文 | 周鑫雨
編輯 | 蘇建勳
若将中國的 AI 發展看做是一本小說，你會發現，2023 年用一頁的篇幅，幾近寫完了曾經計算機視覺（CV）的三年：起風，落地，再到危機暗湧。
2022 年末，太平洋對岸的 ChatGPT 石破天驚，拉開了名爲 AI 大模型的全球競速——熱錢和人才集中湧向這個賽道。
這一年，中國模型層一共誕生了 5 家獨角獸：智譜 AI、MiniMax、百川智能、零一萬物、月之暗面。無論是從頭訓，還是基于現成模型微調，國内約 200 個大模型加入 " 百模大戰 "，AI 領域融資事件數比 2022 年增長了 145%。
AI 的技術突破，也爲這個賽道吸納了不少頂尖人才：來自國内外最高學府的知名學者教授下海，互聯網老兵出山，谷歌、微軟等海外大廠出身的華人回國。
但與熱鬧和振奮人心的技術突破相對的，是疲軟的資本市場和緊缺的資源。美元基金的退出、英偉達芯片的禁運，倒逼 AI 企業内修功力、外尋新機：找場景快速落地，出海拓展商業機會。
從錘煉技術，到快速的商業化落地，也将更爲抽象的問題擺到 AI 廠商面前：如何找準落地場景？如何實現數據飛輪？
從 Copilot 到 AI Agent（智能體），熱門概念和 demo 的不斷湧現，讓市場對 AI 的能力充滿了想象。但較爲殘酷的現實是，囿于底層模型的能力，AI 能落地的場景仍然有限。
從模型層相關的多模态、幻覺問題，到硬件層面的 NPU（神經元計算處理器），AI 産業上下遊要解決的技術難點還有很多。對于應用廠商而言，則要根據技術現狀将落地場景加以細分，或者找到具有獨特價值的落地場景。
即便度過了機會和危機并存的 2023，沒人懷疑，2024 年，AI 依然會是舞台上的主角。
開年的 " 王炸 "，依然來自 OpenAI ——北京時間 2024 年 2 月 16 日，OpenAI 推出了可以生成 60 秒連貫流暢、超逼真的高清視頻的視頻生成模型 Sora。對于不少視頻模型的創業公司而言，" 滅霸 "OpenAI 的開年響指并不好受。但業内更多人認爲，視頻等多模态模型，将在 2024 年創造新的商機。
而市場，也已經做好了迎接 AI 商業化的準備。經曆三年疲軟的消費市場，在 2023 年 Q3 終于複蘇。在硬件層面，手機、PC 等消費電子的銷量回升有目共睹。在軟件應用層面，根據移動市場分析平台 data.ai 的統計，2023 年全球移動市場用戶的支出同比增長了 3% ——截至 2023 年末，生成式 AI 應用的月用戶支出也突破了 1000 萬美元。
2023 年下半年以來，出海淘金，也成了不少 AI 廠商拓展商業機會的方式。無論是在新環境中尋求資本，還是尋找具有更高付費能力和意願的客戶，不少國内的 AI 廠商提起出海，都給予 36 氪同樣的答複："Why not？"
2024 年，關于大模型的機會、應用落地的方向、做 ToB 還是 ToC、本地化還是出海，36 氪總結了 6 大趨勢。
一、語言日漸擁擠，視聽乘風起勢
即便模型層短時間内誕生了 5 家獨角獸，但企名 Pro 的數據顯示，2023 年 AI 領域的融資總額比 2022 年少了 4.5%，甚至還不到 2021 年的一半。
這意味着，熱錢集中地湧向了少數團隊背景和技術實力強大的公司。從資源分配的角度而言，後來者想要再擠進模型層創業，空間已經不多。
智譜 AI CEO 張鵬認爲，從商業競争的角度而言，2024 年 LLM 賽道已經接近紅海：" 一，算力等資源緊張的問題還沒有解決；二，從市場空間的角度而言，不需要重複造輪子；三，模型能力很大程度上依賴先發優勢，積累用戶反饋、行程數據，從技術叠代的角度，後來者很難跟上主流的水平。"
即便零一萬物内部的模型訓練研究顯示，模型參數量還有很大的提高空間，在零一萬物技術副總裁、Pretrain（預訓練）負責人黃文灏看來，目前模型層的困難主要是在算力資源上：
" 從 GPT3.5 到 GPT4 有大量的技術挑戰要解決，算力資源限制會減少叠代試錯的機會，大家都會選擇确定性較高的路徑，就錯過了一些創新的機會。"
紅海中，永恒不變的隻有頂級人才的号召力。遠識資本董事 Yuca 對 36 氪表示，基金不會把雞蛋放在同個籃子裏，OpenAI、微軟、谷歌這些頂級公司的華人專家，還存在撬動國内資源的可能。
LLM 賽道日漸擁擠，但 3D、視聽等多模态模型仍是一片藍海。
月之暗面聯合創始人周昕宇向 36 氪列舉了不少模型有待突破的底層技術，其中不少與多模态有關，比如如何對多模态數據進行統一表示；如何用計算來突破數據的瓶頸；如何研發出更高效的多模态無損壓縮神經網絡架構。他認爲，這些技術突破都可能成爲 2024 年模型層公司的機會，但也可能需要更長時間才能取得突破。
多模态能力的突破，也将給大模型的整體能力帶來超預期的提升。" 由于大模型的泛化性，能力叠代往往是通用的、全面的提高，不會是單點的突破。" 黃文灏告訴 36 氪，" 無論是圖片還是音頻，多模态數據會和文字形成 1+1>2 的效果。"
不過，3D 和視聽生成技術在 2023 年的叠代速度之快，已讓人瞥見 2024 年的商業化浪潮。以技術複雜的視頻生成爲例，2023 年初，視頻生成模型尚且隻能将多個靜止的圖像拼接成幾秒長的剪輯。但不到 6 個月，以 Runway Gen2 爲代表的模型就能生成幾秒長的電影級影片。
時間再來到同年 11 月，由 4 名華人創立的動畫視頻生成公司 Pika，就釋出了可以生成分鍾級高質動畫視頻的産品。Pika 的估值，也飙升至近 2 億美元。
而僅僅再過了 3 個月，2024 年 2 月 16 日，" 滅霸 "OpenAI 又殺死了視頻生成的遊戲，發布可以生成 60 秒連貫高清視頻的文生視頻模型 Sora。這也意味着，視頻生成模型距離商用，已經近在咫尺。
LLM 解決的是最基本的交流問題，而 3D、視聽等多模态則能讓 AI 模型擁有超人類的感官，應用創新和模式創新的機會遠多于 LLM。
多模态技術能落地的場景，大緻可以分成兩類：一類是提供生産力工具，另一類則是提供新場景。
在工作和生産場景下，模型服務的商業模式已經較爲成熟，但這也意味着入局者衆多，競争壓力更大。企業的核心競争力在于能否建立全流程服務，滿足用戶的細分需求，同時形成數據飛輪。
随着多模态技術的提升，不少人在智艙、物聯網、XR 等場景中看到了新機會。對于新場景的創業者而言，跑通商業模式的先決條件，則是尋找到具有獨特價值的細分場景。
二、模型 " 瘦身 "，先場景後模型
但通用基座的紅海，并不意味着模型層已經失去入局的空間。
一個明顯的趨勢是，随着應用落地的加速，不少中小模型廠商開始 " 瞄準釘子揮錘子 "，先找到能落地的細分場景，再針對性地訓練模型。
這一現象，與市場的反饋不無關系。應用落地的迫切性，讓下遊廠商比起更強大的通用性能，更關切模型調用的成本，以及在端側部署的可能性。
由于模型推理需要消耗的算力巨大，來自底層的成本壓力會層層傳導至下遊。以 OpenAI 爲例，根據美國金融公司 Bernstein 的分析，如果 ChatGPT 的訪問量達到谷歌浏覽器的十分之一，OpenAI 初始需要的 GPU 價值高達 481 億美元——這部分的成本也勢必會分攤到下遊的應用廠商。
降本最直接的方式，是減少模型的參數量。2023 年下半年以來，不少擁有千億級參數基座的模型廠商，都發布了十億級參數的模型。比如百川智能發布了 7B 的語言模型，智譜 AI 和零一萬物發布了 6B 的模型版本，用純 CPU 就能将模型跑起來。
但光 " 瘦身 "，不足以成爲模型廠商的競争力。其緣由在于，各家大模型的能力尚未産生明顯差距。遠識資本董事 Yuca 舉了一個例子：在國外，所有應用廠商優先考慮的模型一定是 GPT-4；但在國内，應用廠商挑不出一個出類拔萃的，一般會考慮把十幾個主流模型都先試試。
" 現在談大模型的競争力還爲時尚早。" 網易有道 CEO 周楓對 36 氪表示，" 核心是要從應用中找到千億級的市場機會，找到‘大模型原生’的産品形态是關鍵。"
他以有道的長項翻譯場景爲例，雖然有道自研的百億參數模型 " 子曰 " 整體對話能力不如千億參數的 ChatGPT，但通過基于向量數據庫的訓練，" 子曰 " 能夠 5 秒翻譯 67 頁長論文。
即便認爲 " 現在談大模型的競争力還爲時尚早 " 的判斷還有待商榷，智譜 AI CEO 張鵬在模型落地層面，表達了類似的觀點：" 落地階段最重要的是找對場景，培養用戶，形成數據飛輪。"
培養用戶，越早越好。月之暗面聯合創始人周昕宇告訴 36 氪，從新技術的擴散曲線來看，最早期的用戶和開發者會帶動更多的用戶："2023 年可以吸取的經驗教訓是，應該更早點兒給用戶去用，很多用戶自己會探索大模型産品的邊界，發現産品經理想不到的場景和應用。2024 年，AI 落地的重點是如何與用戶一起成長。"
一個通過找對場景，順利在模型層占有一席之地的典型案例，是估值達 5.2 億美元的 AI 公司 Perplexity。Perplexity 通過将大模型和搜索引擎結合，開發出了類似于 New Bing 的對話式搜索引擎。
不過，Perplexity 的模型，最初是基于一些規模更小、推理更快的模型進行微調而來。直到最近，他們才開始訓練自己的模型。
對于前期 " 套殼 " 的決定，Perplexity CEO Aravind Srinivas 在播客節目中銳評："成爲一個擁有十萬用戶的套殼産品，顯然比擁有自有模型卻沒有用戶更有價值。"
不過在未來，自訓模型仍然會成爲 AI 應用企業不可缺失的一環。"AI 公司的核心競争力會是模型、應用、infra ‘三位一體’的能力。最大的應用公司必須掌握模型訓練能力，模型的推理成本降低對應用是最大的提升。三者缺一不可。" 零一萬物技術副總裁、Pretrain（預訓練）負責人黃文灏對 36 氪表示。
三、可穿戴，家居 ……AI 托舉細分硬件
2024 年，将是 AI 硬件元年——這一判斷，已經出現在國内外不少廠商的年初展望中：
高通總裁兼 CEO Cristiano Amon 在接受媒體采訪時表示，2024 年将成爲全球 AI 手機元年；聯想集團 CEO 楊元慶将 2024 年視爲 "AI PC 出貨元年 "；OPPO 高級副總裁劉作虎在發布會上直言："2024 年，不布局大模型的手機企業未來沒戲。"
不少硬件廠商，将 AI 大模型視作消費電子低迷三年後的一根 " 救命稻草 "。但廠商們将 AI 從雲端轉移至終端設備，有着更爲現實的考量——在大模型和終端的适配标準尚未建立之時，押注下一個入口型智能硬件，争先建立繼 IOS、安卓、Windows 之後 AI OS（操作系統）。
比如 1 月 10 日，榮耀發布了新一代 AI 系統 MagicOS 8.0，用 " 端雲協同 " 作爲 AI 生态的賣點。在 CES（國際電子消費展）上，聯想透露預計在 2024 年内發布 " 智能終端 AI OS（操作系統）"。"Windows 老家 " 微軟，也宣布将 AI 助手 Copilot 鍵引入 Windows 11 PC，并将其描述爲 "AI PC 的第一步 "。
但無論是 PC、手機，還是汽車，這些具有複雜軟硬件生态的智能終端，與大模型的結合仍然差一口氣。
其一，被賦予 " 高效率、低能耗 " 厚望的硬件 " 大腦 " —— NPU（神經網絡處理器）芯片，仍處于研發初期。大模型接入智能終端後，能耗和運行效率問題依然難以解決。
其二，囿于大模型能力和硬件不統一的适配協議，AI 在智能終端上能落地的場景仍然有限。面壁智能 CTO 曾國洋告訴 36 氪，終端标準協議的建立，是全球軟硬件廠商之間的博弈，很難預判勝者是誰。
相對地，瞄準垂直場景的設備，在結合 AI 模型後反而迅速開辟了市場。
在作爲 " 科技市場風向标 " 的北美，AI 硬件迅速崛起的消費趨勢已經證明了這一點。
比如在 CES 2024 首秀的橙色盒子 Rabbit R1，可以代理人類完成對手機的操作。發售首日，第一批的 1 萬台機子就迅速售罄。在北美電子産品購物平台 ebay 上，甚至有人加價幾百美元，靠拍賣 Rabbit R1 謀利。
Rabbit R1
事實證明，隻要抓住用戶的痛點，再垂直的場景都能帶來巨大的财富。
比如 AI+ 戒指——售價 349 美元（約 2507.31 元）的 AI 戒指 Gen3，主打健康檢測，其母公司 OuraRing 估值高達 25.5 億美元；
AI+ 跑鞋——由 AI 驅動的跑鞋 Moonwalker，能夠在不改變正常步行方式的情況下将步行速度提高 250%，即便預售價高達 999 美元（約 7177.09 元），在 Kickstarter 上也有 570 人參與衆籌，募款額達到目标金額（9 萬美元）的近 6 倍；
AI+ 徽章——得到微軟和 OpenAI 投資的 Humane，推出了一款内嵌 GPT 的 AI 别針 AI Pin，主打通過手勢交互調用通訊、搜索、播放音樂等不同功能，預定量已經超過 450 萬台。
AI Pin 的搜索功能
以北美爲鑒，不少業内人士認爲，健康監測、家庭陪伴等被北美市場驗證的場景，在 2024 年會馬上在國内被複制。
而在具有中國特色的場景中，最被看好的則是學習和翻譯。
回答的準确率，以及情緒價值的提供，一直是大衆對 AI 教學、翻譯能力的主要質疑點。但真金實銀是最真實的市場反饋：接入 " 星火大模型 " 後，訊飛學習機、智能辦公本、翻譯機等産品在雙十一全周期内銷售額同比增長 126%；網易有道首款搭載大模型功能的有道詞典筆 X6 pro，産品首發日銷量超 4 萬台，開學季銷售額超 1 億元。
在遠識資本董事 Yuca 看來，在學習場景下，中國用戶天然處于已經被教育好的狀态：學習硬件的用戶畫像主要爲中小學生群體，這一群體的特征是樂于接受 AI 科技等新鮮事物，且對授課方式敏感度不高。在知識類數據庫（比如教材、真題）較爲透明的情況下，AI 的準确率也得以保證，甚至穩定性高于人類教師。
而 AI 翻譯産品可輻射的用戶，比學生更廣。Yuca 認爲，随着旅遊市場複蘇、簽證門檻放低，跨國交流成爲剛需。随着 AI 能力的發展，耳機等不同形态的翻譯設備也将率先走進口音 / 特定聲音識别能力、同傳速度這兩個戰場。
" 個性化分析和指導、引導式學習、全學科知識整合。" 談及 AI 能給學習硬件帶來的新機會，網易有道 CEO 周楓認爲有三點。在教育場景中，這些功能的提升原被認爲隻有人才能做到，而随着多模态能力的提升、Agent 的發展，大模型在細分場景中更具有 " 拟人 " 的能力。
四、留住用戶，拼全流程服務
2023 年，不少 AI 應用快速起高樓，又迅速如昙花一現：
提供文案、圖片生成等 AI 營銷工具的 Jasper，在 2022 年底估值一度高達 15 億美元，擁有 100 萬總用戶和 7 萬付費用戶。但僅過了半年，Jasper 用戶量銳減，面向員工的股票估值打了 8 折，并開啓裁員；
在國内紅極一時的 AI 寫真生成應用 " 妙鴨相機 "，高峰期排隊人數高達 4000-5000 人，等待時間要十幾個小時。但根據七麥數據，上線不到 4 個月，伴随着創始人的離職，妙鴨相機在 IOS" 社交 " 應用榜單上的排名，從榜首一路下滑到 60 開外。
不少 AI 應用都難以逃脫 " 倒 U 型 " 用戶量曲線的魔障。其核心原因有二：底層技術沒有壁壘，同質化産品易複制；服務鏈條短，用戶難以對工具生态産生依賴。
海外頭部 AI 圖像生成應用下載趨勢，圖源：Sensor Tower
" 像妙鴨一樣的 AI 軟件應用，可以通過巧妙的營銷或者獲客方式快速起量。但想要維持用戶增長，超越美圖、Photoshop 這樣的産品，核心在于妙鴨們能否将服務，快速叠代到全流程的水平。" 遠識資本董事 Yuca 向 36 氪舉了個例子：
妙鴨相機通過更精細的 AI 寫生生成技術，快速聚集了一波用戶。但妙鴨的服務鏈條僅限于照片生成，具有修圖、編輯等需求的用戶，又會回到美圖和 Photoshop 的服務生态。
AI 應用的用戶留存思路，本質上與任何産品的發展并無二緻：找到一個解決剛需的場景，完善全流程的服務鏈條，不斷叠代更新 IP，拓展使用場景。
找場景和 IP 叠代，可以被視作産品不同發展階段的流量入口。比如在《芭比》電影上映期間，AI 寫真小程序 "45 AI"，靠首發芭比模闆在兩天内聚集了 2 萬多用戶，美圖秀秀等老牌美圖軟件也緊随其後上線芭比模闆。而春節将至，ChatMind、MiniMax 等團隊也快速在 AI 社交産品上，針對年輕人更新了親戚拜年的闖關場景。
對不少産品來說，找到合适的流量入口不難，但用全流程服務和更廣的場景承接流量并不簡單。
例如，線上服務，需要從滿足單點功能，延伸到涵蓋使用前、中、後的全流程，比如針對想要體驗寫真生成的用戶，企業還要滿足他們後續修圖、美顔的需求。當線上服務場景已經涵蓋全流程，就要考慮往線下場景延伸，比如将 AI 功能嵌入多形态的硬件設備中。
在用戶留存層面，2023 年能帶給 2024 年的經驗教訓是：靠一個強大的 AI 功能并不能一勞永逸。畢竟，人類專業攝影師也難求一稿包過，根據用戶的需求後期精修才是常态。
五、用 To C 的思維，做 To B 服務
2023 年，大模型落地很快産生了 To B 和 To C 的分野。
選擇 To B 場景，大多離不開企業基因和商業化兩個原因。智譜 AI CEO 張鵬談及選擇 To B 的原因，是公司成立初期已經原始積累了一批企業客戶資源，"To B 是商業化能夠比較快跑起來的途徑 "。
選擇 To B 或是 To C，也有産品叠代和建立數據飛輪的考量。作爲爲數不多堅定 To C 的大模型公司，月之暗面的理由是：叠代效率。月之暗面 CEO 楊植麟曾在公開采訪中表示，這是一個 " 以終爲始 " 的選擇，月之暗面的 " 終 " 是探索智能邊界，做個性化，反推适合的人才結構、産品策略的 " 始 "，就是 To C。
" 從長遠來看，成功的商業策略應當是 To B 與 To C 并重，構建起既能滿足企業和組織需求，又能貼近廣大消費者的産品和服務生态體系。" 零一萬物技術副總裁、Pretrain（預訓練）負責人黃文灏告訴 36 氪。在他看來，To B 和 To C 業務對模型叠代能力的影響各有側重。
" 通常來說，To B 業務因其專業性強、定制化需求多等特點，在企業服務方面已經相對成熟。To B 業務收集數據的速度雖然較慢，但所處理的數據通常更爲結構化、質量更高，對于特定行業知識的學習與積累有着不可替代的優勢。" 黃文灏表示，" 而To C 業務，由于用戶基數大、交互頻繁且應用場景多元化，确實更容易形成數據飛輪效應。同時，由于消費者對新技術接受度高，創新擴散速度快，從而吸引更多的新用戶，形成良性循環。"
然而在模型落地的實際過程中，不少廠商發現，To C 和 To B 的邊界正在逐漸模糊。
智譜 AI CEO 張鵬告訴 36 氪，大模型 To B 和以往的 To B 服務模式并不同。以往的 B 端服務，主要滿足的是來自企業的業務流程标準化的需求。但大模型的智能能力提升後，企業對 To B 服務的需求，擴展到了工作提效、員工助手、知識培訓等聚焦于個體服務的場景。
" 即便是做業務相關的 AI Agent，最終的用戶是員工個體，服務的其實還是 C 端群體。" 張鵬解釋。
什麽叫做 To C 思維？在月之暗面聯合創始人周昕宇看來，" 用戶會爲對自己有幫助的産品直接買單。"與傳統 To B 倡導服務的标準化不同，To C 服務需要滿足不同用戶的個性化需求。甚至于，To C 産品需要根據用戶的使用習慣進行不斷叠代，個性化的叠代會貫穿用戶完整的使用周期。
不過，對于 To B 模型廠商而言，想要長久盈利，就必須提供标準化服務。
遠識資本董事 Yuca 認爲，國内數字化預算主要集中在大客戶手中。目前對大模型廠商而言，服務大客戶的定制化服務利潤最高，但付出人力時間成本高，回款周期長，且隻有極少部分大客戶能夠承擔。
不少 To B 模型廠商，開始尋找能實現個性化服務的标準技術路徑。比如，國内外已有不少廠商在 To B 大模型服務中引入 RAG（檢索增強生成）流程，實現對企業的個性化服務。RAG 就好似大模型與企業私有數據庫之間的 " 傳聲筒 "，随着私有數據庫的更新，相應的模型服務也會随之更叠。
2024 年，To B 模型廠商抓住金字塔尖的大客戶依然重要，Yuca 補充，" 不同 ToB 行業有極高的行業壁壘，如何切入高行業壁壘的大客戶也是需要思考的問題 "。但位于塔身的廣大客群，是目前 To B 模型廠商立身的富礦。
六、出海，淘金
如今，出海成了不少國内 AI 廠商無奈又爲之振奮的抉擇。
中國互聯網公司的海外 AI 産品
無奈，更多來源于對資源的内憂外患。
在美元基金退出、芯片供應受阻的大背景下，AI 廠商在國内融資、訓練模型的難度驟增。據不完全統計，在國内，2023 年上半年融到錢的大模型企業大概有 20 多家，但下半年數量驟減至不到 1/2 ——錢早已湧向了少數大模型的早期玩家，後來者的處境并不樂觀。
站在基金的角度，遠識資本董事 Yuca 告訴 36 氪，由于時局并不明朗、IPO 充滿不确定性，基金更在意如何在 IPO 前順利退出，并且從中獲利："海外市場收并購相對國内成熟，出海項目存在收并購可能性較國内高很多，相比走 IPO 的獨木橋，對基金來說退出更容易一些。"
相較于國内，海外，尤其是北美，企業之間的收并購更爲常見。據數據分析公司 GlobalData 統計，在 2016 年到 2020 年期間，蘋果一共收購了 25 家 AI 公司，谷歌收購了 14 家，微軟收購了 12 家。
被這些大廠收購後，創業者依然能夠選擇二次創業。比如，曾爲蘋果員工的 Adam Menges，在創辦的兩家公司分别被微軟和 Niantic 收購後，他又加入了 AI 設計初創企業 Visual Electric，獲得了紅杉的投資。
而出海更令人振奮的原由，莫過于海外有着近中國 14 倍規模的 AI 市場。IDC 的報告顯示，2022 年中國 AI 軟件市場規模爲 307 億元，全球則爲 640 億美元（約 4606.4 億元）。
同時，在全球成本差異不大的前提下，由于付費能力和付費意識的差異，同樣産品在海外的利潤率将高得多。以 Apple Music 爲例，同樣的音樂服務，美國的訂閱費是 10 美元 / 月（約 71.93 元 / 月），是中國訂閱費（10 元 / 月）的 7 倍。
至于模型服務，智譜 AI CEO 張鵬認爲，海外客戶對标準化的接受程度更高，但國内客戶更傾向于選擇定制化，這導緻模型服務在國内的 ROI（投資回報率）并不高。不少受訪者的觀點是，隻要能和 OpenAI、微軟等大廠形成服務或者價格上的差異化優勢，出海對于 To B 模型廠商而言能夠拓展更多商業機會。
此外，一個不得不承認的事實是，國内大模型與 GPT-4 的客觀差距仍然存在。但目前，GPT-4 等部分高性能模型無法進入國内市場。在海外，依托于更高性能的模型底座，AI 廠商能夠實現更多的應用創新和模式創新。
在與國外廠商技術差距可控的前提下，中國 AI 廠商出海的天然優勢，則在于對渠道和價格的把控能力。
對于 AI 軟件廠商，尤其是 To C 應用而言，經受國内社交 + 電商 + 視頻三位一體的複雜獲客渠道的捶打，面對國外以亞馬遜、Instagram 等獨立平台爲主的渠道生态，就從容了許多。" 能在國内這麽卷的渠道環境中殺出來的，在國外一定不會差。" 一名在北美的 AI 創業者對 36 氪判斷。
對于 AI 硬件廠商而言，極緻性價比依然是收割海外客戶的利器。即便全球供應鏈正在往東南亞轉移，但核心部件的生産技術專利仍然把握在中國廠商手中。AI 硬件廠商能夠通過供應鏈優勢，在海外市場把握定價權。
不過，廠商們也要清楚地認識到，海外市場與國内市場存在不小的差異，這會全方位地影響産品定位、UI 設計、訓練數據、團隊建設。将本地化産品或者團隊 1:1 複刻到海外，結局大多是水土不服、铩羽而歸。
比如對于 AI 繪畫軟件，國内用戶偏愛國風模闆，但海外用戶則更偏愛漫威和 3D。在國内，To B 的 AI 公司需要建立相當規模的工程化團隊，以滿足客戶的定制化需求，但在标準化接受程度高的海外，AI 公司反而要放更多精力在底層技術打磨，以及建立高水平的銷售團隊上。
如今，一批國内大廠已經用 AI 瞄準了海外市場，而不少 AI 初創企業的出海财富故事，也已在業内流傳：
由西南财經大學計算機教授段江創立的 AI 圖片編輯軟件 Fotor，在全球超過 5000 個 AI 應用中，2023 年 9、10 兩月訪問量排名 23，月活高達千萬；MiniMax 旗下的海外 AI 聊天軟件 Talkie，自 2023 年 8 月發布以來，就長期位于美國 Google Play 娛樂應用下載榜前 10。
可以預見的是，成功探路的案例越多，AI 出海的隊伍将在 2024 年愈發壯大。
