ChatGPT 人工智能 GPT4 伦理 生成式 医疗 监管 安全 机器学习 深度学习 神经网络 计算机视觉 强化学习 模型 算法 应用 开发 研究 工具 平台 框架 数据集 训练 部署 安全 合规 培训 投资 LLM,llm AI,ai,Ai 大模型 大语言模型 制图 生图 绘图 文生图 文生视频 生成式AI AGI 世界模型 sora chatGPT,chatgpt,ChatGpt claude openai Llama deepseek midjourney 红熊猫模型 Red panda,panda Stable Diffusion,StableDiffusion,stable DALL- E 3 DALL E DALL Flux,flux 扩散模型 混元大模型 文心一言 通义千问 可灵 Pika PixelDance 豆包 月之暗面 零一万物 阶跃星辰 搜索增强 MiniMax Talkie Agent prompt fastai LangChain TTS 微调 提示词 知识库 智能体
# 热门搜索 #
搜索
80%的AI公司,就要凉凉了
2806点击    2024-09-30 11:32


AI行业"微笑曲线":硬件和应用盈利,大模型亏损。


最近看到一份报告:“未来5年,将有80%的AI初创公司倒闭。” 其实从创业公司的生存率来说,这个数据是符合客观事实的,近10年的统计数据显示,中国创业公司三年存活率大概在20%左右,AI行业也大差不差。


有人说AI行业非常烧钱,很难赚钱,不倒闭才怪,真的是这样吗?K哥今年走访了几十家大大小小的AI公司,跟你聊一聊我看到的真实情况以及个人思考。


制造业中有一个著名的“微笑曲线”,它深刻揭示了产业链中利润分配的规律:即分处“笑脸弧线”两端的设计和营销环节,通常能够获得大部分的利润,而处于弧线凹处的制造环节,往往只有较低的盈利空间。进入人工智能时代的今天,K哥发现“微笑曲线”所反映的这一规律,在AI领域也同样适用。


微笑曲线 


什么是“AI微笑曲线”?


“微笑曲线”是宏碁集团创办人施振荣于1992年提出的商业理论,该曲线的横轴代表产业链的不同环节,纵轴则表示利润水平。这一理论认为,在制造业中,研发和营销等高附加值环节位于曲线两端,往往能够获取较高的利润,而中间的生产制造环节所获得的利润则相对较低。以此对照AI领域,AI产业链的横轴包括三个主要环节:GPU制造/云计算、底层大模型开发、AI应用。纵轴则代表AI行业利润分配。结合现实我们不难发现,GPU制造/云计算和AI应用环节,的确赚取了大部分利润,处在“笑脸弧线”的两端,而底层大模型则明显处在利润“凹处”。


“AI微笑曲线” Mr.K@技术领导力


之所以出现这样的利润分布,道理并不难懂。首先,GPU是AI计算的核心,而云计算提供了必要的计算资源和存储空间。某种程度来说,GPU制造/云计算,意味着AI产业链的起点。因此,这些基础设施的提供者,如英伟达和亚马逊AWS,如同站在了“河流”的上游,掌握了水源,控制了流速,占尽优势,只要这个行业不断发展壮大,它们就能通过销售硬件和提供服务,赚取丰厚的利润。同理,AI应用相当于处在AI产业链的终点,在最靠近市场和变现的位置,AI应用开发者通过将AI技术应用于自动驾驶、医疗诊断、智能家居等各种场景,自然也能攫取巨大的利润。


而底层大模型,则处于AI产业链的中段,前受基础设施的制约,后有应有落地的卡位,且研发成本高、技术门槛高,迭代竞争又比较激烈,从而导致这一环节出现利润低、变现慢的窘境。以自动驾驶技术为例,可以更具体地看到AI微笑曲线的生动体现。英伟达通过提供高性能GPU,占据产业链的高地;特斯拉、Waymo等,通过自动驾驶应用的开发,同样创造了巨大的商业价值。但一直默默“奉献”的底层大模型,却获利甚微,还面临着高成本和激烈竞争的巨大压力。


AI大模型行业,谁在吃肉,谁在喝汤?


1、利润之王:GPU和云厂商,AI应用


在AI造富浪潮中,第一批吃肉的就是AI硬件供应商和云计算服务商。以英伟达为例,该公司凭借其强大的GPU技术,成为全球领先的图形处理器制造商,其股价在过去几年中大幅上涨,今年6月份市值更是冲高至3.34万亿美元,一度成为全球市值最高的公司。微软也是如此,AI浪潮给这家早已暮气沉沉的老牌巨头带来了“回春丹”。微软2023财年营收为2119.15亿美元,其中智能云部门全年收入为918.3亿美元,同比增长25%。同样,国内的华为云、阿里云也借助AI东风,业务发展迅猛,云计算和AIoT显然已经成了新时代下国内外科技大厂,最具潜力的利润增长点和现金奶牛。


新浪潮下的另一批吃肉者,则是AI应用开发商和服务商。百度创始人李彦宏,曾在某论坛呼吁,国内AI产业应该把更多资源放在应用层,因为应用层更具备商业化能力和想象空间,甚至在未来可能出现改变世界的杀手级应用。虽然目前“现象级”的原生AI应用还没有出现,但各种AI自媒体、AI社群、AI工具服务商已大量面世,而且有些应用的DAU已经相当亮眼。随着市场的成熟,它们纷纷杀出一条血路,赚个盆满钵满,可能也只是时间问题。


2、基础大模型研发,仍是亏本买卖


与GPU/云服务提供商以及AI应用开发者的繁荣,形成鲜明对比的是,基础大模型的研发仍然是一个亏本的买卖。许多公司和研究机构在这个领域投入了巨额资金,但回报却远不及预期。


以OpenAI为例,据估算OpenAI今年运营总成本将在85亿美元左右,其中租用微软服务器运营费用约40亿美元,训练成本约30亿美元。但据OpenAI此前公开的信息,该公司今年全年收入才只有35—45亿美元。也就是说,烧了那么多年的钱,即使在跑通了用户订阅、开发者付费和微软分成等盈利模式的前提下,OpenAI依然要巨亏50亿。


背靠微软、最有指标意义和先发优势的OpenAI尚且如此,其他的大模型厂家也好不到哪里去。成功推出Claude大模型的Anthropic公司首席执行官达里奥·阿莫迪,7月份接受采访时曾明确表示,‌目前类似GPT-4o的模型训练成本约为1亿美元作用,‌而正在开发的AI大模型训练成本可能会高达10亿美元。即便如此,他依然认为10亿美元并非“终点”,他预测未来三年,随着技术的进步和模型规模的扩大,‌AI大模型的训练成本将上升至惊人的100亿美元甚至1000亿美元。


国内“AI6小龙”光景也非常类似。以KIMI母公司月之暗面为例,该公司自2023年成立以来,已先后融资约20亿美元,但依然不够烧,就在上个月又刚刚从腾讯等机构融了3亿美元续命。面对这种近乎“残暴”的烧钱法,中外大模型公司目前想方设法挣得那“仨瓜俩枣”,简直不值一提。在未来很长的一段时间内,估计大模型公司仍处在重投入期,还得继续赔本赚吆喝。


“AI微笑曲线”将如何演进?三个推论


1、GPU制造,估值将理性回归


在AI产业链中,GPU制造商英伟达无疑是利润之王,市值突破万亿美元,成为全球市值最高的半导体公司之一。但这一估值是否合理呢?要知道之前达到这一高度、跻身万亿俱乐部的科技公司,只有苹果、微软、谷歌、亚马逊寥寥数家。而这几家科技巨头都有一个明显的共同特点,就是它们在硬件、软件和服务之间形成了良好的生态闭环,而不是靠“一招鲜吃遍天”。但现在的英伟达主要靠GPU,打下一个万亿帝国,能守的住吗?英伟达4月份(一夜暴跌10%,市值蒸发2000亿)、9月初(单日下跌9.53%,市值一夜蒸发超2789亿美元)的两次暴跌,也许已经给了我们一些提示,它所撑起的万亿市值,可能藏着巨大的泡沫。


众所周知,英伟达的成功主要是因为它在全球GPU市场的超高份额。但随着AMD、Intel、华为等公司在这一领域的不断发力和追赶,英伟达在市场中的绝对霸主地位,将面临越来越严重的挑战,那么大的蛋糕,别的实力玩家怎么可能不惦记?一家独大、躺赚的垄断地位被打破,必然是迟早的事。因此, GPU制造估值的理性回归,也将成为必然,这也是英伟达近几年积极布局以太网等“第二增长曲线”,试图构建更完整生态闭环的重要原因。


2、基础大模型公司,将开发出C端杀手级应用


上文提到,李彦宏呼吁AI企业要在应用层发力,将来很可能出现杀手级应用。但有没有可能,这个杀手级应用就出现在大模型公司呢?自家有地,也有技术,为啥费尽心思耕好的田,非要让别人种庄稼呢?大模型既然能端出ChatGPT这种让人“炸裂”的开胃菜,为什么就不能期待它后面的盛宴呢?而且它们开发C端杀手级应用,有其先天优势:


1)大模型通用性和适应性优势:大模型具有处理多种任务的通用性,这使得它们可以被应用于不同的场景和领域,这种灵活性为开发多样化的C端应用提供了可能。


2)掌握核心技术优势:大模型公司通常拥有领先的技术和丰富的资源,掌握了训练大型语言模型的核心技术,对大模型的原理、架构和训练算法有深入的理解,这为他们开发出真正强大的C端应用,奠定了技术基础。


3)数据和算力优势:训练大规模的人工智能模型,需要巨大的算力和海量的训练数据。大模型公司不仅拥有强大的算力资源,还拥有全方位的数据获取渠道,持续训练和优化模型。


4)强大的内在需求:大模型公司的终极目标,就是开发出通用人工智能(AGI)系统。而开发出以大模型为底座的C端杀手级应用,正是通往AGI的关键一步,是他们发展路线的必经之路。


5)迫切的外部需求:目前大模型公司普遍处于亏损状态,迫切需要找到盈利模式,实现商业化突破。而开发出杀手级C端应用,则成了它们变现的最佳途径,这会倒逼它们全力以赴开发出真正意义上的杀手级应用。等“杀死”了市面上大部分AI应用,大模型公司也就自然而然开始赚钱了。


3、目前 80%的AI应用将被干死


经济学大师熊彼特有一个“创造性破坏”理论,该理论认为每一次大规模的创新,都淘汰旧的技术和生产体系,并建立起新的生产体系。在人工智能领域同样也存在“创造性破坏”,每一次大模型的升级,都会“破坏”一大批AI应用。


从本质上讲,大模型的每次升级,不仅仅是算法的优化、参数的增加、技术的迭代,更是对现有解决方案的重新定义。大模型的每一次升级,都可能引入更高效的问题解决方式,更精准的数据分析能力,甚至是全新的服务模式。而这些变革,相对那些依赖旧技术、旧模型的应用而言,无疑是降维碾压,毫无招架之力。


此外,大模型每一次升级,AI应用的门槛都会被不断抬高。新的模型和算法,必然需要更强大的计算能力和更多的数据支持。这对于许多小型或初创的AI应用公司来说,可能是一个难以逾越的障碍和挑战。因此,被市场淘汰或被逼离场,就成了大模型升级背景下,很多AI应用的无奈宿命。


有鉴于此,面对每次技术迭代和大模型升级,AI应用企业都要快速评估自身产品的特点和市场竞争力,并积极作出相应调整。有时候,落袋为安,主动离场,未尝不是应对风险的明智选择。


西方有句谚语:"能笑到最后的,才是笑得最好的”。目前的“AI微笑曲线”,只是人工智能发展浪潮中的一个阶段,GPU制造/云计算和AI应用,能一直占据“微笑弧度”的两端吗?底层大模型会甘心任劳任怨、潜伏在弧线的底部“干最多的活赚最少的钱”吗?K哥并不这么认为,也许哪天当前的“微笑弧线”来个180度翻转,也不是不可能,我们拭目以待。


文章来自于微信公众号“技术领导力”,作者“Mr.K”


关键词: AI , AI公司 , 大模型 , 人工智能
AITNT资源拓展
根据文章内容,系统为您匹配了更有价值的资源信息。内容由AI生成,仅供参考
1
免费使用GPT-4o

【免费】ffa.chat是一个完全免费的GPT-4o镜像站点,无需魔法付费,即可无限制使用GPT-4o等多个海外模型产品。

在线使用:https://ffa.chat/