大模型商业模式的一些思考

大家对云计算想必都很熟悉，今天就拿云计算服务模式的IaaS/PaaS/SaaS三层划分来进行类比，跟大家探讨大模型的商业模式。

一。大模型的三层模式

大模型时代的IaaS即基础设施是大模型的服务，比如OpenAI以及国内的文心，千问等服务，他们提供的就是以自然语言交互以token序列为结果的大模型服务。

为了更好的使用大模型的能力，先后出现了提示工程和Agent智能体两个方向的发展，比如LangChain和其他各种Agent。这一层的服务可以视为大模型时代的PaaS，通过这个层面能力的建设，可以形成利用大模型能力的应用框架和平台，加快应用层面生态的发展。

大模型时代的SaaS层，和云服务的SaaS层类似，都是以应用形式展示，虽然其内核可以认为已经完全不同，产品内部形态可能也会产生巨变，不过现在还没有大面积发生。

至于OpenAI的GPTs，我认为它更多是大模型时代的AppStore，它是属于SaaS层而不是PaaS层的。

二。大模型三层的价值摄取

那么，这三层的价值都体现在哪里，以及被谁拿走了呢？

IaaS的价值更多来自于大模型，这一点大家是有共识的。但是大模型产生的价值，更多被谁变现了呢？不是大模型的开发者和服务商，而更多是被硬件厂商通过高价显卡拿走了。大家可以关注一下百度的股价，当发布文心4.0的时候，股价是跌的。所以百度才会考虑“把所有的应用用LLM重写一遍”，必须走到应用领域，才能将其在AI领域一直到大模型时代的投入有变现的可能。

不过在IaaaS层，还有一个方向，即面向细分行业的大模型建设。这个就有点类似于云计算的私有云建设，根据不同行业比如金融或者制造业，分别定制私有云并且集成行业应用，这还是存在直接变现的途径的，这个方向和在SaaS层通过应用的行业价值变现的道理是互通的。

我们再来看PaaS层，在PaaS层看起来很哪有直接变现的途径，但是可以成为控制生态的入口。比如cuda，虽然从技术上看应该放在IaaS层，但是从和应用的关系来看，可以归入到LLM领域的PaaS层，它是直接服务于大模型的训练和推理，但间接服务于应用，影响了应用的形态。如前边所说，这一层的主要技术方向是提示工程和Agent，未来3-5年一定是围绕着Agent形成的生态。

最后是SaaS层，也是大家讨论最多，未来玩家最多，生态最丰富的一层。大模型作为新的应用引擎，推动交互方式向自然语言交互发生根本性的改变，并基于交互方式的改变，对应用的内外形态都会产生根本的变革。这个变革和当年从命令行到图形界面的改变一样意义重大，远大于手机从功能机到智能机变化的影响程度。从这个角度看，现在百度已经做的一些改变，比如文库里增加的助手，更多还只是对现有产品的功能增强，远谈不上改造。这一点文章很多了，大家可以自己找一些来看，多从交互方式的变革角度来思考。

这里想把大模型时代的IaaS层和当年电信运营商被微信等应用OTT的场景做一下对比。

如果大模型服务的提供商不能自己触达C端用户的化，大概率也会被OTT，这也是李彦宏为什么要拉ISV一起把应用的生态做起来的原因吧。同样OPENAI的GPTs也是一个道理。

三。未来的可能变化

最后，目前已经形成的状态，会有什么变化吗？

我们依然从三个层面自下而上看。

IaaS层，Intel和AMD自然不会允许英伟达一家独大，已经纷纷进入来分享蛋糕，比如Intel推出了OneAPI，提供了兼容CUDA体系和Intel自己GPU和CPU的SDK。AMD更不用说了，显卡性能一点也不必NVIDIA差，只是差在了软件生态上。

另外，国内因为大家都知道的原因，华为的昇腾卖的也不错，百度因为买不到N卡，已经买了以万块为单位的昇腾920卡。

同时，大模型厂商也不甘心为N卡付出巨大成本，GOOGLE有自己的TPU卡，META/微软/苹果也都在做自己的GPU卡。

N卡构建的统一软硬件体系在大模型发展前期推动了业界的发展，是有正面作用的。但是合久必分，未来大模型的IaaS层从硬到软，一定不会是一家独大的。

其次，PaaS层，目前是相当热闹，国外看起来LangChain遥遥领先，但是也有很多行业的细分Agent层出不穷。

国内从LangChain复制的Agent也不少，同时也推出了不少类似XAgent等有一定含量的Agent。

最后，在SaaS层，这一层虽然看起来也很热闹，但是2C的居多，2B落地的东西反倒没有PaaS层那么多，大家更多还是在摸索如何和行业结合。

在SaaS层还想讨论两个点。

一个是以前在大数据时代大家提的“数据+算法+算力”的模式，由于大模型的进入，也要发生巨大的变化，除了算力在眼下依然是关键要素，前边二者因为大模型服务这个通用的电厂一样的服务的出现，变得没有那么重要，而行业知识的理解变得更加重要。不过所面临的问题和产业互联网时代是一样的，这一点倒不会因为大模型的出现发生改变。

其次，利用大模型带来的改变，小微企业优势可能更大。对于解决方案提供商，可以规避以前AI建设的极高成本，快速构建能力更强的应用。对于行业用户，没有大企业对数据安全的顾虑，通过大模型加工内部知识库，可以更快的利用到大模型的红利。