大模型商业化现状与挑战
自 ChatGPT 走红后，国内 AI 大模型建设潮起，经过一年半的快速发展，大模型商业化显著提速。生成式 AI 席卷各行业以来，市场对 AI 应用发展的预期高涨，但 AI 应用似乎陷入'增长难题'，进展不及预期，大模型如何商业变现成为各界关注的焦点。
1. AI 应用发展现状
底层技术进步较大，但应用进展不及预期
大模型对于人类自然语言的理解已经比较准确，人们可以通过自然语言描述进行 IT 开发、图片视频生成、工业控制、无人驾驶等。但基于大模型的应用尚未爆发，很大程度上可能是因为人们无法在空白对话框面前提出有效问题。实际上问题本身或是自身知识结构的专业性体现，大模型对于普通用户来说基本上就是个玩具。
基于 Transformer 架构的大模型技术核心是，在训练数据集范围内，按照概率对文本的预测和推理，因此优质的提示语（Prompt）实际上是生成高质量回答的前提条件。用户无法获得良好的体验，可能主要受制于提示语工程不够完善。
垂类应用行业的颠覆与构建
大模型可能将颠覆大多数垂类应用行业，无论是直接取代还是赋能玩家，垂类应用厂商大多都在构建自己的垂类大模型以降本并提高竞争力。通常有调用大模型+Fine-Tuning 和使用开源大模型自己训练垂直大模型两种方式。
- 直接调用大模型并进行适当的优化：通常是成本更为可控、实现更为快速的方法。例如海外微软直接调用 OpenAI 大模型，Runway 直接调用 Midjourney 开源模型，国内漫步者直接调用阿里通义大模型、润达医疗直接调用华为大模型等。
- 自己训练垂直大模型：成本和技术难度都相对较高，通常只有头部公司有能力进行。例如，好未来发布的 Max GPT 数学模型和美图在图像领域的大模型。
2. AI 商业化落地场景
B 端与 C 端的差异
从目前海外进展来看，商业成熟度较高的应用出现在 B 端，而市场关注度较高的往往在 C 端。海外除了 ChatGPT 等偏 C 端产品外，AI 商用主要落地在 B 端，C 端应用在海外上市公司不多见。
B 端应用场景
目前 B 端应用中，企业知识库和商业咨询进展较快，主流大公司 ServiceNow、Shopify 等已经有大订单落地。
- ITSM（IT 服务管理）：总结报告、知识库管理等场景开始结合 AI 进行探索，用于提高 IT 人员解决问题的效率。
- CRM（客户关系管理）：在客户跟进报告（电话交流后自动生成跟进报告）、知识库管理（指导销售人员推动业务流程）等场景开始结合 AI 进行探索，主要用于提高销售人员事项性流程的效率，以及销售能力、经验的复制和拓展以提升销售人员整体的业务能力。
- 数据存储和搜索需求：企业内部数据需要打通、协同处理，最终以外挂向量数据库的形式落地。Salesforce 的 Data Cloud、Elastic 的向量搜索解决方案和 MongoDB 的向量数据库业务都呈现较为明显加速增长的迹象。
C 端应用场景
C 端主要考虑多模态和类个人助理场景。
- AI 多模态：能给用户带来显著的感受，例如娱乐、视频、游戏、图片设计等。
- 类个人助理场景：利用大模型理解人自然语言交互并程序化执行任务的特点，代替人们完成一些非标场景的任务，例如办公、教育、招聘、搜索、电商领域和 AI Phone 等。
3. 商业模式分析
通用大模型公司的盈利方式
以 OpenAI 为代表的通用大模型公司的盈利方式分 B 端、C 端，未来通用大模型厂家或将持续收敛，未来模型厂商的变现途径可能以 B 端为主，以 MaaS（模型即服务）方式赋能千行百业。
- To B：
- 开放 API 端口，按调用次数、点击量进行收费；
- MaaS（模型即服务）：为企业训练模型或解决方案，提供定制化服务等。
- To C：以 ChatGPT Plus 为例，在 GPT 模型基础上推出独立应用场景，采取订阅付费模式，每月向用户收取 20 美元。
B 端产品的盈利模式
主流 B 端应用厂商的定价分为两类：产品价格普涨、AI 模块额外定价。
- ：典型代表 Adobe，其创意云套件订阅价格在 2023 年 11 月 1 日后普涨，平均涨幅在 8%-9%，显著高于以往数次涨价 3%-5% 的幅度。
