滿天飛的大模型，有幾個能掙到錢？
文 | 世昕
編 | 園長
僅憑幾十個提示詞，就能生成一段流暢完整、視角多元的視頻，其内容質量幾乎能以假亂真，甚至不亞于專業拍攝團隊，這就是 OpenAI 首款文生視頻産品 Sora，一經發布便激起千層浪，讓全球感受到新的 AI 震撼。
2024 年的 AI 故事，伴随着這款殺手級應用的橫空出世拉開帷幕，Sora 再度讓所有人注意到了 AI 的無限可能性，爲略顯疲軟的市場再打了一針雞血。
回看 2023 年，AI 産業迎來了空前發展，海内外 AI 企業如雨後春筍，國内更是迎來了聲勢浩大的 " 百模大戰 "，通義千問、文心一言、智譜 AI、盤古大模型 ..... 卷多模态、卷算力、卷 token，一時間百家争鳴。
但一個核心的問題仍舊盤桓在所有人頭上：大模型産品到底如何實現商業落地？商業是技術發展的内生動力之一，唯有業務飛輪轉動起來，才能讓企業們真正走向未來。
垂直大模型，走向落地
2023 年的 " 百模大戰 " 到底爲行業帶來了什麽？
或許是一個清晰的商業認知：垂直化，才是大模型走向落地的實際路徑。
" 事實上 AI 大模型産業還處在一個很初級的階段，創造的内容、解決的問題還相對比較初級。"初心資本合夥人李可佳向刺猬公社表示。
初心資本是國内一家專注于人工智能、智能硬件、前沿科技及探索性投資的早期股權投資機構，對于 AI 産業有着較深的洞察。
李可佳用丹尼爾 · 卡尼曼《思考，快與慢》一書中的系統概念爲我們解釋了目前大模型産業的發展階段：
丹尼爾 · 卡尼曼認爲，在人的大腦中有兩套系統，系統 1 指的是快系統，是一種涉及直覺的思維方式，用于快速決策。它做出決策的依據主要依賴于偏差、偏見和錯誤的啓發法，它是無意識且快速的；系統 2 則是一種慢系統，它更爲慢速和理性，負責對系統 1 進行有意識的控制，特别是在涉及複雜問題的情形中，是否形成系統 2 也是區分人與動物的重要指标。
" 現在整個産業的發展仍處于系統 1 階段，在對創造力要求比較高的文科、藝術等領域，AI 已經有很好的表現，它的泛化能力也非常強，但如果希望它能解決一些很實際複雜的技術問題、商業問題，我們仍然需要等待‘系統 2 ’的到來。"
AI 目前正處于互聯網的 " 雅虎時刻 "，甚至還沒有發展到 " 谷歌崛起 "。OpenAI Sora 這樣的明星産品固然能讓人提振信心，但商業落地問題是全行業都要面對的問題：
目前人們已經能與 AI 展開對話、通過 AI 生成文本、圖像、甚至高質量的視頻，但問題在于，這些生成能力目前還處在較低水平，Sora 還不夠多，當幻覺與新鮮感散去，在 C 端難做突破的大模型們，該去哪裏實現自己的價值？
B 端是較爲實際的出路。
這也是李可佳口中的 " 系統 2" 發展方向，通過理性、高效的 AI 爲商務、工業提供助力，從而深刻改變整個産業，這也是大模型商業落地最實際的方向。但另一個事實是，通用大模型往往不能很高效快速地适配于企業的需要。
于是，大模型産業走向垂直化、細分化、專業化，已經成爲了未來最重要的趨勢之一。
無論是 GPT 還是其他基于 Transformer 架構下的大模型産品，其生成反饋的原則都并非線性的邏輯思考，而是根據 " 學到的知識和規律 " 來進行概率組合，這也是爲何大模型學的越多越強悍的原因。
通用大模型的問題就是，它學習的主要是通用的、可公開的知識數據，針對擁有信息壁壘的産業領域，通用大模型很難發揮作用。
這也是目前國内外許多廠商在做的。在教育、政企服務、醫療等領域，許多大模型都開始了走向垂直化，包括網易的子曰教育大模型、專注政企客戶的雅意大模型、在金融、醫療等領域深耕的百川大模型等。
通過小而精的訓練方法，不僅能夠突破大模型無法解決專業問題的阻礙，還能進一步降低成本，讓大規模推廣成爲可能。
" 以前很多人都認爲，隻要模型的規模夠大，過了多少億參數，模型就能達到很強的能力，但其實其對于任務的理解能力還是比較淺顯的。"
在 2023 年底，雅意 2.0 大模型發布時，中科聞歌董事長王磊曾向刺猬公社表示，在他看來，垂直專業才是大模型發展的未來方向，雅意 2.0 大模型也同樣遵循了這樣一個方向，不再一味的追求規模與 C 端反饋，而是選擇摒棄娛樂向的内容，将更多專業知識數據融入訓練中，從而實現更好的政企服務。
那麽有哪些産業能夠更快的實現 " 大模型化 " 呢？
李可佳認爲這主要看行業的容錯率與專業度。在智慧教育領域的多年深耕讓他認識到，在容錯率相對較高、對專業精準要求相對較低的領域，AI 帶來的變革将更容易發生。" 在拍搜、語言學習這些領域，大模型帶來的效率提升是非常顯著的。"
他認爲，醫療、金融等領域也正在産生變革，伴随着大模型能力的不斷進化，更多工業、科技領域的生産制造都會迎來一場 AI 改造。
AI Agent：突破 AI 需求困境
那麽如何将大模型的能力更直接的運用到我們的生産過程中？AI Agent 或許是一種更現實的路徑。
" 可以這樣構想一下，我還在做别的工作或是休息，在一個類似元宇宙的空間裏，我的 AI Agent（代理）與另外一位創業者的 AI Agent 相遇，它們聊的很開心，或許等我醒過來，我的 AI Agent 就拿着對方的商業計劃書來給我看了。"
AI Agent 在未來将成爲人與 AI 大模型連接的工具，成爲 AI 領域繼 GPT、文心一言等大模型産品的下一個熱點，正在被越來越多人所認同。
一位 AI 從業者向刺猬公社表示，AI Agent 不僅僅會成爲便利工作生活的工具，還能真正推動大模型從 B 端到 C 端的實際落地，推動 AI 産業的商業化成熟。
換言之，AI Agent 是 AI 産品更成熟的形态，它真正的使命就在于将 AI 能力封裝化，讓 C 端、B 端用戶都能更便捷更直觀的運用，從而助力生産力的解放。如果說大模型産品隻能被動的接收 - 生成，那麽 Agent 的使命要複雜的多，它更類似智能助手，需要借助自身的 AI 能力幫助使用者解決切實問題。
" 其實這是一種 AI native 的認知。" 李可佳表示，不同于很多企業 +AI 的思維，Agent 事實上是一種 AI+ 的邏輯。
" 面對 AI 浪潮，我們不能隻去想如何利用 AI 能力加持我們已有的業務形式。我就認識很多創業者，希望通過大模型提升自己的 Saas 服務能力，比如做一個郵件營銷的生成式 AI 産品等等，但他們卻忽略了一點，以後有些 SaaS 類産品可能都直接 autopilot 了，這個産品對應的環節可能都沒了。"
Agent 的意義就在于，它正在改變着人機協作的邏輯：
不僅僅是協助工作，AI 就可以獨自幫助使用者完成任務，它不需要事實的提示詞輸入，也不需要使用者一步步的繁雜操作，隻需要一個指令，Agent 就能幫你完成很多在過去時代無比複雜的工作，比如數據分析、廣告營銷投放、甚至是社交、銷售這樣主觀性很強的工作。
這幾乎是革命性的，在 Agent 日漸成熟的情況下，很多行業的許多環節都能夠被改寫，甚至取代。
GPTs 就是 OpenAI 針對 Agent 概念推出的産品之一，定制化的 GPT 機器人、能夠滿足不同的使用需要、專注于不同的領域，GPTs 的推出一度讓全球 Agent 企業大感危機。
目前來看，GPTs 似乎還沒有達到 Agent 的程度，對于國内外的許多 AI 企業來說，機會仍然存在。
但 Agent 不是更智能的 AI 聊天機器人，其最主要的能力是主動調用 AI 工具，爲使用者解決問題，想要實現這樣的能力，除了技術能力外，與 Agent 背後的大模型基底息息相關，比如多模态的輸入輸出能力、幻覺問題、多輪交互的高效靠譜，都将影響 Agent 的表現。
更重要的是，Agent 的應用往往要與不同的産業領域、應用場景相結合，這就與前面提到的垂直化趨勢深度相關。
現如今國内也已經出現了很多垂直領域的 Agent 産品，百度研發的營銷 Agent 輕舸、釘釘、飛書的 AI 辦公助理，這些企業從自身已有的産品和業務優勢出發，希望借助 Agent 創造新的産品邏輯，從而實現産品的二次成長。
以釘釘的 AI Agent 爲例，其 AI 助理可以與釘釘本身 " 融爲一體 "，根據用戶的指令，與平台上的應用和第三方插件、企業自建應用等結合，對這些功能進行調用。這樣一來，也讓釘釘龐大的插件和應用庫變得簡單易用，用戶不再需要一個個找應用，AI 助理就可以做到更符合用戶使用場景的匹配。
類似釘釘 AI 助理這樣的産品，正在解決大模型的 " 僞需求 " 困境，帶有強烈的 "AI native" 思維。當更好用、更有效的 Agent 産品被用戶看見、使用，甚至解決工作生活中的種種痛點，大模型的商業落地難題也終将得到解決。
從娛樂需求，到更廣闊的世界
現如今整個産業到底還面臨着哪些問題？
最重要的仍是技術能力問題。" 如果從創業的角度出發來看，或許你在進行邏輯推演時，能夠獲得一個不錯的推算結果，但真正重要的還是能否讓用戶感受到‘神奇時刻’。"李可佳表示。
對于大模型産品來說，最重要的仍舊是通過技術解決用戶需求的能力，自 ChatGPT 橫空出世以來，無數人都認爲大模型産品将改變整個互聯網的生産邏輯，但未來的進程似乎要遠慢于我們的期望。
歸根結底，是大多數大模型産品的能力遠沒有達到 " 神奇時刻 "，簡單的多輪對話或許能爲用戶帶來一刻的驚豔，但缺乏實際解決問題的能力。
" 質量信号沒有達到效果，還要看數量信号，也就是用戶的留存情況。" 這也與産品的實用性相關，GPT 能夠在全球席卷上億用戶，除了出類拔萃的能力外，優質的交互體驗，不斷推出的多模态生成産品，都是關鍵因素。
有 Sora 這樣的殺手級應用，OpenAI 自然不會爲用戶、商業化發愁，但對于其他玩家來說，除了在研發上下苦功外，垂直專業化、加強體驗、創建多元應用場景就成爲了重要的路徑。
除此之外，抛開大模型産品、Agent 等固有思路，大模型還有許多新的機會。
作爲早期投資市場的布局者，李可佳和所在的初心資本的投資邏輯可以概括爲 " 兩橫三縱 "，在這樣一個坐标圖譜中，蘊含着初心觀察到的産業機會。
" 兩橫分别是人才紅利和供應鏈紅利，在過去十幾年中國移動互聯網的飛速發展之下，整個行業培養了大量的工程師、科研人員，在全球都有着不少的優勢，另一方面，中國在制造業上擁有很強的優勢，尤其是在 3C 硬件等領域，我們的制造業供應鏈相當完備。"
以這樣兩個紅利爲基礎，三縱則代表了幾個重要的技術變量，第一就是生成式 AI，其餘兩縱則爲算力的性能躍遷和電動化到智能化的變遷。三縱與兩橫之間的許多交叉點則蘊含着新的機會，例如 AI+ 硬件、AI+ 元宇宙、AI+XR 等可能，都正被深切關注着。
在海外，Rabbit R1 等 AI Pin 硬件令人關注，而在國内，榮耀、OPPO 等廠商相繼推出 AI 産品、AI 手機等，希望實現彎道超車；在 XR 領域，萬衆矚目的 Vision Pro 同樣與 AI 有着千絲萬縷的聯系，在 AI 大模型的支持下，新的世界圖景正在逐漸展開。
但最重要的仍舊是 AI native 思維。
" 最讓我感覺興奮的是，在矽谷這些地方，我們接觸到了很多非常年輕的創業者，他們從不懷疑 AI 能否改變世界，他們的創業項目，都是基于 AI 時代已經到來的前提下開展的。" 李可佳向我們回憶，而這些 AI native 思維加持下的創業者，也讓他真正看到了未來的圖景。
" 新的技術正在改變世界的每個角落，如果沉溺在舊世界裏，很可能會被時代抛棄。"
商務合作聯系微信号 |yunlugong
如需和我們交流可後台回複 " 進群 " 加社群
