文：互聯(lián)網(wǎng)江湖

大模型似乎沒能帶來更多的估值上的想象力。

今年3月14日，OpenAI發(fā)布GPT-4，大模型理解能力、可靠性有了進(jìn)一步提升。兩天后，百度聞心一言正式發(fā)布，直到8月底，文一言才正式向大眾開放服務(wù)。

百度之外，科大訊飛5月6日發(fā)布星火大模型，9月5日，面向全民開放。商湯方面。4月份，發(fā)布日日新大模型體系，8月底，日日新大模型獲批。騰訊渾元、阿里通以千問，也紛紛跑步入場。

如今，首個國產(chǎn)大模型亮相半年過去了，各家資本市場表現(xiàn)如何？

百度3月14日港收盤股價129港元，9月18日收盤132.2港元。

商湯4月11日收盤3.33港元，9月18日收盤股價1.46港元。

科大訊飛5月8日收盤63.76元，9月18日收盤48.38元。

……

對于大模型概念，確實(shí)喧囂過，但是目前來看，繁華褪盡，市場似乎并不買賬。

8月15日，《生成式人工智能服務(wù)管理辦法（征求意見稿）》開始施行，AIGC產(chǎn)品合規(guī)之路明朗，于是，國產(chǎn)大模型密集發(fā)布，百度、訊飛、商湯等一眾大模型玩家開始搶奪ToC市場。

那么人們手機(jī)中的“第一個大模型應(yīng)用”能不能成為AI生成的“第一入口”？值得深究。

大模型“內(nèi)卷”到前臺，AI落地半場開香檳？

可以確定的一點(diǎn)是，走到前臺，市場期待的是應(yīng)用意義上的“產(chǎn)品化”。大模型能夠解決什么樣的客觀問題，能解決問題的應(yīng)用，才是有商業(yè)價值的應(yīng)用。

大模型最直接的應(yīng)用，是語音助手。

大模型強(qiáng)化一波語音交互應(yīng)用，可能會給某些硬件行業(yè)帶來“第二春”，比如智能音箱有了新賣點(diǎn)，小度智能音箱可能會找到新的增長點(diǎn)。

語音助手領(lǐng)域的應(yīng)用，最順利的可能還是汽車。

文心一言收獲了吉利、長城、紅旗、東風(fēng)日產(chǎn)、嵐圖，ChatGPT接入奔馳，星火大模型接入廣汽，華為盤古接入賽力斯……這也是大模型最容易商業(yè)化的場景之一。畢竟，對于車載場景來說，語音助手應(yīng)用是剛需，也是比較成熟的B端落地領(lǐng)域。

大模型向C端滲透過程中，雖然已經(jīng)邁出重要的一步，但距離真正的大規(guī)模應(yīng)用，恐怕還有距離。

如今的歡呼，倒像是半場開香檳，現(xiàn)實(shí)是大模型還遠(yuǎn)未到成熟的階段。

人們需要接受的是，大模型看起來很強(qiáng)，但你真正用它去解決問題的時候，會發(fā)現(xiàn)真正沒有那么的強(qiáng)。

對于一些最實(shí)際的，哪怕是簡單的需求，大模型都還沒有辦法滿足，背后有數(shù)據(jù)的問題，生態(tài)的問題，但歸根到底，還是只能有限地解決實(shí)際需求。

首先是數(shù)據(jù)新鮮度的問題。在實(shí)際的使用過程中，我們發(fā)現(xiàn)，同樣的問題，大模型給出的答案甚至不如搜索。

這是百度搜索給出的答案：

這是文心一言給出的答案：

從時效性以及準(zhǔn)確度來說，反而是搜索更符合常理，也更符合人們對于真實(shí)場景的認(rèn)知。

“凡是要跟語言文字或程序代碼打交道的應(yīng)用場景，都可能有文心一言的用武之地。”王海峰曾對外界表示。

的確，大模型的應(yīng)用場景很大，但現(xiàn)實(shí)是，真實(shí)的需求場景中，當(dāng)下的大模型產(chǎn)品似乎還有不少能夠提升的空間。

相比文心一言，訊飛星火大模型給出了答案，但時間是2022年度上市公司排名，并不是當(dāng)下最新的數(shù)據(jù)，也同樣是數(shù)據(jù)新鮮度的問題。

數(shù)據(jù)新鮮度的問題，本質(zhì)上是數(shù)據(jù)生態(tài)的孤島問題。

對于某些垂直領(lǐng)域的提問，大模型給出的答案無論是從專業(yè)度上還是從時效性上都似乎不能滿足人們的需要。這可能是因?yàn)�，無論是文一言，或是星火大模型，大家對垂直領(lǐng)域的數(shù)據(jù)訓(xùn)練其實(shí)還不夠。

比如，對于財經(jīng)信息方面，大模型給出結(jié)果可能還不如財經(jīng)信息網(wǎng)站上搜到的結(jié)果準(zhǔn)確，可用，當(dāng)然這里面可能會涉及版權(quán)的問題，但本質(zhì)上其實(shí)就是數(shù)據(jù)生態(tài)的孤島的問題。

拿ChatGPT來說， OpenAI、Google 及其支持的 Anthropic 多年來一直在使用其他網(wǎng)站或公司的在線內(nèi)容來訓(xùn)練他們的生成式 AI 模型，雖然數(shù)據(jù)的量有保證了，但也有潛在的法律問題。

當(dāng)大模型走向前臺，這種數(shù)據(jù)孤島問題會更加突出。因?yàn)橛脩舨辉诤跄阍趺传@取數(shù)據(jù)，用戶只在乎，你的工具好不好用。

天眼查APP搜索大模型，相關(guān)結(jié)果有100多家，雖然其中也有不少大模型都發(fā)布了各自的APP，但目前來看真正好用的其實(shí)不多，大量用戶涌入還是因?yàn)橛行迈r感，大模型在C端應(yīng)用方面做的工作其實(shí)也還很有限。

比如，用戶想把一張2K分辨率的圖片清晰度生成為4K，其實(shí)技術(shù)上并不復(fù)雜，但大模型卻給不出結(jié)果，對于普通用戶來說。用過一次不好用，恐怕就很難再堅持用下去了。

就像曾經(jīng)的智能音箱、語音助手， 其實(shí)大家手機(jī)里都有AI語音助手，為什么使用的頻率并不高？其實(shí)還是因?yàn)椴缓糜�。所以，對于百度、訊飛甚至商湯來說，挑戰(zhàn)不在于能不能把C端的應(yīng)用做出來，而在于做的夠不夠好。

百度產(chǎn)品上比較成功的就是百度搜索，智能搜索的確很強(qiáng)大，但大模型產(chǎn)品能不能做到像搜索一樣的水平，需要打一個問號。

對訊飛而言，一些硬件產(chǎn)品做得不錯，但考驗(yàn)在于軟件產(chǎn)品的定義能力；對于商湯來說，ToB的應(yīng)用做了不少，但ToC顯然還是需要更多的經(jīng)驗(yàn)。

目前來看，國產(chǎn)ToC的大模型差異化并不大，大多是內(nèi)容創(chuàng)作、AI繪畫、翻譯、AI辦公等場景應(yīng)用，也能幫助人解決一些實(shí)際的問題，比如生成會議大綱，給PPT寫提綱、寫研報、寫工作日報。

但接下來，能不能ToC的大模型真正做成“爆款”，做出差異化，恐怕考驗(yàn)的就不僅是AI技術(shù)了。

大模型產(chǎn)品化的窗口期不多了

大模型落地B端的一個最大阻礙是不能理解業(yè)務(wù)。

舉個例子，金融領(lǐng)域是強(qiáng)數(shù)據(jù)導(dǎo)向的領(lǐng)域，人們需要在數(shù)據(jù)的基礎(chǔ)上去做決策，如果把大量的數(shù)據(jù)以及金融理論用來訓(xùn)練AI，那么面對瞬息萬變的市場，大模型的決策有多少的準(zhǔn)確度？用戶敢不敢用？

之前馬斯克曾表示，F(xiàn)SD V12幾乎完全是神經(jīng)網(wǎng)絡(luò)，構(gòu)筑了一套端到端自動駕駛技術(shù)。也就是說，端到端的信息輸入輸出過程是一個“黑箱”。

你不知道AI是怎么具體做決策的，但是你最終會得到一個可用的結(jié)果。

大多數(shù)時候，這樣的應(yīng)用是沒有問題的，比如出行領(lǐng)域，人們需要的是安全到達(dá)目的地，即便是決策黑箱的問題存在，但并不影響實(shí)際應(yīng)用。

決策黑箱最大的問題是決策信任的問題，云到端的大模型也有類似的問題。

比如，你問大模型一個問題，AI問題給出的答案夠不夠真實(shí)可信？這個問題還需要花大力氣解決。簡單點(diǎn)說，要去教大模型什么樣的結(jié)果是正確的，是易用的，這就需要不斷把模型的輸出結(jié)果跟現(xiàn)實(shí)去“對齊”。

這也是大模型落地C端的一個重要挑戰(zhàn)。

輸出結(jié)果的真實(shí)性，有效性能不能得到最基本的保證？這是大模型應(yīng)用能否真正迎來大爆發(fā)需要解決的前置問題。

過去ChatGPT花了大量的成本去做這個件事，文心一言，星火大模以及商湯的日日新大模型顯然也需要經(jīng)歷這個過程。

目前階段，通用大模型的應(yīng)用熱更像是人們的一場自嗨，公司發(fā)布大模型往往會伴隨著一系列的公關(guān)活動，但除此之外，能給B端公司帶來怎樣的效益增量，仍然沒有一個較為清晰的方案，只是空有一句“AI智能化大模型降本提效”的公關(guān)話術(shù)。

這種品宣做“巨人”業(yè)務(wù)上做“矮子”的現(xiàn)狀，無非是想打上大模型的標(biāo)簽，好讓二級市場高看自己一眼。不過，市場已經(jīng)在用腳投票，最終還是會看實(shí)際的商業(yè)化表現(xiàn)。

互聯(lián)網(wǎng)江湖認(rèn)為，如果說過去大模型的價值，在于對科技企業(yè)的“標(biāo)簽化”想要在二級市場謀個好價格，那么接下來能不能活下去，就在于能否完成“產(chǎn)品化”，真正靠應(yīng)用能力“打天下”。

硅谷教父彼得·蒂爾曾說，喜歡給自己貼標(biāo)簽賽道標(biāo)簽的公司幾乎都是不可投資的那一檔，他曾經(jīng)這樣表達(dá)這個觀點(diǎn)：“我對一切主題熱點(diǎn)投資都抱有懷疑態(tài)度，一般來說這樣的投資毫無區(qū)分度。大家很喜歡把一大堆完全不同的東西放進(jìn)一個熱點(diǎn)中，標(biāo)簽是，云計算，大數(shù)據(jù)，人工智能，醫(yī)療SaaS等等，但是實(shí)際上是底層卻完全沒有區(qū)分度的公司。”

大模型也是如此。

事實(shí)上，AI賽道的泡沫被擠出之后，市場清楚地知道，大模型真正的價值還是在于產(chǎn)品化。而產(chǎn)品化的關(guān)鍵，不僅是技術(shù)的比拼，也是產(chǎn)品經(jīng)理能力的比拼。

在這一點(diǎn)上，上個時代的“王者”們（比如阿里、騰訊）可能比百度們更有經(jīng)驗(yàn)和話語權(quán)。

一方面，產(chǎn)品化的關(guān)鍵在于能夠精準(zhǔn)定義用戶需求。

比如，大家目前都比較青睞于去做AI原生應(yīng)用，但AI原生應(yīng)用如何能夠更好地去滿足用戶的實(shí)際需求，靠的還是產(chǎn)品定義。

另一方面，產(chǎn)品化之后，大模型才有差異化，而商業(yè)化其實(shí)是產(chǎn)品化自然而然的結(jié)果。

在體驗(yàn)過各家發(fā)布的大模型產(chǎn)品后，有這么一種強(qiáng)烈的感覺，雖然叫不同的名字，但大家的產(chǎn)品并沒有太多差異，能夠完成的任務(wù)類型都差不多。

比如，剛開始用文心一言，你會覺得確實(shí)很厲害，什么問題都能給出答案，一旦涉及稍微深度點(diǎn)的內(nèi)容，就會發(fā)現(xiàn)他給出的答案太公式化，而且大多數(shù)時候像是空話、套話。

不只是文心一言、訊飛的星火大模型、商湯的商量SenseChat，大家表現(xiàn)其實(shí)都差不太多。

本質(zhì)上，這是因?yàn)榇竽Ｐ捅举|(zhì)上不是強(qiáng)人工智能，還是需要靠數(shù)據(jù)去不斷訓(xùn)練，并不是真正意義上根據(jù)信息去做判斷。所以差異化的關(guān)鍵，還是在于最終的應(yīng)用產(chǎn)品。

互聯(lián)網(wǎng)江湖認(rèn)為，大模型產(chǎn)品不僅需要靠場景“吸引住”用戶，更需要用體驗(yàn)來留住用戶，甚至激發(fā)用戶的付費(fèi)意愿。

目前來看，通過審批的這些大模型應(yīng)用產(chǎn)品集中了覆蓋用戶日常大部分場景的工具，從工作到文娛各個方向的應(yīng)用都已經(jīng)開始出現(xiàn)，想要成為新的入口。

問題在于，大多數(shù)用戶還是處于嘗鮮的狀態(tài)，用來解決實(shí)際問題的用戶可能并不多。原因可能還是在產(chǎn)品應(yīng)用上。

就拿檢查錯別字這個簡單的需求來說，從親身的使用體驗(yàn)來講，目前市面上的主流的大模型應(yīng)用做得都不怎么好，反倒是一些專門做文章校對的垂直平臺，用戶體驗(yàn)要好得多。作為一個文字工作者來說，對于這樣的產(chǎn)品其實(shí)有很強(qiáng)的付費(fèi)意愿。

不僅是文字工作，代碼生成、圖片生成也是如此，目前的大模型初步解決了“能不能用”的問題，但真正的關(guān)鍵是要解決“好不好用”的問題。

所以，這些細(xì)分應(yīng)用上的產(chǎn)品能力，可能會是用戶能不能真正把大模型用起來的關(guān)鍵。

用戶大量用起來之后，用來訓(xùn)練AI的數(shù)據(jù)足夠多，AI大模型的能力便能夠突飛猛進(jìn)。ChatGPT真正的起飛，也是在大量用戶涌入之后。

可以預(yù)見的是，大模型開放之后，AI原生應(yīng)用會出現(xiàn)一波爆發(fā)，而在應(yīng)用爆發(fā)之后，能夠有多少用戶留下來，可能是“文心一言”們需要深入思考的問題。

“想在‘百模大戰(zhàn)’之中笑到最后，還是得看究竟會有多少用戶愿意花真金白銀買單。”行業(yè)觀察人士劉宇表示。

ChatGPT用戶過億后，開始對C端收取訂閱費(fèi)用，每月20美元，而且針對B端專門推出了企業(yè)版。這說明OpenAI的思路在轉(zhuǎn)變，從做技術(shù)轉(zhuǎn)變?yōu)樽霎a(chǎn)品。當(dāng)然，前提是ChatGPT已經(jīng)證明了能夠去解決更多的實(shí)際問題。

國產(chǎn)大模型，達(dá)到GPT4的水平還需要一年，也就是說，真正留給大模型玩家去定義、完善大模型AI原生應(yīng)用的窗口期還有一年。接下來，如何去做好這方面的工作，進(jìn)一步提升大模型的數(shù)據(jù)時效問題，可能才是關(guān)鍵。

寫在最后：

喬布斯和iPhone的成功證明，真正出彩的不是永遠(yuǎn)都不是技術(shù)，而是產(chǎn)品。

如何做好應(yīng)用產(chǎn)品，可能是大模型玩家們需要更明確的目標(biāo)�？梢灶A(yù)見的是，接下來C端應(yīng)用的確都需要用大模型重做一遍，這對百度、訊飛、商湯來說，無疑是一次機(jī)遇。

AI行業(yè)從來不缺等風(fēng)者，但真正缺的是造風(fēng)者，接下來到了真刀真槍的戰(zhàn)場，誰能一呼百應(yīng)打開大模型應(yīng)用的金礦，我們且行且看。

       原文標(biāo)題 : 大模型To C落地，AI商業(yè)化半場開香檳？