為何 Canva 的 Craft 模型在設計領域勝過前沿實驗室 | Stefano Corazza
為何 Canva 的 Craft 模型在設計領域勝過前沿實驗室 | Stefano Corazza
Canva 的 AI 研究負責人 Stefano Corazza 說明其 Craft 模型如何在渲染前先規劃設計,並以 2.5 億名創作者累積的互動資料作為護城河;他預測創作成本下降將提高品質門檻,同時讓小眾動畫敘事成為可能。
AI 伴隨問答
針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:
Podcast 專家音訊節目
收錄於 888news Podcast 智庫專區,包含精華摘要與上市公司即時行情
Canva 的 AI 研究負責人 Stefano Corazza 主張,AI 在創意領域的角色是可編輯、可反覆迭代的夥伴,而非取代者;而 Canva 的優勢,來自它能在自家編輯器內,從每月 2.5 億名使用者身上學習品味。這場對談主要圍繞幾件事:Canva 如何訓練與評估創意影像模型 Craft、為什麼品味比能力更難教、當輸出無法驗證時強化學習該怎麼運作,以及生成成本驟降對內容創作意味著什麼。標題所稱 Craft「擊敗前沿實驗室」的說法只短暫出現,散見於幾段關於專注與資料的討論中。
Corazza 的發言位置,是在一家產品本身就是設計編輯器的公司裡主持研究,因此他關於使用者資料、工作流程理解與成本普及化的說法,有一部分其實是在談 Canva 自己的護城河。讀者讀完應該帶走的是 Canva 具體的技術押注——先規劃構圖再算繪畫素、獎勵發散、多尺度的人工評估——以及一個未解的疑問:「品味」究竟能不能被操作化成評分準則。
Canva 的押注:生成可編輯的草稿,最後 20–30% 交給人完成
Corazza 用一個謙卑的前提貫穿整個產品哲學:AI 的輸出永遠不會完全符合使用者想要的樣子。他估計,好的模型大概能走到「七成、也許八成」,剩下的由人補上。這就衍生出一項硬性要求:AI 生成的任何東西都必須「像人做出來的一樣可編輯」——而且要做到構圖層級,在任何畫素被算繪之前。
他描述介面正從純聊天演化為更豐富的意圖捕捉方式:影像參考(從一張圖到「數十張圖」)、直接在生成內容上標註,以及對成品更直接的操控。他的長遠玩笑是心電感應——對著頭盔眨眼——但他明說的方向是「任何能讓我們更接近那個目標的東西」。
Craft 模型在本集播出前幾週推出(換算約為 2026 年 10 月下旬),會在生成畫素之前先規劃設計與整張影像。這讓使用者能在算繪前就先與構圖互動,Corazza 把這點扣回創意工作的迭代本質:「創意過程按定義就是迭代的」,而 Canva 想做的是「把這個迭代過程直接內建進模型本身」。
教會品味才是瓶頸,而品味的變異比模型能力更大
Corazza 最引人注目的說法,是對變異程度的比較:頂尖影像模型之間的能力差距,「大概已經小於你在品味上看到的變異」——即使把範圍縮小到同一地點、做同一種工作的設計師也一樣。Canva 正在訓練模型學習品味,好讓它能推斷個別使用者的品味,縮小人機之間的落差。
難的不是資料量,而是把品味講清楚。要教品味,你得建立夠細緻的評分準則與分類,才能生出訓練資料集;而 Corazza 稱品味是「非常主觀的領域」,「真的很難跟科學配對」。在他看來,把科學帶進品味,正是模型真正取得進展的地方。
他把兩個詞分得很清楚:創意是更大的上位概念;品味則是針對某一種特定內容(某種影片風格、某種表演型別)的特定偏好。至於創意是否為人類獨有,他說不是——機器從範例中學習,就像一個人在藝術學校學設計一樣——他預期 AI 終將參與發想,而不只是執行,這會讓它成為更有價值的夥伴。
| 概念 | Corazza 的定義 | Canva 如何操作化 |
|---|---|---|
| 創意 | 廣泛的上位概念;跨領域、跨經驗的觀念連結 | 多模態訓練,讓模型「把點連起來」 |
| 品味 | 對特定內容型別或風格的狹義偏好 | 評分準則、分類、標註資料集;推斷個別使用者品味 |
| 能力 | 模型的原始品質 | 他說,頂尖模型之間的差距如今已小於品味的變異 |
沒有可驗證獎勵的強化學習,靠的是代理指標、付費回饋與編輯器訊號
全場最鋒利的技術交鋒,是關於在沒有編譯器能喊「壞了,重做」的情況下,強化學習該怎麼跑。Corazza 的答案是多尺度的評估堆疊,而不是單一的獎勵訊號。
- 大規模的人工介入: 對輸出做大規模人工評估,判斷好或不好。
- 付費或社群評分者: 有時付費、有時是社群成員的受眾,對模型給出「絕對清楚明確的回饋」。
- 以 AI 當評估者: 用模型來評估模型的輸出。
- 產品中的隱性訊號: 使用者是否採用了結果、是否按了復原、是否發布——這些都從 Canva 的編輯器裡萃取,因為「一切都在那裡發生」。
- 使用者主動同意的使用資料: 一個已同意讓 Canva 用其使用資料來改進模型的大型社群。
他稱隱性訊號這一層是「秘密」,但拒絕細談如何把雜亂的使用者行為轉換成訓練資料,只說那是「很大的工程」。他真正提出的策略論點是:因為 Canva 擁有編輯器,它能觀察到獨立模型 API 看不到的結果。
架構與資料一樣重要,而發散可以被獎勵
Corazza 反駁「進步只是資料變好」這種想法。模型架構「極其重要」,而且在 Canva 持續演進,原因有二:吸收更多的人類創意輸入,以及在畫素存在之前就讓輸出保持可編輯。
對於針對 transformer 的批評——預測下一個 Token 是為了最可能的接續,而不是那個跳躍——他指向一些研究,這些研究獎勵發散而非收斂,對更不一樣或「完全天馬行空」的輸出給予模型獎勵。第二個槓桿是脈絡:輸入 Token 的容量正在成長,影像模型也不例外,而 Canva 自家的容量也「成長了不少」,讓模型在規劃階段更有彈性。
他也勾勒了一套創意如何機械性湧現的理論:早期影像模型用影像訓練、影片模型用影片訓練,但多模態資料集讓模型能跨領域把點連起來——他稱之為「創意的代理」。在他框架裡,觀唸的連結是前驅,而他說這些訊號已開始在 AI 中浮現。
影片單幀成本一年降了約 100 倍,這改變了誰能創作
Corazza 的頭條數字:生成單一影片影格的成本,一年內下降約兩個數量級(換算約在 2025 年底到 2026 年底之間)。他稱這個速度前所未見,並找了個對照——汽油一年內便宜 100 倍——他補了一句,這種事沒發生過。
他列出的原因屬於工程,而非研究突破:推論最佳化、核心加速、減少步數、層折疊,以及與生成影格的硬體緊密耦合。那些從未被最佳化的研究分支,獲得了一波集中的最佳化投入。
他導出的結論是普及。Canva 多數使用者是免費使用者;Canva 把產品免費提供給非營利組織;而 Corazza 說今天很多人仍負擔不起 AI。若明年再降一個數量級,Canva 就能把使用權擴得更大。他把這個軌跡比作儲存定價崩跌後變成固定的月費方案,並說更便宜的生成讓人們能盡情嘗試與腦力激盪,不必數著額度。
他把這一刻類比為油畫讓位給攝影,只是速度與衝擊被壓縮了「一千倍」:工藝菁英失去壟斷,「這算作弊吧」的反應隨之而來,而眼睛、品味與想法,仍然決定一個鏡頭值不值得分享。
想法成為稀缺的投入,長尾開始碎裂
如果生成變便宜,Corazza 主張,真正的限制就轉移到想法與故事上。他給年輕創作者的建議是學說故事,因為在任何東西變成指令碼或影片之前,得先有一個引人入勝的故事。
他預期兩個結構性轉變:
1. 策展成為真正的機會 —— 在內容的汪洋中找出珍寶,而輸出的長尾極其龐大。
2. 受眾碎裂變得可行 —— 動畫長片歷來必須被「淨化」到能吸引約 20 億人,才能回收投資,他說這造就了十年如出一轍的公主大片。成本降低後,創作者可以為一小群能產生深刻共鳴的觀眾創作,進入過去那臺 ROI 機器所排除的領域。
至於「好」的門檻是否提高:他說百分之百會。至於 AI 永遠無法取代什麼,他乾脆拒絕「取代」這個框架——它是可以一起腦力激盪的夥伴——並把不可取代的部分放在旅程裡:創作過程本身會生出想法、改變原本的構想,而那樣的迭代「仍然是最重要的事」。
創意的限制是時間,不是才華
被問到 AI 是否在宏觀層面讓人更有創意,Corazza 從時間切入回答。創作是創意乘以可用時間的函式,而時間有限。他的例子是:他和朋友 Ben(Radical Face)合作的一部動畫片,畫影格花了約三年,再花一年整合成 40 分鐘的影片。若換成兩、三個月而非三年,創作者就有時間講更多故事。
這是他對創意「感覺暴增」的解釋——不是人變得更有創意,而是把想法實現出來所需的時間少得多。他沒有就宏觀問題提出硬資料;他給的證據是成本曲線與工作流程的改變。
本集留下的未解之處
有兩股張力值得留意。第一,Corazza 斷言模型能力的變異如今已小於品味的變異,但本集並未提供任何測量依據——這是一個來自「賣品味差異化」者的有用框架,而不是基準測試。第二,把編輯器訊號轉換成訓練資料這個「秘密」只是被斷言,並未被展示;護城河的說法建立在 Canva 每月 2.5 億使用者,以及它對編輯介面的掌握之上,這兩點按他的說法都成立,但本身並不能證明這些資料會轉化為更好的品味。標題拋出的競爭問題——一家專注設計的實驗室,能否在創意上跑贏前沿實驗室——得到的答案是「專注與資料」,而非技術層面的答案,而 Corazza 也承認前沿實驗室把重心放在寫程式上。當多模態模型日益通用,這樣的分工是否站得住,才是真正未定的押注。