新火種
2023-11-27 
深度丨漩渦中的OpenAI和背后的商業化難題
21世紀經濟報道見習記者肖瀟 記者馮戀閣 實習生趙燦暢 北京、廣州報道
多輪反轉，OpenAI的高層“宮斗”依然沒有迎來最終結局。
外界對于這場紛爭的討論甚囂塵上，有一種觀點認為，核心分歧是OpenAI應加速商業化還是維持非營利狀態。
紅杉資本曾經為AI產業算了一筆賬，根據當前AI企業的收入狀況，結合過去在GPU、云服務等成本上的投入，AI產業每年至少還得掙1250億美元才能回本。
商業化與否，對OpenAI來說也許是選擇題，但對市場中的其他企業來說，似乎是一個必然選項。生成式AI狂飆一年，AI公司有哪些商業動作？效果又如何？
大模型應用大戰打響
大模型的商業化在全面加速，從ChatGPT的步調就可看出。
今年2月，ChatGPT付費訂閱版ChatGPT Plus正式上線，用戶每月付20美元，可提前獲得新功能和更快的響應速度，彼時離ChatGPT發布還不到三個月。據不完全統計，在之后的九個月里，山姆·奧特曼領導下的ChatGPT調整了3次API調用價格，上新了起碼5個收費服務，可以說平均每個月都有商業動作，商業屬性越來越強。
自ChatGPT打響第一槍，國外大公司在半年后，紛紛坐上商業牌桌。
21記者梳理海外12家AI公司的主要應用，發現大致有個人訂閱、企業訂閱、按量收費、積分收費四類商業化途徑。
其中，主流的收費方案是個人訂閱制，定價在每月9.9～30美元之間。C端用戶花錢換來更好的使用體驗，在互聯網產品賽道上并不新鮮。對大模型應用來說，這意味著更多的上下文輸入，更快的響應速度，和更新的知識庫。
應用類型上，生成式AI通常作為輔助功能，嵌入原有業務，視為一項增值服務。舉例來說，創意軟件巨頭Adobe就把Firely當作“P圖神器”——得益于圖像生成新圖像，自動匹配透視、光影、風格的功能，Firely可以在Adobe Photoshop中改造原圖。其收費模式也延續了Adobe全家桶的積分方案，使用AI作圖時消耗點數，免費限額使用完后再付費購買額外點數。
小部分應用能擁有一個獨立界面，典型例子有文生文的ChatGPT、文生圖的Stable Diffusion。它們的商業化途徑更多樣，攬客人氣來自高性能的頭部大模型，能夠做到“獨此一家，別無分店”。
有意思的一點是個性化AI。個性化AI與ChatGPT 不同在更注重人格屬性，更強調用戶情感和參與度。比如，Meta AI提供了28個不同的AI聊天角色，每個角色都有一個基于真實偶像或明星的人設，月訪問量居高不下的Character.AI、黑馬公司Inflection AI都發力于情感價值。不過，三個應用目前都沒有商業變現，Character.AI的創始人曾表示考慮推出付費訂閱，并“不排除獲得廣告支持。”
天使投資人、人工智能領域專家郭濤向21記者分析，大模型應用還處于商業化早期階段，很多盈利模式并不清晰，比如收費形式和定價區間。他認為，現在向C端開放應用，更多指向積累數據和用戶群體，完善模型。而隨著技術成熟度提高，商業化還會跟著提速。
難以復制的OpenAI之路
技術和資本升級并沒有讓商業化謎題的答案變清晰。
21記者整理數據發現，頭部創業公司平均融資4輪左右，其中OpenAI的融資總額遠超其他廠商——年初微軟投擲10億美元，隨后A16Z、紅杉資本等八家風投機構再投3億美元。而單輪投資金額還在加碼，今年6月，Inflection在最新一輪融資中籌集13億美元。三個月后，亞馬遜宣布向Anthropic投資12.5億美元。
資本狂飆后，AI的商業效果可以用一地雞毛形容。
在統計的7家創業公司中，只有OpenAI透露今年收入超過10億美元，尚有盈利可能。風投公司Theory Ventures調查數據顯示，在所有AIGC公司中，95%的公司年收入平均還不到500萬美元，一些估值達到數億美元的初創公司甚至還未有收入進賬。
成本是大模型商業化的第一道坎。拿微軟的Copilot來說，據媒體報道，內部人士透露，GitHub Copilot的每個用戶每月會為微軟帶來超過20美元的虧損，甚至部分用戶每月成本高達80美元。GitHub前任首席執行官之后否認了GitHub Copilot的虧損情況，但沒有回應GitHub的成本問題。
硅基智能科技有限公司CEO司馬華鵬認為，大模型應用的主要成本有四：一是大模型本身的訓練成本，二是模型被調用推理的成本，三是訓練數據收集、清洗的成本，第四則是投入應用的獲客成本。
對于只調取預訓練模型、消耗推理算力的AI應用廠商來說，成本是相對可控的。郭濤指出，調用大模型的成本現在被快速降低了，對普通用戶和開發者，成本甚至可以接近于零。但問題在于，對于研發大模型的大廠玩家，用戶每交互一次都會產生對應的一次運算成本，似乎很難帶來規模效應——也就是說，盡管規模變大，成本卻很難攤薄。
國盛證券今年2月的研究顯示，按照ChatGPT當時的每日訪客數量計算，需要3萬多片英偉達的A100 GPU支撐運營，初始投入成本約為8億美元，每日電費在5萬美元左右。如此算下來，ChatGPT生成一條信息的成本約1.3美分，是傳統搜索引擎的三到四倍。
那么，能借鑒OpenAI的創收方法嗎？受訪專家向21記者表示，OpenAI的商業路徑難以復制。
OpenAI的發展大致可以分為三個階段。首先，2015年到2019年，不考慮商業變現，專心技術探索；第二階段，轉向更有商業價值的大型語言模型（LLM），推出免費產品ChatGPT，短期內占領大量C端用戶；今年開始，C端用戶在交互中幫助訓練大模型，OpenAI依此降低運算成本和尋找付費需求，穩固市場。
OpenAI的答卷沒法照抄，一方面是因為，ChatGPT屬于第一家跑出來的大模型，有很長時間可以培育用戶和市場，但現在大模型本身的競爭已經非常激烈。此外，個人強需求的場景很少，用戶愿意付費的場景也很少，尤其是國內C端沒有很好的付費習慣。“競爭這么激烈，如果沒有自己的核心優勢，一旦收費，很多C端用戶就會轉用其他競爭對手的產品。”郭濤表示。
可以說，成本高昂、需求不足、行業競爭激烈，都是大模型商業落地的難題。
創造價值或成勝負手
生成式人工智能技術為AI擴大了商業化應用的想象空間，但當下，還不存在某一條路徑可以成為通行的行業范本。
深耕B端還是發力C端，身在市場中的探索者并不容易得到答案。
在我國，有觀點認為大模型B端將孕育出更廣闊的應用市場。浦銀國際證券認為，不同于傳統C端消費互聯網，B端產業互聯網才是大模型的主戰場。
“走向B端是當前產業生態下的必經之路。”郭濤指出，許多開發大模型的企業本身就積累了大量B端企業用戶，在原有客戶的基礎上做相應的服務延伸，是比較高效的方式。而且，目前大模型應用按模塊收費，營銷、數據分析等服務沒有太大的技術壁壘。企業在研發通用大模型后，在垂直細分領域做適度的數據訓練即可。
然而，B端的美好圖景并不適合所有人。與行業融合漸深的另一面，是大模型企業面對定制化服務無法規避的人力和資金成本升高問題。
在司馬華鵬看來，發力B端是謀生或過冬的手段。生成式AI時代的“新秀”，如ChatGPT 、Midjourney等都是通過C端入手。“生成式AI給人工智能技術應用開放了一個新的海域，全球都是市場，C端還是有很大空間的。”他指出。
國內，百模大戰愈演愈烈；海外，OpenAI團隊因價值取向不同，已經上演多輪分裂與融合的戲碼，生成式人工智能的商業化之路逐漸走深。ChatGPT石破天驚地出場一年后，尋找用戶需求和產品的價值點，已經代替技術研發成為當下最重要的問題。
郭濤認為，抓住強需求的場景是第一要義，商業化要依托企業的生態體系。具體到領域上，他指出，短期來看，醫療、金融、教育等傳統領域可以乘上東風。這些行業提升空間大，動力強，需要AI應用幫忙提升效率和改變傳統的交易習慣；在使用成本方面，行業本身盈利較好，有資本改造升級。
司馬華鵬也表示，尋找和利用相應技術的價值點是未來工作的核心，需要發掘產品投入市場實踐后，能夠為用戶帶來怎樣的價值。另外，還應注意在打造產品的過程中盡可能保證模式的可持續和可復制，實現技術的“自動化”。
“最終還是要考慮開發產品的ROI（投資回報率）如何。”司馬華鵬坦言。
英偉達CEO黃仁勛在現身微軟Ignite全球技術大會時，表示生成式AI的出現是計算機界“過去40年從未發生的大事”。而對于這件從未發生的大事，他如此表達自己的期待：“生成式AI是計算歷史上最重要的平臺轉型，也將成為最大的一次總目標市場擴張。”
相關推薦
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法，不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險，讀者在采取與本文內容相關的任何行動之前，請務必進行充分的盡職調查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產生的任何金錢損失負任何責任。
