核心观点
　　ControlNet解决了Stable Diffusion等文生图扩散模型，有时难以创作出严格符合用户需求的内容的痛点，其可为AI工具扫除以下问题：
　　1）内容处理不够精细：ControlNet可以让扩散模型更符合用户输入的文字指令，此外用户还可对图片细节进行调整；
　　2）与多种内容生产工具结合：用户可在文生图工具StableDiffusion、视频工具EbSynth、3D模型工具Houdini等应用中接入ControlNet插件，实现多种内容形式创作。
　　我们认为ControlNet以一种通用型插件形式，将图片/视频编辑应用从娱乐工具、生产辅助工具，转变为真正的新型专业性创作平台，有效生产可直接商业化的内容，扫除专业工具“不专业”的问题。相关工具标的包括万兴科技、美图。应用场景包括广告营销、游戏原画和建模、虚拟人、影视特效制作等。
　　行业动态信息
　　ControlNet是一款可以精细化控制文生图扩散模型的插件。来自斯坦福大学的团队于23年2月在GitHub发布了这款基于神经网络的插件。通过在扩散模型中添加额外的条件，ControlNet可以让扩散模型更好地创作出符合文本指令的内容。用户可以通过Stable Diffusion等扩散模型调用该插件，实现对图像细节的精细调整。调整内容包括局部物体的姿态、颜色、风格、人手等。
　　ControlNet的应用场景：1）专业图片和视频编辑工具：提升内容质量，从而提升产品价值和用户付费意愿，相关标的包括万兴科技、美图、视觉中国等；2）广告营销素材生成：高频、大量素材需求场景，提升生产力，相关标的包括易点天下、蓝色光标、值得买、壹网壹创、元隆雅图、若羽臣等；3）游戏原画：精细化创作，减少画师修改时间，解放生产力，相关标的三七互娱、巨人网络、吉比特、完美世界、恺英网络、昆仑万维等；4）虚拟人建模：以开源工具接入元宇宙平台，精细化调整3D模型，相关标的包括蓝色光标、新华网、捷成股份、天娱数科等；5）特效制作：颠覆传统特效和动捕制作流程，相关标的中国电影、博纳影业、光线传媒。
　　ControlNet的优点：解决Stable Diffusion等文生图扩散模型有时难以创作出严格符合用户需求的图片的痛点。比如有时模型生成的图片细节不符合文字指令，或是不能仅对图片的某一细节进行修改。
　　ControlNet可以释放AIGC工具在专业场景的商业化前景。在营销、游戏、MCN机构等面向C端用户利用图文和音视频内容进行商业化的机构，对内容产出质量的要求甚高。而Stable Diffusion等目前主流的文生图AI工具，因创作的内容质量还有待改进，因此仅能作为辅助工具，而不能成为替代性创作平台，从而限制了文生图工具的商业化前景。而我们认为ControlNet的出现弥补了目前文生图AI工具的短板，有力释放AI工具的商业化潜能。
　　风险分析
　　生成式AI技术发展不及预期、各领域技术融合进度不及预期的风险、算力支持程度不及预期、数据质量及数量支持程度不及预期、用户需求不及预期、技术垄断风险、原始训练数据存在偏见风险、算法偏见与歧视风险、算法透明度风险、增加监管难度风险、政策监管风险、商业化能力不及预期、相关法律法规完善不及预期、版权归属风险、深度造假风险、人权道德风险、影响互联网内容生态健康安全风险、企业风险识别与治理能力不足风险、用户审美取向发生变化的风险。