国产AI应用新局势解析 全球AI产品情况：统计了约1万款AI产品，访问量定义基于30分钟内刷新次数计为一次访问，ChatGPT月访问量16亿，增长1.08%；new bin降7.87%至13.4亿；Google's Germinal增至3.26亿。 国内AI产品情况：总体下降约20%，受春节影响，显现AI产品尚未真正融入日常场景；Kimi月访问量增长迅速，短短数月冲破100万；Pigsworth访问量增至124万；文心一言和阿里通用千问分别下降33.43%至1000万和45.05%至365万。 Kimi产品分析：核心团队来自清华计算机，模型基于清华系，团队小但优秀；产品上线四个月，用户增长18倍至300万，不含小程序和APP量；功能与场景上与其他AI聊天机器人无显著区别。 2. 国产AI模型创新与挑战 产品发展逻辑：该公司坚持第一性原理，强调模型的scaling和用户的skating，专注于通用模型开发，没有选择垂直应用场景。目的是利用大数据场景和大量用户支撑模型发展。 技术创新突破：公司模型所能处理的上下文量大幅超越市场常见标准，达到20万汉字，提供了较其他大模型更好的体验和应用层面的体感。依赖自研技术和创新算法达到了高效的模型scaling。 核心优势展示：公司能够准确处理长篇上下文，并保持对原始信息的高度忠诚度。同时，有能力准确遵循指令，从大量上下文中抽取准确的信息。旨在通过高忠诚度和精确的指令遵循能力提升技术优势。 3. AI性价比与市场趋势解析 国内AI模型性价比高：国内某AI模型性价比凸显，相比于知名模型GPT-4价格低廉，效果却类似，引发市场讨论。 月之暗面公司产品定位与策略：月之暗面公司坚定AGI信仰，聚焦于开发长效上下文处理能力的产品，拒绝B端市场，专注C端。 AI应用趋势：AI前100应用，角色扮演类别有望催生新产品。搜索和聊天机器人应用见顶，增长放缓。 4. AI与搜索产品市场动态分析 AI在线时长下降：特定AI产品的在线时长上月明显下降超50%，可能受到其他角色扮演类产品上市的影响或其他原因。 搜索类产品前景：搜索场景特化产品如Perplexity和DEVV及代码搜索功能受关注；360在域名搜索.com上新功能，有待观察三月份用户量增长。 搜索产品提升的关键在于优化用户体验和搜索索引(index)上的优势，如360和百度在自己领域内各有优势。 聊天机器人用户留存挑战：尽管聊天机器人吸引用户兴趣，但留存难以实现导致难以持续增长。KIMI通过优化模型的体验和上下文力留存用户，着重个性化构建。 新型聊天助理应用场景构建：通过用户数据积累和个性化交互，可能创造聊天机器人作为个人助理的新应用场景。 5. 应用优化驱动AI产品增长 Kimi和Pixwords产品用户量大幅增长，重点在于他们除了优化卷模型本身之外，还提高了AI产品的用户体验。 国内卷模型众多，却很少有企业专注于卷应用的用户体验优化，而Kimi和Pixwords正是通过这样的优化快速增长用户量。 基于当前的增长路径和流程，Kimi未来大概率不会推出新产品，而是继续在现有产品上优化以获得更高的用户增长。 6. 用户增长与产品极致 Kimi产品洞察：核心逻辑是利用大规模用户行为数据不断优化产品功能，避免开发新产品来追求增长。 用户增长与产品优化：分享功能引入AI产品，增强用户反馈对模型训练的影响，创新应用促进数据循环，提升用户留存。 专注与体验至上：优先级高的功能（如视频高清化）满足特定用户需求，结合AI模型能力与用户体验优化，打造差异化产品。 7. 人才与资金并重 阿里巴巴考量：对于AI的投资，重要的两个核心是人才和资金。阿里拥有充裕资金并自己也在加大投入，同时投资于外部天才型人才。 AI发展逻辑：通用人工智能（AGI）难以从大型公司产生，因为历史规律表明，创新型产品往往不在大厂中诞生。 8. AI模型的应用场景与市场竞争 公司及产品市场竞争力分析：ATI 和 ChatGPT 拥有大量活跃用户（MAU），但面临应用场景不足的问题，导致增长受限。 市场发展趋势观察：腾讯等大厂原有的用户基础有助于其AI产品的生长，但现在可能需要与如kimi等拥有更先进模型和技术的公司合作，以创建更个性化丰富的应用场景。 海外巨头创新困境：谷歌等公司在前沿技术研究领域有成果，但将研究成果商业化并融入现有业务存在难度。含僵化管理，可能走向管理层重大换血。 9. 未来模型发展及应用趋势 随着模型上下文能力的提升，如GPT4.5已知消息上下文溯源能力可达到现有水平的10倍甚至20倍，旧模型存储和外挂矢量数据库的需求可能降低。 上下文能力增长使得本地的存储和处理能力增强，不过要兼顾成本和效率，只有这两者变得更优时，外挂模型才可能逐渐被取代。 安全问题仍是企业考虑使用新模型的重要因素，特殊数据可能需要存放在私有云上，并进行独立处理。 Q&A Q：全球AI产品的访问量趋势如何? A：上个月全球AI产品的访问量增量只有几个点，其中ChatGPT的月访问量只增长了1.08%，前一个月增长了3%点几，整体的月访问量是16亿，但与传统超级应用相比，至少差5到8倍。第二的new bin月访问量降了7.87%，为13.4亿。谷歌的germinal因整合了邦德的流量，月访问量有了较多增长，但总量也只有3.26亿。而AR产品carrot和character AI的特征是时长的增长，但最近只有20多分钟，较上月的40分钟有所下降。 Q：国内AI产品的访问量情况如何？ A：国内AI产品上个月的整体趋势普遍下降，总量大概降了20%左右，这与春节期间的消费行为有较强相关性。表现比较好的有kimi和pigs worth，其中pigs worth月访问量翻了两倍到124万。文心一言则掉了33.43%，降至1000万的月访问量。阿里的通义千问上个月降了45.05%，至365万月访问量。出门问问的魔音工坊下降较少，只降了4.26%，至200万月访问量。 Q：kimi产品的访问量增长情况如何？ A：kimi在短短一两个月内的月活已经冲破了100万。它的增长速度较快，但并非绝无仅有，其他产品如pigsworth的增长也很迅速。kimi的月访问量在短短四个月内增长了18倍，从十几万用户到现在的三百多万，这个数据还不包括小程序和APP的量。 Q：为什么有些模型能实现增长？ A：这根据产品的逻辑有关。所谓的“第一性原理”中，模型的scaling（扩展性) 和用户的增长(skating) 非常关键。这些模型不依赖垂直应用场景，而是采用通用模型，这也是他们起初发展方向的根本。 Q：这个模型的参数量有多大，是基于现有技术还是自研？ A：目前，他们没有公布具体的参数量，但可以确定是自研。他们的模型支持极长的上下文理解，达到了20万汉字的长度，这远超现有模型如GPT-4的能力，展现了在应用层面较好的体验。关于模型如何做到支持20万汉字的上下文，这还是市场上的一个疑问。 Q：他们在技术上是否有什么特殊之处？ A：他们使用的是现有架构的创新，依然是基于transformer模型。尽管没有向外界公布太多技术细节，但是他们在技术方面毋庸置疑有所不同，尤其是在支持长篇上下文的处理能力上。重要的是，他们的模型在处理长篇上下文时保持了信息的忠诚度以及遵循特定指令的能力。例如在测试西游记的内容时，模型不仅能处理长文，也能忠实地根据文中内容给出回应，并根据用户的指令提取和理解西游记中的人物关系。 Q：模型的长上下文处理能力有什么重要特性？ A：长上下文处理能力不仅仅局限于支持文本的长度，更重要的是两点：第一，模型对于上下文内容的忠实度。也就是说，在处理20万字的长文时，输出内容要忠实于原文。第二，模型需要有良好的指令遵循能力，能根据用户指令准确执行任务，并且在文本发生变化时仍然能保持此能力。 Q：现在的某些国内模型支持达20万，但是其指令遵循能力和忠实原始信息的能力尚未得到测试，您怎么看？ A：针对这些新型号的模型，市场最为关注的是其上下文理解能力，据观察，这已经超越了现行的GPT-4模型。尽管还需要进一步的测试确认，但这种技术进步说明了业界向高性能模型迈进的趋势。 Q：关于kimi模型的价格与市场反应，您能提供更多信息吗？ A：kimi模型因其高性价比受到市场的广泛讨论。据市场资料显示，其价格只有同类产品GGGM4的1/8，而性能上却有明显优势。一个GGGM4的token定价是0.1人民币，kimi的定价因此显得非常有竞争力。市场对此表达了很大的惊艳，认为kimi在性价比方面具有领先优势。 Q：您如何解释kimi模型相较于其他模型性价比之高的原因？ A：kimi模型性价比高的原因主要有两个方面：第一，性能优化上的创新可能降低了对GPU的需求；第二，公司策略上可能更多地利用API的调用来进行模型训练，从而降低了成本。这也带来了另一个疑问，即API的商业化是否能够盈利支撑这种低成本运营。 Q：关于kimi模型定位及其策略有什么信息可以分享？ A：据我所知，kimi模型背后的团队坚信于AGI（人工通用智能）的前景，并致力于长线战略。自公司成立伊始，他们即聚焦于面向C端用户的产品，这意味着他们旨在满足数量巨大的终端用户群体，而不是专注于B端企业市场。 Q：关于kimi模型的数据来源有何信息？此外，该模型与其他业内模型在技术水平上的对比如何？ A：kimi模型的数据来源包括公共数据和付费数据，如GPT-4的数据。在中文体感方面，kimi模型与GPT-3.5处于相似水平，用户难以区分两者之间的差异。与GPT-3.5相比，kimi提供了近似的用户体验，但以更低的成本。 Q：您如何看待AI应用中C端和B端的发展趋势？ A：在C端应用范围内，当前全球最受欢迎的几大类包括搜索、聊天机器人和角色扮演。不过，从最近几个月的数据观察来看，这些类别的增长已接近饱和。角色扮演类应用被认为是最有潜力推出新产品的领域，例如珠海团队开发的crackdown crash on产品，已经取得了超过1653万的用户量。在AI应用趋势上，我们可以预见角色扮演类产品将会有更多的突破和新产品出现。 Q：AI数据的下滑是否因为同类角色扮演产品的市场变化，还是有其他原因？ A：AI产品的在线时长下滑超过50%，主要市场在海外。国内由于政策限制和产品的边缘内容，这类产品的增量存在，但主要发展在海外市场。由于某些产品可能会面临封禁，使得其用户量剧烈波动。 Q：搜索类产品在市场上的表现如何？ A：搜索产品，特别是垂直领域的，例如代码搜索功能，正在国内外不同团队的推动下发展。即便如此，其成功很大程度上取决于用户体验的优化，以及是否具备原有的搜索引擎索引优势。百度和360在这方面拥有先发优势。例如，DEVV在短时间内实现了10万美元的营收，未来可能追求达到每月100万美元的目标。 Q：聊天机器人产品是否有实际的应用场景？ A：目前，诸如ChatGPT之类的聊天机器人产品并没有明确的应用场景，但其月活跃用户约有2.5亿，表明用户对这类产品有兴趣。但难以留存，因而增长受限。Kimi因其优良的模型体验和长文本理解能力吸引用户分享，促进流量增长。留存和个性化是构建应用场景的关键，长期交云能助产品构建如助理般的使用场景。 Q：留存度和个性化在聊天机器人产品中的重要性如何？ A：留存度和个性化对于聊天机器人产品至关重要。留存用户可以成为潜在的付费用户，并为产品个性化做出贡献。例如，如果用户与机器人长时间互动，机器人可以累积足够的数据为用户提供个性化的助理服务，这有助于提升用户体验和额外的付费潜力。 Q：目前文心与Killmi的用户增长情况如何？ A：据了解，文心的用户数量当前低于1000万，而Killmi已经在短短两个月内迅速增长到了300万，并且还在以每个月环比上涨100%以上的速度持续增长。 Q：除了用户留存率之外，Killmi未来在应用落地方面还有哪些可能的优势？在AI领域他们还能否杀出一条血路？ A：从与Kimi以及Pixwords这两个产品的沟通中发现，除了卷模型本身的能力之外，这些产品在AI产品册的体验方面也很出色。目前市场上卷模型众多，尤其是国内可能有几百种模型，但真正将这些模型应用于产品，优化用户体验的企业却非常少。这就是他们能够快速增长的原因之一。他们进行的可能对移动互联网时代的常规产品优化，在AI时代显得尤为突出。因此，如果按照前面分析的增长和流程路径，大概率他们不会推出新的产品，而是继续在现有产品上获得更高的用户增长。 Q：kimi产品的核心竞争力是什么？他们为什么不开辟新产品来进行增长？ A：kimi产品的核心竞争力在于其基于“核心异性原理”的两个方面：不断使用scale模型进行优化以及扩大用户规模。他们通过集成用户在不同场景下的行为数据，使得产品覆盖用户的大部分应用场景，形成高流程集合。由于这种集合的形成导致用户留存率高，因此kimi无需通过开发新产品来获取用户增长。当前，如果kimi的用户规模增长遇到瓶颈，且不能通过个性化支撑增长时，他们可能会考虑开发新产品来满足特定场景的需求。但只要个性化逻辑成立，他们倾向于只集中于kimi一款产品，注重用户体验而非花里胡哨的功能。目前，他们通过C端应用的全文本处理和在微信小程序上的优秀运营，已经有了有效的用户留存和增长路径。 Q：分享功能在kimi产品中的作用和重要性如何？ A：在kimi产品中，分享功能起到两个重要作用。首先，它可以裂变新用户，通过现有用户的分享将新用户带入产品中。其次，这一行为也增强了用户在产品使用过程中的反馈——如果用户觉得答案满意，就会分享，从而自然扩散用户的积极反馈。这不仅提高了用户参与度，还将数据反馈给模型，像在传统搜索中用户选择结果会反馈给搜索引擎一样，促进了模型的持续优化和进化。 Q：kimi产品如何在AI领域中脱颖而出？它的发展策略是什么？ A：kimi在AI领域的成功可以归功于他们专注于产品体验和满足用户需求的策略，而不是过多地关注技术层面。尽管他们没有开发自己的模型或搜索引擎的核心部分即index，但他们专注于产品体验的优化，使得产品能够吸引用户。据他们所言，市场上专注于AI产品体验的公司相对较少，而kimi恰好抓住了这一点。此外，他们通过高清等特定的优先级高的点，迅速在市场中占据了一席之地。最重要的是，他们认为模型的先进性和用户量级的庞大是成功的两个必要条件。 Q：百度和阿里巴巴在人工智能领域的战略考量是什么？为什么阿里巴巴投资了kimi的moon shot项目？ A：两个非常重要的核心要素是人才和资金。首先，资金方面，阿里巴巴有充足的资金，并愿意对外进行投资，这是非常关键的。其次，他们也在积极投资于人才，寻求通过聘请顶尖人才来获得技术优势。特别是在人工智能领域，如果最终状态是通用人工智能(AGI)，那么根据历史规律，这种产品很难由大型企业中产生，所以他们通过对外投资和内部培养相结合的方式，来确保在这一领域的领先地位。 Q：ChatGPT的MAU已经达到2.5亿，为什么增长遇到了瓶颈？针对国内的大模型应用，是否有可能突破大厂的传统优势？ A：ChatGPT的增长瓶颈在于缺乏应用场景；技术先进和资金不是限制因素。至于国内大模型的应用，虽然阿里有应用场景优势，但技术领先性不确定，可能是一种“不想错过”的心态在驱动。近期Kimi的增速迅猛，甚至下个月可能超过阿里的通用型AI产品。由于阿里的同比降幅已达45%，且环比增长翻倍，用户体验可能很快被超越。豆包的稳定用户量约为每日170万，但实际排名应该更高。大厂有自身的量和场景，但新兴AI应用也可能凭借个性化场景和优秀产品体验逆袭。最终谁能紧抓用户需求，提供优质体验，就能在竞争中取得优势。 Q：豆包和Kimi在大模型应用方面有哪些特别之处？它们的优势分别是什么？ A：豆包的优势在于高质量的回答和推理能力，能创建多样化的角色，适用于不同的场景。用户可以定义角色，比如设定专门讲故事的角色，方便进行语音交互。Kimi则看似专注于对话，但如果其增长遇到瓶颈也可能转向更丰富的应用场景。豆包因为自身拥有流量，所以推广起来较快，本以内部结算为问题，但其量可以随意推广。豆包在产品层面上通过创建类似GPDS角色等功能为用户提供更个性化的服务，而Kimi未必构成壁垒，它也可能朝这个方向发展。豆包和Kimi的差别在于它们的应用场景的丰富度。 Q：在国内的大模型产品同质化的背景下，怎么看待大厂在产品体验上的优势？ A：过去几个月的观察表明，拥有现成用户量和场景的大厂在AI应用中仍然具有优势。但是，新的AI产品能够通过创造个性化场景突破现有壁垒。如果这些个性化场景取得成功，原有的大厂即便模型技术优越也难以直接竞争。这是因为新应用能累积用户的行为和历史数据，加强个性化。只有当个性化场景创建成功并且上限足够高时，新兴公司才难以被颠覆。否则，大厂仍然可能内部定价并将其吸纳。 Q：对于AGI（通用人工智能）的发展，大厂是否会面临困难？海外公司与国内大厂在这方面的情况有何不同？ A：大厂在发展AGI上可能会更困难，因为它们的文化、机构和团队可能不支持这种创新。谷歌等海外公司可能也受类似局限的影响，例如谷歌虽然有先进技术，却未能像OpenAI一样推出类似ChatGPT的产品。这可能与谷歌将技术应用于产品的策略有关，而OpenAI在这方面更为积极和灵活。对于国内大厂，如果它们能够合作使用优秀的AI模型，提高用户体验，那么他们的产品也能迅速改进。不过，如果新兴AI产品能够创造足够吸引和大量的个性化场景，则大厂们会面临很大挑战。 Q：目前在多模态和上下文溯源方面有哪些显著进步？传统的外挂式矢量数据库是否会因此需求降低？ A：多模态技术和上下文溯源的发展为行业带来了新的发展方向。我们注意到上下文溯源技术的提升速度非常快，例如GPT4.5的上下文溯源能力可能较GPT4提升了10倍甚至20倍。这种能力提升可能会导致一些场景对传统的外挂式矢量数据库的需求降低。因为随着本地储存容量和处理能力的增强，外部数据库可能不再必要。但是，这也取决于成本和效率。在成本更低和效率更高的情况下，外挂式数据库可能仍有存在的价值。同时，长上下文溯源能力的增强确实会减少企业内部私有数据单独向量化的需求。不过，安全是企业需要考虑的问题。在某些混合云的情况下，企业可能会要求数据单独存放，微软这样的服务提供商必须响应这种需求。综合来看，纯粹通用调用的场景下，上下文溯源能力的加强可能会降低向量化的需求。 Q：长上下文溯源技术提升带来了哪些变化？ A：长上下文溯源技术的提升意味着基于这种技术的服务或模型的储存和计算能力显著增强，这可能影响到对传统外挂式数据库的需求，特别是在成本和效率都得到了显著提升的情况下。长上下文能力的提升还有助于缓解私有数据向量化切片化的需求。但企业在考虑转移到这些模型时，不仅要评估成本和效率，还要权衡安全性问题，在涉及敏感或核心数据时可能仍旧需要向量化处理或私有云存储。