今天小編分享的互聯網經驗：大模型太卷，AI應用就好做嗎？，歡迎閲讀。
圖片來源 @視覺中國
文 | 市值榜，作者 | 武占國，編輯 | 齊笑
2022 年底，ChatGPT 推出後迅速在社交媒體上走紅，很快，月活用户突破 1 億，成為史上增長最快的消費者應用。
不久後，國内也掀起了一場轟轟烈烈的大模型競賽，下場的企業越來越多，都在揚言要趕超 ChatGPT。
一年過去，大模型沒讓參賽者看到盈利的曙光，資本市場也在變冷，弄潮兒們發現：AI 應用或許比大模型更有機會。
普遍認為，大模型是一個底層技術底座，并不直接創造商業收益。現在的大模型更像是移動互聯網時代的作業系統，有兩三個就足夠了，真正能在商業世界裏叱咤風雲、創造價值的是微信、抖音、滴滴等等應用。
李彥宏曾説，" 卷大模型沒有意義，卷應用機會更大 "。
SensorTower 數據顯示，2023 年上半年，全球 AI 應用下載量同比增長 114%，突破 3 億次，收入同比增長 175%。
近日，抖音新也成立一個 AI 部門，是由大模型團隊負責人領導，主要做 AI 應用層面的產品。
那麼，AI 應用發展得怎麼樣？中國企業 AI 應用做得怎麼樣？國内企業如何抓住 AI 應用的機會？
海内外 AI 應用，差距有多大？
AI 應用市場最熱門的應用有三類，分别能自動生成文字的 AI+Chatbot（AI 聊天機器人）和能自動生成影像的 AI 生成自拍應用，還有能自動生成視頻的 AI 應用。
生成文、生成圖、生成視頻，難度系數逐漸增加，成熟度逐漸降低。
第一，最先火的 AI 應用是聊天機器人，截至 2023 年 6 月，此類 AI 聊天機器人應用占據了榜單總流量的 68.7%，排行榜前五名的應用裏有四個是聊天機器人。
不出意外，下載量第一名是 ChatGPT，它的流量占了前 50 大生成式 AI 產品總量的 60%，谷歌的 Bard、Facebook 前員工創辦的 Quora 旗下 Poe 兩款 LLM 聊天機器人應用，分别占據第三名和第四名。
排名第二的聊天機器人 CharacterAI，可以扮演數百名虛拟人物，既可以滿足用户的情感類需求，也可以滿足用户的工具型需求。
比如 AI 可以扮演拿破侖、馬斯克、居裏夫人等，與用户聊天，也可以扮演心理咨詢師、圖書管理員、英文老師等角色，提供健身指導、知識傳授等服務。
門檻最低，也意味着競争更激烈。上半年，移動應用市場中聊天機器人應用多達 200 餘款，下載量突破 1.7 億次。
第二，難度更高的圖文、視頻自動生成——内容生成類。
截至今年 6 月數據，内容生成類應用占前 50 大應用總流量的 9.7%，其中影像生成類應用占比最大為 41%，其次是寫作工具類應用占比 26%，視頻生成類占比 8%。
文字類，如排名第五的 QuillBot，是一款 AI 寫作工具，可以提供句子改寫、文章重寫和 AI 生成文字等功能，相較于對話，這樣的應用對于邏輯、語言結構的要求要更高一些。
圖片生成在 Stable Diffusion 開源之後迎來了較快的發展，頭部的應用有 Midjourney、Leonardo AI，還有移動端生自拍照的 Lensa AI，它們相比過去的 PhotoShop 等應用，降低了用户的操作門檻，更容易将用户心中所想變成現實。
視頻生成的難度就更高了，一方面是因為描述視頻需要更復雜的語言，模型對于文字描述的理解，會影響生成，另一方面，文字生成視頻需要大量數據學習字幕相關性、幀照片寫實感和時間動，而且，視頻數據在樣式、數量和質量方面也會受到更多限制。
近期，生成視頻領網域也有突破。
Pika 因為一個預告片火出圈，預告中，Pika 即将上線的產品，在延長視頻長度、拓展視頻畫布和轉換視頻、更換局部細節等方面都有所突破。
與流浪地球導演郭帆的合作，也讓 Pika 受到了極大的關注。
視頻生成領網域還有一個應用 Runway，它的技術已經被廣泛應用于電影、電視和廣告領網域，可以實現 AI 工具去除背景、放慢視頻、制作無限延伸的圖片等等。
這輪 AI 應用的湧現，我們屬于追随者。國内 AI 應用占全球 AI 應用的下載量和收入規模比較小。
由于政策監管等原因，國内尚未推出較為完善的陪伴型 AI 聊天機器人。
小冰公司曾經推出 X Eva App，與 Character.AI 相似，用户可以與網紅明星的克隆人進行交流，也可以使用 APP 的撰寫文案、寫代碼等功能。這個 APP 曾經被熱烈讨論，現在也幾乎沒什麼存在感了
在文生文和文生圖方面，文心一言（文生圖文心一格）、星火等大廠的產品還算拿得出手，其他的或者是聲量比較小，比如萬興愛畫，或者是不具備持續性，比如妙鴨相機。
整體來看，我們文生圖和文生視頻的 AI 應用，都落後一大截，更别提變現了。
AI 應用，如何變現？
硅谷知名創投機構 a16z，9 月發布的分析報告顯示，截至 2023 年 6 月，訪問量排前 50 名的 AI 應用（網站與 App 合計）中，有 90％的開發者實現盈利。
SensorTower 數據顯示，2023 年上半年，移動端（僅包括 App Store 和 Google PLay），美國是 AI 應用内購收入最高的市場，歐洲市場的吸金能力也同樣亮眼，他們分别占全球頭部 AI 應用總收入的 55% 和 20%。
實現盈利的 AI 應用以 C 端付費為主，這和移動互聯網時代的經驗是相似的。
參照移動互聯網時代的發展經驗，占據用户時間越長、信息匹配越難、學習壁壘越高、重復性操作越多的領網域，更有可能率先出現爆款應用，也更容易變現。
先來看國外商業化兩個案例。
第一個是 Character.AI，以訂閲制收費，付費和 AI 扮演的角色聊天，10 月份又推出了付費群聊功能。
Character.AI 的模式是非常好的 C 端產品，可以互動、可以定做，如前面提到的，既能滿足情感需求，也能滿足工具需求。
不過，此前有報道稱，Character.AI 目前還處在燒錢換規模階段，商業模式仍在探索中，未來團隊規模擴大後考慮開拓 TOB 業務。
第二個是生成圖片類的應用 Midjourney。
這是一個針對專業繪圖人士的 AI 應用，同樣采用 SaaS 訂閲制模式，月付費情況下，每月基礎套餐、标準套餐和專業套餐的價格分别為 10、30、60 美元，研報顯示，Midjourney 在公測版上線的第二個月就實現了盈利，盈利模式已經跑通。
這意味着在目前階段，需求不等于付費，剛需才等于付費。而在習慣免費、付費意識更差的國内，純 to C 的產品在變現上會面臨比 Character.AI 更大的難題。
AI 應用屬于技術驅動型的產品，屬于供給創造需求。那麼，什麼樣的供給才能創造出需求呢？
新型的 AI 應用，好的產品變現有五個步驟，分别是吸引用户、初次體驗（用户激活）、用户留存（老顧客）、轉化收益、實現口碑傳播。
比如在移動互聯網時代，微信抓住了用户的社交需求，并且通過培養用户在微信上的使用習慣，不斷優化社交體驗，不斷實現裂變，形成網絡效應，成為騰訊現在重要的變現產品。
目前，國内的 AI 應用供給端，一方面沒有足夠優秀的大模型基座；另一方面，基于大模型的產品，也無法通過產品的創新和微調的方法，做出足夠吸引用户留存的產品。
第一，目前大模型基座方面，國内還比較落後。
比如，在 AI 聊天機器人領網域，也許大家的印象，還停留在 ChatGPT 爆火，下載量也大漲，收入也能排到第一。但事實上，最賺錢的產品，卻是基于 ChatGPT API 的對話機器人應用 "Chat with Ask AI"，憑借智能的問答功能和流暢的體驗，上半年下載量突破 2500 萬次，收入超過 1600 萬美元。
因為擁有很好的大模型基座。不僅今年 5 月，OpenAI 在移動端上線 ChatGPT，此後下載量和收入不斷增長，而且基于 OpenAI 的 API 產品 Chat with Ask AI 收入也在不斷增長。Appfigures 數據顯示，今年 9 月，Chat with Ask AI 的收入為 551 萬美元，ChatGPT 的收入是 458 萬美元。
而國内的文心一言上文提到才剛剛開始變現，基于其 API 的 AI 應用，仍未看到爆火、且能持續變現的產品。
第二，基于大模型微調的產品，國内企業 AI 技術積累不足。
比如 Lensa AI，其内置推出的 Magic Avatar 功能，用户可以上傳 10-20 張自拍照，然後生成奇幻、動漫、時尚等 10 種不同風格頭像，當然這一功能需要付費使用。
Lensa AI、Waifu Diffusion，Stablediffusion Infinity，還有上文提到的 Midjourney 的一些功能都是基于開源的 Stable Diffusion 開發的。所以，在技術層面上，Lensa AI 與同類產品相比并沒有明顯的壁壘。
但是，Lensa AI 通過對 Stable Diffusion 的微調，同時基于此前在 AI 領網域 " 藝術風格的神經算法 "（NAAS）的研究，優化了對算力的需求、提高了計算效率，使其能夠在手機上快速運行、生成圖片。
因此，在 Magic Avatar 功能上線後，此前的技術積累與同類產品形成差異化，才廣泛受到用户關注。
而國内模仿 Lensa AI 的妙鴨相機微信小程式，其也是用户上傳 20 張照片，然後需要付 9.9 元，便可以生成不同風格的高清照片。技術愛好者們普遍猜測，妙鴨相機底層模型也是用的 Stable Diffusion 開源模型，再使用 LoRA ( Low-Rank Adaptation ) 插件進行微調。
一些技術愛好者，完全可以通過免費教程，利用開源模型，在短時間内也能實現照片的生成。在沒有自研 AI 技術加持的前提下，妙鴨相機在爆火後，很快就冷了下來。
