如今，大模型的商業(yè)化問題再次被擺在臺(tái)面上。

　　一個(gè)事實(shí)是，當(dāng)下的大模型訓(xùn)練需要強(qiáng)大的算力支撐，尤其是參數(shù)量大的模型，花費(fèi)極大。比如OpenAI的語言模型GPT-3，成本接近500萬美元，也就是人民幣4000萬左右。龐大的模型訓(xùn)練需要巨額的資金來支持。

　　投入了巨額資金之后，企業(yè)一方面是希望盡快商業(yè)化來解決后續(xù)研發(fā)資金的問題，一方面也是希望通過商業(yè)化來達(dá)到賺錢的目的。

　　那么矛盾也接踵而來，迅速的商業(yè)化，難以避免的是一些安全性、倫理性的問題被暫且擱到一邊，更為真實(shí)的情況是，如今大模型迅速商業(yè)化之后的發(fā)展路徑思考的其實(shí)并不多，因此也就看到了很多大模型基本上就是淺嘗即止，最后引發(fā)商業(yè)化與非盈利之間的矛盾。

　　OpenAI前段時(shí)間的“宮斗”，便是一個(gè)很好的例證。

　　11月18日，OpenAI管理層發(fā)生巨變，CEO奧特曼被解雇。至此，OpenAI“宮斗”上演。

　　在公開報(bào)道中，OpenAI的六人董事會(huì)中，被開除的奧爾特曼和Greg Brockman傾向加速商業(yè)化，以獲得更多資金來支持AI模型的算力需求;而獨(dú)立董事Tasha McCauley和Helen Toner更關(guān)注AI的安全。

　　簡言之，一方以技術(shù)為主導(dǎo)，追求模型的卓越性，以實(shí)現(xiàn)通用人工智能為目標(biāo);一方則認(rèn)為商業(yè)化是公司發(fā)展的必經(jīng)之路，應(yīng)該積極拓展市場(chǎng)應(yīng)用，從而實(shí)現(xiàn)盈利為目標(biāo)。由此，一個(gè)猜測(cè)是，倡導(dǎo)商業(yè)化的阿爾特曼碰到了強(qiáng)調(diào)AI技術(shù)、安全屬性的Ilya Sutskever，直接正面引發(fā)了沖突。

　　經(jīng)過反反復(fù)復(fù)地拉鋸。11月30日，OpenAI宣布組建新初始董事會(huì)，Sam Altman重新?lián)蜟EOMira Murati擔(dān)任首席技術(shù)官。這次“宮斗”勝利者似乎屬于商業(yè)化的那一方。

　　但在這場(chǎng)由世界頂級(jí)大模型公司引起的“商業(yè)化與非盈利之爭(zhēng)”的鬧劇下，引發(fā)的一些問題使人陷入深思，即大模型的商業(yè)化正面臨著哪些困局?大模型應(yīng)該如何商業(yè)化?

　　而在中國市場(chǎng)，大模型廠商除了已經(jīng)展現(xiàn)出來的算力層面商業(yè)價(jià)值外，還可以在哪些方面進(jìn)行商業(yè)化嘗試?以及，這條路已經(jīng)走到哪了?

　　一、大模型商業(yè)化眾生相

　　在大模型的商業(yè)化方面，以百度、阿里、騰訊等為代表的互聯(lián)網(wǎng)廠商，目前商業(yè)化前景較為清晰。這一點(diǎn)與其自身龐大的業(yè)務(wù)體系不無關(guān)系。

　　即互聯(lián)網(wǎng)巨頭可通過將大模型集成到現(xiàn)有產(chǎn)品和服務(wù)中，比如百度文庫文檔助手、淘寶問問、Bing搜索引擎等，來增加用戶粘性并帶動(dòng)營收增長。主要方式是將生成式AI作為輔助功能，嵌入原有業(yè)務(wù)，視為一項(xiàng)增值服務(wù)。

　　其次是訂閱服務(wù)，即采用按月或按使用量計(jì)費(fèi)的訂閱模式，為客戶提供持續(xù)的大模型訪問權(quán)限。例如OpenAI的ChatGPT、百度等文心一言、阿里的通義千問等。目前國內(nèi)文心一言等也在通過訂閱制的商業(yè)模式，為大模型應(yīng)用帶來一些營收，但其他廠商收費(fèi)意向不明。

　　此外以智譜AI這類國家隊(duì)廠商為代表的商業(yè)化前景亦比較清晰。業(yè)內(nèi)普遍認(rèn)為，諸如國內(nèi)大型企業(yè)、央國企想要與大模型結(jié)合，智譜AI是一個(gè)繞不過去的選項(xiàng)。

　　但盡管如此，國內(nèi)大模型商業(yè)化仍處于初級(jí)階段，商業(yè)化進(jìn)程面臨著諸多挑戰(zhàn)。

　　首先，大模型的研發(fā)和應(yīng)用需要大量資金和時(shí)間投入，而回報(bào)卻往往難以預(yù)測(cè)。這導(dǎo)致許多企業(yè)在商業(yè)化過程中猶豫不決，錯(cuò)失市場(chǎng)機(jī)遇。

　　其次，大模型的倫理道德和安全性問題也給商業(yè)化帶來了一定的壓力。例如，算法偏見和歧視、數(shù)據(jù)泄露和濫用等問題時(shí)有發(fā)生，這使得一些企業(yè)在大模型應(yīng)用方面持謹(jǐn)慎態(tài)度。此外，國內(nèi)大模型商業(yè)化還面臨著市場(chǎng)接受度和應(yīng)用場(chǎng)景等問題。

　　目前，大部分企業(yè)的應(yīng)用需求主要集中在智能客服、智能推薦、智能營銷等領(lǐng)域，其他領(lǐng)域的應(yīng)用仍處于探索階段。這使得大模型商業(yè)化進(jìn)程相對(duì)緩慢，難以實(shí)現(xiàn)規(guī)?；l(fā)展。

　　更值得注意得是，盡管國內(nèi)在人工智能領(lǐng)域取得了顯著進(jìn)展，但與國際領(lǐng)先水平相比，國內(nèi)的大模型技術(shù)還存在一定差距。這使得國內(nèi)企業(yè)在國際市場(chǎng)競(jìng)爭(zhēng)中處于劣勢(shì)地位，也就很難向出海、跨境方向延伸。

　　此外，國內(nèi)大模型商業(yè)化還面臨著商業(yè)模式不成熟的問題，比如如何收費(fèi)，以目前國內(nèi)普遍采取的算力收費(fèi)形式而言，這種模式似乎與云計(jì)算的收費(fèi)模式一致，而從利潤率來看，這顯然不是一個(gè)優(yōu)質(zhì)的收費(fèi)模式。

　　對(duì)于國內(nèi)的大模型廠商而言，商業(yè)化的路如何走成為當(dāng)下亟待解決的問題。

　　二、MaaS、開源與Agent

　　大模型的商業(yè)化，應(yīng)該解決的是讓企業(yè)和用戶更少了解原理，更簡單直接使用成果，讓用戶回歸價(jià)值和自身業(yè)務(wù)問題解決。換言之，也就是大模型的“一體化黑箱模型”。

　　因此，如今的一些商業(yè)模式成為了大模型賽道玩家和創(chuàng)業(yè)者們的聚集之處。

　　其中，MaaS模式是最為常見的一種。在這種模式下，一般是由云廠商或科研機(jī)構(gòu)對(duì)大模型封裝，在各類任務(wù)上的推理能力封裝成統(tǒng)一的應(yīng)用程序接口，對(duì)外提供服務(wù)的模式，雖然提供的是API，但是本質(zhì)上調(diào)用的是模型。

　　下游企業(yè)可以獲得這些接口，并按照自身的業(yè)務(wù)需求，調(diào)用服務(wù)嵌入已有的應(yīng)用和服務(wù)中，讓大模型的API為整個(gè)程序進(jìn)行賦能。

　　這種方式使得企業(yè)不需要過多了解模型的技術(shù)細(xì)節(jié)，而是像調(diào)用云能力一樣，直接調(diào)用服務(wù)。目前、文心、通義、盤古等大模型廠商，基本都在提供此類服務(wù)，比如阿里的魔搭社區(qū)，百度的飛槳等等。

　　此外，開源模式也是大模型商業(yè)化的一種重要方式，在這種模式下，計(jì)算機(jī)程序、軟件的源代碼等內(nèi)容公開，并根據(jù)開源協(xié)議進(jìn)行分發(fā)的方式。

　　開源是目前計(jì)算機(jī)領(lǐng)域一種普遍的軟件開發(fā)模式，大量開發(fā)者在協(xié)議許可的情況下對(duì)開源代碼進(jìn)行修改，并集成到已有的系統(tǒng)中，為軟件和系統(tǒng)增加新功能和特性。

　　在開源的模式下，可以快速共享好成果，讓好的成果快速培養(yǎng)社區(qū)，下游用戶利用開源成果，可以快速搭建自己的應(yīng)用系統(tǒng)。在國內(nèi)，智譜AI、阿里通義都在強(qiáng)調(diào)開源的價(jià)值。

　　開源本身是免費(fèi)，但涉及到后續(xù)的數(shù)據(jù)訓(xùn)練、數(shù)據(jù)監(jiān)督、數(shù)據(jù)微調(diào)等等，則對(duì)應(yīng)的是較為明朗的收費(fèi)模式，恰等同于開放井水，但做賣鏟子的人。

　　再有就是平臺(tái)即服務(wù)模式，即不再提供單一的模型API，而是將大模型當(dāng)作平臺(tái)服務(wù)中的一種技術(shù)，集成到AI平臺(tái)上，通過統(tǒng)一的平臺(tái)對(duì)外提供服務(wù)。這種模式中，企業(yè)構(gòu)建包含開發(fā)工具、AI服務(wù)、流程化的平臺(tái)，而大模型只是平臺(tái)中的一個(gè)組成部分。

　　用戶購買或使用平臺(tái)的過程中，可以利用平臺(tái)提供的工具，對(duì)大模型進(jìn)行開發(fā)和應(yīng)用，集成于自有的體系中，用戶不能單獨(dú)獲得模型的能力。用戶通過使用平臺(tái)和工具，獲得利用大模型開發(fā)的能力，也因此付費(fèi)。

　　例如，文心大模型已經(jīng)發(fā)展出了NLP/CV/跨模態(tài)/生物計(jì)算大模型，并且在此基礎(chǔ)上，推出了眾多行業(yè)大模型、大模型套件。向上又有Easy-DL、BML大模型、大模型API、文心一格(AIGC)等。

　　還有一種軟件即服務(wù)的模式。目前國內(nèi)大廠、頭部政企和科研機(jī)構(gòu)，正在提供強(qiáng)大的新基建，中小廠商可以基于這些基建，開發(fā)自己的saas服務(wù)，并提供給企業(yè)、個(gè)人。AI Agent便是當(dāng)下炙手可熱的大模型創(chuàng)業(yè)路徑。

　　此外，無論是對(duì)于OpenAI、Meta這樣的AI領(lǐng)頭企業(yè)，還是對(duì)于眾多的小型初創(chuàng)型企業(yè)或者科技極客來說，AI Agent也更是如今商業(yè)化不得不談的話題。不論是釘釘、飛書，亦或者是百度，都在推出自己的Agent產(chǎn)品。

　　如果說前面所說的眾多變現(xiàn)都在B端，其市場(chǎng)和需求量有一定的天花板。那么，AI Agent則對(duì)應(yīng)的是B端市場(chǎng)之外，在C端的巨大想象力。不僅市場(chǎng)本身，更在商業(yè)價(jià)值。

　　如今，一個(gè)業(yè)內(nèi)普遍共識(shí)是，AI Agent是未來實(shí)現(xiàn)終極的AGI(通用人工智能)形態(tài)的必經(jīng)之路，而且越來越多的人認(rèn)識(shí)到，大模型只有在真正的應(yīng)用層面走進(jìn)千家萬戶，才能展示其真正的價(jià)值，而AI Agent就是最好的應(yīng)用形式。

　　三、商業(yè)化難在哪?

　　總體來看，大模型商業(yè)化的路徑盡管未能做到最好，但方向是清晰。不過清晰并不意味著能落地。對(duì)于國內(nèi)大模型賽道的玩家而言，仍面臨諸多內(nèi)外部的挑戰(zhàn)。

　　11月7日的凌晨，OpenAI在首屆開發(fā)者大會(huì)上發(fā)布了幾個(gè)更新，新的模型GPT-4 Turbo、GPT Builder以及Assistant API。

　　其中，GPT Builder的特性包括每個(gè)人/每個(gè)企業(yè)都可以定制屬于自己的GPT;每個(gè)獨(dú)特的GPT可定制自己的指令、知識(shí)庫、工具與動(dòng)作、頭像等;無需開發(fā)，直接使用自然語言定制，你甚至可以讓Dalle3幫你生成頭像;GPTs可以分享使用，并享受類似App Store的分成。

　　這意味著，每個(gè)人/企業(yè)都可以在線創(chuàng)建自己的GPT/Agent。

　　而另一個(gè)更新Assistant API，可通過API來讓GPT來幫你編寫代碼并自動(dòng)執(zhí)行;通過API實(shí)現(xiàn)函數(shù)/工具調(diào)用的能力，擴(kuò)展AI的能力。

　　這意味著用戶可以更輕松的通過Assistant API在自己的網(wǎng)站或者移動(dòng)應(yīng)用中構(gòu)建自己的ChatBot或者AI助手，大大減少AI開發(fā)的繁重工作量。

　　一個(gè)事實(shí)是，其不再滿足于提供基礎(chǔ)大模型，而是希望成為AI時(shí)代的AI OS平臺(tái)。這一更新很大程度上給AI Agent的售賣模式帶來了不小的沖擊。

　　而在開源模式上，同樣存在著發(fā)展的瓶頸。以智譜AI為例，目前智譜AI開源的模型參數(shù)主要為6B，參數(shù)較小。究其原因，離不開資金不足的難題。要知道模型參數(shù)越大，意味著算力需求越大。雖然智譜AI早在此前就購買了大量的A100，但從其近期頻繁且高額融資來看，其仍需要大量資金支撐其持續(xù)的商業(yè)化和研發(fā)創(chuàng)新。

　　在MaaS模式上同樣也存在許多落地的難題。首先，如果模型效果不盡如人意，API將無法充分滿足用戶的常規(guī)推理需求，因此需要根據(jù)具體情況對(duì)模型進(jìn)行調(diào)整和優(yōu)化，但調(diào)優(yōu)本身是一個(gè)具備門檻的開發(fā)，大部分企業(yè)不具備這樣的能力或大模型人才，也就很難持續(xù)為MaaS社區(qū)貢獻(xiàn)活躍度。

　　其次，由于大模型的運(yùn)行速度相對(duì)較慢，當(dāng)推理請(qǐng)求的數(shù)量或請(qǐng)求數(shù)據(jù)量大幅增加時(shí)，API的響應(yīng)時(shí)間和數(shù)據(jù)質(zhì)量將難以保證。例如，像ChatGPT、DALLE2等AIGC應(yīng)用，其實(shí)際反應(yīng)時(shí)間往往較長，因此難以在短時(shí)間內(nèi)實(shí)現(xiàn)大規(guī)模應(yīng)用和提供及時(shí)響應(yīng)體驗(yàn)。

　　總體而言，全球大模型產(chǎn)業(yè)商業(yè)化仍處于早期探索階段。

　　一方面，雖然研發(fā)機(jī)構(gòu)在大模型技術(shù)方面已經(jīng)相當(dāng)成熟，但對(duì)于落地場(chǎng)景卻還不夠熟悉，尚未形成完善的商業(yè)化模式。因此，它們需要與下游場(chǎng)景企業(yè)合作，共同構(gòu)建大模型的商業(yè)模式。

　　另一方面，大部分下游場(chǎng)景企業(yè)對(duì)于大模型的基本概念和認(rèn)知尚未形成，同時(shí)，它們也缺乏支持模型微調(diào)所需的算力，以及定制和二次開發(fā)模型所需的人力資源和技術(shù)實(shí)力。

　　總體來看，雖然大模型商業(yè)化的路徑較為清晰，目前國內(nèi)廠商也都在積極探索，但大模型的商業(yè)化之路，不能僅限于商業(yè)模式的探索嘗試，更在于解決大模型發(fā)展的底層問題。

　　寫在最后：

　　一個(gè)事實(shí)是，大模型真正的價(jià)值在于能夠解決實(shí)際問題并創(chuàng)造商業(yè)價(jià)值，場(chǎng)景是商業(yè)模式的基礎(chǔ)。對(duì)于大模型賽道的玩家而言，如何將大模型與具體場(chǎng)景結(jié)合，成共落地，才是商業(yè)化的本質(zhì)。

　　以O(shè)penAI的GPT-3為例，這款語言模型以其較強(qiáng)的生成能力和廣泛的應(yīng)用潛力吸引了全球的目光。

　　然而，如果沒有合適的場(chǎng)景和應(yīng)用，這個(gè)工具只能停留在理論層面或?qū)嶒?yàn)室環(huán)境。只有當(dāng)它被成功地應(yīng)用于各種場(chǎng)景中，才能發(fā)揮出真正的商業(yè)價(jià)值。

　　Copy.ai是一家使用GPT-3的大規(guī)模語言模型來幫助企業(yè)和個(gè)人快速生成高質(zhì)量內(nèi)容的初創(chuàng)公司。通過深入了解客戶的需求和市場(chǎng)情況，Copy.ai將GPT-3的技術(shù)能力與營銷、廣告、新聞稿等應(yīng)用場(chǎng)景緊密結(jié)合，實(shí)現(xiàn)了從技術(shù)到產(chǎn)品的轉(zhuǎn)變。這種“場(chǎng)景為王”的策略使得Copy.ai能夠在競(jìng)爭(zhēng)激烈的市場(chǎng)中脫穎而出，成為了一家備受矚目的創(chuàng)業(yè)公司。

　　在國內(nèi)，這樣的嘗試或?qū)⒊蔀橄乱粋€(gè)階段的主題。