圖片來源 @視覺中國
文 | 李智勇
最近各種大模型密集發布，" 趕上 GPT4"" 成爲中國的 OpenAI" 等觀點散見于各種文章。那回到一個最根本的問題：AI 能賺到錢了麽？這對于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，總是這麽問，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爲一的問題：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。
AI 背後潛在的商業模式
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并不多，和 AI 匹配的更是隻有那麽幾個：
第一，訂閱。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産品矩陣裏面。
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别。和一比，差别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，但大緻和 PaaS 與 SaaS 的差異差不多。過去我們總說的 SaaS 更貼近于新式增值服務，我們就不單列一類了，比如各種企業級的助手。
第三，硬件産品銷售。這類最終運轉和聯想賣電腦差不多。多模态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 眼鏡等新智能品類産品的成功，就不太會有多模态大模型的成功。産業分工的話，這種模式就會和上兩種疊加在一起，成爲拉動前面兩種的力量。
第四，新式廣告。之前有人說大模型會導緻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 這類産品不太可能變成徹底标準的産品，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别非常大需要單列。新式增值服務和硬件産品銷售的還是标準品，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周期的投入。一定程度上現有産品的 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 并不是一種颠覆性的力量，而是會表現爲強化現有産品的方案。
第六，遊戲與元宇宙。這個看着也是産品，但和一 ~ 五很大的不同在于隻有這種産品支持虛拟央行模式。虛拟央行模式說的是可以直接發行一種自己的代币（不一定是數字貨币）。隻有這類産品才支持一種單獨的生态和貨币體系。
如果縱着切割這些商業模式，那會有兩個明顯的共通特征：
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，體現爲對現有模式的更新（包括人），作爲結果就是創造新模式其實不如互聯網，但對現有模式的沖擊深度會大于互聯網。
第二，技術的經濟價值更多會體現出一種拟人化，做人現在在經濟體系裏做的事，并做出超越。（各種助手等）
這兩點非常關鍵，因爲它們直接影響，誰會賺到 AI 的錢，以及潛在的終局形态。
最終誰會賺到 AI 的錢？
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。比如即使是對于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雲服務的一部分？
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并主導？
對于第一個問題，我想答案比較清楚。雲這種東西不可能單獨一個品類存在，一定會歸并。這是重資産行業内在的規模效應決定的。
對于第二個問題，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，比如對于遊戲領域權重就低，對于稅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。具體那個公司很難說，但這種技術和領域知識的配比就會比較關鍵。
AI 賺錢的商業挑戰
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，結論并不複雜：
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，還要搞定産品（産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局限在供應鏈上，那更可能被大的雲公司歸并。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并勝出，比如出版的公司做内容審核産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：技術本身要确實足以創造價值。那技術成熟度到底怎麽樣了？夠了麽？
時間點到了麽？技術成熟度到底怎麽樣了？
夠是真的不夠。但凡打通一個真實場景做産品就會發現技術供給還是不夠，并且短期也不可能徹底夠。
AI 技術的從 0 到 1 其實一直并未完成。
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 都什麽年月的技術了）
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。
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。我們今天宣布解決了這個問題，明天宣布解決了那個問題，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。
不夠之外怎麽判斷産品的技術成熟度呢。或者說夠不夠呢？
其實可以用全場景覆蓋法，商業角度的話也隻能是全場景覆蓋法。前面提到過 AI 的商業通路總是會表現出一種拟人化，而人生活在某種關系之中，不能處理對應的綜合的關系，就不夠拟人。
全場景覆蓋法
AI 很容易變成用技術指标來衡量自身，但這就會變成一種内卷的套路，極緻就是自己騙自己。
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幹的極好，超過任何一個現存最好的人工智能。但這除了寫 PPT，并沒有什麽用處。因爲 AI 落地的時候，拟人化導緻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 好像什麽都能幹，已經無比神奇，一邊是用起來不好用，不好用然後就不賺錢。
什麽是全場景覆蓋法呢？
簡單說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。
小結
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于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爲其它原因差不多消失了。現在大模型似乎可以爲這三者同步注入新生的力量并且臨近最後關頭。
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。
