在AI大模型的商业化道路上,“ToB or ToC”一直是两难的选择。 不过,AI业内有一个共识,创业公司在C端更容易找到机会,而互联网大厂则更能通过B端获得规模优势。
但目前来看,这一共识可能要被打破了。一直被认为是“To C主义者”的月之暗面,近日官宣将发布企业级API,且Kimi开放平台的上下文缓存Cache存储费用将降低50%,加速在B端市场发力。
无独有偶,大模型鼻祖OpenAI也在近日宣布,将允许企业使用自身数据定制其旗舰AI模型GPT-4o,意味着企业可以定制和优化性能更强的AI模型。
从“百模大战”走到“应用之战”,大模型已经到了商业化的关键时期,不仅要考虑产品是否突出,更要综合考虑成本、应用、变现等问题,每个公司都在寻找属于自己的答案,对它们来说,“ToB or ToC” 或许并不是选择题,而是必选题。
01 变现,C端大模型的“拦路虎”
早在Kimi开始发力B端之前,其曾在今年5月小范围试水C端打赏模式,用户可以通过购买5.20元至399元不等的礼物,获取不同的高峰期优先使用时长。
对于打赏功能的上线,月之暗面曾表示,该业务处于测试阶段,公司对商业化模式的探索保持开放态度。
从这点来看,Kimi的打赏模式更像是对用户付费意愿的试探,而非奔着盈利而来,毕竟Kimi的用户群体大多是从抖音、B站转化而来,探索年轻人的态度对公司而言很有必要。
但这并不代表Kimi准备一直“为爱发电”,因为大模型初创公司的“烧钱速度”实在太快了。首先,大模型要走向C端市场,必须付出不菲的营销成本。
今年春节以后,大模型公司纷纷开启了营销大战,最常见的线上投流模式是CPA,即用户浏览网站触发广告后,只要完成注册或下载App,大模型公司就支付广告费用。
但目前可供选择的平台,无非是B站、抖音等年轻用户集中的平台,需要投流的大模型企业却有很多,CPA的竞价模式也变相推高了投流成本。
有业内人士表示,2023年初B站的CPA报价普遍在10元/人以下,但目前月之暗面在B站的CPA成本可能已经高达30元。
据新浪科技估算,其从今年2月至今,至少已为投流砸下了3000多万。投流的效果是显著的,Kimi的访问量一度增长超4倍,但过高的营销成本终究烧的是投资人的钱。
其次是训练成本。OpenAI最早计划今年在训练成本上花费约8亿美元,但随着OpenAI加快训练最新的旗舰模型,训练成本可能会再翻一番。
OpenAI的头号竞争对手Anthropic的CEO Dario也表示,目前公司正在开发的AI模型训练成本高达10亿美元,但训练成本可能在2027年之前提升到100亿美元,甚至是1000亿美元。
最后,则是算力成本。大模型的算力成本会随着用户规模增大而越来越高,国盛证券曾估算,要打造对标ChatGPT的大模型,按单张A100芯片的价格为10万元算,投入10亿元才是入场券。
随着成本不断攀升,接连收获新融资的“AI五小龙”或许还不太缺钱,但它不能永远不考虑商业化变现,更别说其他手上并无余粮的大模型公司。
只是,想要在C端市场变现,却没有那么容易。一则是目前大部分通用大模型,如文心一言、ChatGPT等都是免费模式,要培养用户的付费习惯,显然还需要漫长的周期,同质化的AI应用也远远未到刚需阶段。
二则是大模型在C端市场的营收模式较为单一,除了订阅费之外,其他收费模式仍有重重困难,比如依靠广告创收,则可能会影响用户体验和涉及隐私问题;此前办公软件WPS针对AI功能的收费,更因“套娃”而冲上热搜。
三则,C端消费者认可产品更多是基于品牌,这也是月之暗面要花大钱投流的原因,在这一背景下,万一阿里、腾讯猛砸某一AI应用,其他创业公司便很难有招架之力。
即便是OpenAI,其在C端市场的收入已达到19亿美元,主要来自全球770万的订阅者,每人每月为ChatGPT Plus支付20美元,但仍远远不足以覆盖构建和运行模型的成本。
外媒援引OpenAI未公开的内部财务数据,称OpenAI今年还将面临高达50亿美元的亏损,其中,全年收入估计在35亿美元~45亿美元之间,但运营成本却或达85亿美元,其中推理成本为40亿美元。
OpenAI为C端用户提供了ChatGPT的免费版本,使公司增加了推理成本,却没有带来任何额外收入,这是其入不敷支的原因之一。
02 押宝,C端的尽头是B端?
简单来说,大模型要在C端市场快速发展,就要实现更好的综合能力和使用效果,且通过低价或免费的使用模式,才能更好吸纳用户。
这一模式需要持续“烧钱”,大模型顶级玩家才不得不将目光投向B端市场。以百度为例,其在近日发布了2024年二季报,其中百度智能云业务收入达51亿元,同比增长14%,并持续实现盈利,AI贡献的收入占比已从上季度的6.9%提升至9%。
但从百度2023年年报来看,虽然百度通过文心大模型重构的广告系统,实现了数亿元的增量收入,但其在线营销收入相比前两个季度仍有下滑,可见大模型在C端应用的活跃度和变现率并未达到预期。
因此,大模型到底该ToB 还是 ToC,各位大佬也有不同看法。百川智能CEO王小川曾明确表示,To C是To B市场的十倍,大厂都会卷To B,(百川智能)肯定要做差异化。
金沙江创投的朱啸虎则认为,现在在国内做大模型,To B的商业模式远比To C的模式更为适宜。
虽然各有各的观点,但从大模型公司的实际动作来看,它们对于To C还是To B这件事并没有太多纠结,不仅是“全都要”,而是相互赋能。
清华大学智能产业研究院院长张亚勤就曾表示,在应用和服务层面,To B的周期相对较长,而To C的应用产品则可以迅速推出,这跟移动互联网的发展路径基本一致。
因此,大部分大模型创业公司都是采取To B和To C并行的策略,即便是坦言“我们做C端”的百川智能,也推出了API接口业务。
这种“C+B”的业务模式,也是目前大模型公司主流的商业模式。比如OpenAI,既在C端收取ChatGPT的会员费,也在B端通过“公共云+API”的方式收取大模型API的调用费用。
除了通过收费“变现”之外,大模型企业还会通过AI来加持自己已有的成熟业务。比如阿里旗下夸克浏览器近日发布PC端,升级了AI搜索、AI写作、等一系列“全场景AI”功能,进一步增加对客户的吸引力和粘性;一直以B端为主的商汤,也在今年将引入到C端市场,发布了能够生成创意写真的AIGC产品“秒画趣拍”。
所以,在大模型商业化道路选择上,同时押宝ToC和ToB,不仅是以B端“稳收入”弥补C端的“不确定”,更长远来说,是两种业务在技术层面和品牌效应上的互相赋能。
一方面,大模型公司通过C端产品,可以持续收集用户反馈、积累模型的应用实践,最终反馈给大模型实现迭代升级,如果只是向外部开放API,很难形成用户反馈闭环。
另一方面,诚如零一万物CEO李开复所言,在中国To C 短期更有机会,C端产品更容易爆发和获得口碑,其流量和势能也能反哺给B端业务。
最后,“做C端”的大模型公司也在积极推出降低API业务,甚至不断降低调用成本,也是希望开发者能在自己的生态上开发出好用的AI应用。
就像曾经的互联网行业,当产品之间的差异化程度不大,拼的就是谁的生态能率先“开花”,更多创作者参与进来,才有机会开发出好用的AI应用。
所以,当下争论ToC还是ToB更好,其实意义并不大,因为当下大模型行业的主要矛盾,并不只是资金压力,而是需要更多人应用,从而造出生态来,单靠B端或者C端市场,都无法轻易实现这一目标。
据中央网信办透露,截至8月,我国完成备案并上线、能提供服务的生成式人工智能服务大模型已达190多个,但李开复曾预测,在大模型竞争接近终局的时候,能够存活的大模型公司或只有30个。
当前,大模型行业还没有哪一家是公认的“领头羊”,包括互联网大厂也未必能占优势,对于初创公司来说,不论通过何种路径,都要好好争一争品牌、产品和生态,否则以后就更没机会了。
03 ToB,定制化时代的鏖战
由此可见,B端是大模型公司商业化闭环不可缺失的一环,但想要在B端市场杀出血路来,也并没有那么容易。
首先,是B端市场无休止的价格战。今年5月,字节正式发布豆包大模型,主力模型在企业市场的定价只有0.0008元/千Tokens,比行业便宜了9成以上,让国内大模型的token价格从“以分计价”发展到“以厘计价”,震撼业内之余,也有不少竞争对手纷纷跟进降价。
诚然,大部分大模型公司都认为行业发展应该避免价格战,但真到了战场上,不降价就被对手挤掉份额。即便百度李彦宏曾呼吁创业者去“卷”AI应用,而不是卷价格,但在字节、阿里云大降价之后,百度旗下两款主力大模型很快就宣布全面免费。
业内人士认为,愿意为软件付费的企业并不多,大模型B端的利润空间正在急速萎缩,去年能卖到千万级别的大模型项目今年可能只能卖到100万元了,市场上有太多的开源大模型可以套壳,竞争非常激烈。
其次,B端和G端的业务,有时候也是难啃的“硬骨头”。一则,每一个B端定制化案例都是一个“孤本”,非标准化的定制服务意味着更高的成本投入,尤其是对于场景复杂、数字化转型较晚的工作环境,数据安全、信息孤岛等问题都不容易突破。
二则,B端业务的销售周期和应收账期往往都会较长,这要求企业展现出更多的耐心和持续的努力。近日,科大讯飞董事长刘庆峰便表示,公司将会主动放缓甚至放弃部分G端业务,原因是考虑到回款周期的问题。
三则,对于金融、医疗、法律等部分垂直行业的合作,其对大模型的介入有着极高需求,储备相关领域的高素质人才也是一笔大成本。
最后,即便大模型初创企业克服以上重重难关,但企业开发基础模型往往更青睐于老牌云厂商。数据显示,2023年大模型市场中,百度智能云、商汤、智谱AI的市场份额排在前三,加起来占据了市场的半壁江山。
不过,这也并不意味着初创企业就无法突围而出,数据显示,2023年我国生成式人工智能的企业采用率已达15%,市场规模高达14.4万亿元,这一数字有望持续增加。
大模型在B端市场的下半场,或许需要从企业视觉升级为产业视觉,扎根于办公、生产、教育、制造等各个环节,成为撬动企业新增长的动能,才是企业方接纳这项新技术的关键。
有企业方人士认为,他们不关心大模型有多少花活,关键是能帮企业省多少钱,真正需要的是基于整体技术提升的完整业务解决方案。
随着大模型行业的不断发展,如何在用户增长和模型能力进步中找到可持续的经营模式,这一问题依然会困扰着每个大模型企业,但不同企业的答案或许都不一样。
这意味着在大模型领域,没有一套模式能够为所有企业所通用,无论ToB 还是 ToC,都不过是大模型通往未来的路径而已,真正决定企业未来的,是其能否在服务客户过程中带来更多创新的AI应用和服务。
如果最终只有30家大模型能够留下,那么活下来的大模型,不一定是名头最响的,但一定是最实用的。
如何学习AI大模型?
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段: 从大模型系统设计入手,讲解大模型的主要方法;
第二阶段: 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用;
第三阶段: 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统;
第四阶段: 大模型知识库应用开发以LangChain框架为例,构建物流行业咨询智能问答系统;
第五阶段: 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型;
第六阶段: 以SD多模态大模型为主,搭建了文生图小程序案例;
第七阶段: 以大模型平台应用与开发为主,通过星火大模型,文心大模型等成熟大模型构建大模型行业应用。
👉学会后的收获:👈
• 基于大模型全栈工程实现(前端、后端、产品经理、设计、数据分析等),通过这门课可获得不同能力;
• 能够利用大模型解决相关实际项目需求: 大数据时代,越来越多的企业和机构需要处理海量数据,利用大模型技术可以更好地处理这些数据,提高数据分析和决策的准确性。因此,掌握大模型应用开发技能,可以让程序员更好地应对实际项目需求;
• 基于大模型和企业数据AI应用开发,实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能, 学会Fine-tuning垂直训练大模型(数据准备、数据蒸馏、大模型部署)一站式掌握;
• 能够完成时下热门大模型垂直领域模型训练能力,提高程序员的编码能力: 大模型应用开发需要掌握机器学习算法、深度学习框架等技术,这些技术的掌握可以提高程序员的编码能力和分析能力,让程序员更加熟练地编写高质量的代码。
1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集
👉获取方式:
😝有需要的小伙伴,可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓