北京四海龙知产|朱啸虎：AI的赚钱风向，彻底变了！

摘要：美国一线大模型公司中，前面四家确实融了很多钱，而且每一家都抱了大腿。而美国二线大模型公司，现在或许还有收购团队价值，明年可能就毫无价值了。

AIGC创业回归商业本质

最近有个特别明显的感觉：今年将是AIGC创业回归商业本质的开始。

没有良性商业模式的持续输血，单独的大模型公司很难走远。

没有专有数据、专有用户场景来形成数据闭环并持续优化的独立大模型公司，很难保持持久的防御壁垒。

美国一线大模型公司中，前面四家确实融了很多钱，而且每一家都抱了大腿。而美国二线大模型公司，现在或许还有收购团队价值，明年可能就毫无价值了。

大厂只为挖AI人才的并购，可能很难给出很高溢价。

比如，Inflection 曾是一个独角兽企业，微软投了差不多 15 亿美金。最近，他们整个团队基本都被微软挖走了。3万亿美金市值的微软，去收购一家企业，只给了投资人一个本金加利息的退出回报。这是今天在美国发生的事情。

在国内，大模型公司正在打价格战，将近几十万的汉字，只需要花一块钱，几乎是免费的，明年可能就完全免费了。

对大厂来说，他们希望借助低定价来推广自己的算力和云服务。你买我的云服务，我免费让你调用大模型的 API 。但大厂的这个定价，对创业大模型公司来说，已经是成本线以下。结果，几乎没有一家创业大模型公司敢跟进。

所以，没有良性商业模式的持续输血，单独的大模型公司很难走远。

今天比较有意思的一点是，中国大厂自己的亲儿子，第一次比养子做得更好。

一般来说，中国互联网大厂都是自己团队战斗力不行，比不上创业公司，才会战略投资一些创业公司。虽然阿里之前投了 5 家大模型公司，但是通义千问的表现比自己投的那五家公司都要强。这也让大模型创业公司越做越难。

前两天，苹果刚发布了自己的AI功能。苹果手机用户不需要注册，就可以使用 OpenAI 的 ChatGPT 服务。

这后面隐藏的含义是：我不给你导用户，但用户还是我的。而且，后台可以随时切换其他大模型。

据说Google正在和苹果公司谈，在苹果手机上预装Gemini 大模型要花多少钱。毕竟Google 每年要给苹果 100 多亿美金，就为了 iPhone 上默认搜索是 Google。

当下，Gemini 确实比 GPT- 4 差那么一点点。但如果 GPT-5 今年不出来，Gemini 到年底追上 GPT-4，基本上是可以肯定的。

到时候，苹果手机后台到底多少给 OpenAI，多少给Gemini，甚至多少给苹果自有的大模型，还不好说。

所以，我们讲“价值微笑曲线”，左侧是英伟达，今天赚了所有的钱；右侧可能是微软、苹果这种应用型的公司；最底下的可能才是大模型公司。

AI不是万能药

现在很多人都觉得生成式 AI 是个万能药，自己的产品加上AI就很好卖了，但事实上并不是这样。

最近一些中国做消费电子的企业加了 AI 后，都觉得消费电子产品变得很智能了，但实际体验和期望的差距还是很远。包括美国也是一样的，虽然AIGC看上去很像惊艳，但真正落地上并不容易。

为什么AIGC很难落地？最主要就两个问题：一是幻觉问题；二是结果不可控。

一旦AI有幻觉就会出错，而且你不知道什么时候会出错，每次结果还都不一样，所以结果不可控。

随着大家对幻觉的研究越来越多，发现造成幻觉的核心问题是脏数据。很多训练大模型的数据都来自于公开的互联网，里面很多数据并不正确。

上个月谷歌就闹出一个笑话：

你精心准备好所有材料，把披萨放进烤箱，期待着美味的晚餐。但当你迫不及待地准备咬上一口时，却发现奶酪掉了下来。你感到沮丧，于是上网求助谷歌。

谷歌回答道：“加点胶水，混合大约1/8杯的胶水和酱汁。无毒胶水会更有效。”

这个回答其实是网友在十多年前编的一个笑话，但大模型觉得这是正确的。

中国AI技术不比美国差

更重要的是数据

这次去硅谷，当地的创业者也很怀疑 GPT-5 年底究竟能不能出来？即使出来了，相较GPT-4，推理能力上会不会在有显著提高？

现在硅谷都说可能至少要十万张，甚至二三十万张 GPU 卡，才能看到显著的性能提升。但是即使你有卡，可能也没那么多可用来训练的数据。

最近快手发布的「可灵」，大家体验过吗？「可灵」做的文生视频比Sora更好。

为什么快手比 OpenAI 做的还要好？因为快手本身就做短视频，有很多数据做训练。相反，你问Sora 有没有爬 YouTube 的数据做训练，他都不敢说。

快手证明了，卡多还不如数据多更有效，我用更多数据反而能训练出更好的模型。

所以，中国在 AI 技术上并不比美国差，而且更重要的是数据。

现在，GPT-4 在很多文字场景上，已经可以满足大部分需求，最大的难点是多步推理还不太行。一个比较复杂的逻辑需要多步推理，如果每一步都只能做到 90% - 95% 的准确率，那多步迭代后其准确率可能就到 50% 以下了。

而中国企业用私有数据化训练模型，就可以很大程度上降低幻觉、增加正确率，关键是你有没有能积累足够多的高质量数据。

为什么做微信营销的公司，去年很容易就用大模型取代了 50% 的人？就是因为他们内部把团队和用户之间的对话数据都累积下来了。

中国缺的不是技术

而是“让人尖叫”的用户体验

在苹果发布会上，还重新定义了两个事情：一是重新定义了什么叫AI？二是苹果展示了什么叫“入口为王”？

对大部分企业来说，核心不是AI技术，而是用户体验。

怎么把用户体验做好是最难的，也是苹果比较擅长的。

最近和创业黑马学员在硅谷，有人说特别看好 AI 赋能消费电子、 AI 宠物。确实，最近做消费电子+AI 的企业特别多。

但很可惜，我觉得体验都没有到那一步。我买了一个 AI 宠物狗，还没那么智能，基本还差了一个时代。

你想让消费者愿意买单，一定要做出让消费者觉得尖叫的点，这个点是非常不容易的。

什么是入口为王？我前面讲过，苹果虽然选择了OpenAI，但是不给OpenAI倒用户。其次我在后台是可以随时切换大模型。

我们在硅谷的时候，有内部消息说，苹果后台可能 70% 用ChatGPT，30%用Gemini 。到年底如果 Google更愿意给钱的话，很有可能是 70% 用Gemini ， 30% 用ChatGPT。

对大部分创业者来说，一定要是聚焦垂直场景，做通用大模型几乎已经没有价值了。

聚焦垂直应用

场景优先，数据为王

现在通用大模型基本上是巨头的天下了，但中国的垂直场景特别丰富，数据也特别多，所以一定要聚焦在垂直场景上。

先给大家分享一个案例，有一家给中国电厂做信息系统维护的公司，他们找到的场景特别有意思，就是派工单。

电网维护本身是一个高风险的工作，很容易出事故，一旦出事可能就是人命关天的事。以前电厂维护电网派工单，每个工单中可能包含两三百个步骤，派一个单子至少要两三天的时间，还得人工反复核对。

他们去年花了两三个月，让大模型把过去几年派过的工单全部学习了一遍，将派单时间一下缩减到了2分钟。半年后发现，大模型比人设置的准确度更高。

你看，像这种垂直场景外行根本拿不到，只有你聚焦在细分行业里，才能找到这些机会点。

一旦找到这种尖刀场景，就尽快建立数据闭环，先把客户圈下来。

对创业者来说，找到好场景根本不需要你投很多钱，你10个人找不到好场景，投100 个人来也是浪费。所以，很多企业说我要砸几千万，建立 100 人、 200 人的队伍去做AIGC，根本是错误的。

还有一家深圳公司叫HeyGen ，后来搬到了美国，他做的就是非常简单的数字人。场景很简单，以前在抖音或Tiktok上发短视频，都要真人反复录制，很花时间。

今天用数字人，只需要上传几张照片，再输入视频文案，就可以自动生成一分钟的短视频。现在国内的数字人已经是白菜价了，但在美国还可以卖得很好。就这么一个简单的产品，很短时间内就做到了年入3500万美金。

所以，要迅速开发最小可行产品MVP，快速试错和迭代。HeyGen半年之内就迭代 30 个版本。

找到好场景后，关键是测试用户愿不愿意买单，只要用户愿意买单，你可以做得更深、更厚。

我觉得，今天这波生成式 AI 浪潮中，中国企业并不比美国落后多少。尤其是今年，如果到年底 GPT-5 出不来，明年开始拼应用的时候，中国在应用层会比美国要领先很多。

我再推荐一个卖得非常好的场景。现在中国直播电商非常火，尤其像 618大促的时候，直播进来的用户很多，以前客服人员根本来不及回复，会浪费很多商机。

现在靠 AIGC 机器人在直播间自动回用户的提问，这种产品卖得非常好。这个场景看着非常简单，但是特别痛。这种场景一是好训练，用以前的产品描述和对话记录来训练垂直大模型，很容易避免幻觉；二是能容错，稍微有误差也不那么敏感。

很多垂直行业的软件只要找到痛点场景，加上 AI 功能是容易的。因为你积累的垂直数据就是你的优势。反过来，AI 创业公司想快速找到好场景和垂直数据就很难。

AIGC将是未来10年的长坡厚雪

最近，英伟达市值登顶全球第一，就跟过去20年很像。PC 互联网、移动互联网，每一波新周期开始时，都是半导体硬件技术设施涨得最好。

早在 2000 年，思科也曾是当时全球市值第一的超级公司。但很快又被谷歌、苹果、Facebook、亚马逊等应用层公司超越，这些公司创造的价值是前者的10倍。

再加上，在很多场景下，很多国内的开源模型已经不比闭源模型差了，完全足够支撑中国AI应用的发展。

尤其在中文知识方面，阿里的通义千问比Llama 3还强。所以，很多创业公司都是拿 1000 万参数的开源模型来训练自己的垂直模型。