最近各種大模型密集發佈，“趕上 GPT4”“成為中國的 OpenAI” 等觀點散見於各種文章。那回到一個最根本的問題：AI 能賺到錢了麼？這對於在這個行業裏面的人實在是個靈魂拷問。如果沒有過去十年的鋪墊，總是這麼問，那似乎是有點急功近利，但有十年虧損的這個鋪墊在，賺不賺錢就變成了一個技術和商業合二為一的問題：即是技術的試金石也是商業化能力的證明。在回答這個問題前，我們需要總結下 AI 背後潛在的商業模式。<h2>AI 背後潛在的商業模式</h2>如果 AI 發展的到非常成熟的階段那潛在的變現方式有那些？過去探索證明過的商業模式並不多，和 AI 匹配的更是隻有那麼幾個：第一，訂閲。這差不多是現在 AI 最典型的變現通路。其實就是雲服務的一種，各大雲廠商很自然的把自研的 AI 功能放到了自己的雲的產品矩陣裏面。第二，新式增值服務類。電影裏面的《Her》其實是種新式增值服務，未來能溝通的電子寵物等也是這個類別。和一比，差別是這類是最終做出來的那個菜，而一是原材料，兩者會有很多重疊的區域，但大致和 PaaS 與 SaaS 的差異差不多。過去我們總説的 SaaS 更貼近於新式增值服務，我們就不單列一類了，比如各種企業級的助手。第三，硬件產品銷售。這類最終運轉和聯想賣電腦差不多。多模態方向的大模型需要這個做支撐，沒有大規模的類似機器人、智能音箱、AR 眼鏡等新智能品類產品的成功，就不太會有多模態大模型的成功。產業分工的話，這種模式就會和上兩種疊加在一起，成為拉動前面兩種的力量。第四，新式廣告。之前有人説大模型會導致搜索類廣告不好展示。我倒是覺得完全不是，屏幕大的很，甚至可以直接做推薦：如需購買，請看....。關鍵是頻次和精準度要上來。第五，解決方案銷售。Watson 這類產品不太可能變成徹底標準的產品，總是要和周邊的各種具體情況做對接，也就必然需要解決方案做對接。從技術角度看着和二、三似乎類似，但從商業模式角度看差別非常大需要單列。新式增值服務和硬件產品銷售的還是標準品，客單價上 iPhone 或者 Vision Pro 就是上限。但解決方案不是，這裏客單價必須極大比如數千萬做起來才有價值，否則支撐不了前後期的較長週期的投入。一定程度上現有產品的 AI 化其實都會變成方案，比如電商、短視頻等，行業大模型就更是如此。在這裏 AI 並不是一種顛覆性的力量，而是會表現為強化現有產品的方案。第六，遊戲與元宇宙。這個看着也是產品，但和一～五很大的不同在於只有這種產品支持虛擬央行模式。虛擬央行模式説的是可以直接發行一種自己的代幣（不一定是數字貨幣）。只有這類產品才支持一種單獨的生態和貨幣體系。如果縱着切割這些商業模式，那會有兩個明顯的共通特徵：第一，如在歪理大集合，誰也跑不了提到過的，AI 其實一種打深井模式，體現為對現有模式的更新（包括人），作為結果就是創造新模式其實不如互聯網，但對現有模式的衝擊深度會大於互聯網。第二，技術的經濟價值更多會體現出一種擬人化，做人現在在經濟體系裏做的事，並做出超越。（各種助手等）這兩點非常關鍵，因為它們直接影響，誰會賺到 AI 的錢，以及潛在的終局形態。<h2>最終誰會賺到 AI 的錢？</h2>AI 的上述特質決定它其實是供應鏈上的一個環節。這樣一來除了 1，對應公司要想跑通自己的模式，必須變成自己現在還不是的那種公司。比如即使是對於比較輕的遊戲和元宇宙，也意味着大模型公司需要強迫自己變成懂遊戲和元宇宙的公司。這樣一來就進一步衍生兩個問題：第一，如果是 1 這種雲服務的形式，那 AI 會是單獨的一種雲服務還是現有云服務的一部分？第二，如果需要和某種現存領域結合，那到底是純粹 AI 公司主導還是該領域原生的公司會進化並主導？對於第一個問題，我想答案比較清楚。雲這種東西不可能單獨一個品類存在，一定會歸併。這是重資產行業內在的規模效應決定的。對於第二個問題，答案其實也比較清楚。在不同領域裏面，領域的權重和技術的權重是不同的，比如對於遊戲領域權重就低，對於税務醫療領域權重就高，領域權重越高越不可能是單獨技術性的 AI 公司去主導。而現實是大多時候領域權重是高的。具體那個公司很難説，但這種技術和領域知識的配比就會比較關鍵。<h2>AI 賺錢的商業挑戰</h2>之前琢磨事的文章更多是從技術的屬性來看商業化的過程，這次則是從純粹的商業模式角度來看這件事，結論並不複雜：純粹 AI 企業商業挑戰非常明顯，如果停在供應鏈上，變現通路太窄。而要想自己走通最後一節，那就不單需要搞定模型，還要搞定產品（產品代表了領域知識和技術的融合）。看起來未來似乎是這種結局：最頭部的大模型企業如果自己打不通其它變現通路而是侷限在供應鏈上，那更可能被大的雲公司歸併。中間的領域模型則更可能同時具有領域知識的公司逐漸完成自身進化並勝出，比如出版的公司做內容審核產品就比單純的外行人做有更大的成功幾率。所有商業模式的分析判斷，都需要一個基礎：技術本身要確實足以創造價值。那技術成熟度到底怎麼樣了？夠了麼？時間點到了麼？技術成熟度到底怎麼樣了？夠是真的不夠。但凡打通一個真實場景做產品就會發現技術供給還是不夠，並且短期也不可能徹底夠。AI 技術的從 0 到 1 其實一直並未完成。這是 AI 和之前技術比如互聯網在技術本身上很大的一個差異性。一定程度上 2000 年左右互聯網基礎的很多技術其實是在那裏了，剩下的是更快、更大規模類的量上的提升。（我們現在還在用的互聯網基礎協議如 TCP/IP，HTTP 都什麼年月的技術了）但 AI 則不是，它的基礎一直在完善，對應的所有應用就需要一遍完善一邊應用。<img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/a2b2150a-3f37-4675-af06-e03278d57a88.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" alt="" title="" width="1024" height="535" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/a2b2150a-3f37-4675-af06-e03278d57a88.png"/><img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/dc48d6fe-6bd5-4051-9be5-3c5af8a81d03.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" alt="" title="" width="800" height="398" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/dc48d6fe-6bd5-4051-9be5-3c5af8a81d03.png"/>兩相對比會發現技術上互聯網是一步一個腳印，AI 差不多是不停的在欺騙自己中成長。我們今天宣佈解決了這個問題，明天宣佈解決了那個問題，但直到大模型進步遠沒想的大。（而大模型的成功出自最初創始人不是 AI 背景的公司也會有一點魔幻現實主義）所以如果從夠和不夠的角度看，那就真的不夠。但即使不夠 AI 就像水一樣，它淹沒的部分就會徹底改變，對應的功能就會發生徹底的變化，比如做圖，基本的配圖沒人再會找人畫了。不夠之外怎麼判斷產品的技術成熟度呢。或者説夠不夠呢？其實可以用全場景覆蓋法，商業角度的話也只能是全場景覆蓋法。前面提到過 AI 的商業通路總是會表現出一種擬人化，而人生活在某種關係之中，不能處理對應的綜合的關係，就不夠擬人。<h2>全場景覆蓋法</h2>AI 很容易變成用技術指標來衡量自身，但這就會變成一種內卷的套路，極致就是自己騙自己。AI 本質上考驗的是通用能力，如果用一種專門化的方法在任何一個測試集上理論上都可以乾的極好，超過任何一個現存最好的人工智能。但這除了寫 PPT，並沒有什麼用處。因為 AI 落地的時候，擬人化導致任何一個場景都是和複雜環境深度交叉的，這就還是需要通用能力。這種技術專門化的評價方式事實上構成了一冷一熱的根本原因：一邊是 AI 好像什麼都能幹，已經無比神奇，一邊是用起來不好用，不好用然後就不賺錢。什麼是全場景覆蓋法呢？簡單説就是比如招聘是一個場景，那技術供給支不支持直接打造一個數字員工，履行過去招聘人員的所有職能，比如給一個需求就把人招聘回來，全過程不要人介入。這個事如果實現不了，那除了第一種模式，高價值的後面的模式就一個都跑不通。這是真的挑戰。<h2>小結</h2>仔細想想，後互聯網時代的幾個新領域其實還真是各有各的坎坷。如果回到 2015 年前後，大概有 3 個新方向出現了：一個是人工智能，一個是區塊鏈，一個是 SaaS，感受到互聯網基本到頭又不甘於寂寞的同學很多去了這三個方向，然後人工智能和 SaaS 持續 10 年不盈利，區塊鏈倒是賺錢但因為其它原因差不多消失了。現在大模型似乎可以為這三者同步注入新生的力量並且臨近最後關頭。我每次看到下面這種圖的時候，都會對此相信更多一點：很多同學會關注到底那個領域會先來。這實在沒法具體化，但可以有個基本的判斷模式：判斷技術創造新價值到商業價值的通路到底有多遠。Midjourney 那種其實就是短的，Watson 就是長的。真做事資金、人力和這個長度是要匹配的。本文來源：琢磨事，原文標題：《AI 能賺到錢了麼？》

AI 技術的從 0 到 1 其實一直並未完成。