#AIGC創(chuàng)新先鋒者征文大賽# 50億美元虧損背后：解析生成式 AI 的商業(yè)模式之爭 原創(chuàng)
??【本文正在參與 AI.x社區(qū)AIGC創(chuàng)新先鋒者征文大賽】??
??http://www.scjtxx.cn/aigc/2223.html??
編者按： 人工智能正在席卷各個行業(yè)，但你是否曾思考過：當 ChatGPT 的開發(fā)商 OpenAI 可能面臨 50 億美元虧損時，生成式 AI 的商業(yè)模式究竟還能走多遠？
這篇分析文章直擊當前 AI 行業(yè)的痛點：巨額投資與高昂運營成本之間的矛盾，技術進步與商業(yè)化之間的鴻溝，以及研究價值與經濟可持續(xù)性之間的平衡。
它提醒我們，在追求技術進步的同時，也需要認真思考如何構建可持續(xù)的商業(yè)模式，以及如何平衡商業(yè)利益與社會價值。未來，我們可能需要重新評估和調整當前的研究資助模式，以確保最有價值的 AI 應用能夠得到充分的開發(fā)和應用。
作者 | Stephanie Kirmer
編譯 | 岳揚
Photo by Ibrahim Rifath[1] on Unsplash[2]
OpenAl 是史上增長最為迅猛的企業(yè)之一，但同時也可能是運營開支最為龐大的企業(yè)之一。
據 The Information 基于尚未公開的內部財務資料以及業(yè)務相關人士的信息分析，ChatGPT 的開發(fā)商今年可能面臨高達 50 億美元的虧損。如果這一預測準確無誤，那么最新估值達到 800 億美元的 OpenAl 或將在未來一年內需要再次融資。
—— The Information[3]
我在本篇文章中探討了生成式人工智能在技術[4]和資源[5]方面的局限性，對于圍繞這項技術興起的那些產業(yè)來說，這些挑戰(zhàn)變得越來越清晰和緊迫，這一點非常有趣。
但這也讓我們不禁思考，生成式人工智能的商業(yè)模式究竟是什么。我們應該對它抱有何種期待，以及哪些東西只是人們過度的炒作？這項技術的潛力與現(xiàn)實應用之間，究竟存在著怎樣的差距？
01 生成式人工智能究竟是一種功能還是一款獨立的產品？
我曾就這個問題與他人進行過討論，在媒體上也不乏關于這一話題的探討。一項技術是作為功能存在還是作為產品存在，其核心區(qū)別在于它是否具有足夠的價值，讓人們愿意單獨為了它而掏出錢包付費，或者它是否需要與其他技術結合才能最大化發(fā)揮其價值。 目前，我們看到“人工智能”這一標簽被廣泛添加到各種現(xiàn)有產品之中，從文本編輯器和代碼編輯器到搜索引擎再到瀏覽器，這些都是將生成式人工智能作為功能應用的例子。（比如我是在 Notion 中撰寫這篇文章，該軟件不斷嘗試引導我使用人工智能功能。）而另一方面，Anthropic、OpenAI 等公司則是在嘗試推出以生成式人工智能為核心的產品，如 ChatGPT 或 Claude。
這個問題可能會有些難以界定，但我認為關鍵在于，對于那些將生成式人工智能視為產品的公司來說，如果產品未能滿足客戶的期望，無論這些期望是什么，客戶很可能會停止使用該產品，并停止支付費用。而如果有人發(fā)現(xiàn)谷歌的人工智能搜索摘要不盡人意，他們可能會抱怨并選擇關閉這一功能，但仍然會繼續(xù)使用谷歌的搜索服務。因為對于這些產品來說，其核心業(yè)務的價值主張并非基于人工智能，人工智能只是一個額外的賣點。這樣的做法大大降低了整體業(yè)務的風險。
蘋果公司對待生成式人工智能領域的方式，就是一個很好的例子，他們將生成式人工智能視為一種功能而非單獨的產品，并且我認為他們的策略更具潛力。在最近的 WWDC 大會上，蘋果公司透露他們正在與 OpenAI 合作，允許用戶通過 Siri 使用 ChatGPT。這一合作有幾個關鍵點值得關注。首先，蘋果并未因為建立這種合作關系而向 OpenAI 支付費用——蘋果提供的是其極具市場吸引力的用戶群體，而 OpenAI 則有機會將這些用戶轉化為 ChatGPT 的付費訂閱者。在這場合作中，蘋果無需承擔任何風險。其次，這并不妨礙蘋果以同樣的方式，將其用戶群體推廣給其他如 Anthropic 或 Google 提供的生成式人工智能服務。盡管 OpenAI 恰好是他們首個公布的合作伙伴，但他們并沒有在生成式人工智能的競爭中明確支持某一方。蘋果當然也在開發(fā)自己的生成式人工智能技術 Apple AI[6]，但他們的目標顯然是利用這些技術來提升現(xiàn)有和未來產品的附加價值——讓 iPhone 更加強大——而不是將某個模型作為獨立的產品進行銷售。
這一切表明，將生成式人工智能融入企業(yè)的商業(yè)策略有多種思路，單純技術本身并不保證能夠取得最大的成功。 當我們在十年后回首往事時，我懷疑那些在生成式人工智能商業(yè)領域被視為“大贏家”的公司，可能并不是那些開發(fā)底層技術的公司。
02 那么，對于技術開發(fā)來說，什么樣的商業(yè)策略才是合理的呢？
你可能會認為，如果這些功能真的足夠有價值，那么總得有人去構建它，不是嗎？如果生成式人工智能的實際開發(fā)并不直接產生利潤，我們還能否擁有這種技術？它能否發(fā)揮其最大潛力？
我必須承認，科技領域的眾多投資者確實相信，生成式人工智能領域中蘊含著巨大的盈利潛力，這也是他們已經向 OpenAI 及其同類公司投入了數(shù)十億美元的原因。不過，我在之前的多篇文章中也提到，即便擁有這些巨額資金，我仍然強烈懷疑，未來生成式人工智能的性能提升可能會是溫和而漸進的，而不是延續(xù)我們在 2022-2023 年所見的那種看似指數(shù)級的技術進步。（特別是，為了達到預期的技術進步，人類生成的可用于訓練的數(shù)據量是有限的，這并非僅僅靠資金投入就能解決。）因此，我并不相信生成式人工智能將會比現(xiàn)在更加有用或“智能”。
盡管如此，無論你是否認同我的看法，我們都應該牢記，掌握一項尖端技術與利用這項技術打造出人們愿意購買的產品，以及建立一種可持續(xù)、可更新的商業(yè)模式，是完全不同的兩回事。 你可以發(fā)明一種很酷的新東西，但正如任何創(chuàng)業(yè)公司或科技公司的產品團隊所知，那只是開始，并非結束。搞清楚普通人會如何使用你的新奇發(fā)明，并將其傳播出去，讓人們相信你的發(fā)明物有所值，能夠支撐起一個可持續(xù)的價格，這是一項極具挑戰(zhàn)性的任務。
我們確實看到了來自各方的眾多創(chuàng)新提議，但其中一些想法并不太吸引人。例如，OpenAI 前段時間推出的搜索引擎新測試版，在其輸出結果中就已經出現(xiàn)了嚴重錯誤[7]。任何讀過我在之前介紹大語言模型（LLM）工作原理的文章[8][9]的人，對此都不會感到意外。（我個人只是驚訝他們在最初開發(fā)這個產品時，竟然沒有考慮到這個顯而易見的問題。）即便是那些看起來有吸引力的想法，也不能僅僅停留在“有則更好”的層面，或者被視為奢侈品，它們必須是不可或缺的，因為要使這項業(yè)務可持續(xù)，所需的價格必須相當高昂。當你的年虧損額達到 50 億美元時，為了實現(xiàn)盈利和自我維持，付費用戶群體就必須非常龐大，或者用戶支付的費用必須高得令人瞠目結舌。
03 難道技術研究本身就沒有價值嗎？
對于那些熱衷于推進技術發(fā)展的人來說，這無疑是一個較為棘手的問題。研究本身的價值始終存在，哪怕其成果并非立竿見影。然而，在資本主義體系下，并沒有穩(wěn)定的渠道來支持這種基礎性的研究，尤其是當研究所需的資金龐大到令人咋舌時。長期以來，美國一直在剝奪學術機構的資源，導致如果沒有私人資助，學術界的研究者幾乎無望參與此類研究[10]。
這實在令人惋惜，因為學術界本應是這類研究在適當監(jiān)管下進行的理想場所。在這里，倫理、安全等問題能夠得到比私營企業(yè)更為嚴肅的對待和探討。學術界的研究文化和規(guī)范，是將知識置于金錢之上的。但當所有的研究都由私營企業(yè)進行時，這種價值觀就會發(fā)生轉變。那些我們社會信任能夠進行“更純粹”研究的人，卻無法獲取參與生成性人工智能發(fā)展所需的資源。
04 那么，我們接下來該如何行動呢？
顯然，即便是這些私營公司，也可能沒有足夠的資源來支持這種不斷訓練更大規(guī)模模型的速度競賽，這又讓我們回到了文章開頭引用的那段話。受制于當前主導技術進步的經濟模式，我們可能會錯失一些潛在的機會。那些在理論上可行但在經濟上不足以支撐高昂 GPU 成本的生成式人工智能應用，可能永遠無法得到深入的探究。與此同時，那些可能對社會有害、無聊或無用的應用，卻因為它們能夠帶來更大的盈利機會而獲得資金支持。
Thanks for reading!
Hope you have enjoyed and learned new things from this blog!
About the authors
Stephanie Kirmer
I’m a data scientist who used to be a sociologist, and I write about the intersection of ML/DS and society.
END
本期互動內容 ??
?你覺得目前市面上的AI產品定價合理嗎？你愿意為哪些AI功能付費？
??文中鏈接??
[1]https://unsplash.com/@ripey__?utm_source=medium&utm_medium=referral
[2]https://unsplash.com/?utm_source=medium&utm_medium=referral
[3]https://www.theinformation.com/articles/why-openai-could-lose-5-billion-this-year
[4]https://medium.com/towards-data-science/how-human-labor-enables-machine-learning-367feee8bc91
[5]https://medium.com/towards-data-science/environmental-implications-of-the-ai-boom-279300a24184
[6]https://www.cnbc.com/2024/07/29/apple-releases-apple-intelligence-its-long-awaited-ai-features.html
[7]https://www.theatlantic.com/technology/archive/2024/07/searchgpt-openai-error/679248/
[9]https://medium.com/towards-data-science/is-generative-ai-taking-over-the-world-a970a5ccdad5
[10]https://www.washingtonpost.com/technology/2024/03/10/big-tech-companies-ai-research/
原文鏈接：
https://towardsdatascience.com/economics-of-generative-ai-75f550288097
