文/吕长顺，中国十大财经自媒体人，中央电视台财经频道特约评论员，《财富时代》杂志专栏作家，博客总浏览量超过12亿，微信公众号【凯恩斯】粉丝近二十万。
比尔·盖茨在一次采访时说道：“在我的一生中，我见证了两次让我觉得是革命性的技术。第一次是初次见到图形用户界面，也就是操作系统。第二次就是现在的。”他预计，在未来5到10年内，由人工智能驱动的软件最终将革命性地改变人们教学和学习的方式。随着不断进化，会开启哪些全新的商业模式？AI大佬们都怎么赚钱？
刚发布了GPT4之后，百度预热已久的生成式AI对话产品“文心一言”也随之亮相，而后华为称旗下的盘古系列AI大模型又要登上舞台。的热潮最重要的现实意义可能在于，它激发了整个人类对AI的深度思考，同时又让大家对AI行业有了新的看法。
很长一段时间里很多的AI企业基本以to B的模式立足，其本质是定制化的“外包”业务。看起来这些AI公司科技感十足，但做的却是给硬件公司提供算法、SDK项目这类业务。由于开发周期长、技术难度高或者成本比较高等原因，很多企业没有能力自己打造智能化引擎，多是从第三方服务商那里购买现有解决方案，或是买了解决方案后第三方服务商进行定制化二次开发。具体落实到第三方提供的产品，在最终产品形式上也存在着不同，这里面SDK和API为主流。
to B模式的特点是个性化定制，同时获客周期长，产品有实施成本，成长较为线性，价值敏感，更大的特点是落地口径窄，需求不稳定。
这几年技术门槛逐渐降低，同质化严重。很多AI企业都可以提供SDK项目，甚至是有些SDK项目里这家AI企业能提供，那家AI企业也能提供，这就会带来更多的竞争，导致AI企业业务利润大大降低。这是任何一家AI厂商都不愿意，却都要面对的情况。
如何改变这种情况？未来在哪些AI领域拥有更巨大的应用潜力？
技术的进步，确实让行业对AI有了新的看法，前一阵微软GPT-4 “全家桶”给我们带来了非常震撼的感觉，微软宣布整个产品线将由全新一代AI赋能，并正式推出国际版 ，为各项商业应用全面引入互动式的AI助手。微软称，的功能比简单地“将GPT嵌入中”更强大。还利用了最新的AI技术和自然语言处理能力，可以根据用户的描述生成内容、完成任务、提供洞察和最佳行动方案。
嵌入用户常用的Word、Excel、、、Teams等软件中，带来一种全新的工作方式。难以想象，Word、Excel、、等人们日常生活使用率极高的办公软件，如果都给他们加上了一个全新AI 功能，会出现什么改变？
微软强调有了后，人们可以在Word中更具创造力，在Excel中更具分析力，在中更具表现力，在中更具生产力，在Teams中更具协同性。另外， 还可以与CRM和ERP应用无缝集成，赋能各业务场景。从具体业务来看，比如在销售领域，可以帮助销售人员减少文书工作，快速回复客户邮件，收集客户信息；在营销领域，可以帮助营销人员根据主题生成创意文案，快速创建电子邮件、网页、社交媒体等内容；在服务领域，可以帮助服务人员解决客户问题，提供智能建议和反馈；在运营领域，可以帮助运营人员优化流程和资源管理；在供应链领域，可以帮助供应链人员预测需求和库存变化。
从这些变化中我们能看出，GPT-4 “全家桶”更多的是人机互动，前一阵百度发布的文心一言也是人机互动，无论是查询问题、闲聊聊天、还是娱乐消遣，文心一言都能帮你轻松解决，有极强的交互属性。能力不仅限于将应用于传统的这几个软件，文心一言提供的也不仅限于聊天对话，它们的根本是交互，是体验。
AI等技术带来了哪些商业模式？行得通吗？
最开始的人工智能技术、人脸识别、语音识别等多是提供to B端、企业端、商业端业务。未来人工智能，Chat GPT技术可能会带来巨大的改变，因为技术会带来to B端业务的同时，也会带来更多的to C端业务。从行业应用来看，人工智能类应用从面向商业（金融、工业、医疗、零售等），到人（元宇宙、娱乐、医疗、教育等）以及自动驾驶等众多领域。
GPT类产品to B端业务有很多，像云服务订阅类的业务多是利用缴纳月度或年度订阅费访问产品功能，类似的SaaS收费模式，SaaS是很多互联网巨头最为重视的产品形态之一。SaaS的优势是模式轻，无需定制，生产了一套SaaS产品就可以循环使用，获取源源不断的收益，所以利润极高。再比如数据盈利业务，即GPT类产品可以生成大量客户日志和反馈数据，供第三方企业购买，比如 AI就是通过帮助客户完成整理和准备数据来盈利。还有广告类业务，也就是GPT类产品可以根据推荐算法，向用户推送广告，目前谷歌、微软都有这类服务。也就是说，B端市场商业模式主要包括云服务订阅、授权模式、数据盈利和广告植入四大类。
的商业模式，目前GPT类产品已落地的企业大部分在海外市场，中国GPT类产品落地较少。为什么我国落地的比较少，我们看GPT类产品to B端业务的情况，比如SaaS模式，SaaS从本质上说，是一种软件交付和销售方式，即订阅许可。这样的商业模式决定了SaaS在销售达成时，并不产生所有的收益，而是通过后期客户的持续使用来不断产生收入，即SaaS将一次性买卖变成了分期租赁，或者订阅。我国涌现过不少SaaS厂商，如金蝶云、纷享销客、红圈营销、Udesk、51社保等。
但是过去了很多年后，一些SaaS厂商的未来却不甚乐观。从竞争来看，互联网巨头阿里、腾讯以钉钉和企业微信强势切入企业办公场景，有免费的钉钉、企业微信、飞书，很多企业愿意无偿地使用不花钱的软件，不到迫不得已不愿意为软件付费。传统老牌厂商金蝶用友，不得不从传统软件厂商，早早向云进行转型。相比海外，我国市场的付费意识不强，特别是知识付费领域，软件付费领域，面对那么多盗版，有获取盗版的途径，又有多少人愿意为知识而付费呢，从买断到订阅，如果大家不使用了，没有获取产品价值，那么他们继续订阅的可能性就很低。
中国市场里的一些SaaS产品，因为上面几种原因，无法仅仅依靠收取订阅服务费，支撑自己做大做强。所以不少SaaS厂商转变了原有的单纯的功能型SaaS模式开始走垂直行业SaaS模式，而并非单纯的功能型SaaS。SaaS厂商仅仅依靠订阅服务费，难以在市场竞争的环境下支撑一家SaaS公司的成长，它需要依靠SaaS所带来的基于数据所产生的其他商业化机会，也就是除订阅费之外，能不能为客户提供其他增值服务。
相比来看，垂直型SaaS会获得的机会更多，就比如同样都是给一万家企业提供数据提供服务，功能型SaaS的模式是服务分散在各个行业之中的企业，难以形成数据上的合力，但垂直行业型SaaS的数据则覆盖整个行业甚至产业链上下游，容易形成数据上的合力，会给以后发展带来更多的数据价值。
聚焦到GPT的应用场景，随着GPT的快速发展，生成式AI落地场景的边界也不断拓宽，在to B端拥有更多的可能性。GPT类产品的应用主要围绕生产力提高类应用场景和智能营销客服类应用场景。GPT可以重新定义办公场景，GPT类的生成式AI产品也可以在引领B端生产力的变革，赋能销售、营销、服务、运营和供应链等众多业务场景。例如在CRM产品中借助AI帮助客户更为准确地识别潜在客户、转化客户等。
我们再回到GPT类产品市场里，除了提供to B的业务，还可以提供C端业务，C端的特点是用户是个体，使用C端产品的是独立的个人，而不是一个组织或机构。强调的交互体验，C端用户要求更低的使用成本和学习成本，这些用户或许会因为体验上的一点不满意而离开APP，也或许因为有了体验感更强交互感更强的APP出现而卸载当下使用的APP。因此，C端产品非常重视交互设计，对每一个按钮的位置、大小，每一张图片的设计、配色，每一句话或短语的字数、用语，都要做到充分思考、论证、测试，去给用户提供极致的交互体验，丰富用户的体验。
从商业模式上来看，C端市场主要以订阅类为主，C端用户利用缴纳月度或年度订阅费获得访问功能。GPT类产品to c业务也有很多是体现在办公或创作上，比如推出订阅版 Plus，Neeva AI的无广告订阅制的AI搜索引擎,还有微软推出由提供支持的高级版Teams，提供更智能、个性化和私密的会议体验，以及整合GPT技术至等。
AI大佬们都怎么赚钱？如何进行商业变现？
对于、文心一言等新AI技术，我们觉得基本投资逻辑从最上游算力、算法、存储到企业如何赚钱，有哪些商业模式，到最下游的应用以及应用端的商业变现，可能是大家最关心的内容。
算力不用说，早些年的AI应用所需算力并不高，CPU足以应对。但随着深度学习时代的到来，高质量的AI算法背后往往有惊人的数据量，此时训练所需的数据，规模已远超当年，更“强悍”的GPU逐渐登上历史舞台，成为AI算力的主流。美国市场研究机构在3月1日的报告中测算称，处理1800亿个参数的GPT-3.5大模型，需要的GPU芯片数量高达2万枚。
而当深度学习逐渐加深，模型的规模越来越大，单个GPU已无法满足算力。这时候，GPU并行的算力集群就显得尤为重要。大规模的算力集群，不仅能有效降低GPU采购成本，还能通过集群优势提升计算性能。
接下来的问题是，企业如何赚钱，如何进行商业变现，、文心一言能够和人沟通，可以记忆，可以组织语言，生成对话。和以往Siri以及传统搜索引擎相比较，能够从人类反馈中不断实现强化学习，这就直接改变了经济社会里人们直接获取信息和输出内容的方式。一旦获取信息的中间成本被大大降低，那么数字经济中数据要素的使用效率将显著提高，进一步刺激释放更多的生产力。
无论是to B端业务还是to C端业务，想要在AI市场的某个行业里进行垂直化拓展，也不是一件容易的事情，因为很多AI厂商仍处于非标准化的市场里，所以很多的AI业务特性是以项目制为主，产品和服务门槛高，生产流程复杂、定制化高。AI业务涉及各种各样的需求，没有一个标准的业务商业模式。但是若是在标准化的市场里，AI企业可以利用自己的数据优势或者竞争优势，或者其他方面的优势，再加上建立自己的标准化生产模式，比如AI厂商在自动驾驶、芯片这些非标准市场里寻找到标准市场，建立自己的标准化生产模式。利用软件定义产品的模式，可以在很多汽车上实施自动驾驶技术，可以在不同品牌不同车型的汽车上移入自动驾驶软件，这些厂商就可以凭借这些自动驾驶软件进行低成本的复制，以此来赚钱。说白了，这些企业就是去寻找非标市场里的标准市场，建立厂商自己的标准化产品，在某一个行业里进行有深度的低成本规模化复制。
这两年，很多做自动驾驶智能驾驶的厂商看见了这种模式，纷纷加入这个赛道，开始融资上市，随着车用操作系统、大算力计算芯片、激光雷达等核心技术取得突破，速腾聚创、一径科技、纵目科技等传感器研发类的企业融资最多，还有激光雷达厂商，毫米波雷达厂商融资也比较多。还有自动驾驶芯片研发类厂商，包括黑芝麻智能、地平线机器人、寒武纪行歌等接连获得新一轮融资。当然也有部分厂商上市成功，2022年，格灵深瞳一举拿下科创板“AI第一股”，4月经纬恒润登上了科创板，12月亿咖通科技在美国纽约纳斯达克完成上市。
而有些企业想要做平台化的发展，这就要先聚焦于算法的打磨，做好算法的产品化，再依托云平台将算法对外服务，并用云平台的基础设施能力帮助企业研发算法，以阿里云为代表的头部互联网云厂商都在用这个模式。
这种模式的优势是基于云平台的规模，能够帮助企业避免大部分本地化部署的枷锁，还可以能提供低成本的自研算法研发，快速为算法研发能力弱的企业服务，像达摩院研发的视觉、语音、NLP等算法就在阿里云上对外服务，等等。然后，云上的计算、存储、网络、机器学习平台等又可以给具备算法研发能力的企业提供AI研发和项目落地。
未来虽还没真正到来，但正加速到来。人工智能想象空间很大，未来人工智能的应用，将会闪现在各个行业，而非过去互联网那样诞生一个新产业。当前火热的聊天机器人模型，只是细分得不能再细分的一个领域，目前它带来最大的影响是对互联网局部业务造成冲击，就已经能够刺激资本市场的局部“沸腾”了，难以想象，在未来，人工智能将颠覆很多行业，又将颠覆我们的生产方式、生活方式。
为什么说不是概念而是一场技术革命？
我们认为是一场技术革命，理由主要是两点：其一，互联网技术能否推广的核心是用户，已经有海量用户验证——2个月用户上亿。谷歌百度虽有竞品，但丝毫没撼动迹象，用户是检验技术应用成色的唯一标准，所以是真好用。
其二，是一种模仿人类智慧的自然语言处理能力。在自然语言处理领域，以前是数据库+逻辑搜索算法才是有效解，逻辑搜索算法可举个例子：某个有出口的迷宫，只要沿着左边墙壁一直走，虽然绕，但一定能走通。而是机器通过学习模仿人类能力，他不用靠墙就能一眼找到迷宫出口，且是最佳路径。逻辑搜索换个数据库就要换个“寻路”方式，而生成式AI本身具备的就是寻路能力。
其三，大模型生成AI是多用途的，将引发新一轮技术革命。AI可以绘图，做PPT，当搜索引擎，也可以生产文章、代码，扫描CT、X光、MR诊断病情。如果AI背后是一个数据库，那么换种数据你要重新探索，如果AI是一种能力，那么AI只要用几个月就能弄懂人类几个世纪才弄懂的知识，继而大幅度提升人类社会整体认知水平。
这么牛，所以投资人不能错过相关投资。而围绕的投资方向有四个：数据、算法、算力、应用。
数据。缺数据的情况普遍存在。百度在推文心一言的时候就说过，差距就是高质量数据。需要半监督学习，部分数据是可以通过预标注形成范例，但部分数据来自未标注的语料收集。一方面，当前中文互联网缺乏足够、高质量的语料数据；另一方面，国内数据要素市场还没有打通，数据市场正在从“无序”转向“有序”，灰黑数据交易市场被打击，但有序数据市场还没有建好。
算法。算法原先没什么门槛，甚至有人说现在四天一个大模型。但模型的背后是数学的力量，2018年bert和GPT竞争，一个是填空题机器，一个是前文猜后文的机器，但现在bert“安在”？模型很多，优秀的不多，所以我们也不能说某家公司通过建立大模型就能超越GPT，未来GPT4不开源，想要搞一个好算法难度很大，这里的关键在算法细节。优秀算法既需要基础数学的技术加持，也要有一点运气。
应用。只是应用嵌入当然也行，但当前国内应用还限于法规。因为是一种能力，输出内容不可控，如果有人恶意引导，保不齐会瞎掰乱说。制度上补足之前，随意引进可能会触碰红线。
综上，高质量数据不足，算法差距，应用嵌入的合规性，所以，算力才是投资人最佳选择。当然，算力我国也有瓶颈，比如主流算力芯片GPU就是英伟达和AMD，国内能够技术对等的企业几乎没有。但算力获取相对于其他几个方面的确定性更高，对于投资人来说，算力投资包括以下几个细分：
其一是云计算。包括互联网云和国有云，国有云主要是电信运营商，最近业绩公布，电信运营商的业绩提振大部分来自云计算。当然，从角度看，阿里云、腾讯云、百度云在智算领域的投入更高，算力服务能力也更强。很多国有云的基础设施和能力是从互联网云平台采购的。国有云偏向于政务系统和国企，互联网云偏向于智算需求和中小企业。
其二是ICT设备和CPO。笔者一直强调的是ICT设备，包括服务器、路由器、交换机、WLAN等等，但CPO也值得关注，源于智算中心高算力是通过服务器并行运算来实现，类似虚拟币挖矿。GPU的优点是算力高且可以并行计算，算力是可以通过大量GPU堆叠上去的。而对于智算中心，CPO光模块承担的是GPU并行计算连接的功能。
其三是芯片和AI企业。芯片主要是GPU，AI企业包括科大讯飞、旷视等，数据企业包括海天瑞声，GPU包括龙芯中科、寒武纪、景嘉微、摩尔线程、燧原科技、中微电、兆芯、璧仞科技，等等。当然，无论是AI还是GPU，当前能代替英伟达GPU，十分能打的企业还没有出现，所以重点关注前两类。
综上，投资重点放在算力，是因为数据、算法、应用上都存在重大不确定性，短期应用层面还有机会，比如汤姆猫、金山办公，只要宣布和合作，都会有一定的涨幅，但长期看，真正获得实惠的还是算力股。我们不一定能造出，但的确很多企业想要去造一款，而造AI就一定要购买算力。
注：文章表述论点仅代表作者个人意见，市场有风险，投资需谨慎。
投稿邮箱：
编辑部热线：
杂志展示
