大模型To C落地，AI商業(yè)化半場開香檳？

　 域名預訂/競價，好“米”不錯過

文：互聯(lián)網(wǎng)江湖

大模型似乎沒能帶來更多的估值上的想象力。

今年3月14日，OpenAI發(fā)布GPT-4，大模型理解能力、可靠性有了進一步提升。兩天后，百度聞心一言正式發(fā)布，直到8月底，文一言才正式向大眾開放服務。

百度之外，科大訊飛5月6日發(fā)布星火大模型，9月5日，面向全民開放。商湯方面。4月份，發(fā)布日日新大模型體系，8月底，日日新大模型獲批。騰訊渾元、阿里通以千問，也紛紛跑步入場。

如今，首個國產(chǎn)大模型亮相半年過去了，各家資本市場表現(xiàn)如何？

百度3月14日港收盤股價129港元，9月18日收盤132.2港元。

商湯4月11日收盤3.33港元，9月18日收盤股價1.46港元。

科大訊飛5月8日收盤63.76元，9月18日收盤48.38元。

……

對于大模型概念，確實喧囂過，但是目前來看，繁華褪盡，市場似乎并不買賬。

8月15日，《生成式人工智能服務管理辦法（征求意見稿）》開始施行，AIGC產(chǎn)品合規(guī)之路明朗，于是，國產(chǎn)大模型密集發(fā)布，百度、訊飛、商湯等一眾大模型玩家開始搶奪ToC市場。

那么人們手機中的“第一個大模型應用”能不能成為AI生成的“第一入口”？值得深究。

大模型“內(nèi)卷”到前臺，AI落地半場開香檳？

可以確定的一點是，走到前臺，市場期待的是應用意義上的“產(chǎn)品化”。大模型能夠解決什么樣的客觀問題，能解決問題的應用，才是有商業(yè)價值的應用。

大模型最直接的應用，是語音助手。

大模型強化一波語音交互應用，可能會給某些硬件行業(yè)帶來“第二春”，比如智能音箱有了新賣點，小度智能音箱可能會找到新的增長點。

語音助手領(lǐng)域的應用，最順利的可能還是汽車。

文心一言收獲了吉利、長城、紅旗、東風日產(chǎn)、嵐圖，ChatGPT接入奔馳，星火大模型接入廣汽，華為盤古接入賽力斯……這也是大模型最容易商業(yè)化的場景之一。畢竟，對于車載場景來說，語音助手應用是剛需，也是比較成熟的B端落地領(lǐng)域。

大模型向C端滲透過程中，雖然已經(jīng)邁出重要的一步，但距離真正的大規(guī)模應用，恐怕還有距離。

如今的歡呼，倒像是半場開香檳，現(xiàn)實是大模型還遠未到成熟的階段。

人們需要接受的是，大模型看起來很強，但你真正用它去解決問題的時候，會發(fā)現(xiàn)真正沒有那么的強。

對于一些最實際的，哪怕是簡單的需求，大模型都還沒有辦法滿足，背后有數(shù)據(jù)的問題，生態(tài)的問題，但歸根到底，還是只能有限地解決實際需求。

首先是數(shù)據(jù)新鮮度的問題。在實際的使用過程中，我們發(fā)現(xiàn)，同樣的問題，大模型給出的答案甚至不如搜索。

這是百度搜索給出的答案：

這是文心一言給出的答案：

從時效性以及準確度來說，反而是搜索更符合常理，也更符合人們對于真實場景的認知。

“凡是要跟語言文字或程序代碼打交道的應用場景，都可能有文心一言的用武之地。”王海峰曾對外界表示。

的確，大模型的應用場景很大，但現(xiàn)實是，真實的需求場景中，當下的大模型產(chǎn)品似乎還有不少能夠提升的空間。

相比文心一言，訊飛星火大模型給出了答案，但時間是2022年度上市公司排名，并不是當下最新的數(shù)據(jù)，也同樣是數(shù)據(jù)新鮮度的問題。

數(shù)據(jù)新鮮度的問題，本質(zhì)上是數(shù)據(jù)生態(tài)的孤島問題。

對于某些垂直領(lǐng)域的提問，大模型給出的答案無論是從專業(yè)度上還是從時效性上都似乎不能滿足人們的需要。這可能是因為，無論是文一言，或是星火大模型，大家對垂直領(lǐng)域的數(shù)據(jù)訓練其實還不夠。

比如，對于財經(jīng)信息方面，大模型給出結(jié)果可能還不如財經(jīng)信息網(wǎng)站上搜到的結(jié)果準確，可用，當然這里面可能會涉及版權(quán)的問題，但本質(zhì)上其實就是數(shù)據(jù)生態(tài)的孤島的問題。

拿ChatGPT來說， OpenAI、Google 及其支持的 Anthropic 多年來一直在使用其他網(wǎng)站或公司的在線內(nèi)容來訓練他們的生成式 AI 模型，雖然數(shù)據(jù)的量有保證了，但也有潛在的法律問題。

當大模型走向前臺，這種數(shù)據(jù)孤島問題會更加突出。因為用戶不在乎你怎么獲取數(shù)據(jù)，用戶只在乎，你的工具好不好用。

天眼查APP搜索大模型，相關(guān)結(jié)果有100多家，雖然其中也有不少大模型都發(fā)布了各自的APP，但目前來看真正好用的其實不多，大量用戶涌入還是因為有新鮮感，大模型在C端應用方面做的工作其實也還很有限。

比如，用戶想把一張2K分辨率的圖片清晰度生成為4K，其實技術(shù)上并不復雜，但大模型卻給不出結(jié)果，對于普通用戶來說。用過一次不好用，恐怕就很難再堅持用下去了。

就像曾經(jīng)的智能音箱、語音助手， 其實大家手機里都有AI語音助手，為什么使用的頻率并不高？其實還是因為不好用。所以，對于百度、訊飛甚至商湯來說，挑戰(zhàn)不在于能不能把C端的應用做出來，而在于做的夠不夠好。

百度產(chǎn)品上比較成功的就是百度搜索，智能搜索的確很強大，但大模型產(chǎn)品能不能做到像搜索一樣的水平，需要打一個問號。

對訊飛而言，一些硬件產(chǎn)品做得不錯，但考驗在于軟件產(chǎn)品的定義能力；對于商湯來說，ToB的應用做了不少，但ToC顯然還是需要更多的經(jīng)驗。

目前來看，國產(chǎn)ToC的大模型差異化并不大，大多是內(nèi)容創(chuàng)作、AI繪畫、翻譯、AI辦公等場景應用，也能幫助人解決一些實際的問題，比如生成會議大綱，給PPT寫提綱、寫研報、寫工作日報。

但接下來，能不能ToC的大模型真正做成“爆款”，做出差異化，恐怕考驗的就不僅是AI技術(shù)了。

大模型產(chǎn)品化的窗口期不多了

大模型落地B端的一個最大阻礙是不能理解業(yè)務。

舉個例子，金融領(lǐng)域是強數(shù)據(jù)導向的領(lǐng)域，人們需要在數(shù)據(jù)的基礎(chǔ)上去做決策，如果把大量的數(shù)據(jù)以及金融理論用來訓練AI，那么面對瞬息萬變的市場，大模型的決策有多少的準確度？用戶敢不敢用？

之前馬斯克曾表示，F(xiàn)SD V12幾乎完全是神經(jīng)網(wǎng)絡(luò)，構(gòu)筑了一套端到端自動駕駛技術(shù)。也就是說，端到端的信息輸入輸出過程是一個“黑箱”。

你不知道AI是怎么具體做決策的，但是你最終會得到一個可用的結(jié)果。

大多數(shù)時候，這樣的應用是沒有問題的，比如出行領(lǐng)域，人們需要的是安全到達目的地，即便是決策黑箱的問題存在，但并不影響實際應用。

決策黑箱最大的問題是決策信任的問題，云到端的大模型也有類似的問題。

比如，你問大模型一個問題，AI問題給出的答案夠不夠真實可信？這個問題還需要花大力氣解決。簡單點說，要去教大模型什么樣的結(jié)果是正確的，是易用的，這就需要不斷把模型的輸出結(jié)果跟現(xiàn)實去“對齊”。

這也是大模型落地C端的一個重要挑戰(zhàn)。

輸出結(jié)果的真實性，有效性能不能得到最基本的保證？這是大模型應用能否真正迎來大爆發(fā)需要解決的前置問題。

過去ChatGPT花了大量的成本去做這個件事，文心一言，星火大模以及商湯的日日新大模型顯然也需要經(jīng)歷這個過程。

目前階段，通用大模型的應用熱更像是人們的一場自嗨，公司發(fā)布大模型往往會伴隨著一系列的公關(guān)活動，但除此之外，能給B端公司帶來怎樣的效益增量，仍然沒有一個較為清晰的方案，只是空有一句“AI智能化大模型降本提效”的公關(guān)話術(shù)。

這種品宣做“巨人”業(yè)務上做“矮子”的現(xiàn)狀，無非是想打上大模型的標簽，好讓二級市場高看自己一眼。不過，市場已經(jīng)在用腳投票，最終還是會看實際的商業(yè)化表現(xiàn)。

互聯(lián)網(wǎng)江湖認為，如果說過去大模型的價值，在于對科技企業(yè)的“標簽化”想要在二級市場謀個好價格，那么接下來能不能活下去，就在于能否完成“產(chǎn)品化”，真正靠應用能力“打天下”。

硅谷教父彼得·蒂爾曾說，喜歡給自己貼標簽賽道標簽的公司幾乎都是不可投資的那一檔，他曾經(jīng)這樣表達這個觀點：“我對一切主題熱點投資都抱有懷疑態(tài)度，一般來說這樣的投資毫無區(qū)分度。大家很喜歡把一大堆完全不同的東西放進一個熱點中，標簽是，云計算，大數(shù)據(jù)，人工智能，醫(yī)療SaaS等等，但是實際上是底層卻完全沒有區(qū)分度的公司。”

大模型也是如此。

事實上，AI賽道的泡沫被擠出之后，市場清楚地知道，大模型真正的價值還是在于產(chǎn)品化。而產(chǎn)品化的關(guān)鍵，不僅是技術(shù)的比拼，也是產(chǎn)品經(jīng)理能力的比拼。

在這一點上，上個時代的“王者”們（比如阿里、騰訊）可能比百度們更有經(jīng)驗和話語權(quán)。

一方面，產(chǎn)品化的關(guān)鍵在于能夠精準定義用戶需求。

比如，大家目前都比較青睞于去做AI原生應用，但AI原生應用如何能夠更好地去滿足用戶的實際需求，靠的還是產(chǎn)品定義。

另一方面，產(chǎn)品化之后，大模型才有差異化，而商業(yè)化其實是產(chǎn)品化自然而然的結(jié)果。

在體驗過各家發(fā)布的大模型產(chǎn)品后，有這么一種強烈的感覺，雖然叫不同的名字，但大家的產(chǎn)品并沒有太多差異，能夠完成的任務類型都差不多。

比如，剛開始用文心一言，你會覺得確實很厲害，什么問題都能給出答案，一旦涉及稍微深度點的內(nèi)容，就會發(fā)現(xiàn)他給出的答案太公式化，而且大多數(shù)時候像是空話、套話。

不只是文心一言、訊飛的星火大模型、商湯的商量SenseChat，大家表現(xiàn)其實都差不太多。

本質(zhì)上，這是因為大模型本質(zhì)上不是強人工智能，還是需要靠數(shù)據(jù)去不斷訓練，并不是真正意義上根據(jù)信息去做判斷。所以差異化的關(guān)鍵，還是在于最終的應用產(chǎn)品。

互聯(lián)網(wǎng)江湖認為，大模型產(chǎn)品不僅需要靠場景“吸引住”用戶，更需要用體驗來留住用戶，甚至激發(fā)用戶的付費意愿。

目前來看，通過審批的這些大模型應用產(chǎn)品集中了覆蓋用戶日常大部分場景的工具，從工作到文娛各個方向的應用都已經(jīng)開始出現(xiàn)，想要成為新的入口。

問題在于，大多數(shù)用戶還是處于嘗鮮的狀態(tài)，用來解決實際問題的用戶可能并不多。原因可能還是在產(chǎn)品應用上。

就拿檢查錯別字這個簡單的需求來說，從親身的使用體驗來講，目前市面上的主流的大模型應用做得都不怎么好，反倒是一些專門做文章校對的垂直平臺，用戶體驗要好得多。作為一個文字工作者來說，對于這樣的產(chǎn)品其實有很強的付費意愿。

不僅是文字工作，代碼生成、圖片生成也是如此，目前的大模型初步解決了“能不能用”的問題，但真正的關(guān)鍵是要解決“好不好用”的問題。

所以，這些細分應用上的產(chǎn)品能力，可能會是用戶能不能真正把大模型用起來的關(guān)鍵。

用戶大量用起來之后，用來訓練AI的數(shù)據(jù)足夠多，AI大模型的能力便能夠突飛猛進。ChatGPT真正的起飛，也是在大量用戶涌入之后。

可以預見的是，大模型開放之后，AI原生應用會出現(xiàn)一波爆發(fā)，而在應用爆發(fā)之后，能夠有多少用戶留下來，可能是“文心一言”們需要深入思考的問題。

“想在‘百模大戰(zhàn)’之中笑到最后，還是得看究竟會有多少用戶愿意花真金白銀買單。”行業(yè)觀察人士劉宇表示。

ChatGPT用戶過億后，開始對C端收取訂閱費用，每月20美元，而且針對B端專門推出了企業(yè)版。這說明OpenAI的思路在轉(zhuǎn)變，從做技術(shù)轉(zhuǎn)變?yōu)樽霎a(chǎn)品。當然，前提是ChatGPT已經(jīng)證明了能夠去解決更多的實際問題。

國產(chǎn)大模型，達到GPT4的水平還需要一年，也就是說，真正留給大模型玩家去定義、完善大模型AI原生應用的窗口期還有一年。接下來，如何去做好這方面的工作，進一步提升大模型的數(shù)據(jù)時效問題，可能才是關(guān)鍵。

寫在最后：

喬布斯和iPhone的成功證明，真正出彩的不是永遠都不是技術(shù)，而是產(chǎn)品。

如何做好應用產(chǎn)品，可能是大模型玩家們需要更明確的目標。可以預見的是，接下來C端應用的確都需要用大模型重做一遍，這對百度、訊飛、商湯來說，無疑是一次機遇。

AI行業(yè)從來不缺等風者，但真正缺的是造風者，接下來到了真刀真槍的戰(zhàn)場，誰能一呼百應打開大模型應用的金礦，我們且行且看。

申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！