原创 湖人夺冠！他们1胜48败！又一中国人要进NBA？
2025-02-25 16:56
本文作者 ：程浩（远望老本），头图来自：unsplash
随着ChatGPT的说守宣告 ，AI/大模子赛道真是模美如火如荼 ，一劳永逸 。全糜作为一个互联网老兵 ，花钱良多同伙问浩哥AI这一波以及昔时互联网奈何样比 ？着实差距还挺大的为甚，互联网的说守中间价钱是衔接信息 ，AI是模美清晰信息 。
举个例子 ：咱们去图书馆借一本书 ，全糜互联网是花钱辅助咱们找到这本书。而AI是为甚把这本书子细读一遍 ，融会贯串 ，说守还可能回覆任何下场 。模美前者尽管分心义 ，全糜可是花钱后者的价钱显明要远远大于前者。
像陆奇教师说的 ，Google的价钱是把信息取患上的边缘老本降为0，ChatGPT的价钱是把知识取患上的边缘老本降为0 ，这是互联网以及AI的价钱差距。也正由于如斯 ，眼前一点来说 ，知识对于一总体可能不是必需把握的。
就像明天你去面试 ，不任何一家公司会考你两位数乘法 ，为甚么？由于这个本领合计器可能轻松处置 ，未来知识很可能同样 。假如知识可能这么任意地取患上，为甚么咱们还需要把握呢 ？以是未来一些知识概况履历增长的规模 ，会碰着很大的挑战 ，好比医生 、状师 、会计师等等 。致使咱们当初的教育体制都市受到侵略 。
远景的话题我就不睁开了 ，重点以及巨匠聊聊巨匠所关注的 ：这一波大模子，哪些是守业者的机缘，哪些不是 ？
一、守业公司能不能做通用大模子 ？
首先中国确定会有自己的ChatGPT 。这跟搜查引擎同样，咱们有自己的合规要求。可是中国版的ChatGPT只会在5家公司里发生 ：BAT+字节+华为 。这象征着守业公司概况那些纯为了炒股价的A股上市公司很难有机缘 。尽管我这个说法会患上罪良多守业者 。搜罗我的同伙王小川也在相关规模守业 ，以及良多FOMO的VC同伙 ，如今也在山盟海誓确定要投概况已经投了大模子守业团队 。
为甚么浩哥这么讲？浩哥如今尽管是投资人 ，但在更长的光阴里，我更是一个守业者 。以是我深入的清晰，守业者在甚么情景下能跑赢大厂 ？中间是必需有先发优势 。那凭甚么你比大厂有先发优势 ？不外便因此下多少种可能性 ：
也便是惟独在非共识的情景下，守业公司才有机缘“抢跑” ，取患上先发优势 。可是明天咱们看ChatGPT这个赛道 ，残缺不是这个情景 。
首先 ，大厂都极其看重 ，可能绝不夸诞地讲 ，都是一把手工程 。baidu的CEO李彦宏也好 ，阿里的CEO张勇也好 ，都是亲自站台。可能说不一家大厂不看重 。其次 ，大厂确定比守业公司有流量 、有钱 ，通用大模子仍是一个挺烧钱的事 。可是着实以上这些 ，都不“场景”更紧张 。大厂的中间优势是自带场景 。好比 ：
为甚么说落地场景如斯紧张？由于不落地场景你的技术就无奈迭代 ，无奈不断优化组成数据收集效应 。以是守业公司的痛苦之处也在于此 ，自己不场景 ，像ChatGPT同样推问答 ，你还没流量 。这便是为甚么我说守业公司很难在这条赛道上跑进去 ，隧道是糜花钱的原因 。
尽管有人会挑战我说 ，浩哥你说的不同过错呀，人家OpenAI不也是守业公司吗 ？那事实恰正是 ，当时Google等内洋大厂没人感应GPT能跑进去（致使OpenAI自己也不断定），以是才给了OpenAI先发的机缘 。但明天这个事对于中国的大厂已经是显而易见的共识，致使baidu 、阿里措施比守业公司还快 。
以是守业公司做通用大模子 ，颇为难 。可是从投资的角度并不错 ，由于早期名目80%是投人 ，概况他们会转型到垂直模子 ，概况会做成一个超级APP ，概况会被并购 。事实大部份红功的公司 ，最后做成的事都不是他们一起头想做的事，惟独守业团队人牛就行 ，就像腾讯最开始也不是做赶快通讯的 。
二 、通用模子 vs 垂直模子 ？
ChatGPT既然这么智慧 ，是否尚有垂直模子的生涯空间呢 ？尽管有 。我随意在New Bing（基于GPT4）搜“微软的股票会涨么 ？” ，患上到的信息（如下图），着实不任何价钱。
尽管有的人会挑战说 ，是由于GPT的泛化能耐还不够 。随着技术的演进 ，这个下场会被处置。泛化能耐尽管是一个下场 ，但更中间的下场是各行各业都有自己的Know-How 。这些最有价钱的Know-How很可能不在互联网上 ，而是在企业的私有数据库里，致使在一部份专家的脑子里 。ChatGPT连信息都不 ，做作也不会组成这方面的知识。这也是Bloomberg推出BloombergGPT的意思 。
事实上 ，越是high-value（尽管high-value以及low-value都是相对于的） ，越是Mission Critical（关键运用）的规模 ，垂直模子的价钱越大，好比自动驾驶，通用大模子无奈直接用，由于缺少数据 、缺少corner case磨炼的大模子是很难干容错率这么低的使命 。
同理 ，越是low-value ，越是none-mission-critical（非关键运用）的规模越适宜通用模子 。好比 ：问答。GPT着实每一每一横三竖四 ，可是无所谓 ，人有分说力 ，你可能去更正他 ，这在自动驾驶这样mission critical的规模确定是不可 。再好比写作 ，原本也不存在独一精确的谜底 。好比以文生图 ，不存在对于错 ，你不知足就让AI一次天生100个，你从概况挑总可能了吧。
以是垂直模子的价钱黑白常大的 ，这会发生颇为多的守业机缘，由于行业太多了 。艰深来说 ，垂直模子企业也很少抉择自己重新做 ，而是找一个还不错的pre-train过的大模子，在他根基上做instruction tuning（指令微调）。这就带来下一个下场：事实理当抉择闭源大模子 ，仍是开源大模子 ？
三 、开源模子 vs 闭源模子?
ChatGPT当初如日中天 ，可是开源模子也是如火如荼 ，未来的格式会是甚么样？
浩哥先说论断 ：未来美国以及中国 ，每一个国家都市有1~2个闭源模子，剩下的都市开源。咱们回顾iOS以及安卓就简略清晰 ：
iOS作为第一个智能手机操作零星 ，一进去就惊艳全场 ，安卓抉择开源迎战。当初全天下规模内iOS以及安卓的市场约莫是2:8 。假如安卓昔时也抉择闭源呢 ？约莫率至多取患上iOS市场的一半 ，而后第三家智能手机操作零星公司抉择开源 ，最终iOS 、安卓 、第三家的市场份额比例可能是2:1:7 。以是你是安卓 ，你是抉择闭源取患上那10%的市场 ，仍是抉择开源取患上80%的市场呢 ？
这事放在大模子也是相似 。惟独前1~2名（也有可能惟独第1名）有资历抉择闭源 ，从第三名开始 ，反正也追赶不上了 ，抉择开源才最适宜他的短处 。
开源对于闭源最大的优势便是对于私有数据的呵护 ，这对于总体来说彷佛无所谓，可是对于企业用户是一个颇为中间的下场：我做一个SaaS产物 ，也想用大模子赋能 ，可是我并不想把我的行业Know-How以及我企业外部的一些私有数据 ，泄露给我的相助对于手 ，由于这是我的中间相助力 ，奈何样办 ？只能抉择开源，自己host自己的大模子 。假如你抉择闭源 ，不论你运用Prompt Engineering的方式 ，仍是抉择GPT-index效率 ，都有可能泛起三星那样的怪异激进下场 。因此我分说 ：企业效率理当是开源模子的天下。
着实最有能源开源大模子的是云合计厂商 ，由于尽管开源不赚钱 ，可是你总需要云效率吧 ？用我的云就好了，这便是典型的羊毛出在猪身上的商业逻辑 。因此像阿里、腾讯、华为这样的云效率厂商都市是大模子开源的反对于者 。
当初在美国 ，ChatGPT抉择了闭源 ，可是泛起了一堆以植物名字命名（这些单词我简直一个都不意见……）的开源大模子 ，致使我以为OpenAI未来可能会推出一个开源大模子 ：闭源模子不断效率To C ，好比问答 、Copilot等 ，但也为To B提供一个开源模子，应承相助过错自己部署 。
尽管 ，个别开源模子参数不会是1750亿那末多 ，这么大的模子对于根基配置装备部署要求过高，很少有相助过错能跑起来 。开源模子个别会被削减到多少十亿到上百亿参数的规模 。
四 、AIGC+ vs +AIGC ？
尚有一个守业者颇为关注的下场：一个守业机缘事实是AIGC+ ，仍是+AIGC ？换一句话，便是AIGC原生 ，仍是AIGC赋能？
做任何一个规模 ，好比说智能客服 ，守业者可能直接以AIGC做智能回覆为切入点 ，而后把客服的全流程都做了 。尽管也可能 ，我以前便是做客服零星的，如今把AIGC能耐加之 。彷佛听起来双方都能做 ，而且也确定会相互渗透 ，那谁更有优势？我感应取决于两点 ：
第1点 ，也是最紧张的一点便是 ，要看AIGC在全营业流程价钱链的比例 。假如这条赛道全价钱链是100 ，AIGC只占10% ，说白了你从AIGC切入 ，你患上把此外90%补齐 ，这个太累了 。比力来说 ，相助对于手在财富链里深耕多年 ，90%已经有了 ，惟独要补缺AIGC的10% ，你感应哪一个简略 ？确定是+AIGC更易 。以是事实是AIGC+ ，仍是+AIGC ，首先取决于AIGC在全营业流程价钱链的比例 ，这是最中间的分说尺度 。
第2点 ，取决于这个营业AIGC的护城河有多高 。假如传统企业也意见到了AI的价钱 ，也开始做+AIGC ，而且轻松就能做到你的水平，那你想从AIGC+切进去就很难 。但反以前说 ，假如AIGC部份只在全财富链占30% ，但这30%却有极高的门槛。那些相助者纵然跑赢了70% ，但不盛意思，剩下这30%的他们做不了 ，那这也是AIGC+的机缘 。
好比以文生图Midjourney ，天生的图片质感简直不错 ，这就酿成为了他的护城河 。可是Adode也推出了Firefly ，假如Firefly也很快抵达了Midjourney的下场 ，那Midjourney的生涯空间就会被极大缩短 。由于这个全营业流程里 ，Adobe可能占了70%，以文生图只占30% 。但惟独Firefly追赶不到Midjourney的下场 ，那后者就有自己的生涯空间。
尽管 ，既然是效率垂直行业 ，不论是AIGC+ ，仍是+AIGC ，守业者懂行业不断都黑白常中间的。
五 、To C仍是To B ，国内仍是外洋 ？
To C 、To B ，国内 、外洋把市场分成了四个象限 。我以及巨匠分说说一说 。
首先是国内To C 。着实大模子做To C的场景颇为多 ，问答也好 ，总体助理也好，社交也好 ，但部份感应偏巨头的赛道 ，因此国内To C总结成一句话便是：夹缝中做爆品 。
尽管To C简直简略出爆品，可是条件患上有流量盈利 。我在2016年刚开始做投资的时候 ，尽管还没想好详细投甚么 ，但已经清晰了不投甚么，便是相对于不碰纯APP。由于我做了这么多年互联网 ，深入感受到那时候流量盈利已经没了。事实上从2016年之后 ，国内纯APP跑进去的独角兽很少 ，以是咱们的论断根基上是精确的 。
但事实仍是漏了一个拼多多 。拼多多本性上也是流量盈利 ，便是那些用微信可是不用淘宝的人 ，全中国有4~5亿，以3~5线都市居多。咱们艰深多在一二线都市跑 ，并未能关注到 。而且这个流量盈利还在阿里的相助对于手手里 ，腾讯抉择了扶持拼多多 ，不自己亲自上场 。
除了流量盈利之外 ，尚有一个便是做To C，大厂比力简略抄你 。尽管你自己还没搞清晰的时候，大厂也懒患上理你 。你一旦PMF了 ，大厂就开始看重。以是这是典型的国内To C市场，夹缝中做爆款 。
此外用狂语言模子做国内To C ，会有比力高的合规老本。由于通用规模 ，你也不知道用户会问甚么。严正一点的便是相助对于手会分心找一些敏感话题 ，而后去揭发你 ，这就颇为卑劣了 ，在互联网时期国内爆发过良多起 。比照To B就好良多 ：没人会跟一个客服机械人聊今每一天气奈何样样 。
第二个是国内To B 。大模子可能赋能的To B赛道着实太多了 ，搜罗法律、电商 、应聘、妄想等等行业。但国内To B也秉持了中国To B市场已经有的下场 ，便是天花板比力低 。
财富500强里简直有良多中国企业，但你子细一看简直全是国企以及央企 。他们的推销一是市场化水平不够 ，二是简直都要求私有化部署以及定制 。而市场化水平高的夷易近企普遍没钱 。
中国IT支出惟独美国的1/6 ，良多还在央企以及国企 。国内SaaS上市公司的人均产值，是30万~60万国夷易近币 ，美国是30万~60万美元 。这便是中国企业效率的现状 ，而且不是短期就能改善的 。
以是做国内的企业效率市场 ，必需患上耐患上住伶丁 ，有韬光养晦的心态 。
第三个是做国内To C。好比Lensa.ai ，Jasper.ai 、Copy.ai 、Midjourney等（我把部份PLG产物也演绎到了此象限里） 。
首先 ，国内To C自己已经偏红海了 ，相似Jasper的公司，已经不下十多少个了。其次这些公司明天也面临着巨头的相助，好比Jasper面临的是Office的Copilot以及Notion AI的相助；搜罗上文提到的Midjourney面临Adobe Firefly的相助 。以是这些守业公司（着实有的已经是独角兽了）是否还能像以前那样横蛮妨碍 ，仍是有很大的不断定性。
下场的中间原因便是护城河稍微有点窄 。以前微软Teams+Office合家桶PK Slack也是相似的案例 。
第四个便是运用AIGC做外洋To B。短处尽管是外洋B真个支出能耐以及付费习气都比力好。我特意问过多少个硅谷守业公司的CEO ，根基上美国这边3~5人的startup每一年在SaaS上的用度都在多少千美金 。都是直接下载装置注册而后付费 ，全都自助实现，不任何教育老本 ，由于在以前的公司便是这么用的 。
中国人做外洋To B的优势便是比力勤勉，迭代速率快 ，中国守业者996是默认，外洋根基不可能 。以是中国人做SaaS一个月可能迭代3次 ，外洋同行可能是3个月迭代一次 。以是假如你原本便是做To B的 ，与其在国内卷 ，还不如出海卷外国人 。尽管做外洋市场 ，对于守业者布景仍是有确定要求 ，最佳是有确定的外洋生涯履历 ，特意还在外洋的To B企业干过更佳 。
最后 ，我头多少天对于远望的被投企业做了一些审核 ，发现逾越50%的企业都已经开始用AIGC/大模子来后退外部功能了，尚有好多少个企业已经在他们产物中集成为了AIGC/大模子来对于外提供效率了。以是AI的渗透远比咱们想象的更快。
本内容为作者自力意见 ，不代表虎嗅态度 。未经应承不患上转载 ，授权事件请分割 [email protected]
正在修正与想要修正天下的人 ，都在虎嗅APP返回搜狐，魔难更多
责任编纂：
2025-02-25 16:57
2025-02-25 16:53
2025-02-25 16:40
2025-02-25 16:39
2025-02-25 16:31
2025-02-25 16:25
2025-02-25 15:37
2025-02-25 15:33