无论大模型企业是否

Josnashak7290

愿意凝视深渊，深渊一直都在凝视着大模型。 直面大模型的“商业化”深渊，相比上一轮AI，有三新一旧： 三新：新环境、新规模、新要求。 简单来说，大模型企业面临着更加严苛的融资环境，随着全球流动性衰减，科技企业的高估值都很难保持，庞大如谷歌都在裁员“降本增效”，融资难度更大了，比如智谱AI的融资水平就明显不及当年的商汤科技。 同时，大模型又是一个重投入的行业，基座模型的技术竞赛，还远远没到终结的时候，持续向上探索意味着长期烧钱，需要的资金规模更大。而吸取了上一轮AI投融资经验的投资人，面对大模型也格外冷静，对初创企业的自身造血盈利能力提出了更高的要求。 一旧：AI标品化依旧很难。

南橘北枳，在中国做AI，照搬OpenAI是绝对不行的，要看到铁一般的事实：中国toC市场对AI等软件产品的付费意愿不高，监管严格，很难做，真要做也要配备庞大的团队去确保安全合规，投入并不小。 toB市场也有很大的差异，国内 亚美尼亚 WhatsApp 号码 企业大多不信任SaaS模式，更倾向于私有化部署，行业市场分散，中小客户众多，需求纷繁复杂，高薪的算法工程师到一线做一个几十万的项目很常见。 至于toG市场，智能化项目竞争激烈，而且事多钱少利润薄，上一轮机器视觉公司基本在做自动驾驶、智慧城市、安防等业务，都挣的是辛苦钱。一般来说，CV计算机视觉类项目费用，是比NLP自然语言处理类高的，所以大语言模型想要靠项目制获得高客单价，也是很困难的。 究其原因，ToB/ToG市场的AI项目，大多以解决方案式落地，政企机构更希望打包式引入AI、云、IoT等软硬件，针对自身打造定制化方案，AI产品无法以标准化、模块化的形式快速交付，前期要投入很高的成本。





从这个角度看，整体投入更大、单个项目收益更小，大模型的商业化挑战，比上一波机器视觉公司更严峻。 那么，“大模型四小龙”，会重蹈覆辙吗？ 三、龙跃于渊，大模型盈利出路在哪里？ 悟已往之不谏，知来者之可追。面对AI商业化难题，也不必悲观，事实上，我们看到大模型“四小龙”预备役们，大多能开始吸取经验开新局。我们也发现了一些共同点： 共同点一：降本，但不“增笑” 对内“节流”，提高人效。相比上一轮AI创业热潮中“高薪挖算法/科学家”，这些大模型“潜龙”从一开始就会注重“人效比”。 此前科技行业的高流动性、高估值，也催生了“独角兽”们随意扩张，反而造成了大量的低效现象，比如硅谷“神员工”精通各种编程语言，原来是把工作外包给多个中国工程师，几年都没被发现。这种环境也导致创新大幅度收缩，初创企业招人成本奇高。 而这波大模型创业热潮中，企业对于人员扩张都是比较谨慎的。