隨著ChatGPT的發(fā)布，AI和大模型賽道真是風(fēng)起云涌。這波AI浪潮與當(dāng)年的互聯(lián)網(wǎng)相比如何？其實(shí)差別還是蠻大的?；ヂ?lián)網(wǎng)的核心價值是連接信息，AI是理解信息。?

所以未來一些以知識或經(jīng)驗(yàn)為驅(qū)動的領(lǐng)域會遇到很大的挑戰(zhàn)，比如醫(yī)生、律師、會計(jì)師等等，甚至我們現(xiàn)在的教育體系都會受到?jīng)_擊。那么在這波大模式中，哪些是創(chuàng)業(yè)者的機(jī)會，哪些不是呢？

第一個問題：創(chuàng)業(yè)公司做AI通用大模型有機(jī)會成功嗎?？

首先，創(chuàng)業(yè)公司要跑贏大廠，必須有先發(fā)優(yōu)勢，但在ChatGPT這個賽道上，大廠都極其重視，沒有非共識的情況下，創(chuàng)業(yè)公司很難獲得先發(fā)優(yōu)勢。

此外，大廠比創(chuàng)業(yè)公司有流量、有錢，通用大模型還是一個挺燒錢的事。數(shù)字經(jīng)濟(jì)應(yīng)用實(shí)踐專家駱仁童分析認(rèn)為，從投資的角度來看，早期項(xiàng)目80%是投人，也許他們會轉(zhuǎn)型到垂直模型，也許會做成一個超級APP，也許會被并購。

其次，中國的ChatGPT市場只會在BAT、字節(jié)跳動和華為這五家公司中產(chǎn)生，創(chuàng)業(yè)公司和A股上市公司很難有機(jī)會。這意味著，創(chuàng)業(yè)公司或者那些純?yōu)榱顺垂蓛r的A股上市公司很難有機(jī)會。

最重要的是，大廠的核心優(yōu)勢是自帶場景，沒有落地場景的技術(shù)就沒法迭代，沒法持續(xù)優(yōu)化形成數(shù)據(jù)網(wǎng)絡(luò)效應(yīng)。因此，創(chuàng)業(yè)公司很難在這條賽道上跑出來，純粹是浪費(fèi)錢的原因。

落地場景如此重要的原因是，沒有落地場景你的技術(shù)就沒法迭代，沒法持續(xù)優(yōu)化形成數(shù)據(jù)網(wǎng)絡(luò)效應(yīng)。所以創(chuàng)業(yè)公司的痛苦之處也在于此，自己沒有場景，像ChatGPT一樣在問答的領(lǐng)域很難構(gòu)成競爭壁壘，加上還沒流量，就更難成功。

雖然OpenAI也是創(chuàng)業(yè)公司，但早期Google等國外大廠沒人覺得GPT能跑出來，甚至OpenAI自己也不確定，所以才給了OpenAI先發(fā)的機(jī)會。但今天這個事對于中國的大廠已經(jīng)是顯而易見的共識，甚至百度、阿里動作比創(chuàng)業(yè)公司還快。

因此，創(chuàng)業(yè)公司做通用大模型，非常難。畢竟大部分成功的公司，最后做成的事都不是他們一開始想做的事，只要創(chuàng)業(yè)團(tuán)隊(duì)人牛就行，就像騰訊最開始也不是做即時通訊的。

第二個問題：創(chuàng)業(yè)公司做垂直模型有機(jī)會成功嗎?？

雖然ChatGPT等通用模型非常聰明，但垂直模型仍然有其生存空間。

例如，當(dāng)我們在New Bing（基于GPT4）搜索“微軟的股票會漲么？”時，得到的信息并沒有任何價值。這是因?yàn)楦餍懈鳂I(yè)都有自己的Know-How，而這些最有價值的知識很可能不在互聯(lián)網(wǎng)上，而是在企業(yè)的私有數(shù)據(jù)庫里，甚至在一部分專家的腦子里。因此，ChatGPT等通用模型無法形成這方面的知識。這也是Bloomberg推出BloombergGPT的意義所在。

在高價值、關(guān)鍵應(yīng)用領(lǐng)域，垂直模型的價值越大，例如自動駕駛。通用大模型無法直接用，因?yàn)槿狈?shù)據(jù)、缺乏corner case訓(xùn)練的大模型是很難干容錯率這么低的工作。而在低價值、非關(guān)鍵應(yīng)用領(lǐng)域，通用模型更適合，例如問答。

雖然GPT經(jīng)常胡說八道，但人有判斷力，可以去糾正它。再比如寫作，本來也不存在唯一正確的答案。因此，垂直模型的價值非常大，這會產(chǎn)生非常多的創(chuàng)業(yè)機(jī)會。

一般來講，垂直模型企業(yè)也很少選擇自己從頭做，而是找一個還不錯的pre-train過的大模型，在他基礎(chǔ)上做instruction tuning（指令微調(diào)）。

第三個問題：創(chuàng)業(yè)公司應(yīng)該選擇開源模型還是閉源模型?？

目前，ChatGPT在市場上表現(xiàn)出色，但開源模型也在迅速發(fā)展。未來的市場格局會是什么樣呢？

根據(jù)數(shù)字經(jīng)濟(jì)應(yīng)用實(shí)踐專家駱仁童的推測，未來美國和中國的市場將會有1~2個閉源模型，其余都會采用開源模型。

我們可以回顧iOS和安卓的例子來理解這一點(diǎn)。iOS作為第一個智能手機(jī)操作系統(tǒng)，一出來就驚艷全場，而安卓選擇了開源模型來迎戰(zhàn)。目前，全球市場上iOS和安卓的市場份額大概是2:8。如果當(dāng)年安卓也選擇了閉源模型，那么它最多只能獲得iOS市場的一半，而第三家智能手機(jī)操作系統(tǒng)公司選擇開源模型，最終iOS、安卓和第三家的市場份額比例可能是2:1:7。

同理，在大模型領(lǐng)域，只有前1~2名有資格選擇閉源模型。從第三名開始，反正也追趕不上了，選擇開源模型才是最符合利益的選擇。

開源對于閉源最大的優(yōu)勢就是對私有數(shù)據(jù)的保護(hù)。對于個人用戶來說，這可能無關(guān)緊要，但對于企業(yè)用戶來說，這是一個非常核心的問題。

如果創(chuàng)業(yè)公司做一個SaaS產(chǎn)品，想要利用大模型賦能，但不想把行業(yè)知識和企業(yè)內(nèi)部的私有數(shù)據(jù)透露給競爭對手，因?yàn)檫@是企業(yè)核心競爭力，該怎么辦呢？只能選擇開源模型，通過本地化的方式管理自己的大模型。如果選擇閉源模型，無論是使用Prompt Engineering的方式還是選擇GPT-index服務(wù)，都有可能出現(xiàn)機(jī)密泄露問題，就像三星那樣。因此，創(chuàng)業(yè)企業(yè)需要選擇企業(yè)服務(wù)，應(yīng)該采用開源模型。

云計(jì)算廠商是最有動力開源大模型的，因?yàn)殡m然開源模型不賺錢，但各種在線化的業(yè)務(wù)總需要云服務(wù)，因此，像阿里、騰訊、華為這樣的云服務(wù)廠商都會是大模型開源的支持者。

目前在美國，ChatGPT選擇了閉源模型，但出現(xiàn)了一堆以動物名字命名的開源大模型，所以未來OpenAI未來也可能會推出一個開源大模型：閉源模型繼續(xù)服務(wù)To C，例如問答、Co-Pilot等，但也為To B提供一個開源模型，允許合作伙伴自己部署。

當(dāng)然，通常開源模型的參數(shù)不會像1750億那么多，因?yàn)檫@么大的模型對基礎(chǔ)設(shè)施要求太高，很少有合作伙伴能夠運(yùn)行。開源模型通常會被縮小規(guī)模到幾十億到上百億參數(shù)。

第四個問題：創(chuàng)業(yè)公司如何結(jié)合AIGC模式?？

對于創(chuàng)業(yè)者來說，還有一個重要的問題是：采用原生AIGC還是AIGC賦能？

無論是智能客服等任何領(lǐng)域，創(chuàng)業(yè)者可以直接以AIGC做智能回復(fù)為切入點(diǎn)，然后將客服的全流程都做了。當(dāng)然，也可能是之前就是做客服系統(tǒng)的，現(xiàn)在加上AIGC能力。聽起來好像兩邊都能做，而且也一定會相互滲透，在判斷這個問題的時候，有兩個基礎(chǔ)邏輯需要思考。

第一點(diǎn)，也是最重要的一點(diǎn)，就是要看AIGC在全業(yè)務(wù)流程價值鏈中所占比例。

如果這條賽道全價值鏈?zhǔn)?00，AIGC只占10%，那么從AIGC切入，就得把另外90%補(bǔ)齊，這個太累了。相比之下，競爭對手在產(chǎn)業(yè)鏈里深耕多年，90%已經(jīng)有了，只需要補(bǔ)缺AIGC的10%，哪個更容易？肯定是+AIGC更容易。因此，是AIGC+還是+AIGC，首先取決于AIGC在全業(yè)務(wù)流程價值鏈中所占比例，這是最核心的判斷標(biāo)準(zhǔn)。

第二點(diǎn)，取決于這個業(yè)務(wù)AIGC的護(hù)城河有多高。如果傳統(tǒng)企業(yè)也意識到了AI的價值，也開始做+AIGC，并且輕松就能做到同級別的水平，那么從AIGC+切進(jìn)去就很難。但反過來說，假設(shè)AIGC部分只在全產(chǎn)業(yè)鏈占30%，但這30%卻有極高的門檻。那些競爭者即使跑贏了70%，剩下這30%的他們做不了，那這也是AIGC+的機(jī)會。

例如，以文生圖Midjourney生成的圖片質(zhì)感確實(shí)不錯，這就成為了他的護(hù)城河。但是，Adode也推出了Firefly，如果Firefly也很快達(dá)到了Midjourney的效果，那Midjourney的生存空間就會被極大壓縮。因?yàn)樵谌珮I(yè)務(wù)流程中，Adobe可能占了70%，而以文生圖只占30%。但只要Firefly追趕不到Midjourney的效果，那后者就有自己的生存空間。

當(dāng)然，既然是服務(wù)垂直行業(yè)，不管是AIGC+還是+AIGC，創(chuàng)業(yè)者懂行業(yè)始終都是非常核心的。

最后一個問題：創(chuàng)業(yè)公司如何尋找市場機(jī)會 ？

人工智能、大數(shù)據(jù)、云計(jì)算等技術(shù)已經(jīng)廣泛應(yīng)用于各個行業(yè)，為企業(yè)提供了更多的創(chuàng)新和發(fā)展機(jī)會。數(shù)字經(jīng)濟(jì)應(yīng)用實(shí)踐專家駱仁童認(rèn)為，數(shù)字經(jīng)濟(jì)已經(jīng)成為全球經(jīng)濟(jì)增長的主要驅(qū)動力之一，尋找市場機(jī)會需要更多地關(guān)注數(shù)字經(jīng)濟(jì)的發(fā)展趨勢和應(yīng)用場景。

因此，尋找市場機(jī)會需要更多地關(guān)注數(shù)字經(jīng)濟(jì)的應(yīng)用實(shí)踐，結(jié)合技術(shù)和行業(yè)的特點(diǎn)，尋找切實(shí)可行的商業(yè)模式和市場機(jī)會。

首先是國內(nèi)To C市場。雖然這個市場有很多不同的應(yīng)用場景，例如問答、個人助理和社交等，但是整體來說，這個市場更適合巨頭企業(yè)。因此，國內(nèi)To C市場的總結(jié)就是：在競爭激烈的市場中，做出爆品。

雖然To C市場確實(shí)容易出現(xiàn)爆品，但前提是需要有流量紅利。實(shí)際上，從2017年開始，國內(nèi)純APP市場出現(xiàn)獨(dú)角獸的情況非常少，而且這個流量紅利還在阿里巴巴、騰訊的手中，創(chuàng)業(yè)的機(jī)會比較難。

除了流量紅利之外，還有一個問題是，如果在To C市場做出了爆品，大公司很容易抄襲。如果在國內(nèi)To C市場使用大型語言模型，還將面臨較高的合規(guī)成本。

在通用領(lǐng)域，很難控制用戶問什么問題。更糟糕的是，競爭對手可能會故意尋找一些敏感話題，這是非常惡劣的行為，在互聯(lián)網(wǎng)時代國內(nèi)發(fā)生過很多次。目前已經(jīng)在監(jiān)管層面進(jìn)行意見征集，但到規(guī)范管理還有一段時間。

第二個市場是國內(nèi)To B市場。大型模型可以賦能的To B市場非常多，包括法律、電商、招聘和設(shè)計(jì)等行業(yè)。

但是，國內(nèi)To B市場也繼承了中國To B市場已有的問題，即天花板比較低。雖然財(cái)富500強(qiáng)中有很多中國企業(yè)，但是仔細(xì)一看，幾乎全部都是國企和央企。他們的采購一方面市場化程度不夠，另一方面幾乎都要求私有化部署和定制；而市場化程度高的民企普遍缺乏資金。

中國IT支出只有美國的1/6，很多還在央企和國企。國內(nèi)SaaS上市公司的人均產(chǎn)值是30-60萬元人民幣，而美國是30-60萬美元。這就是中國企業(yè)服務(wù)市場的現(xiàn)狀，而且不是短期內(nèi)可以改善的。因此，如果要在國內(nèi)的企業(yè)服務(wù)市場上取得成功，必須有耐心和韜光養(yǎng)晦的心態(tài)。

第三個市場是國際To C市場。例如Lensa.ai、Jasper.ai、Copy.ai和Midjourney等公司，而且國際To C市場本身已經(jīng)很競爭激烈了，類似Jasper的公司已經(jīng)有十幾個了。

同時，這些公司今天也面臨著巨頭的競爭，問題的核心原因是護(hù)城河相對有點(diǎn)窄。例如Jasper面臨的是Office的Copilot和Notion AI的競爭；包括Midjourney面臨Adobe Firefly的競爭等。因此，這些創(chuàng)業(yè)公司是否還能持續(xù)野蠻成長，還存在很大的不確定性。

第四個市場是利用AIGC技術(shù)在海外To B市場上開展業(yè)務(wù)。這個市場的好處是海外B端的支付能力和付費(fèi)習(xí)慣都比較好。

中國人在海外To B市場上的優(yōu)勢在于比較勤奮，迭代速度快。因此，中國人做SaaS一個月可以迭代3次，而海外同行可能是3個月迭代一次。

當(dāng)然，要在海外市場上取得成功，創(chuàng)業(yè)者的背景還是有一定要求的，最好是有一定的海外生活經(jīng)歷，特別是在海外的To B企業(yè)工作過更好。

目前已經(jīng)有超過50%的企業(yè)已經(jīng)開始使用AIGC/大型模型來提高內(nèi)部效率，可以說，AI的滲透速度遠(yuǎn)比我們想象得更快。

?????????????????????????????????