中國AI大模型，應該如何商業化？

2023-12-06 18:40:26 編輯： robot

導讀 ?雖然大模型商業化的路徑較爲清晰，目前國內廠商也都在積極探索，但大模型的商業化之路，不能僅限於商業模式的探索嘗試，更在於解決大模型發展的底層問題。作者|鬥鬥編輯|皮爺出品|產業家? 如今，大模...

?雖然大模型商業化的路徑較爲清晰，目前國內廠商也都在積極探索，但大模型的商業化之路，不能僅限於商業模式的探索嘗試，更在於解決大模型發展的底層問題。

作者|鬥鬥

編輯|皮爺

出品|產業家?

如今，大模型的商業化問題再次被擺在台面上。

一個事實是，當下的大模型訓練需要強大的算力支撐，尤其是參數量大的模型，花費極大。比如OpenAI的語言模型GPT-3，成本接近500萬美元，也就是人民幣4000萬左右。龐大的模型訓練需要巨額的資金來支持。

投入了巨額資金之後，企業一方面是希望盡快商業化來解決後續研發資金的問題，一方面也是希望通過商業化來達到賺錢的目的。

那么矛盾也接踵而來，迅速的商業化，難以避免的是一些安全性、倫理性的問題被暫且擱到一邊，更爲真實的情況是，如今大模型迅速商業化之後的發展路徑思考的其實並不多，因此也就看到了很多大模型基本上就是淺嘗即止，最後引發商業化與非盈利之間的矛盾。

OpenAI前段時間的“宮鬥”，便是一個很好的例證。

11月18日，OpenAI管理層發生巨變，CEO奧特曼被解僱。至此，OpenAI“宮鬥”上演。

在公开報道中，OpenAI的六人董事會中，被开除的奧爾特曼和Greg Brockman傾向加速商業化，以獲得更多資金來支持AI模型的算力需求；而獨立董事Tasha McCauley和Helen Toner更關注AI的安全。

簡言之，一方以技術爲主導，追求模型的卓越性，以實現通用人工智能爲目標；一方則認爲商業化是公司發展的必經之路，應該積極拓展市場應用，從而實現盈利爲目標。由此，一個猜測是，倡導商業化的阿爾特曼碰到了強調AI技術、安全屬性的Ilya Sutskever，直接正面引發了衝突。

經過反反復復地拉鋸。11月30日，OpenAI宣布組建新初始董事會，Sam Altman重新擔任CEOMira Murati擔任首席技術官。這次“宮鬥”勝利者似乎屬於商業化的那一方。

但在這場由世界頂級大模型公司引起的“商業化與非盈利之爭”的鬧劇下，引發的一些問題使人陷入深思，即大模型的商業化正面臨着哪些困局？大模型應該如何商業化？

而在中國市場，大模型廠商除了已經展現出來的算力層面商業價值外，還可以在哪些方面進行商業化嘗試？以及，這條路已經走到哪了？

一、大模型商業化衆生相

在大模型的商業化方面，以百度、阿裏、騰訊等爲代表的互聯網廠商，目前商業化前景較爲清晰。這一點與其自身龐大的業務體系不無關系。

即互聯網巨頭可通過將大模型集成到現有產品和服務中，比如百度文庫文檔助手、淘寶問問、Bing搜索引擎等，來增加用戶粘性並帶動營收增長。主要方式是將生成式AI作爲輔助功能，嵌入原有業務，視爲一項增值服務。

其次是訂閱服務，即採用按月或按使用量計費的訂閱模式，爲客戶提供持續的大模型訪問權限。例如OpenAI的ChatGPT、百度等文心一言、阿裏的通義千問等。目前國內文心一言等也在通過訂閱制的商業模式，爲大模型應用帶來一些營收，但其他廠商收費意向不明。

此外以智譜AI這類國家隊廠商爲代表的商業化前景亦比較清晰。業內普遍認爲，諸如國內大型企業、央國企想要與大模型結合，智譜AI是一個繞不過去的選項。

但盡管如此，國內大模型商業化仍處於初級階段，商業化進程面臨着諸多挑战。

首先，大模型的研發和應用需要大量資金和時間投入，而回報卻往往難以預測。這導致許多企業在商業化過程中猶豫不決，錯失市場機遇。

其次，大模型的倫理道德和安全性問題也給商業化帶來了一定的壓力。例如，算法偏見和歧視、數據泄露和濫用等問題時有發生，這使得一些企業在大模型應用方面持謹慎態度。此外，國內大模型商業化還面臨着市場接受度和應用場景等問題。

目前，大部分企業的應用需求主要集中在智能客服、智能推薦、智能營銷等領域，其他領域的應用仍處於探索階段。這使得大模型商業化進程相對緩慢，難以實現規模化發展。

更值得注意得是，盡管國內在人工智能領域取得了顯著進展，但與國際領先水平相比，國內的大模型技術還存在一定差距。這使得國內企業在國際市場競爭中處於劣勢地位，也就很難向出海、跨境方向延伸。

此外，國內大模型商業化還面臨着商業模式不成熟的問題，比如如何收費，以目前國內普遍採取的算力收費形式而言，這種模式似乎與雲計算的收費模式一致，而從利潤率來看，這顯然不是一個優質的收費模式。

對於國內的大模型廠商而言，商業化的路如何走成爲當下亟待解決的問題。

二、MaaS、开源與Agent

大模型的商業化，應該解決的是讓企業和用戶更少了解原理，更簡單直接使用成果，讓用戶回歸價值和自身業務問題解決。換言之，也就是大模型的“一體化黑箱模型”。

因此，如今的一些商業模式成爲了大模型賽道玩家和創業者們的聚集之處。

其中，MaaS模式是最爲常見的一種。在這種模式下，一般是由雲廠商或科研機構對大模型封裝，在各類任務上的推理能力封裝成統一的應用程序接口，對外提供服務的模式，雖然提供的是API，但是本質上調用的是模型。

下遊企業可以獲得這些接口，並按照自身的業務需求，調用服務嵌入已有的應用和服務中，讓大模型的API爲整個程序進行賦能。

這種方式使得企業不需要過多了解模型的技術細節，而是像調用雲能力一樣，直接調用服務。目前、文心、通義、盤古等大模型廠商，基本都在提供此類服務，比如阿裏的魔搭社區，百度的飛槳等等。

此外，开源模式也是大模型商業化的一種重要方式，在這種模式下，計算機程序、軟件的源代碼等內容公开，並根據开源協議進行分發的方式。

开源是目前計算機領域一種普遍的軟件开發模式，大量开發者在協議許可的情況下對开源代碼進行修改，並集成到已有的系統中，爲軟件和系統增加新功能和特性。

在开源的模式下，可以快速共享好成果，讓好的成果快速培養社區，下遊用戶利用开源成果，可以快速搭建自己的應用系統。在國內，智譜AI、阿裏通義都在強調开源的價值。

开源本身是免費，但涉及到後續的數據訓練、數據監督、數據微調等等，則對應的是較爲明朗的收費模式，恰等同於开放井水，但做賣鏟子的人。

再有就是平台即服務模式，即不再提供單一的模型API，而是將大模型當作平台服務中的一種技術，集成到AI平台上，通過統一的平台對外提供服務。這種模式中，企業構建包含开發工具、AI服務、流程化的平台，而大模型只是平台中的一個組成部分。

用戶購买或使用平台的過程中，可以利用平台提供的工具，對大模型進行开發和應用，集成於自有的體系中，用戶不能單獨獲得模型的能力。用戶通過使用平台和工具，獲得利用大模型开發的能力，也因此付費。

例如，文心大模型已經發展出了NLP/CV/跨模態/生物計算大模型，並且在此基礎上，推出了衆多行業大模型、大模型套件。向上又有Easy-DL、BML大模型、大模型API、文心一格（AIGC）等。

還有一種軟件即服務的模式。目前國內大廠、頭部政企和科研機構，正在提供強大的新基建，中小廠商可以基於這些基建，开發自己的saas服務，並提供給企業、個人。AI Agent便是當下炙手可熱的大模型創業路徑。

此外，無論是對於OpenAI、Meta這樣的AI領頭企業，還是對於衆多的小型初創型企業或者科技極客來說，AI Agent也更是如今商業化不得不談的話題。不論是釘釘、飛書，亦或者是百度，都在推出自己的Agent產品。

如果說前面所說的衆多變現都在B端，其市場和需求量有一定的天花板。那么，AI Agent則對應的是B端市場之外，在C端的巨大想象力。不僅市場本身，更在商業價值。

如今，一個業內普遍共識是，AI Agent是未來實現終極的AGI（通用人工智能）形態的必經之路，而且越來越多的人認識到，大模型只有在真正的應用層面走進千家萬戶，才能展示其真正的價值，而AI Agent就是最好的應用形式。

三、商業化難在哪？

總體來看，大模型商業化的路徑盡管未能做到最好，但方向是清晰。不過清晰並不意味着能落地。對於國內大模型賽道的玩家而言，仍面臨諸多內外部的挑战。

11月7日的凌晨，OpenAI在首屆开發者大會上發布了幾個更新，新的模型GPT-4 Turbo、GPT Builder以及Assistant API。

其中，GPT Builder的特性包括每個人/每個企業都可以定制屬於自己的GPT；每個獨特的GPT可定制自己的指令、知識庫、工具與動作、頭像等；無需开發，直接使用自然語言定制，你甚至可以讓Dalle3幫你生成頭像；GPTs可以分享使用，並享受類似App Store的分成。

這意味着，每個人/企業都可以在线創建自己的GPT/Agent。

而另一個更新Assistant API，可通過API來讓GPT來幫你編寫代碼並自動執行；通過API實現函數/工具調用的能力，擴展AI的能力。

這意味着用戶可以更輕松的通過Assistant API在自己的網站或者移動應用中構建自己的ChatBot或者AI助手，大大減少AI开發的繁重工作量。

一個事實是，其不再滿足於提供基礎大模型，而是希望成爲AI時代的AI OS平台。這一更新很大程度上給AI Agent的售賣模式帶來了不小的衝擊。

而在开源模式上，同樣存在着發展的瓶頸。

在MaaS模式上同樣也存在許多落地的難題。首先，如果模型效果不盡如人意，API將無法充分滿足用戶的常規推理需求，因此需要根據具體情況對模型進行調整和優化，但調優本身是一個具備門檻的开發，大部分企業不具備這樣的能力或大模型人才，也就很難持續爲MaaS社區貢獻活躍度。

其次，由於大模型的運行速度相對較慢，當推理請求的數量或請求數據量大幅增加時，API的響應時間和數據質量將難以保證。例如，像ChatGPT、DALLE2等AIGC應用，其實際反應時間往往較長，因此難以在短時間內實現大規模應用和提供及時響應體驗。

總體而言，全球大模型產業商業化仍處於早期探索階段。

一方面，雖然研發機構在大模型技術方面已經相當成熟，但對於落地場景卻還不夠熟悉，尚未形成完善的商業化模式。因此，它們需要與下遊場景企業合作，共同構建大模型的商業模式。

另一方面，大部分下遊場景企業對於大模型的基本概念和認知尚未形成，同時，它們也缺乏支持模型微調所需的算力，以及定制和二次开發模型所需的人力資源和技術實力。

總體來看，雖然大模型商業化的路徑較爲清晰，目前國內廠商也都在積極探索，但大模型的商業化之路，不能僅限於商業模式的探索嘗試，更在於解決大模型發展的底層問題。

寫在最後：

一個事實是，大模型真正的價值在於能夠解決實際問題並創造商業價值，場景是商業模式的基礎。對於大模型賽道的玩家而言，如何將大模型與具體場景結合，成共落地，才是商業化的本質。

以OpenAI的GPT-3爲例，這款語言模型以其較強的生成能力和廣泛的應用潛力吸引了全球的目光。

然而，如果沒有合適的場景和應用，這個工具只能停留在理論層面或實驗室環境。只有當它被成功地應用於各種場景中，才能發揮出真正的商業價值。

Copy.ai是一家使用GPT-3的大規模語言模型來幫助企業和個人快速生成高質量內容的初創公司。通過深入了解客戶的需求和市場情況，Copy.ai將GPT-3的技術能力與營銷、廣告、新聞稿等應用場景緊密結合，實現了從技術到產品的轉變。這種“場景爲王”的策略使得Copy.ai能夠在競爭激烈的市場中脫穎而出，成爲了一家備受矚目的創業公司。