AI大模型的商业模式：揭示潜在的盈利机会和商机

大家好，我是小程序开发，电商模式设计的的姜峰。

【资料图】

在深度学习下，从2010年开始，越来越多的人工智能公司诞生，例如2012年的出门问问、2013年的格灵深瞳、2014年的商汤等，这十年来，这些公司的业绩都是在亏损。而与之同时成立的还有其他公司，比如字节跳动（2016年推出的抖音），拼多多等等。这批数据的对比，只能说明，近十年来，人工智能并没有什么商业模式。而现在，一个大模型出现了，会不会有什么变化呢？如果是这样的话，会有什么变化？

大模型的商业模式是否与云相似？

很多人都将大模型与公有云和私有云进行比较，虽然有相似之处，但并不完全正确。

事实上，大模型更多的是一种对数据价值的放大，而云更多的是一种数据服务，所以并没有太大的效果。

这种差别将会造成发展的大模型与云之间的巨大差别。

如果数据或者服务原本的价值是1，那么公有云对这个1不会产生任何影响，但是会影响实现1的成本，此时，云服务对于企业来说更多的是一个成本中心。（不完全，但大体是这样）

大模型就不一样了。

比如，一个数据和一个服务，原本的价值是1，而一个大模型，它的放大倍数是5，甚至10，那么zui终的差异就是5,10。到了这个时候，大模型就成了公司的利润来源，就是生与死的区别。

如果不像云的话，那么应该是搜索吧？又不是。

大模型与搜索的重合性很高，因此微软是第1个取得突破性进展的公司，但我们也清楚，大模型的核心是内容的产生与逻辑的推演。就像是在网上搜索一个问题，然后再去找一个问题的答案。

和云服务、搜索这些东西都不一样，那么，到底像什么呢？

其实类似于Windows、安卓，但却是云端的新型操作系统。智能的极限就是这种操作系统的极限。

以前的操作系统在做什么？屏蔽了硬件之间的差别，使程序具有了一个统一的调用界面。一方面是软建，另一方面是硬件。

这个大模型的两侧各有哪些？

在一头，它能遮蔽不同的应用程序，另一头，它也能遮蔽不同的硬件。

它拥有云服务，搜索的基本特性，但是后面将发展成为一个新的物种。

过去，我们已经将抖音、美团等应用场景划分成了多个垂直计算平台，而如今，大数据技术的发展带来了新的机遇。这就是“通用智能”的真正意义，要不然，通用智能又有什么用？

新型通用计算平台的兴起

纵观信息技术发展史，我们只有两种常见的计算机平台：电脑、手机。

近十年来，整个互联网行业都在寻找下一个通用计算平台，从互联网电视到智能音箱，大家都期望他们可以无所不能，但在巨额投资后，他们都以失败告终，失败后，他们又回到了自己的老地方，音箱是用来听歌，而不是用来点外卖，电视是用来看电影，而不是用来购物，玩游戏，社交等，他们退出后，也就失去了成为下一个通用计算平台的机会。

就在所有人都快要绝望的时候，一种 GPT冒了出来。它明确的向我们传达了一个信息，那就是下一代的通用计算平台，无论任何工作，只要一次简单的交谈就能得到结果。（这才是比尔盖茨演讲的真正目的。）

而且，它还会拥有电脑和手机所没有的特性。

第1，这一次，我们不需要专门的仪器来实现更具身临其境的运算。不用太长时间，电视，扬声器，汽车等等都能用到。

第二，它的使用代价很小，只需要你会打字，会说话。不像 windows，也不像手机，软建都是由专业的程序员来开发的。

第三，对许多以前无法完成的事情给予支持。在此之前，手机和电脑都无法解决内容创作的问题。

可以说，在通用智能的基础上可以整合过去电脑手机能承载的应用从而做的更好，反过来，却不是这样。这对企业来说，是一件很大的事情，就像现在的智能手机，可以做到像照相机一样，但反之亦然，照相机就会消失。以前也有人尝试过类似的功能，比如 Siri、 Alexa、小爱同学等等，就是其中之一，这些功能可以在手机上实现任何功能，区别就是不同的交互方式。他们之所以没有成功，是因为他们的智能程度很低，但是如果他们的智能程度再高一些，那就不一样了。

而在这一点上，所有和它有交集的东西，都会被折叠起来，就像摄像机一样。但可以肯定的是，随着人工智能的发展，这个单纯的数字工具已经没有了任何的价值。尽管 Adobe已经做得很好， Midjourney也很受欢迎，但是将来 Midjourney和 Adobe等产品都将成为一个大模型下的其中一个功能，而不再是单独存在。

从技术的角度来看，这种融合是没有界限的，随着技术的发展，随着技术的进步，其他相关的线上和线下服务，都会变成纯粹的数据提供者。在《黑客帝国》中，这些软建也就是多了几只章鱼种类而已。

当然，这个优化的zui终框架，短时间内是不可能实现的，毕竟现实世界要比虚拟世界更加复杂，就拿美团来说，它之所以有这么大的优势，就是因为有了快递员，美团肯定不会甘心将这一点，建立在其他公司的基础上。因此，这将是一段很长的路，但是根本的趋势已经确立了，那就是，所有企业都将重新调整到智力的范围内。

而这个问题的答案，则是：随着新一代计算平台的出现，我们需要更多的大型模型。

即便zui终的结果是Matrix和克里人的智慧结晶，也需要很长一段时间才能完成。

在此过程中，根据不同的智能特征，将大模型进行细分，zui终形成多个。

就算 OpenAI的大模型很厉害，但它也不可能解决便利蜂和快递员的问题，更不可能解决税务和企业运营的问题。

每一个垂直领域都有其自身的大模式，而每个模式又包含着一系列的系统与生态。

这个系统将终端，数据源，用户联系在一起，与同类产品展开激烈的竞争，并迅速融合（可以想起以前的团购，打车）。

随着智慧的提升，它们之间的融合也会越来越多。这样的合并，甚至比网上还要糟糕。只要有了更高的智慧，理论上是没有极限的，而且随着智慧的融合，它们的智慧和经验都会得到提升。

打个比方，每一个拥有自己生态系统的大模型，都会变成一只章鱼，将大模型藏在章鱼的头部，而章鱼的触角，就是用户的终端，也就是数据源。如果真的出现了大融合，那么 UBI将是非常必要的，因为这将会产生一个更大的中央结点。

以后还会一直亏下去吗？

看看将来也是好的。那么，这是否能够改变一个不断亏损的人工智能公司呢？让人工智能变得更有活力？

他做不到。但有一点是肯定的，那就是人工智能产业的损失会更大。小一点的，比如 Midjourney，还好一点。

你的野心越大，想要在短时间内发展起来，你的损失就越大。

为何？与以前相比， AI和云的投资增长了，其他重要的业务因素并没有改变。

是否改变了顾客谈价能力？不。以前的客户，也是没有技术的，但既然已经谈成了这个样子，那么，技术上的进步，就不会再有了，除非是突破了一定的界限，否则，不到万不得已，是不可能改变的。

那么，成本端的谈价能力呢？不。人，机器，数据，都是贵的。

这一次的竞争，会不会出现什么变故？不。早晚有一天，那些做云的供应商们，也会做出更大规模的产品。

会不会因此而提高成本？会。除了数据和计算机成本更高以外，大模型使得更新更加频繁。以往，在政务云中进行私人部署，从根本上来说，都是B端的业务，而大模型，从根本上来说，就是一种直接进入C端的产品，与OpenAI之间的巨大差距，必然会导致不断地进行升级。

如果只有成本提高了，那么损失就说得过去了。

要说未来10年仍是人工智能赔钱的10年，可能有些过了，但是3-5年内不会有任何业务模型，这一点却更为肯定。

人工智能产业注定是要赚钱的，但这个过程却是漫长的。这是怎么回事？这是因为经济发展的方式已经改变。

大模型的业务模式只有一个，即系统的产品。IBM曾为这个产品制作过沃森的演示文稿，但是由于其技术成熟程度还不够高，因此基本上是以失败告终。但真正做大模型的人，也能从中学到一些东西，比如 IBM没有做完的生意，比如在每一个产业里，都有一个“沃森”，只要做得好，就能赚到钱。而像OpenAI这样的公司就不一样了，他们的目标是网上的一般性信息，而不是单纯的搜索和社交。

在这种情况下，公司的整体运营方式将和互联网有着很大的不同。

在互联网的商业模式下，一个人的价值可以很低，但是如果有大量的用户，那么他就能赚到钱。在这个时候，雷军总结出了一句话：“专注绝伦口碑快”，这句话很有道理。

大模型没有，但“快”却被推翻了。大模型，必须要不断的挖井，直到有水出来，才能赚到钱。在这种情况下，如果是互联网战，那就是到处挖井，却没有水喝。在这种情况下，一味地强调速度，只会带来灾难。

这意味着底层的逻辑发生了变化，一个是急于求成，一个是稳扎稳打。

同样的，在这个行业里，竞争也是十分激烈的，当一个行业的产品提升到一个新的高度时，落后的就会被淘汰，做BERT的都是一些技术很好的大神，但这条生产线上，又有什么用呢？

大模型，不仅在短期内无法盈利，而且有很大的风险。

我是姜峰，了解更多资讯内容，小程序，app开发，电商分销模式等，可以关注留言私信。

本文编辑：jhf_23

标签：