大量價值將被AI釋放，科技領域終將發生翻天覆地的變化
來源：AI商業研究所
導讀：
近日，美國著名投資機構A16Z發表了一篇文章，題為《Who Owns the GenerativeAIPlatform?（生成式AI平台，誰主沉浮？）》，裡麵包含幾個月以來對AIGC領域內大廠與初創公司的訪談調研和數據分析，可能是最近看到對此類話題最客觀且詳實的討論，下面將核心觀點整理分享給大家。
# 01、生成式AI的技術棧：基礎設施、模型層和應用層
為了理解生成式AI市場是如何形成的，我們首先需要定義當前的技術棧是如何構成的的。以下是我們的初步觀點。該棧（自上而下）可分為三個層級：
- 應用層：將生成式AI模型集成進面向用戶的應用軟件，它們或運行著自己的模型（端到端應用），或依賴於三方模型的API；
- 模型層：驅動AI產品的模型，它們要么以專有API的形式提供，要么開源提供（這種情況需要一個對應的託管解決方案）；
- 基礎設施：基礎設施供應商（如雲廠商或硬件製造商），它們負載著生成式AI模型的訓練和推理。
# 02、AIGC的兩個階段
第一階段將專注於工具。
生成式人工智能將可能作為人類創作者的助手，使現有的UGC工作流程更加強大和方便。現有的UGC平台（如Roblox）將把生成型AI添加到他們現有的工具集中，而初創公司將出現，複製目前的UGC工作流程，但從一開始就針對生成型AI的特點進行優化。
這一過程類似於互聯網最初是如何開始為政府提供次要的點解決方案（point solution），或者云技術是如何從點解決方案開始起步的，我們相信生成式人工智能也將從點解決方案工具開始，以協助創作者的當前工作流程。
第二階段，會出現新的公司，從頭開始重新打造創作工作流程。
第二階段的產品很可能不太像工具或平台，而更像以生成式人工智能為基礎的引擎或操作系統。這就類似於，最出眾的網站並不是對報紙的模仿，或者獲勝的移動應用並不是網站的模仿。
我們相信，AI將創造全新的創作範式，並將對從用戶體驗到渲染管道組成的基礎架構進行深入改革。而未來它們將發展為何種形式，沒有人能夠真正預測。
# 03、第一波生成式AI應用正邁向規模化，但在留存率和差異化上仍面臨困難
在之前的技術週期中，人們普遍認為要建立一個獨立的大企業，公司必須擁有終端客戶——無論是個人消費者還是企業買家。因此人們更容易相信，生成式AI領域的最終贏家也會是面向終端的應用程序。
而目前，生成式AI的探索之旅依然迷霧重重。我們了解到至少有三類產品年營收已經超過了1億美元，即圖像生成、文案寫作和代碼編寫。
然而，僅靠高增長還不足以建立經久不衰的軟件公司。關鍵之處在於增長的背後必須有利可圖——從某種意義上說，用戶一旦註冊，就會產生收益（高毛利），並長期留在應用中（高留存）。在技術缺乏差異化的情況下，B2B和B2C應用多數通過網絡效應、數據沉澱和日益複雜的工作流來推動長期客戶價值。
在生成式AI中，這些假設並不一定成立。
那些與我們交談過的應用軟件公司，毛利率落在一個很大的區間——少數情況下可高達90%，但更多數情況僅有50-60%，主要受限於模型推理成本。
雖然用戶漏斗頂端的增長十分驚人，但鑑於我們已經看見付費轉化和留存的開始下降，現有的獲客策略是否可規模化尚未可知。
由於依賴類似的數據模型，許多應用軟件在產品層面相差無幾，並且它們均尚未找到友商難以復制的顯著網絡效應、數據積累或獨特工作流。
# 04、縱向整合的應用在差異化上是否具有優勢，仍然有待驗證
目前還無法明確直接銷售終端應用是否是構建生成式AI可持續商業模式的唯一甚至是最佳途徑。隨著語言模型的競爭加劇和效率提升，應用的利潤空間將會提高，而後面“白嫖黨”會逐漸離場，產品的留存也可能有所提升。
展望未來，生成式AI應用公司將面臨的主要問題包括：
- 縱向整合（應用+模型）：將AI模型視作一種服務，小型應用開發團隊可以快速迭代並隨著技術的演進替換模型供應商。另一方面，部分開發者認為模型就是產品本身，只有從頭開始訓練才能建立壁壘——即不斷對產品積累下來的專有數據進行訓練。這麼做的代價是燒更多的錢並犧牲部分產品團隊的靈活性。
- 構建功能還是應用：生成式AI的產品形態五花八門：桌面應用程序、移動應用程序、Figma/Photoshop插件、Chrome瀏覽器擴展應用甚至Discord機器人…在用戶已經習慣的工作界面中集成AI通常比較容易，因為交互界面往往只是一個文本框。這些公司中的哪些將成長為獨立的公司，哪些又將被已有AI產品線的大廠（如微軟或谷歌）收入麾下，值得拭目以待。
- 設法穿越炒作週期（Hype cycle）：用戶流失究竟是因為產品自身的產品力不足還是早期市場的人為表現目前尚無定論，對生成式AI的濃厚興趣是否會隨著炒作的消退而淡去也暫時沒有答案——何時加速融資？如何激進地獲客？優先考慮哪些用戶群體？何時宣告PMF成功？這些問題對於應用程序類公司而言意義重大。
# 05、模型提供商發明了生成式AI，但尚未實現大規模商業化
如果沒有谷歌、OpenAI和Stability.AI等公司奠定了傑出的研究和工程基礎，我們現在所說的生成式AI將無從存在。創新的模型架構和不斷擴展的訓練管道使我們均受益於大語言模型（LLMs）和圖像生成模型的“超能力”。
然而，這些公司的收入規模在其用量和熱度面前似乎不值一提。在圖像生成方面，得益於其用戶界面、託管產品和微調方法組成的操作生態，Stable Diffusion已經見證了爆炸性的社區增長。但Stability仍將免費提供其主要檢查點作為核心業務宗旨（願景是開源）。在自然語言模型中，OpenAI以GPT-3/3.5和ChatGPT佔據主導地位，但到目前為止，基於OpenAI構建的殺手級應用仍相對較少，而且其API定價已經下調過一次。
這可能只是一個暫時的現象。 Stability.AI仍是一家尚未專注於商業化的新興公司，隨著越來越多殺手級應用的構建——尤其當它們被順利整合進微軟的產品矩陣，OpenAI也有成長為龐然大物的潛力，屆時將吃走NLP領域一塊很大的蛋糕。當模型被大量使用，大規模的商業化自然水到渠成。
# 06、開源模型VS閉源模型
閉源模型是否可以長久地保持其優勢目前還是未知數。我們看見由Anthropic、Cohere和Character.ai等公司自行構建的大語言模型開始嶄露頭角，這些模型和OpenAI基於類似的數據集和模型架構進行訓練，在性能上已經逼近OpenAI。
開源模型可以由任何人託管，包括不承擔大模型訓練成本（高達數千萬或數億美元）的外部公司。 Stable Diffusion的例子表明，如果開源模型擁有足夠高的性能水平和充分的社區支持，那麼閉源的替代方案將難以與其競爭。
如今，對專有API（如OpenAI）的需求正在迅速增長，託管可能是目前對模型提供商而言最明確的商業化路徑。開源模型託管服務（如Hugging Face和Replicate）正在成為便捷地分享和集成模型的有效樞紐——甚至在模型提供者和消費者之間產生了間接的網絡效應。模型提供商通過模型微調和與企業客戶簽訂託管協議來變現，看上去是十分可行的。
# 07、模型供應商面臨的潛在風險
模型提供商將面臨的主要問題還包括：
- 商品化：人們普遍認為，AI模型的性能將隨時間推移趨於一致。在與應用開發者的交談中，我們可以確定這種情況尚未發生，在文本和圖像模型領域都還存在實力強勁的領跑者。它們的優勢並非基於獨特的模型架構，而是源自大量的資本投入、專有的交互數據沉澱和稀缺的AI人才。但這些會是持久的優勢嗎？
- 客戶流失：依賴模型提供商是應用類公司起步甚至（早期）發展業務的絕佳方法。但當業務達到一定體量，這些公司就有動力構建或託管它們自己的模型。許多模型提供商的客戶分佈高度不均衡，少數應用貢獻了絕大多數收入。一旦這些客戶轉向自研AI，對模型提供商將意味著什麼？
- 錢重要嗎：生成式AI的未來是把雙刃劍，前景無比光明卻也潛在巨大危害，以至於許多模型供應商以共益企業（B corps）的模式組織成立，它們或發行有上限的利潤份額，或以其他方式明確地將公共利益納入公司使命。這些舉措絲毫不影響它們融資。
# 08、基礎設施可能是整個技術棧中可持續獲利且有壁壘的一層
生成式AI中的近乎一切都會在某個時刻通過雲託管的GPU（或TPU）。無論是對於訓練模型的模型提供商和科研實驗室、執行推理和微調任務的託管公司或是兩者兼顧的應用程序公司，每秒浮點運算（FLOPS）都是生成式AI的命脈。這是很長時間以來第一次，最具顛覆性的計算技術的進步嚴重受限於計算量。
因此，生成式AI市場裡的大量資金最終流向了基礎設施公司。可以用一些粗算數字加以說明：
我們估計，應用程序公司平均將約20-40%的年收入用於推理和定制化的微調，這部分通常直接支付給雲服務提供商以獲取實例或支付給第三方模型提供商——相應地，這些模型提供商將大約一半的收入投入於雲基礎設施。
據此我們有理由推測，生成式AI總營收的10-20%將流向雲服務提供商。
除此之外，訓練著自有模型的初創公司們已經籌集了數十億美元的風險投資——其中大部分（早期階段高達80-90%）通常也花在雲服務提供商身上。許多上市科技公司每年在模型訓練上花費數億美元，它們要么與外部的雲服務提供商合作，要么直接與硬件製造商合作。
迄今為止，生成式AI領域最大的幕後贏家，可能是運行了絕大多數AI工作負載的英偉達（NVIDIA）。該公司報告稱，2023財年第三季度，其數據中心GPU的收入為38億美元，其中相當一部分用於生成式AI用例。通過數十年對GPU架構的投資、產學研深入合作以及軟硬件生態系統的構建，英偉達已圍繞該業務建立了堅固的護城河。最近一項分析發現，研究文獻中引用英偉達GPU的次數是頂級AI芯片初創公司總和的90倍。
# 09、關鍵結論：生成式AI領域似乎不存在任何系統性的護城河
我們已開始見證生成式AI（AIGC）技術棧的興起。數以百計的初創公司正在湧入市場，開發基礎模型，構建人工智能原生的應用程序，並建立基礎設施和開發工具。
已有足夠的早期數據表明範式轉移正在發生，而我們尚未明確的關鍵問題是：這個市場中的價值將在哪裡積累？
據我們觀察：
- 基礎設施提供商可能是迄今為止市場上的最大贏家，他們賺取了流經技術棧的大部分資金；
- 應用類公司的營收增長得非常快，但在留存率、產品差異化和毛利率上卻容易遇到瓶頸；
- 模型提供商雖然對這個市場而言不可或缺，但絕大多數都還沒有實現大規模的商業化。
創造最大價值的公司——即訓練生成式AI模型並將其應用在新的應用程序中的那些公司——尚未獲取最大的價值。
我們很難預測接下來將發生什麼，但我們認為，核心是理解技術棧的哪些部分真正具有差異化和壁壘。
結合生成式AI的早期數據和我們關於AI/ML初創公司的經驗，我們有以下直覺：
由於基於相似的模型構建應用，應用程序提供商缺乏顯著的產品差異。其次，由於模型基於相似架構和相似的數據集訓練而來，模型提供商長期可能會趨於一致。最後，由於運行同樣的GPU，甚至硬件公司在相同的晶圓廠生產芯片，雲服務提供商缺乏深度的技術差異。
強大的網絡效應是否會在生成式AI技術棧中的任何一層佔據上風？現在下定論，一切還為時過早。
根據現有數據，我們很難判斷，生成式AI長期是否會形成贏者通吃的局面。
# 10、看不到護城河，反而是一個好消息
這很不尋常，但對我們而言是個好消息。這個市場的潛在規模難以把握——它介於所有軟件和所有人類的努力之間——因此我們預計將有許多玩家參與到技術棧各個層級的有序競爭中。
我們也希望公司無論橫向延展或是縱向深耕都能取得成功，為終端市場和終端用戶提供最佳解決方案。舉例來說：
- 如果終端產品的差異化源自AI本身，那麼縱向深耕（即緊密耦合面向用戶的應用和自研模型）可能會取勝；
- 如果AI屬於一個更大的長尾功能組合，那麼橫向延展將更可能發生。隨著時間的推移，我們將看見更多典型護城河的建立——甚至可能見證新型護城河的誕生。
無論如何，有一件事我們可以確定，生成式AI正在改變這場遊戲，而我們都在與時俱進地學習著遊戲規則。
大量價值將被AI釋放，科技領域終將發生翻天覆地的變化。
此刻，我們正在這浪潮之上，擁抱生成式的新未來！
展開全文打開碳鏈價值APP 查看更多精彩資訊
