祛魅後的大模型，商業化成爲要啃的第一塊硬骨頭

2023年，以ChatGPT爲代表的大模型迅速席捲全球，給人帶來一種技術即將躍遷的幻象。儘管業內認爲過去一年大模型取得的進步超過以往10年之和，但總體來說大模型技術演進進入了一個相對平緩的平臺期。

隨着認知的不斷拓展和清晰，讓企業對大模型祛魅了，越來越多企業明白大模型只是"技術和能力"，開始希望利用好這個新工具，讓它在業務層面帶來效率提升。這樣的變化帶來一個結果："百模大戰"的風向逐漸收斂。

市場和客戶變得越來越務實，越來越多初創企業將目光從基礎模型轉向應用和工具鏈。而對於投資者和投資機構來說，最關心的問題還是商業化。

但大模型商業化的落地依然有許多難點。

難點一：ToB還是toC

第一個難點在於大模型玩家對to B和to C兩個方向的選擇截然不同且充滿爭議。大模型確實在加速狂飆，但AI商業化卻面臨巨大鴻溝。一方面，傳統企業不知道怎麼將AI融入原始業務，另一方面，AI企業難以找到合適的變現方式。AI企業究竟該如何突破商業化之困？B端和C端，呈現出兩種不同的路徑。

縱觀海外的AI玩家，已經有許多企業闖出自己的商業化道路。B端如微軟、Salesforce，將AI技術集成到傳統產品中並提供垂直定製服務；C端如OpenAI、Midjourney，向個人用戶提供生產力解放工具，並以付費訂閱模式變現。

而國內雖然起步較晚，但仍有不少企業在積極探索商業化路徑，百度、阿里、字節跳動、360、訊飛等公司都在進行相關嘗試。如百度在C端打造生產力工具，推出文心一言訂閱模式，B端提供底層架構、解決方案；360在C端藉助瀏覽器在PC端的場景優勢，發力AI辦公，B端聚焦AI安全和知識管理等場景，在ToC、ToB兩端入手，尋找大模型的商業價值；訊飛則試圖將大模型與自身硬件產品進行結合。

但不論是B端和C端，都有着各自的問題。在B端，傳統企業在採用AI技術時需要考慮ROI(投資回報率)、數據安全性等，此外將AI融入以往的工作流程以及後續維護都有較高成本。按企業服務領域的慣性來說，大模型to B應用可以帶來更大的行業價值，可以更快實現，但傳統企業普遍不敢用、高管不想用、企業不願爲軟件付費。

在C端，普通消費者對AI產品的付費意願上漲，但營收難以覆蓋大模型訓練和運行的高昂成本。此外，許多企業往往過於關注AI技術本身，而忽視了對消費市場的開拓和消費者需求的挖掘。

相比缺乏付費意願的C端用戶，B端客戶對先進技術的渴求更爲明確。國際數據公司IDC曾在2023年四季度開展過一次AI應用調研，結果顯示，在100家受調企業中，對生成式AI完全沒有規劃的企業比例只有7%，這也意味着超九成被調查企業已佈局了AI應用。已經投資了生成式AI，並已有明確預算的企業有24%；還有34%的企業已經開始制定潛在應用場景；35%的企業開始嘗試試點，但暫未明確預算。

不過對此也有人有不同觀點，例如創新工場創始人、零一萬物CEO李開復認爲，短期來看大模型在中國to C的應用更有機會，但挑戰在於推理成本高，在考慮產品市場匹配度時，還要考慮技術需求、技術難度和成本等因素，而且還需要把握時間窗口。

然而對於大模型創業公司而言，尋找商業化路徑，尤其在to C賽道尋找商業模式是世界難題。

以當下較火的月之暗面爲例，對於堅定賭to C賽道的月之暗面而言，在to C賽道構建一個有效的商業模式更是難上加難。楊植麟也曾表示，目前比較流行兩種商業模式：一是訂閱。在他看來，按照用戶數量收費，是無法隨着產品創造出更大的商業化價值的，訂閱不會是最終的商業模式。

二是抽成。其中廣告已經被互聯網驗證過了，它的確定性更高，但人的注意力和時間有限，這種商業模式的機會可能也沒有那麼大。

並且不論是toB還是toC，商業化的成績單都很直接，所以大家會迅速進入赤裸裸的拼刺刀的階段。投資方或者市場對大模型創業公司的期待，就是每3~6個月，必須拿出新的產品，或者發生新的變化——要在階段性交出能夠讓人買單或者信服的成績，比如用戶量、收入、影響力等。

難點二：經濟性

而不論是面向B端還是C端，大模型商業化的核心其實還是一個經濟性的問題。也就是收益能否覆蓋成本。

"大的模型投不起，小的模型還看不到賺錢能力。"有業內人士用這樣一句話形容當下大模型領域的投資難題。

一方面，大模型的"貴"衆所皆知，數千萬元一次的訓練成本註定了這是少數人的遊戲。再疊加美元基金黃金時代落幕，風險投資也愈發謹慎。或許正是因此，大模型熱潮難以帶火一級市場。

研究機構CB Insights發佈的《2023年人工智能(AI)行業現狀報告》數據顯示，2023年，中國AI領域投融資數量約爲232筆，同比下降38%；融資總額約爲20億美元，同比下降70%。特別是2023年第一季度，無論是融資額還是融資量，都創下了5年來最低，中國AI行業融資熱"降溫"尤爲明顯。

當創業者獲取融資的難度增大，難以覆蓋長期研究所需成本，它們就必須迅速獲得商業成果、完成商業閉環，才能確保項目的可持續發展——這成爲了中國與硅谷大模型創業生態之間的最大差異。

難點三：人的認知

除了面向什麼客戶和成本外，人對AI的接受和使用程度也會給AI大模型商業化帶來難點。

在2024 世界人工智能大會上，中國工程院院士、之江實驗室主任、阿里雲創始人 王堅表示："人的因素容易被忽略，當我們講AI對每個部門都會產生影響，AI是革命性力量的時候，要所有部門的所有人都去擁抱AI，這在很多大企業是很難的。小企業跟大企業的差別就是，大企業會覺得AI是工具的革命，而小企業一定會覺得這是革命的工具。"

王堅在大會上說，當大企業也意識到AI是革命的工具，變化纔會到來。

王堅觀察到的現象是中國企業對AI的態度之現狀，讓所有企業都去擁抱AI、擁抱大模型並不容易。中國移動從2023年年初開始啓動大模型研發工作，當年就推出了139億參數的大語言模型，在公司內部和客戶中加快推進大模型落地，但面臨的一大挑戰是，行業如何看待和擁抱大模型，行業內部對於大模型的看法和接受程度不一，存在思維方式的轉變問題。

而這種思維方式的轉變之難不僅存在於公司和行業，也存在於我們每個人內心中。

從蘇格拉底說："人是萬物價值的尺度"；到哈姆雷特中的"人是宇宙的精華，萬物的靈長"；又到近代科學理論爲工業革命奠定了基礎，生產力發展推動社會進步。人類無疑是過去歷史的絕對主角。

但隨着人工智能的出現，許多人說，科技將成爲世界的"主角"，這時一場計算機和人類之間的"分工之戰"也拉開了——人不再掌握生產知識的特權，機器也可以了。

在此背景下，人類如何與人工智能更好的分工成爲了時代的課題。這個答案每個人可能都不一樣，但必須承認的是AI時代漸行漸近。

結語：對新事物可以多一些耐心

最後雖然AI大模型商業化有這樣那樣的難點，但筆者相信終有一天AI大模型會找到適合自己的商業模式。

這背後的信心來源於AI代表着先進生產力。正如馬克思所言，新生事物之所以是不可戰勝的，它代表了事物的發展方向，符合事物的發展規律，能夠適合於當前特別是未來的發展條件，因而具有強大的生命力和廣闊的發展前途。

至於現在的問題，我們不妨用動態長遠的眼光去看待。畢竟所有的問題要在動態的過程中解決——不能以現在這個時刻的狀態來解決十年以後的問題，要拿十年以後的狀態來解決十年以後的問題。

因此，我們有理由相信，中國大模型在商業化落地中遇到的問題，也必然會在大模型的動態發展中得到解決。