bitpie钱包|AI 能赚到钱了么？ -

原文来源：琢磨事

图片来源：由无界AI生成

最近各种大模型密集发布，“赶上GPT4”“成为中国的OpenAI”等观点散见于各种文章。那回到一个最根本的问题：AI能赚到钱了么？这对于在这个行业里面的人实在是个灵魂拷问。如果没有过去十年的铺垫，总是这么问，那似乎是有点急功近利，但有十年亏损的这个铺垫在，赚不赚钱就变成了一个技术和商业合二为一的问题：即是技术的试金石也是商业化能力的证明。在回答这个问题前，我们需要总结下AI背后潜在的商业模式。

AI背后潜在的商业模式

如果AI发展的到非常成熟的阶段那潜在的变现方式有那些？过去探索证明过的商业模式并不多，和AI匹配的更是只有那么几个：

第一，订阅。这差不多是现在AI最典型的变现通路。其实就是云服务的一种，各大云厂商很自然的把自研的AI功能放到了自己的云的产品矩阵里面。

第二，新式增值服务类。电影里面的《Her》其实是种新式增值服务，未来能沟通的电子宠物等也是这个类别。和一比，差别是这类是最终做出来的那个菜，而一是原材料，两者会有很多重叠的区域，但大致和PaaS与SaaS的差异差不多。过去我们总说的SaaS更贴近于新式增值服务，我们就不单列一类了，比如各种企业级的助手。

第三，硬件产品销售。这类最终运转和联想卖电脑差不多。多模态方向的大模型需要这个做支撑，没有大规模的类似机器人、智能音箱、AR眼镜等新智能品类产品的成功，就不太会有多模态大模型的成功。产业分工的话，这种模式就会和上两种叠加在一起，成为拉动前面两种的力量。

第四，新式广告。之前有人说大模型会导致搜索类广告不好展示。我倒是觉得完全不是，屏幕大的很，甚至可以直接做推荐：如需购买，请看....。关键是频次和精准度要上来。

第五，解决方案销售。Watson这类产品不太可能变成彻底标准的产品，总是要和周边的各种具体情况做对接，也就必然需要解决方案做对接。从技术角度看着和二、三似乎类似，但从商业模式角度看差别非常大需要单列。新式增值服务和硬件产品销售的还是标准品，客单价上iPhone或者Vision Pro就是上限。但解决方案不是，这里客单价必须极大比如数千万做起来才有价值，否则支撑不了前后期的较长周期的投入。一定程度上现有产品的AI化其实都会变成方案，比如电商、短视频等，行业大模型就更是如此。在这里AI并不是一种颠覆性的力量，而是会表现为强化现有产品的方案。

第六，游戏与元宇宙。这个看着也是产品，但和一~五很大的不同在于只有这种产品支持虚拟央行模式。虚拟央行模式说的是可以直接发行一种自己的代币（不一定是数字货币）。只有这类产品才支持一种单独的生态和货币体系。

如果纵着切割这些商业模式，那会有两个明显的共通特征：

第一，如在歪理大集合，谁也跑不了提到过的，AI其实一种打深井模式，体现为对现有模式的更新（包括人），作为结果就是创造新模式其实不如互联网，但对现有模式的冲击深度会大于互联网。

第二，技术的经济价值更多会体现出一种拟人化，做人现在在经济体系里做的事，并做出超越。（各种助手等）

这两点非常关键，因为它们直接影响，谁会赚到AI的钱，以及潜在的终局形态。

最终谁会赚到AI的钱？

AI的上述特质决定它其实是供应链上的一个环节。这样一来除了1，对应公司要想跑通自己的模式，必须变成自己现在还不是的那种公司。比如即使是对于比较轻的游戏和元宇宙，也意味着大模型公司需要强迫自己变成懂游戏和元宇宙的公司。

这样一来就进一步衍生两个问题：

第一，如果是1这种云服务的形式，那AI会是单独的一种云服务还是现有云服务的一部分？

第二，如果需要和某种现存领域结合，那到底是纯粹AI公司主导还是该领域原生的公司会进化并主导？

对于第一个问题，我想答案比较清楚。云这种东西不可能单独一个品类存在，一定会归并。这是重资产行业内在的规模效应决定的。

对于第二个问题，答案其实也比较清楚。在不同领域里面，领域的权重和技术的权重是不同的，比如对于游戏领域权重就低，对于税务医疗领域权重就高，领域权重越高越不可能是单独技术性的AI公司去主导。而现实是大多时候领域权重是高的。具体那个公司很难说，但这种技术和领域知识的配比就会比较关键。

AI赚钱的商业挑战

之前琢磨事的文章更多是从技术的属性来看商业化的过程，这次则是从纯粹的商业模式角度来看这件事，结论并不复杂：

纯粹AI企业商业挑战非常明显，如果停在供应链上，变现通路太窄。而要想自己走通最后一节，那就不单需要搞定模型，还要搞定产品（产品代表了领域知识和技术的融合）。

看起来未来似乎是这种结局：最头部的大模型企业如果自己打不通其它变现通路而是局限在供应链上，那更可能被大的云公司归并。中间的领域模型则更可能同时具有领域知识的公司逐渐完成自身进化并胜出，比如出版的公司做内容审核产品就比单纯的外行人做有更大的成功几率。

所有商业模式的分析判断，都需要一个基础：技术本身要确实足以创造价值。那技术成熟度到底怎么样了？够了么？

时间点到了么？技术成熟度到底怎么样了？

够是真的不够。但凡打通一个真实场景做产品就会发现技术供给还是不够，并且短期也不可能彻底够。

AI技术的从0到1其实一直并未完成。

这是AI和之前技术比如互联网在技术本身上很大的一个差异性。

一定程度上2000年左右互联网基础的很多技术其实是在那里了，剩下的是更快、更大规模类的量上的提升。（我们现在还在用的互联网基础协议如TCP/IP，HTTP都什么年月的技术了）

但AI则不是，它的基础一直在完善，对应的所有应用就需要一遍完善一边应用。

两相对比会发现技术上互联网是一步一个脚印，AI差不多是不停的在欺骗自己中成长。我们今天宣布解决了这个问题，明天宣布解决了那个问题，但直到大模型进步远没想的大。（而大模型的成功出自最初创始人不是AI背景的公司也会有一点魔幻现实主义）

所以如果从够和不够的角度看，那就真的不够。但即使不够AI就像水一样，它淹没的部分就会彻底改变，对应的功能就会发生彻底的变化，比如做图，基本的配图没人再会找人画了。

不够之外怎么判断产品的技术成熟度呢。或者说够不够呢？

其实可以用全场景覆盖法，商业角度的话也只能是全场景覆盖法。前面提到过AI的商业通路总是会表现出一种拟人化，而人生活在某种关系之中，不能处理对应的综合的关系，就不够拟人。

全场景覆盖法

AI很容易变成用技术指标来衡量自身，但这就会变成一种内卷的套路，极致就是自己骗自己。

AI本质上考验的是通用能力，如果用一种专门化的方法在任何一个测试集上理论上都可以干的极好，超过任何一个现存最好的人工智能。但这除了写PPT，并没有什么用处。因为AI落地的时候，拟人化导致任何一个场景都是和复杂环境深度交叉的，这就还是需要通用能力。

这种技术专门化的评价方式事实上构成了一冷一热的根本原因：一边是AI好像什么都能干，已经无比神奇，一边是用起来不好用，不好用然后就不赚钱。

什么是全场景覆盖法呢？

简单说就是比如招聘是一个场景，那技术供给支不支持直接打造一个数字员工，履行过去招聘人员的所有职能，比如给一个需求就把人招聘回来，全过程不要人介入。

这个事如果实现不了，那除了第一种模式，高价值的后面的模式就一个都跑不通。

这是真的挑战。

小结

仔细想想，后互联网时代的几个新领域其实还真是各有各的坎坷。如果回到2015年前后，大概有3个新方向出现了：一个是人工智能，一个是区块链，一个是SaaS，感受到互联网基本到头又不甘于寂寞的同学很多去了这三个方向，然后人工智能和SaaS持续10年不盈利，区块链倒是赚钱但因为其它原因差不多消失了。现在大模型似乎可以为这三者同步注入新生的力量并且临近最后关头。

很多同学会关注到底那个领域会先来。这实在没法具体化，但可以有个基本的判断模式：

判断技术创造新价值到商业价值的通路到底有多远。Midjourney那种其实就是短的，Watson就是长的。真做事资金、人力和这个长度是要匹配的。