自去年3月份以來，隨著生成式人工智能技術的興起，不少人開始意識到咱們國家的AI技術似乎跟美國相比還有一段距離，這讓大家感到了不小的壓力。

焦慮之下，許多創業者開始不加選擇地投資到AI的底層技術中。雖然這導致了所謂的“百模大戰”，看似繁榮，但實際上卻造成了資源的浪費。今年，許多致力于大型模型的創業公司都開始面臨經營上的困境。

顯而易見AI創業的盈利模式已經發生了翻天覆地的變化。

目前中國經濟正處于轉型期，正從傳統的PC互聯網和移動互聯網時代，邁向以AI爲主導的新經濟時代。

這個轉型期既是充滿機遇的黃金時代，也伴隨著不少挑戰。對于每一位創業者來說洞察商業趨勢並順勢而爲，是他們必須練就的關鍵技能。

我有個強烈的預感，今年可能會成爲AI創業者回歸商業邏輯的元年。

那些沒有穩定商業模式支撐的大模型公司，想要走得遠，就是天方夜譚。

沒有自己的數據和用戶場景，形成不了數據閉環，持續優化也就成了空談，這樣的獨立大模型公司，很難構築起長久的競爭壁壘。

在美國頂尖的大模型公司確實融到了巨資，背後還有強大的支持者。但對于二線公司來說，現在可能還值點錢，明年可能就一文不值了。

大公司收購小團隊，主要是爲了人才，而不是技術，所以出價不會太高。

舉個例子，Inflection曾是估值超過10億美元的獨角獸，微軟曾對其投資近15億美元。但最近，Inflection的團隊幾乎都被微軟挖角了。市值高達3萬億美元的微軟，在收購時，給投資者的回報僅僅是本金加上一點利息。

在國內，大模型公司之間的價格戰愈演愈烈，原本價值數十萬的漢字服務，現在僅需一元，幾乎等于白送，明年可能完全免費。

大公司這麽做，是爲了推廣自家的算力和雲服務。你買我的雲服務，我就免費開放大模型API給你用。但這樣的定價，對于創業型大模型公司來說，已經低于成本價，幾乎沒有人敢跟進。

中國大廠自家的親兒子，這次竟然比領養的孩子表現得還要好，這在以前是難以想象的。

通常來說，中國互聯網大廠如果自己的團隊不夠強，比不上創業公司，才會選擇投資創業公司。盡管阿裏之前投資了5家大模型公司，但通義千問的表現卻超越了這五家公司，這讓大模型創業公司的日子越來越難過。

最近蘋果發布了自家的AI功能，蘋果手機用戶無需注冊，就能直接使用OpenAI的ChatGPT服務。

這背後的潛台詞是：我不給你導流，用戶還是我的，而且我隨時可以在後台切換到其他大模型。

據悉，Google正在和蘋果談判，想要在蘋果手機上預裝Gemini大模型，正在討論價格。畢竟，Google每年要支付給蘋果超過100億美元，只爲了讓iPhone的默認搜索引擎是Google。

目前，Gemini和GPT-4相比還有些許差距。但如果今年GPT-5不發布，Gemini年底趕上GPT-4基本上是板上釘釘的事。

到那時，蘋果手機後台到底會更多地支持OpenAI，還是Gemini，甚至是蘋果自家的大模型，還有待觀察。

我們常說的“價值微笑曲線”，左邊是英偉達，賺得盆滿缽滿；右邊可能是微軟、蘋果這樣的應用型公司；而最底層的，可能就是那些大模型公司。

現在，不少人認爲只要給産品加上AI，就能讓它們變得好賣，但現實卻不是這樣。

一些中國的制造商在引入AI後，雖然覺得自己的産品變聰明了，但用戶體驗和預期之間還是有很大差距。在美國情況也差不多，盡管AI看起來很吸引人，但真正要讓它落地，卻不是那麽簡單的。

AI落地難，主要有兩個原因：首先是幻覺問題，其次是結果的不確定性。

AI一旦産生幻覺，就會出錯，而且你無法預知錯誤何時發生，每次的結果還可能各不相同，這就讓結果變得不可預測。

隨著對幻覺問題研究的深入，人們發現，髒數據是導致幻覺的核心原因。很多用于訓練大型模型的數據都來自公開的互聯網，而這些數據中有很多是不准確的。

上個月，谷歌就出了個烏龍：

你精心准備了所有材料，把披薩放進烤箱，期待著一頓美味的晚餐。但當你急不可耐地想嘗一口時，卻發現奶酪掉了下來。你感到沮喪，于是上網求助谷歌。

谷歌的回答是：“加點膠水，混合大約1/8杯的膠水和醬汁。無毒膠水會更有效。”

這個回答實際上是網友十多年前編的一個笑話，但大型模型卻認爲這是正確的。

聽說美國的創業者們對GPT-5年底能否如期發布，以及它是否能在推理能力上比GPT-4有顯著提升，都持懷疑態度。

硅谷的共識是，可能需要至少十萬張，甚至二三十萬張GPU卡，才能實現性能的顯著提升。但即使你擁有這些硬件，如果沒有足夠的數據來訓練，也是白搭。

快手最近推出的「可靈」，不知道大家有沒有試過？它生成的視頻內容比Sora的還要出色。

快手之所以能做得更好，是因爲他們本身就在短視頻領域深耕，積累了大量的訓練數據。而Sora是否使用了爬取YouTube的數據進行訓練，他們都不敢肯定。

快手的成功證明了，擁有大量高質量的數據，比單純擁有衆多GPU卡更爲重要。用更多的數據，可以訓練出更優秀的模型。

因此中國在AI技術上並不遜色于美國，關鍵在于我們能否積累足夠的高質量數據。

目前GPT-4在許多文本場景下已經能夠滿足大部分需求，但它在處理需要多步推理的複雜邏輯時，准確率還有待提高。如果每一步推理的准確率只有90%到95%，那麽經過多步叠代後，最終的准確率可能就會降到50%以下。

中國企業通過使用私有數據來訓練模型，可以在很大程度上減少幻覺問題，提高准確率。關鍵在于，你是否能夠積累到足夠多的高質量數據。

例如，去年一些從事微商的一團隊，就很容易地用大模型取代了一半的人力，原因就是他們積累了大量團隊與用戶之間的對話數據。

蘋果的發布會不僅展示了新産品，還重新定義了AI的概念和“入口爲王”

對于大多數企業而言，關鍵不在于擁有多麽先進的AI技術，而在于能否提供令人驚歎的用戶體驗。

創造卓越的用戶體驗是一項艱巨的任務，但這正是蘋果所擅長的。

最近，我與一些創業者交流，發現許多人對AI在消費電子和寵物領域的應用充滿期待。市場上出現了許多結合AI的消費電子産品。

然而我認爲這些産品在體驗上還沒有達到令人驚豔的地步。例如，我購買的AI寵物狗，智能程度還遠遠不夠，感覺像是落後了一個時代。

要讓消費者願意掏腰包，産品必須有讓人尖叫的亮點。

目前，大型通用模型市場幾乎被行業巨頭所壟斷，但在中國，垂直應用場景豐富，數據資源也極爲豐富，因此，創業者應該將目光投向這些垂直領域。

舉個例子，有一家專門爲中國電廠提供信息系統維護的公司，他們找到了一個非常獨特的應用場景——派工單。

電網維護是一項風險極高的工作，一旦發生事故，後果可能非常嚴重。過去，電廠派發工單時，每個工單可能包含數百個步驟，完成一個工單需要兩三天時間，並且需要人工反複核對。

去年，這家公司僅用兩三個月的時間，就讓大模型學習了過去幾年的工單數據，將派單時間縮短到了2分鍾。半年後，他們發現大模型的准確度甚至超過了人工設置。

這種垂直場景對于外行來說是無法觸及的，只有深入到特定行業，才能發現這些機會。

一旦找到這樣的尖刀場景，就要盡快建立數據閉環，鎖定客戶。

對于創業者來說，找到好的應用場景並不需要大量的資金投入。如果10個人找不到好場景，那麽即使增加到100人也是徒勞。因此，一些企業計劃投入數千萬，建立數百人的團隊去做AIGC，這實際上是一個錯誤的方向。

深圳有一家公司叫HeyGen，後來搬到了美國，他們做的是數字人。這個場景很簡單，以前在抖音或TikTok上發布短視頻需要真人反複錄制，非常耗時。

現在，使用數字人，只需上傳幾張照片，輸入視頻文案，就可以自動生成一分鍾的短視頻。雖然國內數字人的價格已經非常低廉，但在美國市場仍然有很好的銷售。這樣一個簡單的産品，很快就實現了年收入3500萬美元。

因此要快速開發最小可行産品（MVP），並進行快速試錯和叠代。HeyGen在半年內叠代了30個版本。

找到好的應用場景後，關鍵是測試用戶是否願意爲之付費。只要用戶願意買單，你就可以做得更深入、更專業。

我認爲，中國企業並不比美國落後,特別是今年，如果年底GPT-5沒有發布，明年開始在應用層面的競爭，中國可能會領先美國很多。

現在，通過AI機器人在直播間自動回答用戶的提問，這種産品非常暢銷。這個場景看似簡單，但實際上非常有效。首先，它容易訓練，可以使用以前的産品描述和對話記錄來訓練垂直大模型，避免幻覺；其次，它具有較高的容錯性，即使有些許誤差，也不會太敏感。

許多垂直行業的軟件，只要找到痛點場景，加上AI功能就變得容易。因爲你積累的垂直數據就是你的競爭優勢。相反，AI創業公司想要快速找到好的應用場景和垂直數據就變得非常困難。

最近英偉達的市值攀升至全球首位，這與過去20年的趨勢不謀而合。無論是PC互聯網還是移動互聯網，每一波技術革新的初期，硬件設施總是最先受益。

回想2000年，思科曾是全球市值最高的巨頭。但不久之後，谷歌、蘋果、Facebook、亞馬遜等應用層的公司便超越了它，它們創造的價值是思科的十倍。

現在，許多國內的開源模型在很多應用場景中的表現已經不遜色于閉源模型，足以支持中國AI應用的快速發展。

特別是在中文領域，阿裏的通義千問甚至超越了Llama 3。因此，許多創業公司選擇使用參數量達千萬級的開源模型來訓練自己的垂直應用模型。

我堅信，AI將是未來十年的黃金賽道，應用層將孕育出巨大的價值。

在接下來的十年裏，AI將重塑所有的軟件、消費電子和消費端應用，這將是一個充滿無限可能的新時代。

在此，我想對所有創業者說三句話：

不積極擁抱AI的企業將面臨淘汰。

不要盲目迷信AI，而應專注于具體的應用場景，快速實現落地。

持續優化用戶體驗，形成數據閉環。

END：

最後我想說的是：寫作是一件能讓你一直受益的事，所以你應該堅持不懈地去做，不要放棄！

我是大象，一個專注于AI寫作的自媒體玩家，最近做課很忙，但是我們對AI的學習和教學一直沒停過。 很多學員覺得AI變化太快了，跟不上它的步伐，其實不用急，只要我們不斷地學習AI，努力地跟上，就不會被時代落下。