增城手机网站建设,教人做美食视频网站,学习php网站开发,免费收录链接网虽然大模型商业化的路径较为清晰#xff0c;目前国内厂商也都在积极探索#xff0c;但大模型的商业化之路#xff0c;不能仅限于商业模式的探索尝试#xff0c;更在于解决大模型发展的底层问题。
作者|斗斗
编辑|皮爷
出品|产业家 如今#xff0c;大模型的商业化问题再… 虽然大模型商业化的路径较为清晰目前国内厂商也都在积极探索但大模型的商业化之路不能仅限于商业模式的探索尝试更在于解决大模型发展的底层问题。
作者|斗斗
编辑|皮爷
出品|产业家 如今大模型的商业化问题再次被摆在台面上。
一个事实是当下的大模型训练需要强大的算力支撑尤其是参数量大的模型花费极大。比如OpenAI的语言模型GPT-3成本接近500万美元也就是人民币4000万左右。庞大的模型训练需要巨额的资金来支持。
投入了巨额资金之后企业一方面是希望尽快商业化来解决后续研发资金的问题一方面也是希望通过商业化来达到赚钱的目的。
那么矛盾也接踵而来迅速的商业化难以避免的是一些安全性、伦理性的问题被暂且搁到一边更为真实的情况是如今大模型迅速商业化之后的发展路径思考的其实并不多因此也就看到了很多大模型基本上就是浅尝即止最后引发商业化与非盈利之间的矛盾。
OpenAI前段时间的“宫斗”便是一个很好的例证。
11月18日OpenAI管理层发生巨变CEO奥特曼被解雇。至此OpenAI“宫斗”上演。
在公开报道中OpenAI的六人董事会中被开除的奥尔特曼和Greg Brockman倾向加速商业化以获得更多资金来支持AI模型的算力需求而独立董事Tasha McCauley和Helen Toner更关注AI的安全。
简言之一方以技术为主导追求模型的卓越性以实现通用人工智能为目标一方则认为商业化是公司发展的必经之路应该积极拓展市场应用从而实现盈利为目标。由此一个猜测是倡导商业化的阿尔特曼碰到了强调AI技术、安全属性的Ilya Sutskever直接正面引发了冲突。
经过反反复复地拉锯。11月30日OpenAI宣布组建新初始董事会Sam Altman重新担任CEOMira Murati担任首席技术官。这次“宫斗”胜利者似乎属于商业化的那一方。
但在这场由世界顶级大模型公司引起的“商业化与非盈利之争”的闹剧下引发的一些问题使人陷入深思即大模型的商业化正面临着哪些困局大模型应该如何商业化
而在中国市场大模型厂商除了已经展现出来的算力层面商业价值外还可以在哪些方面进行商业化尝试以及这条路已经走到哪了
一、大模型商业化众生相
在大模型的商业化方面以百度、阿里、腾讯等为代表的互联网厂商目前商业化前景较为清晰。这一点与其自身庞大的业务体系不无关系。
即互联网巨头可通过将大模型集成到现有产品和服务中比如百度文库文档助手、淘宝问问、Bing搜索引擎等来增加用户粘性并带动营收增长。主要方式是将生成式AI作为辅助功能嵌入原有业务视为一项增值服务。
其次是订阅服务即采用按月或按使用量计费的订阅模式为客户提供持续的大模型访问权限。例如OpenAI的ChatGPT、百度等文心一言、阿里的通义千问等。目前国内文心一言等也在通过订阅制的商业模式为大模型应用带来一些营收但其他厂商收费意向不明。
此外以智谱AI这类国家队厂商为代表的商业化前景亦比较清晰。业内普遍认为诸如国内大型企业、央国企想要与大模型结合智谱AI是一个绕不过去的选项。
但尽管如此国内大模型商业化仍处于初级阶段商业化进程面临着诸多挑战。
首先大模型的研发和应用需要大量资金和时间投入而回报却往往难以预测。这导致许多企业在商业化过程中犹豫不决错失市场机遇。
其次大模型的伦理道德和安全性问题也给商业化带来了一定的压力。例如算法偏见和歧视、数据泄露和滥用等问题时有发生这使得一些企业在大模型应用方面持谨慎态度。此外国内大模型商业化还面临着市场接受度和应用场景等问题。
目前大部分企业的应用需求主要集中在智能客服、智能推荐、智能营销等领域其他领域的应用仍处于探索阶段。这使得大模型商业化进程相对缓慢难以实现规模化发展。
更值得注意得是尽管国内在人工智能领域取得了显著进展但与国际领先水平相比国内的大模型技术还存在一定差距。这使得国内企业在国际市场竞争中处于劣势地位也就很难向出海、跨境方向延伸。
此外国内大模型商业化还面临着商业模式不成熟的问题比如如何收费以目前国内普遍采取的算力收费形式而言这种模式似乎与云计算的收费模式一致而从利润率来看这显然不是一个优质的收费模式。
对于国内的大模型厂商而言商业化的路如何走成为当下亟待解决的问题。
二、MaaS、开源与Agent
大模型的商业化应该解决的是让企业和用户更少了解原理更简单直接使用成果让用户回归价值和自身业务问题解决。换言之也就是大模型的“一体化黑箱模型”。
因此如今的一些商业模式成为了大模型赛道玩家和创业者们的聚集之处。
其中MaaS模式是最为常见的一种。在这种模式下一般是由云厂商或科研机构对大模型封装在各类任务上的推理能力封装成统一的应用程序接口对外提供服务的模式虽然提供的是API但是本质上调用的是模型。
下游企业可以获得这些接口并按照自身的业务需求调用服务嵌入已有的应用和服务中让大模型的API为整个程序进行赋能。
这种方式使得企业不需要过多了解模型的技术细节而是像调用云能力一样直接调用服务。目前、文心、通义、盘古等大模型厂商基本都在提供此类服务比如阿里的魔搭社区百度的飞桨等等。
此外开源模式也是大模型商业化的一种重要方式在这种模式下计算机程序、软件的源代码等内容公开并根据开源协议进行分发的方式。
开源是目前计算机领域一种普遍的软件开发模式大量开发者在协议许可的情况下对开源代码进行修改并集成到已有的系统中为软件和系统增加新功能和特性。
在开源的模式下可以快速共享好成果让好的成果快速培养社区下游用户利用开源成果可以快速搭建自己的应用系统。在国内智谱AI、阿里通义都在强调开源的价值。
开源本身是免费但涉及到后续的数据训练、数据监督、数据微调等等则对应的是较为明朗的收费模式恰等同于开放井水但做卖铲子的人。
再有就是平台即服务模式即不再提供单一的模型API而是将大模型当作平台服务中的一种技术集成到AI平台上通过统一的平台对外提供服务。这种模式中企业构建包含开发工具、AI服务、流程化的平台而大模型只是平台中的一个组成部分。
用户购买或使用平台的过程中可以利用平台提供的工具对大模型进行开发和应用集成于自有的体系中用户不能单独获得模型的能力。用户通过使用平台和工具获得利用大模型开发的能力也因此付费。
例如文心大模型已经发展出了NLP/CV/跨模态/生物计算大模型并且在此基础上推出了众多行业大模型、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。
还有一种软件即服务的模式。目前国内大厂、头部政企和科研机构正在提供强大的新基建中小厂商可以基于这些基建开发自己的saas服务并提供给企业、个人。AI Agent便是当下炙手可热的大模型创业路径。
此外无论是对于OpenAI、Meta这样的AI领头企业还是对于众多的小型初创型企业或者科技极客来说AI Agent也更是如今商业化不得不谈的话题。不论是钉钉、飞书亦或者是百度都在推出自己的Agent产品。
如果说前面所说的众多变现都在B端其市场和需求量有一定的天花板。那么AI Agent则对应的是B端市场之外在C端的巨大想象力。不仅市场本身更在商业价值。
如今一个业内普遍共识是AI Agent是未来实现终极的AGI通用人工智能形态的必经之路而且越来越多的人认识到大模型只有在真正的应用层面走进千家万户才能展示其真正的价值而AI Agent就是最好的应用形式。
三、商业化难在哪
总体来看大模型商业化的路径尽管未能做到最好但方向是清晰。不过清晰并不意味着能落地。对于国内大模型赛道的玩家而言仍面临诸多内外部的挑战。
11月7日的凌晨OpenAI在首届开发者大会上发布了几个更新新的模型GPT-4 Turbo、GPT Builder以及Assistant API。
其中GPT Builder的特性包括每个人/每个企业都可以定制属于自己的GPT每个独特的GPT可定制自己的指令、知识库、工具与动作、头像等无需开发直接使用自然语言定制你甚至可以让Dalle3帮你生成头像GPTs可以分享使用并享受类似App Store的分成。
这意味着每个人/企业都可以在线创建自己的GPT/Agent。
而另一个更新Assistant API可通过API来让GPT来帮你编写代码并自动执行通过API实现函数/工具调用的能力扩展AI的能力。
这意味着用户可以更轻松的通过Assistant API在自己的网站或者移动应用中构建自己的ChatBot或者AI助手大大减少AI开发的繁重工作量。
一个事实是其不再满足于提供基础大模型而是希望成为AI时代的AI OS平台。这一更新很大程度上给AI Agent的售卖模式带来了不小的冲击。
而在开源模式上同样存在着发展的瓶颈。以智谱AI为例目前智谱AI开源的模型参数主要为6B参数较小。究其原因离不开资金不足的难题。要知道模型参数越大意味着算力需求越大。虽然智谱AI早在此前就购买了大量的A100但从其近期频繁且高额融资来看其仍需要大量资金支撑其持续的商业化和研发创新。
在MaaS模式上同样也存在许多落地的难题。首先如果模型效果不尽如人意API将无法充分满足用户的常规推理需求因此需要根据具体情况对模型进行调整和优化但调优本身是一个具备门槛的开发大部分企业不具备这样的能力或大模型人才也就很难持续为MaaS社区贡献活跃度。
其次由于大模型的运行速度相对较慢当推理请求的数量或请求数据量大幅增加时API的响应时间和数据质量将难以保证。例如像ChatGPT、DALLE2等AIGC应用其实际反应时间往往较长因此难以在短时间内实现大规模应用和提供及时响应体验。
总体而言全球大模型产业商业化仍处于早期探索阶段。
一方面虽然研发机构在大模型技术方面已经相当成熟但对于落地场景却还不够熟悉尚未形成完善的商业化模式。因此它们需要与下游场景企业合作共同构建大模型的商业模式。
另一方面大部分下游场景企业对于大模型的基本概念和认知尚未形成同时它们也缺乏支持模型微调所需的算力以及定制和二次开发模型所需的人力资源和技术实力。
总体来看虽然大模型商业化的路径较为清晰目前国内厂商也都在积极探索但大模型的商业化之路不能仅限于商业模式的探索尝试更在于解决大模型发展的底层问题。
写在最后
一个事实是大模型真正的价值在于能够解决实际问题并创造商业价值场景是商业模式的基础。对于大模型赛道的玩家而言如何将大模型与具体场景结合成共落地才是商业化的本质。
以OpenAI的GPT-3为例这款语言模型以其较强的生成能力和广泛的应用潜力吸引了全球的目光。
然而如果没有合适的场景和应用这个工具只能停留在理论层面或实验室环境。只有当它被成功地应用于各种场景中才能发挥出真正的商业价值。
Copy.ai是一家使用GPT-3的大规模语言模型来帮助企业和个人快速生成高质量内容的初创公司。通过深入了解客户的需求和市场情况Copy.ai将GPT-3的技术能力与营销、广告、新闻稿等应用场景紧密结合实现了从技术到产品的转变。这种“场景为王”的策略使得Copy.ai能够在竞争激烈的市场中脱颖而出成为了一家备受瞩目的创业公司。
在国内这样的尝试或将成为下一个阶段的主题。
