阅读此文之前，麻烦您点击一下“关注”，既方便您进行讨论和分享，又能给您带来不一样的参与感，感谢您的支持!

近期各种大型模型密集发布，诸如“追求GPT4”、“成为中国的OpenAI”等观点散布在各种文章中。回到最基本的问题：人工智能能赚钱吗？这对于这个行业的人来说，实在是一种灵魂的折磨。

没有过去十年的铺垫，总是问这个问题似乎有点急功近利，但有了十年亏损的铺垫，赚钱与否就是技术和商业结合起来的问题：那就是， 技术。 Touchstone也证明了其商业化能力。

在回答这个问题之前，我们需要先总结一下人工智能背后潜在的商业模式。

人工智能背后潜在的商业模式

如果AI发展到非常成熟的阶段，其潜在的变现方式有哪些？过去被研究和证明的商业模式并不多，适合人工智能的只有少数：

第一的，

订阅

。这几乎是当今人工智能最典型的变现路径。事实上，它是一种云服务。各大云厂商自然会将自研的AI功能构建到自己的云产品矩阵中。

第二，

新的增值服务

。电影中的《Her》其实是一种新型的增值服务，未来能通讯的电子动物也属于这一类。与一种相比，不同的是，这种是最终食品，而另一种是原料。两者之间会有很多重叠，但与PaaS和SaaS的区别大致相同。过去我们总是讨论的SaaS更接近于新的增值服务，所以我们并没有将它们单独列在一个类别中，例如各种企业级助手。

第三，

硬件产品销售

。这最后一个操作类似于联想卖电脑。多模式方向的大型模型需要这种支持。没有机器人、智能音箱、AR眼镜等大规模新型智能产品的成功，大型多模态模型的成功是不可能的。在产业分工的情况下，这种模式将叠加在前两种模式上，并成为前两种模式的驱动力。

第四次，

新广告

。之前有人说过，大模型会让搜索广告难以展示。我不这么认为。一个非常大的屏幕甚至可以直接推荐：如果你想购买，阅读....按钮来增加频率和准确性。

第五次，

销售解决方案。像 Watson 这样的产品不太可能成为标准产品。他们总是需要与周围的各种具体情况联系起来，并且总是需要一个解决方案来将它们联系起来。从技术角度来看，似乎与2和3类似，但从商业模式角度来看，差异太大，需要单独列出。新的增值服务和硬件产品仍作为标准产品销售，每位客户的价格为iPhone或Vision Pro的上限。但解决方案并非如此。这里每个客户的客单价必须非常高，比如几千万，才有价值，否则无法支撑前期和后期的长期投入。对于某些产品来说，现有的产品人工智能将是解决方案，例如电子商务、短视频等。对于大型工业模型尤其如此。这里的人工智能并不是一种颠覆性力量，而是将被视为改进现有产品的解决方案。

第六次，

游戏和虚拟世界

。貌似是这个产品，但是和第一个到第五个产品最大的区别是，只有这个产品支持虚拟央行模式。虚拟央行模式意味着你可以直接发行自己的代币（不一定是数字货币）。只有这些产品支持独立的生态和货币系统。

如果你垂直切开这些商业模式，就会发现两个共同特征：

首先，正如谎言大集合中提到的，没有逃脱的可能。

AI其实是一个深井模型，体现在对现有模型（包括人）的更新。因此，创建新的模式虽然不像互联网，但对现有模式的影响会比互联网更大。

第二，

技术的经济价值将不仅仅体现为一种拟人化，即做人们在当前经济体系及其他经济体系中所做的事情。

（各种助理等）

这两点非常关键，因为

它们直接影响谁将赚钱人工智能和潜在的结局。

谁将从人工智能中赚钱？

人工智能的上述特征决定了它实际上是供应链中的一个环节。这样一来，除了1之外，如果合适的公司想要解决自己的模型，那一定是一个还不存在的公司。

比如，即使是比较轻的游戏和元宇宙，也意味着大模型公司必须强迫自己成为一家懂游戏和元宇宙的公司。

这引出了另外两个问题：

首先，如果是像1这样的云服务形式，AI会是一个单独的云服务还是现有云服务的一部分？第二，如果需要与现有领域融合，是由纯AI公司主导还是由该领域原有公司发展并主导？

对于第一个问题，我想答案已经很明确了。

像云这样的东西不能作为一个单独的类别存在，并且总是会合并。这是由重资产行业固有的规模效应决定的。

对于第二个问题，答案已经很明确了。在不同的领域，领域权重和技术权重是不同的。比如游戏领域权重低，税务和医疗领域权重高。该领域的权重越高，单一技术人工智能公司主导的可能性就越小。事实上，大多数领域的权重都很高。很难说具体是哪家公司，但这个领域的技术和知识的比例会更关键。

利用人工智能赚钱的商业挑战

以前的

想一想

文章更多的是看商业化过程而不是技术属性，这次是从纯粹商业模式的角度来看，结论并不复杂：

纯人工智能公司面临的商业挑战是显而易见的。如果止步于供应链，变现之路将非常狭窄。如果你想自己走完最后一部分，你需要得到的不仅仅是一个模型，还需要一个产品（产品代表了领域知识和技术的融合）。

看来未来的结局会是这样：

如果顶级的大模型公司无法打开其他变现渠道，并且在供应链上受到限制，那么它们更有可能被大型云公司合并。中间领域模型更有可能让拥有领域知识的公司逐步完成自身的进化并获胜。例如，生产内容评论产品的出版公司比简单的外行人有更大的成功机会。

所有分析和商业模式考虑都需要一个基础：技术必须足以创造价值。那么该技术的成熟度是多少呢？够了吗？

时间到了吗？技术成熟度如何？

只是还不够。只要你打开一个真实的场景来创造一个产品，你就会发现技术资源仍然不够，而且短期内还不够。

事实上，人工智能技术从0到1的旅程还远没有结束。

从这些技术来看，这是人工智能与互联网等之前技术的一个很大的区别。

在某种程度上，构成互联网基础的许多技术在 2000 年左右实际上已经存在，而其他技术则在数量上有了更快、更大的改进。 （今天仍在使用的基本互联网协议，例如 TCP/IP 和 HTTP，是不同时代的技术）

但人工智能不是那样的。基础不断完善，所有相关应用也必须同步完善和应用。

对比两者，你会发现互联网在技术上向前迈进了一步，而AI几乎是在欺骗自己的同时不断进化。

今天我们宣布解决了这个问题，明天我们又宣布解决了这个问题，但是大模型的进展超乎我们的想象。 （伟大的模式成功来自于原始创始人没有人工智能背景的公司，并且会有一些魔幻现实主义）

所以如果从足够和不够的角度来看的话，确实还不够。但即使AI还不够，也如水一样。被删除的部分将被完全替换，相应的功能也会被替换。

比如画画，没有人可以再找人画一张基础图。

一个产品的技术成熟度不够如何判断？还是够了？其实可以采用全场景覆盖的方式，但是从业务角度来说，也只能是全场景覆盖的方式。

前面提到，AI商业渠道总是表现出一种拟人化。如果一个人生活在某种关系中，不能处理充分的关系匹配，那就不够拟人化。

全场景覆盖方式

人工智能很容易用技术指标来衡量自己，但这会成为一种套路，极端地会欺骗自己。

AI本质上是测试通用能力。如果使用自定义方法，理论上它可以在任何测试集上表现良好，甚至超越最好的人工智能。但是这个除了写PPT之外没什么用。

因为当AI实现时，拟人化导致任何场景都与复杂的环境相关联，这仍然需要通用能力。

这种针对技术的评价方式，其实是趋势冷热的根本原因：一方面，AI似乎无所不能，已经非常神奇；另一方面，AI似乎无所不能，已经非常神奇。另一方面，它很难使用，如果不好用，它就不会赚钱。

什么是全场景覆盖方式？

例如，如果是招聘场景，技术支持是否直接创建数字化员工来执行过去招聘人员的所有职能，例如根据需求重新招聘人员，而整个过程无需人工干预？

如果这个东西不能实现，除了第一个模型之外，任何高价值的模型都不会实现。

这是一个真正的挑战。

概括

仔细观察，后互联网时代的一些新领域其实也有其自身的挫折。如果我们回到2015年左右，肯定会出现三个新的方向：一是人工智能，一是区块链，二是SaaS。很多同学觉得互联网完蛋了，不想在三个方向孤军奋战。然后人工智能和SaaS连续10年没有盈利，而区块链虽然盈利但因为其他原因几乎消失了。现在大模型似乎正在同时为这三者创造新的生命，并且已经接近最后一刻。

确定技术创造的新价值到商业价值的路径还有多远

。中途其实是短程，而沃森则是长程。

要把事情做好，资金和人力必须与时长相匹配。

免责声明：以上内容资料均来源于网络，本文作者无意针对，影射任何现实国家，政体，组织，种族，个人。相关数据，理论考证于网络资料，以上内容并不代表本文作者赞同文章中的律法，规则，观点，行为以及对相关资料的真实性负责。本文作者就以上或相关所产生的任何问题概不负责，亦不承担任何直接与间接的法律责任。

文章内容如涉及作品内容、版权图片，侵权，谣言或其它问题请联系删除。最后，大家对于这个事件有什么不同的想法，欢迎评论区留言讨论！