发就在于，闭环意识。妙鸭是阿里系的产品。我记得早年间听过一个说法，阿里在创业时有一个标准流程，是针对销售岗位的。不管什么级别，但凡与人洽谈，最后一句话，一定是个标准话术，叫，咱们把合同签了吧。你看，这就叫闭环意识。这是一个最小化的确定性，也是一门大生意的关键基础。

再来看今天的第二条。我们从一个有点让人难以置信的新闻说起。这就是，英国的一个慈善机构，叫特拉塞尔基金会，在前段时间发了一个报告。里面显示有14%，也就是大概每七个英国人里，就有一个吃不饱饭。而且不是因为节食，是因为经济因素，说白了，就是没钱。

后来，也有人指出，这个报告的统计方式未必可靠。他们的统计方法是，对英国的食物救济机构周边的民众做调查。总共调查人数，不到7000人。有人就说，这个样本未必平均。

但是，这个新闻倒是给我们提了个醒。就是，最基本的粮食安全，非常重要。而且你能明显看到，今年很多机构，都在这方面下功夫。今天，我们就说其中的一个，特别的技术分支，这就是，植物工厂。

植物工厂，是温室大棚的进化版。它的基本模式是，通过计算机、传感器，还有各种农业设施，对植物生长的一切环境，包括土壤、水分、光线、温度、肥料等等，做智能化控制。中国的第一个智能化植物工厂，早在2009年，就在长春农博园投入运行了。

之所以说这个技术特别，是因为它从一开始，就不是为现在准备的，而是为遥远的未来。因为它一直在试图打破农业种植的，最底层的约束。

第一个，是土地约束。用地紧张，一直是锁死农业发展的底层限制之一。但是，植物工厂就要改变这个稀缺性。比如，用高楼种植，这是最基本的操作。再比如，也不一定非要把植物种在土里，现在水培、海绵基地等等无土栽培模式已经很成熟了。还有更先进的一种方式是，雾培，不仅不需要土，其他底座也都不需要了，植物的根系直接暴露在空气中，用喷雾装置在空气中喷洒雾化的养分就可以。

这么一来，植物工厂就可以把种植这件事，延伸到过去农业到不了的地方，比如海岛、极地、空间站，甚至是月球和火星。

植物工厂突破的第二个限制，是自然节律的限制。

传统农业除了依赖土地，同样依赖季节、气温、降水、光照这样的自然条件，植物生长，基本上得“靠天吃饭”。而植物工厂要做的，就是通过人造科技，减少植物对自然环境的依赖。比如，人造光源技术，可以根据物种，针对性地设计光照的强度和周期。再比如，人工环境技术，可以通过调控温度、湿度、植物密度，给工厂设置一个植物生长的最佳参数。

这样的人造环境可以把植物的生长周期缩短一半多。原来收获番茄需要三四个月，植物工厂只需要两个月。原来大棚里一年最多种三茬蔬菜，植物工厂一年可以种十多茬。美国最大的植物工厂公司AeroFarms，据说已经能实现蔬菜16天收一次，年产量是传统农场的390倍。

话说回来，既然植物工厂这么厉害，为什么现在还没有大规模铺开呢？

很简单，太贵。比如，《证券时报》曾经报道过一个智慧牧草工厂项目，占地面积大约1万平方米，需要投入5000万元。其次，人造环境的能耗远远超过自然环境，光源、空调还有各类设备的运转成本非常高，植物工厂种植一斤生菜，要消耗5度电，光能源成本加起来就要30块钱。而生菜已经是性价比最高的工厂植物了，其他植物，只会更贵。

不过，嗅觉灵敏的从业者，也给它找到了应用场景，那就是在先天条件特别差的地方，小规模铺开。比如，山东寿光市的一家公司，就把蔬菜工厂，开到了耕种环境比较极端的沙漠国家。去年的卡塔尔世界杯期间，我国农业科学院也把集装箱搬到了卡塔尔，给球迷提供新鲜蔬菜。

当然，植物工厂最主要的目标，并不是当前的商业应用，而是为遥远的未来做准备。这就跟芯片有点像。2022年，台积电已经把2纳米的制程提上了日程，但其实，今天的电子产品，用7纳米芯片已经绰绰有余。2纳米芯片的性能远超今天的需求，但它是在为未来的电子产品做准备。

我们可以把这个现象，称为技术的预设进化。也就是，在遇到问题之前，我假设，将来可能会出现这个情况。然后，提前把解决方案准备好。就像技术思想家布莱恩·阿瑟说的，技术有它自己的进化方向，人类社会早晚会与它相遇。

最后，总结一下，今天说了两个话题。妙鸭相机的产品逻辑，以及植物工厂的技术方向。假如你的身边有人对这两个话题感兴趣，推荐你把今天的节目分享给他。

好，以上就是今天的内容。《得到头条》，明天见。