今天小编分享的互联网经验：大模型太卷，AI应用就好做吗？，欢迎阅读。
图片来源 @视觉中国
文 | 市值榜，作者 | 武占国，编辑 | 齐笑
2022 年底，ChatGPT 推出后迅速在社交媒体上走红，很快，月活用户突破 1 亿，成为史上增长最快的消费者应用。
不久后，国内也掀起了一场轰轰烈烈的大模型竞赛，下场的企业越来越多，都在扬言要赶超 ChatGPT。
一年过去，大模型没让参赛者看到盈利的曙光，资本市场也在变冷，弄潮儿们发现：AI 应用或许比大模型更有机会。
普遍认为，大模型是一个底层技术底座，并不直接创造商业收益。现在的大模型更像是移动互联网时代的作業系統，有两三个就足够了，真正能在商业世界里叱咤风云、创造价值的是微信、抖音、滴滴等等应用。
李彦宏曾说，" 卷大模型没有意义，卷应用机会更大 "。
SensorTower 数据显示，2023 年上半年，全球 AI 应用下载量同比增长 114%，突破 3 亿次，收入同比增长 175%。
近日，抖音新也成立一个 AI 部门，是由大模型团队负责人领导，主要做 AI 应用层面的产品。
那么，AI 应用发展得怎么样？中国企业 AI 应用做得怎么样？国内企业如何抓住 AI 应用的机会？
海内外 AI 应用，差距有多大？
AI 应用市场最热门的应用有三类，分别能自动生成文字的 AI+Chatbot（AI 聊天机器人）和能自动生成影像的 AI 生成自拍应用，还有能自动生成视频的 AI 应用。
生成文、生成图、生成视频，难度系数逐渐增加，成熟度逐渐降低。
第一，最先火的 AI 应用是聊天机器人，截至 2023 年 6 月，此类 AI 聊天机器人应用占据了榜单总流量的 68.7%，排行榜前五名的应用里有四个是聊天机器人。
不出意外，下载量第一名是 ChatGPT，它的流量占了前 50 大生成式 AI 产品总量的 60%，谷歌的 Bard、Facebook 前员工创办的 Quora 旗下 Poe 两款 LLM 聊天机器人应用，分别占据第三名和第四名。
排名第二的聊天机器人 CharacterAI，可以扮演数百名虚拟人物，既可以满足用户的情感类需求，也可以满足用户的工具型需求。
比如 AI 可以扮演拿破仑、马斯克、居里夫人等，与用户聊天，也可以扮演心理咨询师、图书管理员、英文老师等角色，提供健身指导、知识传授等服务。
门槛最低，也意味着竞争更激烈。上半年，移动应用市场中聊天机器人应用多达 200 余款，下载量突破 1.7 亿次。
第二，难度更高的图文、视频自动生成——内容生成类。
截至今年 6 月数据，内容生成类应用占前 50 大应用总流量的 9.7%，其中影像生成类应用占比最大为 41%，其次是写作工具类应用占比 26%，视频生成类占比 8%。
文字类，如排名第五的 QuillBot，是一款 AI 写作工具，可以提供句子改写、文章重写和 AI 生成文字等功能，相较于对话，这样的应用对于逻辑、语言结构的要求要更高一些。
图片生成在 Stable Diffusion 开源之后迎来了较快的发展，头部的应用有 Midjourney、Leonardo AI，还有移动端生自拍照的 Lensa AI，它们相比过去的 PhotoShop 等应用，降低了用户的操作门槛，更容易将用户心中所想变成现实。
视频生成的难度就更高了，一方面是因为描述视频需要更复杂的语言，模型对于文字描述的理解，会影响生成，另一方面，文字生成视频需要大量数据学习字幕相关性、帧照片写实感和时间动，而且，视频数据在样式、数量和质量方面也会受到更多限制。
近期，生成视频领網域也有突破。
Pika 因为一个预告片火出圈，预告中，Pika 即将上线的产品，在延长视频长度、拓展视频画布和转换视频、更换局部细节等方面都有所突破。
与流浪地球导演郭帆的合作，也让 Pika 受到了极大的关注。
视频生成领網域还有一个应用 Runway，它的技术已经被广泛应用于电影、电视和广告领網域，可以实现 AI 工具去除背景、放慢视频、制作无限延伸的图片等等。
这轮 AI 应用的涌现，我们属于追随者。国内 AI 应用占全球 AI 应用的下载量和收入规模比较小。
由于政策监管等原因，国内尚未推出较为完善的陪伴型 AI 聊天机器人。
小冰公司曾经推出 X Eva App，与 Character.AI 相似，用户可以与网红明星的克隆人进行交流，也可以使用 APP 的撰写文案、写代码等功能。这个 APP 曾经被热烈讨论，现在也几乎没什么存在感了
在文生文和文生图方面，文心一言（文生图文心一格）、星火等大厂的产品还算拿得出手，其他的或者是声量比较小，比如万兴爱画，或者是不具备持续性，比如妙鸭相机。
整体来看，我们文生图和文生视频的 AI 应用，都落后一大截，更别提变现了。
AI 应用，如何变现？
硅谷知名创投机构 a16z，9 月发布的分析报告显示，截至 2023 年 6 月，访问量排前 50 名的 AI 应用（网站与 App 合计）中，有 90％的开发者实现盈利。
SensorTower 数据显示，2023 年上半年，移动端（仅包括 App Store 和 Google PLay），美国是 AI 应用内购收入最高的市场，欧洲市场的吸金能力也同样亮眼，他们分别占全球头部 AI 应用总收入的 55% 和 20%。
实现盈利的 AI 应用以 C 端付费为主，这和移动互联网时代的经验是相似的。
参照移动互联网时代的发展经验，占据用户时间越长、信息匹配越难、学习壁垒越高、重复性操作越多的领網域，更有可能率先出现爆款应用，也更容易变现。
先来看国外商业化两个案例。
第一个是 Character.AI，以订阅制收费，付费和 AI 扮演的角色聊天，10 月份又推出了付费群聊功能。
Character.AI 的模式是非常好的 C 端产品，可以互動、可以定做，如前面提到的，既能满足情感需求，也能满足工具需求。
不过，此前有报道称，Character.AI 目前还处在烧钱换规模阶段，商业模式仍在探索中，未来团队规模扩大后考虑开拓 TOB 业务。
第二个是生成图片类的应用 Midjourney。
这是一个针对专业绘图人士的 AI 应用，同样采用 SaaS 订阅制模式，月付费情况下，每月基础套餐、标准套餐和专业套餐的价格分别为 10、30、60 美元，研报显示，Midjourney 在公测版上线的第二个月就实现了盈利，盈利模式已经跑通。
这意味着在目前阶段，需求不等于付费，刚需才等于付费。而在习惯免费、付费意识更差的国内，纯 to C 的产品在变现上会面临比 Character.AI 更大的难题。
AI 应用属于技术驱动型的产品，属于供给创造需求。那么，什么样的供给才能创造出需求呢？
新型的 AI 应用，好的产品变现有五个步骤，分别是吸引用户、初次体验（用户激活）、用户留存（老顧客）、转化收益、实现口碑传播。
比如在移动互联网时代，微信抓住了用户的社交需求，并且通过培养用户在微信上的使用习惯，不断优化社交体验，不断实现裂变，形成网络效应，成为腾讯现在重要的变现产品。
目前，国内的 AI 应用供给端，一方面没有足够优秀的大模型基座；另一方面，基于大模型的产品，也无法通过产品的创新和微调的方法，做出足够吸引用户留存的产品。
第一，目前大模型基座方面，国内还比较落后。
比如，在 AI 聊天机器人领網域，也许大家的印象，还停留在 ChatGPT 爆火，下载量也大涨，收入也能排到第一。但事实上，最赚钱的产品，却是基于 ChatGPT API 的对话机器人应用 "Chat with Ask AI"，凭借智能的问答功能和流畅的体验，上半年下载量突破 2500 万次，收入超过 1600 万美元。
因为拥有很好的大模型基座。不仅今年 5 月，OpenAI 在移动端上线 ChatGPT，此后下载量和收入不断增长，而且基于 OpenAI 的 API 产品 Chat with Ask AI 收入也在不断增长。Appfigures 数据显示，今年 9 月，Chat with Ask AI 的收入为 551 万美元，ChatGPT 的收入是 458 万美元。
而国内的文心一言上文提到才刚刚开始变现，基于其 API 的 AI 应用，仍未看到爆火、且能持续变现的产品。
第二，基于大模型微调的产品，国内企业 AI 技术积累不足。
比如 Lensa AI，其内置推出的 Magic Avatar 功能，用户可以上传 10-20 张自拍照，然后生成奇幻、动漫、时尚等 10 种不同风格头像，当然这一功能需要付费使用。
Lensa AI、Waifu Diffusion，Stablediffusion Infinity，还有上文提到的 Midjourney 的一些功能都是基于开源的 Stable Diffusion 开发的。所以，在技术层面上，Lensa AI 与同类产品相比并没有明显的壁垒。
但是，Lensa AI 通过对 Stable Diffusion 的微调，同时基于此前在 AI 领網域 " 艺术风格的神经算法 "（NAAS）的研究，优化了对算力的需求、提高了计算效率，使其能够在手机上快速运行、生成图片。
因此，在 Magic Avatar 功能上线后，此前的技术积累与同类产品形成差异化，才广泛受到用户关注。
而国内模仿 Lensa AI 的妙鸭相机微信小程式，其也是用户上传 20 张照片，然后需要付 9.9 元，便可以生成不同风格的高清照片。技术爱好者们普遍猜测，妙鸭相机底层模型也是用的 Stable Diffusion 开源模型，再使用 LoRA ( Low-Rank Adaptation ) 插件进行微调。
一些技术爱好者，完全可以通过免费教程，利用开源模型，在短时间内也能实现照片的生成。在没有自研 AI 技术加持的前提下，妙鸭相机在爆火后，很快就冷了下来。
