今天小編分享的科技經驗：AI大模型沒有商業模式？，歡迎閲讀。
本文來自微信公眾号：琢磨事（ID：zuomoshi），作者：老李，題圖來自：視覺中國
借助于深度學習的突破，2010 年以來陸續成立了很多人工智能的公司，比如出門問問（2012），格靈深瞳（2013），商湯（2014），近十年過去從财務表現來看大家基本還都處于虧損的狀況。畢竟另一邊同期成立的公司是字節跳動（2012，抖音發布于 2016），拼多多（2015）年等。這種批量的結果兩相參照，唯一能得出的結論是：過去十年人工智能沒有商業模式。現在大模型來了，這會帶來改變麼？如果會，那到底會帶來什麼樣的改變？
大模型的商業模式會和雲類似麼？
很多人會拿公有雲、私有雲來類比大模型，這有相似性，但不準确，據此發揮對終局的想象會失之毫厘謬以千裏。
實際上大模型更适合看成數據價值的放大器，而不同的大模型會因為智能程度的不同而放大倍數不同，相比之下雲則更像一種基礎數據服務，這種放大的效果不明顯，尤其是 IaaS 和 PaaS 這兩層。
這個差異會導致大模型發展下去和雲的走勢有很大差異。
如果數據或者服務本來的價值是 1，那公有雲對這個 1 沒有影響，但影響實現 1 的成本，這時候雲服務對于企業更多的是成本中心。（不絕對，但基本如此）
大模型與此不同。
如果數據或者服務本來的價值是 1，大模型的放大器倍數是 5 或者 10，但那最終價值的差異就是 5 或者 10，這時候大模型對于企業更多的是利潤中心，會導致生死的差異。
如果説和雲不像，那大模型和搜索像麼？
也不像。
從信息集散的角度看，大模型和搜索有較高重疊度，所以一突破動作最快的是微軟，但我們知道大模型很關鍵的點在于内容生成和邏輯推理（未來必是決策）。和搜索一樣只負責針對特定問題尋找答案就有點買椟還珠了。
和雲服務、搜索都不相類似，那大模型到底會和什麼比較像？
其實是 Windows 和安卓比較像，但這是一種新式的雲端的作業系統。智能的邊界是這個作業系統的邊界。
過去的作業系統是幹什麼的？屏蔽硬體差異性，為應用提供統一的調用接口。一邊是應用一邊是硬體。
大模型的兩邊是什麼？
一端它屏蔽應用的差異性，一端它也可以屏蔽硬體的差異性。
它具有雲服務、搜索的基礎特征，但最終會超越他們長成一個新的物種。
過去我們按應用領網域做出了一個個的垂直計算平台，比如抖音和美團外賣，但現在大模型的進展提供了新的可能性。這才是通用智能的真實含義，否則通用的智能是幹啥的呢？
新式通用計算平台的崛起
在整個 IT 的發展歷史上，我們只有過兩類通用計算平台：電腦和手機（平板可以歸為電腦類别）。
整個互聯網行業在最近 10 年一直嘗試找到下一個通用計算平台，從互聯網電視到智能音箱，大家都希望它們能什麼都做，但在巨額投資之後它們都失敗了，失敗之後這些產品也就退回到自己原來的位置，音箱主要用來聽歌而不會用來點外賣，電視就看電視和電影，而不會用來購物、打遊戲、社交等，退回去後它們也就失去了成為下個通用計算平台的機會。
正當大家差不多放棄的時候，GPT 這樣的產品出現了。它清楚地告訴我們，這就是下代的通用計算平台，不管什麼活都可以通過一段簡單的對話獲得結果。（這應該是比爾蓋茨發言的本質含義）
它同時也會具有一些電腦和手機不具備的特質。
第一，這次它不需要一個專有的設備，讓計算更加沉浸式。不要太久電視、音箱、汽車等上面就都可以使用它。
第二，使用成本極低，會打字説話就行。不像 Windows 和手機，開發應用程式的時候需要專門的程式員。
第三，支持做很多原來做不到的事。過去不管用手機還是電腦，都解決不了内容創造問題，這次就真的可以。
可以這麼總結，過去電腦手機能承載的應用，在通用智能的基礎上都可以做更好的整合，但反過來則不成立。這對商業是非常有衝擊的一個事件，比如現在的智能手機能做卡片相機做的一切事，反過來就不成立，所以卡片相機消失了。這種整合形式過去都有所嘗試，Siri、Alexa、小愛同學等可以看成相應的先驅，它們可以做手機上的一切事情，只不過換一種互動方式。它們因為智能程度太差所以都失敗了，但可以基于它們想象下智能程度拉升後的效果。
這個通用計算平台以智能的邊界為邊界，凡是直接與其重疊的都會像數碼相機一樣被折疊掉。比較确定的是如果智能這麼進展下去，基本上純粹的數字的工具沒有單獨存在價值了。雖然 Adobe 在努力，Midjourney 很火，但未來像 Midjourney、Adobe 這樣的產品只能是通用大模型的一個小功能，不會獨立存在的。
這種歸并從技術角度看其實是沒有邊界的，按技術内置趨勢智能通用性的越提升，其它的關聯線上線下的服務會變成單純的數據提供方。按照黑客帝國的設想，這些應用不過是章魚的種類再多一點。
這種最優終極結構顯然不會很快實現，畢竟現實空間要比數字空間復雜的多，比如美團的外賣配送網絡是有價值的，因為它有外賣小哥，美團也絕對不願意把這部分依賴于某個别人的大模型重做。所以這注定是一個漫長的過程，但基本的趨勢是确定的——所有的業務都會按照智能的邊界重整。
衍生問題就是：在新型通用計算平台崛起的背景下，到底需要多少大模型？
到底需要多少大模型？
即使終局的情況真的是 Matrix 或者克裏人的終極智慧，那也是一個漫長的歸并過程。
在這個過程中，大模型會按照智能屬性的差異來劃分，然後會出現很多個。
OpenAI 的大模型再厲害也解決不了便利蜂的供貨補貨問題，也解決不了外賣小哥的派送問題，也解決不了税務、企業經營管理問題。
每個垂直的領網域注定會有一個自己的大模型，而每一個大模型都是一套系統和生态。
這套系統聯通終端、數據源、用户，它會和自己同質的產品發生你死我活的競争，并且進行快速歸并（可以回想下過去的團購和打車）。
随着智能的進步，彼此間又會進行進一步的歸并。這種歸并可能會比互聯網還慘烈。因為只要智能上去，理論上它沒邊界，并且彼此間會因為歸并而提升智能的程度和體驗。
形象比喻，每個大模型帶着自己的生态和用户會變成一個個章魚，章魚的腦袋裏是大模型，章魚的觸手則是給用户的終端或者數據源。大歸并一旦發生，那時候就真的需要 UBI 了，因為那時候會導致比蘋果還大的中心節點的誕生。
未來會不會繼續虧損？
看着未來還是不錯的。那它能改變做 AI 的企業的持續虧損麼？給 AI 的發展帶來更大的亮色麼？
真的不能。唯一确定的是它會加大人工智能行業的虧損，尤其是做行業的。小的像 Midjourney 這種在一段時間反倒是好説。
越是野心勃勃希望快速搞定一個領網域或者一個行業，那虧損越厲害。
為什麼？因為和過去的人工智能以及雲相比只有投入确定增加，其它的關鍵商業要素沒有變化。
對客户的議價能力有變化麼？沒有。過去的客户也沒有技術能力，但議成了現在這樣，那就絕不會因為技術有某些改變而發生變化，除非突破某些阈值，不用不行。
成本端的議價能力有變化麼？沒有。人、機器、數據該貴還是貴。
競争格局會有變化麼？沒有。該來的還是會來，做雲的廠商都會做大模型。
成本會增加麼？會。除了數據、機器這些更貴了之外，大模型還會導致更頻繁的更新。過去做政務雲私有部署這些本質上是個 B 端業務，大模型則實質是個直達 C 端的產品，明顯的和 OpenAI 的差距必會導致持續的頻繁的更新。
既然只有成本會增加，那虧損加大不是合情合理麼。
如果説未來 10 年還是人工智能虧損的十年也許有點誇張，但在 3~5 年沒有商業模式是比較确定的。
人工智能行業作為新的通用計算平台是一定會盈利的，只不過啓動周期有點長，并且你越希望它短，它就越長。為什麼這樣？因為增長的模式變了。
大模型潛在的商業模式
大模型只有一種商業模式，系統型產品。IBM 用沃森給這種產品做了 Demo，但技術成熟度不夠，所以基本失敗了。但真做大模型的人還是可以從中得到啓示，你要做的就是 IBM 未完成的事業，把各個行業的沃森幹好，真搞好那刻就是賺錢時刻。OpenAI 等少數企業會有差别，他們更多面向互聯網上的通用信息，會覆蓋純粹數字空間的搜索、社交等。
在這樣一種挑戰下企業整個運作模式會和互聯網有巨大差别。
互聯網的模式下單個用户價值可以低，但只要用户數足夠大就可以賺錢，所以類似大水漫灌。這時候雷軍總結的 " 專注極致口碑快 " 七字訣是非常精辟的。
大模型不是，至少推倒了其中的 " 快 " 這個兜底特征。大模型需要在一個地方持續打深井，出水了才能賺錢。這時候如果是互聯網的打法，那很容易變成四處挖井，挖了很多那個也沒水。這時候單純強調快會有災難性後果。
也就是説底層邏輯其實已經變了，一個需要急如烈火一個需要厚重如山。
與此同時在同領網域其競争又會非常殘酷，一旦同類的產品往前躍遷，跟不上的立刻所有投入歸零，幹 BERT 的人也都是很多大牛，那個人水平也都可以，但現在那條線上還有什麼價值呢？
大模型不止短期賺不到錢，風險還很高。
總結
大模型短期沒有商業模式，想快點賺錢真的不要幹這個。中期是可以的，但對幹這事的人提出新的要求。張維迎老師經常提到市場和企業家精神，但在過去很多領網域有沒有企業家精神對結果的影響遠沒有想的那麼大，尤其是規模小的時候，賺錢真的不一定需要企業家精神，但大模型這種領網域不行。張老師經常強調的在這裏會變成決定性因素，也就是説：初始設定即結果。
