李彦宏“卷”AI应用、WPS被指“套娃式收费”，中国的大模型太急于赚钱了吗？

【蜂耘网   人工智能】对于大模型的商业落地难，业界有一个形象的比喻：“拿着锤子找钉子。”

 

这凸显了热潮背后的冰冷现实——落地难且慢，并面临算力、成本等挑战，甚至有观点认为，大模型厂商会重蹈AI四小龙覆辙。

 

找不到“钉子”，意味着这个拿钱砸起来的“吞金兽”无用武之地。于是，不少大模型厂商迫切地寻找落地场景。

 

 

 

 

在4月16日的百度Create大会上，李彦宏拿着文心大模型这把“锤子”，推出面向智能体、AI原生应用、模型定制的开发工具，并卖力地向开发者展示百度找到的“钉子”——编程、文旅、教育、家居、自动驾驶等行业的应用案例。

 

同日，金山办公软件WPS针对AI功能的收费被指“套娃”冲上热搜。

 

从ChatGPT突袭至今一年多来，大模型在商业上如何落地一直被提及、探索、尝试，在国产大模型技术上离美国还有一两代的差距的情况下，中国大模型厂商对于赚钱过于心急了吗？中外产业落地情况及对赚钱的迫切程度有没有什么不同？

 

“先摘一些低垂的果实”

 

去年下半年，大模型公司重心转向应用侧，不少观点称将在今年迎来爆发。

 

云计算和数字化转型创业者、投资人郝峻晟用了“突飞猛进”来形容过去一段时间大模型的发展。但他指的并不是在应用，而是维度，大模型从文本拓展到了多媒体。

 

此前，Sora演示的AI生成视频，让外界惊艳，Suno等AI生成音乐产品也开始出现。这种多维度的生成式AI发展，将成为大模型加速落地的催化剂。

 

“现在大家对它的感知比较差，一方面是因为国内大模型技术，因算力限制等，跟国外存在一定差距，同时每个人的工作模式或接受新鲜事物的情况也不一样。”郝峻晟说。

 

他提到，自己平常工作就非常依赖ChatGPT、Midjourney等产品，其投资的一些公司的程序员也都在用微软的Github Copilot去自动生成代码。

 

不少大厂也在普及AI编程。李彦宏透露，百度的AI程序员在内部上岗1年，编写了27%的代码，还称“以后不会存在程序员这种职业，人人都会是开发者”。阿里云称，预计未来20%的代码将由通义灵码编写。

 

但是，国内大模型还很难说已至爆发时刻。“大模型的产业落地尚处早期，但它已经开始真正被用起来了。”百度智能云事业群总裁沈抖近日表示。

 

此外，中国大模型平台质量和水平还不够高，很多企业也在观望，没有动力的话，一般不会主动去做，毕竟有成本和风险。

 

“如果行业突然出现一条鲶鱼，完全用AI或大模型去驱动业务，从而显著降本增效，可能就会对其它企业形成降维打击，甚至整个行业都会被颠覆，那些企业可能就不得不也去用。”郝峻晟说。

 

百度智能云副总裁喻友平此前对搜狐科技表示，大模型场景应用是逐步深化的过程，首先要产品化，达到可用稳定的状态。

 

“但在企业中使用的时候，不是大模型打个响指一下进去了。”不同于ToC，大模型ToB落地，没有企业环境，没有企业数据，根本玩不起来。

 

因此，大模型应用的第一个门槛就是技术跟需求匹配的问题，只有技术玩不转，只有场景也玩不转。正如喻友平所言，需要“扶着钉子、拿着锤子”去做。

 

不过，不是所有的钉子能一下子被找到，这是一个由浅入深、由表及里的过程，那些低垂的果实总是更容易被摘到。

 

目前，客服、广告、作曲、影视、编程，以及数字人直播、学习类应用等都在受到AI影响。比如在电商领域，京东刚刚推出了旗下言犀大模型制作的刘强东AI数字人“采销东哥”；值得买科技近日上线了AI购物助手，帮助用户全网比价、推荐商品。

 

郝峻晟预计，AI生成图像或视频，预计半年到一年之内，会在广告影视界占领巨大的市场。

 

相比营销、销售、客服或办公这些更好落地的强通用需求，要找到更高价值的场景还需要时间。“这些场景往往有更大的知识壁垒，比如医疗、金融，有垂直的行业Knowhow，有专业数据，护城河更高更强，做起来更难。”喻友平称。

 

最后一公尺要解决的关键问题

 

外界对大模型的存在感知不强，或许还在于国内并没有一款像ChatGPT一样，令人惊艳的爆款C端产品，AI手机、AIPC等也多停留在概念中。

 

按照王小川的标准，大模型C端爆款应用的标准是日活超过1000万，而国内可能没有原生产品达到这一标准。值得关注的是，ChatGPT也已陷入流量增长焦虑。OpenAI为此放开了ChatGPT-3.5的账号限制，意图吸引更多用户。

 

大模型C端落地主要由两种模式，一种是打造文心一言、Kimi等所谓的原生应用，另一种则是将其应用到原有硬件或应用上，成为其个人助理，从而优化体验。

 

目前，手机、PC甚至汽车、家电厂商都在布局AI，不过，用户对这些产品的反应却略显尴尬，一方面觉得AI带来的体验没有明显提升，另一方面也担心厂商借AI收费。

 

三星手机就曾被爆出对引入的Galaxy AI部分功能进行收费。此外，金山办公WPS AI功能单独收费被指责“套娃式收费”登上热搜。

 

郝峻晟认为，C端原生应用很难爆发，更容易跑通的模式是从现有入口和场景去做，然后收费。比如短剧，不管是AI生成，还是素人来拍，只要能够满足情感需求，可能都会付钱。

 

再比如，音乐平台可以根据用户和喜好情绪生成相应的音乐，还会推动版权成本下降。Suno每月收费8美元就可以生成500首音乐，意味着生成一首歌仅需1毛钱。

 

收费是C端最理想的变现模式，但这对产品要求很高。郝峻晟坦言，“国内同质化挺严重，在我看来现在没有一家能够收费，也都还达不到刚需。”

 

相较C端更为直接的路径，大模型在B端则有着不同的逻辑。沈抖此前表示，大模型产业落地，既不能盲目追求参数大小，也不能等爆款，而是应该寻找合适场景，先把大模型应用到企业各个业务环节当中。

 

但在找到合适场景后，不是说让企业直接接入大模型平台，或者直接打造一款产品就可以，中间还有很多环节需要打磨。

 

喻友平对此深有感触：“有些中小企业可以直接在线使用我们的产品，但很多大企业，内部有业务流程，不可能在有了大模型之后全部推翻，所以大模型要跟企业原有软件平台结合。”

 

比如，智能客服被认为是大模型最典型的应用场景，但目前还没有看到谁用大模型升级的智能客服，相较以前有显著提升，也没有哪家公司说把服务人员全部干掉，复杂的任务还是需要人去处理。

 

因此，目前大模型还是副驾驶（Copilot），距AutoCopilot还有距离。“它怎么跟原有的人、系统、流程进行融合，不是一个人就能玩，这是大模型落地最后一公里，甚至最后一公尺要解决的关键问题。”

 

“人家是大平原，我们是丘陵”

 

目前，无论微软、OpenAI，还是百度、阿里，以及创业公司，都在抢客户，拼落地，应用之战无疑也会非常激烈。

 

不过，近期国内外技术派和市场派的争议，反映了业内对大模型未来发展方向的分化。前者以技术为先，认为朝着AGI目标去做，应用就是自然而言的事情。

 

OpenAI就被认为有更高的技术信仰，国内还未追上，甚至差距有所扩大。还有观点认为，沿着OpenAI这条路可能永远无法超越，但如果要创新，摆脱Transformer很难。

 

正如郝峻晟所言，创新无法预测，中国想找一条新路径，还要更聪明，概率非常小，除非有更大投入。从企业和投资角度看，国内优势在于有巨大市场，还是要坚定在应用上去突破。

 

这种观点也是国内主流，认为大模型烧钱不可持续，应基于当前技术去做应用。因此包括百度等在内的公司，商业化显得更为急迫。这也显现出，国内较低的创新风险承受能力。

 

然而，略显尴尬的是，业内不少人反馈，虽然普遍认为中国更擅长做应用，但国内还缺爆款应用，产业落地方面也没有美国那般迅速。

 

郝峻晟表示，大模型应用在美国已在爆发，而国内的一个问题是，还没有达到像微软office、SAP或Oracle数据库这种纯产品化的玩法，仍需要结合客户内部数据、场景去做定制和优化。

 

这也是中美大模型落地的一大核心差异。美国企业SaaS市场成熟，产品标准化，在现有应用产品加上Copilot就能抢先吃到红利，微软的打法就是如此。但中国SaaS市场起步较晚，也比较分散，企业也更倾向私有化方式，且定制化较多。

 

“说白了，人家是密西西比河大平原，机械化就行，我们是分散的丘陵，做起来规模化相对较慢。”喻友平直言。

 

这也导致了国内大模型落地，除了需弥补技术差距，面临更多挑战。目前，能赚到钱的大模型企业寥寥无几，盈利则更难奢望。

 

李彦宏称，文心大模型已成为中国应用最广泛的AI基础模型，但去年6个多亿、今年10亿元的营收目标，相对其高额的投入可能仍显得相形见绌，而其坚持走更容易赚钱的闭源路线，也显示了百度在商业上的迫切。

 

这其中成本将是需要解决的关键问题。红杉资本此前透露，去年各大公司在GPU上花了500亿美元，但生成式AI创造的总收入仅有30亿美元。

 

据斯坦福大学李飞飞联合领导的研究团队发布的最新报告，最先进的AI模型训练成本达到了前所未有的水平，如OpenAI 的GPT-4估计使用了价值7800万美元的计算资源进行训练，而谷歌的Gemini Ultra 的计算成本则高达1.91亿美元。

 

郝峻晟表示，大模型还没有过大肆烧钱的阶段。马斯克、奥特曼等人也都提到，大模型除了需要更多算力，还会消耗巨大能量。

 

这也让不少人担忧大模型会重蹈以AI四小龙为代表的小模型时代的覆辙，其高度定制化的模式让商汤、旷视等至今难以盈利。

 

大模型通用能力强，使得基础的定制减少，但跟场景结合的定制会增加。喻友平解释称，这个定制不是技术的定制，而是产品层面的定制，更多是针对细分场景导致的产品设计差异。

 

郝峻晟认为，AI四小龙碰到的最大问题是不可复制性，每个项目都要投入大量人力，导致成本大于收入无法盈利，这和大模型的成本逻辑不一样。“大模型类似研究新药，早期要花很多钱，因为训练成本很高，但被证明有效后，就基本不再花钱，就能赚非常多的钱。”

 

因此，要解决大模型成本问题，除了需要规模化覆盖更多客户，还要实现产品标准化。这也是四小龙想要做到但难以做到的事情。

 

在喻友平看来，产品将是大模型未来落地的最大门槛。任何技术门槛都会慢慢被抹平，它是关键要素，是重要前提，但可能不是一个胜负手，最后能解决问题的一定是靠好的产品。

 

 

（蜂耘人工智能网   责任编辑：行云）