大模型终究要泪奔,谁才是 Ai 行业的“掘金者” ?

时间:2024-10-30 13:39:17 来源:四风阳嘉网
原标题:大模型终究要泪奔 ,掘金者谁才是大模 Ai 行业的“掘金者” ? AI 行业火了大半年,时至今日谁才是型终行业产业链里的掘金人呢 ? 可以是给大模型训练提供数据的供应商  、可以是究泪自由定价的 C 端产品 ,但唯独不会是掘金者大模型提供方。 究其原因 ,大模如何选择好的型终行业赛道 ,首先要有不错的究泪商业模式,其次是掘金者行业上下游的议价能力 ,最后看利润。大模 无论是型终行业选择好公司还是好赛道都离不开以上三点。 接下来我们具体聊聊: 为什么大模型赛道不行了 ? AI 行业涌现的究泪机会在哪里 ? 绝大多数的大模型企业要泪奔 为什么这么说? 因为  ,大模型企业很难满足上述提到的掘金者重要三要素。 从年初,大模OpenAI 带着 ChatGPT 震惊全世界,型终行业封闭大模型成为主流;谷歌 、百度等海内外一众互联网龙头都纷纷怕掉队,哪怕是产品还不成熟 ,都着急忙慌的出来路演,就像第一次面世的 Bard 让谷歌跌掉了 1000 亿市值。 后来,Meta 发布开源大模型 Llama ,变成了开源大模型的鼻祖,开源大模型让众多企业、研发人员有了追赶 GPT 的机会(没有开源 ,那只会望尘莫及,毕竟通用大模型的训练成本不是随便一家企业能承受的); 也正是因为有了开源大模型,才让大模型市场发展的如火如荼 ,有了今日的 " 百模、千模大战 。 但是 ,随之而来的是大模型企业所面临的问题。 首先,各家大模型与 Open AI 的差距还是很明显,留给其他大模型厂家的市场空间就已经很小。另外,市场上其余可选大模型非常多,比如众多开源衍生品,但产品同质化严重 ,这也就会导致大模型在面对客户时的话语权非常低 ,毫无议价权; 其次,大模型企业为了优化输出结果,还需要不断的迭代模型,而这需要大量、专业的数据投喂进行训练,因此数据企业提供方也会成为制约大模型发展的重要角色 。 最后,大模型的训练成本很高不说,想要做出超强大模型还得拼算力 ,也就是看谁能抢到更多英伟达 A/H100 芯片; 另外,在大模型定价方面只会越来越难 ,开源已经是常态了 ,连 openAI 最近也要开源新的大模型了,如果 GPT3.5 开源 ,那对于其他大模型厂商来说可谓是毁灭性的打击 。 对于大部分的大模型方来说都面临着一边难收费 ,一边要拼命花钱训练模型 ,以后数据也会开始收费(又多了花钱的渠道),怎么想大模型都不是一个看起来能轻易盈利的商业模式   。 未来肯定很多企业会放弃这条拥挤、又不赚钱的赛道 。除非是能追上 GPT4 的水平,真正做到让用户觉得好用,才会有绝对的竞争力 。 数据运营商的春天要来了 上文提到,扼住大模型发展的除了 AI 芯片 ,那就是训练大模型必不可少的数据 。 我们认为 ,数据运营商将迎来发展的黄金期,不过还要适当考虑各国情况的差异性(这里不做展开) 。 数据是新型生产要素,这句话在大模型这里得到非常好的体现 。 值得关注的是,数据商将成为行业卖水人 。 谷歌最近就因为非法搜集用户数据用于训练 AI 模型 ,被美国加利福尼亚州克拉克森律师事务所起诉 ,要求向用户赔偿数据使用费和告知数据用途。 数据价值已经开始显现。 近日 ,海外 Prolific 公司不仅获得 3200 万美元融资,还赚了 1 亿 + 美元的数据提供费用;每小时价格在 6 — 8 美元或更高 。 也就是说,Prolific 这种为企业或个人提供的数据是可以用于商业化并且具有版权的 。这一点对于大模型厂商来说非常重要,能够很好避免产生数据版权的纠纷。 Prolific 已获得了 3000 多家知名组织 ,其中包括谷歌、牛津大学、斯坦福大学 、伦敦国王学院和欧盟委员会等 。超过 2 万名科研人员在其平台上获取高质量数据 。 Prolific 也表示,高质量 、真实训练数据对于 AI 大模型来说能够减少幻觉 、非法输出、增强 RLHF 能力 。 我们认为 ,数据运营商在大模型上的商业价值才开始显现。 C 端应用是 AI 流量必争之地 哪里有流量,哪里就有财富。 之前业内都在讨论到底是封闭大模型还是开源大模型的生态会更好 ,哪个模式的商业价值更胜一筹; 最后得到的结论是:开源还是封闭其实不是最核心的问题 ,关键在于如何形成好的数据飞轮效应 。 最近 " 数据飞轮 " 这个词在科技圈内非常火 ,简单来说是一种描述数据价值增长的循环过程 。 在互联网时代我们看到数据量的激增  ,而在 AI 时代数据爆发将远超上一次  。 如果从产品落地和价值变现的速度来看,那么 C 端应用定是巨头必争之地。 无论是微软用 Microsoft 365 Copilot 开启办公 AI 时代 、Windows11 即将内嵌人工智能助手颠覆每个人操作电脑的习惯; 还是一直在内卷的 AI 绘画 、和即将开卷的 AI 视频; C 端应用往往比 B 端更容易落地、也更容易变现,核心在于 C 端产品更标准化; 而 B 端的场景、诉求更多,很难统一 ,这也就导致了落地进度更难 ,更别提还有很多隐私数据 、know-how 等专业内容要考虑 。 这也就为什么在国内互联网流量红利期赚的盆满钵满的是阿里、腾讯 、字节这样的巨头 ,因为他们掌握了 C 端流量  ,而工业互联网企业都活在了 " 贫民窟 "; 谁掌握了用户流量 、产品定价,现金收入便是有了保障 ,同时还能获得广告商的青睐; 另一方面,想要做 C 端应用的企业还有很多大模型可供选择 ,就好比金山办公已经开始这么做了 ,基于三种大模型之上来调度,根据任务选择性能最优的大模型 。 总得来说,C 端一定会成为 AI 行业最先变现的赛道 。 来源:硬AI返回搜狐 ,查看更多 责任编辑 :
相关内容