自去年3月份以来，随着生成式人工智能技术的兴起，不少人开始意识到咱们国家的AI技术似乎跟美国相比还有一段距离，这让大家感到了不小的压力。

焦虑之下，许多创业者开始不加选择地投资到AI的底层技术中。虽然这导致了所谓的“百模大战”，看似繁荣，但实际上却造成了资源的浪费。今年，许多致力于大型模型的创业公司都开始面临经营上的困境。

显而易见AI创业的盈利模式已经发生了翻天覆地的变化。

目前中国经济正处于转型期，正从传统的PC互联网和移动互联网时代，迈向以AI为主导的新经济时代。

这个转型期既是充满机遇的黄金时代，也伴随着不少挑战。对于每一位创业者来说洞察商业趋势并顺势而为，是他们必须练就的关键技能。

我有个强烈的预感，今年可能会成为AI创业者回归商业逻辑的元年。

那些没有稳定商业模式支撑的大模型公司，想要走得远，就是天方夜谭。

没有自己的数据和用户场景，形成不了数据闭环，持续优化也就成了空谈，这样的独立大模型公司，很难构筑起长久的竞争壁垒。

在美国顶尖的大模型公司确实融到了巨资，背后还有强大的支持者。但对于二线公司来说，现在可能还值点钱，明年可能就一文不值了。

大公司收购小团队，主要是为了人才，而不是技术，所以出价不会太高。

举个例子，Inflection曾是估值超过10亿美元的独角兽，微软曾对其投资近15亿美元。但最近，Inflection的团队几乎都被微软挖角了。市值高达3万亿美元的微软，在收购时，给投资者的回报仅仅是本金加上一点利息。

在国内，大模型公司之间的价格战愈演愈烈，原本价值数十万的汉字服务，现在仅需一元，几乎等于白送，明年可能完全免费。

大公司这么做，是为了推广自家的算力和云服务。你买我的云服务，我就免费开放大模型API给你用。但这样的定价，对于创业型大模型公司来说，已经低于成本价，几乎没有人敢跟进。

中国大厂自家的亲儿子，这次竟然比领养的孩子表现得还要好，这在以前是难以想象的。

通常来说，中国互联网大厂如果自己的团队不够强，比不上创业公司，才会选择投资创业公司。尽管阿里之前投资了5家大模型公司，但通义千问的表现却超越了这五家公司，这让大模型创业公司的日子越来越难过。

最近苹果发布了自家的AI功能，苹果手机用户无需注册，就能直接使用OpenAI的ChatGPT服务。

这背后的潜台词是：我不给你导流，用户还是我的，而且我随时可以在后台切换到其他大模型。

据悉，Google正在和苹果谈判，想要在苹果手机上预装Gemini大模型，正在讨论价格。毕竟，Google每年要支付给苹果超过100亿美元，只为了让iPhone的默认搜索引擎是Google。

目前，Gemini和GPT-4相比还有些许差距。但如果今年GPT-5不发布，Gemini年底赶上GPT-4基本上是板上钉钉的事。

到那时，苹果手机后台到底会更多地支持OpenAI，还是Gemini，甚至是苹果自家的大模型，还有待观察。

我们常说的“价值微笑曲线”，左边是英伟达，赚得盆满钵满；右边可能是微软、苹果这样的应用型公司；而最底层的，可能就是那些大模型公司。

现在，不少人认为只要给产品加上AI，就能让它们变得好卖，但现实却不是这样。

一些中国的制造商在引入AI后，虽然觉得自己的产品变聪明了，但用户体验和预期之间还是有很大差距。在美国情况也差不多，尽管AI看起来很吸引人，但真正要让它落地，却不是那么简单的。

AI落地难，主要有两个原因：首先是幻觉问题，其次是结果的不确定性。

AI一旦产生幻觉，就会出错，而且你无法预知错误何时发生，每次的结果还可能各不相同，这就让结果变得不可预测。

随着对幻觉问题研究的深入，人们发现，脏数据是导致幻觉的核心原因。很多用于训练大型模型的数据都来自公开的互联网，而这些数据中有很多是不准确的。

上个月，谷歌就出了个乌龙：

你精心准备了所有材料，把披萨放进烤箱，期待着一顿美味的晚餐。但当你急不可耐地想尝一口时，却发现奶酪掉了下来。你感到沮丧，于是上网求助谷歌。

谷歌的回答是：“加点胶水，混合大约1/8杯的胶水和酱汁。无毒胶水会更有效。”

这个回答实际上是网友十多年前编的一个笑话，但大型模型却认为这是正确的。

听说美国的创业者们对GPT-5年底能否如期发布，以及它是否能在推理能力上比GPT-4有显著提升，都持怀疑态度。

硅谷的共识是，可能需要至少十万张，甚至二三十万张GPU卡，才能实现性能的显著提升。但即使你拥有这些硬件，如果没有足够的数据来训练，也是白搭。

快手最近推出的「可灵」，不知道大家有没有试过？它生成的视频内容比Sora的还要出色。

快手之所以能做得更好，是因为他们本身就在短视频领域深耕，积累了大量的训练数据。而Sora是否使用了爬取YouTube的数据进行训练，他们都不敢肯定。

快手的成功证明了，拥有大量高质量的数据，比单纯拥有众多GPU卡更为重要。用更多的数据，可以训练出更优秀的模型。

因此中国在AI技术上并不逊色于美国，关键在于我们能否积累足够的高质量数据。

目前GPT-4在许多文本场景下已经能够满足大部分需求，但它在处理需要多步推理的复杂逻辑时，准确率还有待提高。如果每一步推理的准确率只有90%到95%，那么经过多步迭代后，最终的准确率可能就会降到50%以下。

中国企业通过使用私有数据来训练模型，可以在很大程度上减少幻觉问题，提高准确率。关键在于，你是否能够积累到足够多的高质量数据。

例如，去年一些从事微商的一团队，就很容易地用大模型取代了一半的人力，原因就是他们积累了大量团队与用户之间的对话数据。

苹果的发布会不仅展示了新产品，还重新定义了AI的概念和“入口为王”

对于大多数企业而言，关键不在于拥有多么先进的AI技术，而在于能否提供令人惊叹的用户体验。

创造卓越的用户体验是一项艰巨的任务，但这正是苹果所擅长的。

最近，我与一些创业者交流，发现许多人对AI在消费电子和宠物领域的应用充满期待。市场上出现了许多结合AI的消费电子产品。

然而我认为这些产品在体验上还没有达到令人惊艳的地步。例如，我购买的AI宠物狗，智能程度还远远不够，感觉像是落后了一个时代。

要让消费者愿意掏腰包，产品必须有让人尖叫的亮点。

目前，大型通用模型市场几乎被行业巨头所垄断，但在中国，垂直应用场景丰富，数据资源也极为丰富，因此，创业者应该将目光投向这些垂直领域。

举个例子，有一家专门为中国电厂提供信息系统维护的公司，他们找到了一个非常独特的应用场景——派工单。

电网维护是一项风险极高的工作，一旦发生事故，后果可能非常严重。过去，电厂派发工单时，每个工单可能包含数百个步骤，完成一个工单需要两三天时间，并且需要人工反复核对。

去年，这家公司仅用两三个月的时间，就让大模型学习了过去几年的工单数据，将派单时间缩短到了2分钟。半年后，他们发现大模型的准确度甚至超过了人工设置。

这种垂直场景对于外行来说是无法触及的，只有深入到特定行业，才能发现这些机会。

一旦找到这样的尖刀场景，就要尽快建立数据闭环，锁定客户。

对于创业者来说，找到好的应用场景并不需要大量的资金投入。如果10个人找不到好场景，那么即使增加到100人也是徒劳。因此，一些企业计划投入数千万，建立数百人的团队去做AIGC，这实际上是一个错误的方向。

深圳有一家公司叫HeyGen，后来搬到了美国，他们做的是数字人。这个场景很简单，以前在抖音或TikTok上发布短视频需要真人反复录制，非常耗时。

现在，使用数字人，只需上传几张照片，输入视频文案，就可以自动生成一分钟的短视频。虽然国内数字人的价格已经非常低廉，但在美国市场仍然有很好的销售。这样一个简单的产品，很快就实现了年收入3500万美元。

因此要快速开发最小可行产品（MVP），并进行快速试错和迭代。HeyGen在半年内迭代了30个版本。

找到好的应用场景后，关键是测试用户是否愿意为之付费。只要用户愿意买单，你就可以做得更深入、更专业。

我认为，中国企业并不比美国落后,特别是今年，如果年底GPT-5没有发布，明年开始在应用层面的竞争，中国可能会领先美国很多。

现在，通过AI机器人在直播间自动回答用户的提问，这种产品非常畅销。这个场景看似简单，但实际上非常有效。首先，它容易训练，可以使用以前的产品描述和对话记录来训练垂直大模型，避免幻觉；其次，它具有较高的容错性，即使有些许误差，也不会太敏感。

许多垂直行业的软件，只要找到痛点场景，加上AI功能就变得容易。因为你积累的垂直数据就是你的竞争优势。相反，AI创业公司想要快速找到好的应用场景和垂直数据就变得非常困难。

最近英伟达的市值攀升至全球首位，这与过去20年的趋势不谋而合。无论是PC互联网还是移动互联网，每一波技术革新的初期，硬件设施总是最先受益。

回想2000年，思科曾是全球市值最高的巨头。但不久之后，谷歌、苹果、Facebook、亚马逊等应用层的公司便超越了它，它们创造的价值是思科的十倍。

现在，许多国内的开源模型在很多应用场景中的表现已经不逊色于闭源模型，足以支持中国AI应用的快速发展。

特别是在中文领域，阿里的通义千问甚至超越了Llama 3。因此，许多创业公司选择使用参数量达千万级的开源模型来训练自己的垂直应用模型。

我坚信，AI将是未来十年的黄金赛道，应用层将孕育出巨大的价值。

在接下来的十年里，AI将重塑所有的软件、消费电子和消费端应用，这将是一个充满无限可能的新时代。

在此，我想对所有创业者说三句话：

不积极拥抱AI的企业将面临淘汰。

不要盲目迷信AI，而应专注于具体的应用场景，快速实现落地。

持续优化用户体验，形成数据闭环。

END：

最后我想说的是：写作是一件能让你一直受益的事，所以你应该坚持不懈地去做，不要放弃！

我是大象，一个专注于AI写作的自媒体玩家，最近做课很忙，但是我们对AI的学习和教学一直没停过。 很多学员觉得AI变化太快了，跟不上它的步伐，其实不用急，只要我们不断地学习AI，努力地跟上，就不会被时代落下。