原文来源：真故研究室

作者：石雨菡

图片来源：由无界 AI‌ 生成

ChatGPT的出现，被认为是互联网行业发展的最后一个机会。大厂、高校、个人，入局大模型市场主体繁多，“百模大战”正在进行中。

然而冷静下来直视这场浪潮，高昂的投资、稀缺的人才、同质化的竞争以及仍不明朗的商业模式，众多针对大模型的疑虑声也开始浮出水面。‍‍

近日，《真故研究室》对话了小冰公司首席执行官李笛。小冰是国内最早具备情感交互功能机器人，小冰公司则是国内最早实现AIGC商业化落地的企业之一。

对于当下的大模型热潮，李笛有更为冷静客观的观点。

以下为对话实录：

Q1：ChatGPT问世之后，国内大厂、人工智能创业者纷纷跟进。行业很热闹，但大家似乎看不出什么差别。您怎么看？

A1：目前国内至少有70个大模型问世，但都是同质化的，也没法实现差异化。因为大家的训练数据都差不多，训练方法用的是OpenAI发表的论文中的方法，而且都是直接拿GPT去训练，把GPT作为老师。

老师、训练数据、训练方法都是一样的，怎么拉开差距？

各个大厂都来做大模型，其出发点不在于抓住风口和机会，而是防御。没有自己的大模型，就会被竞争对手压制，反之就有机会压制别人。

Q2：您认为目前像ChatGPT这样采用订阅收费的商业模式，有发展前景吗？

A2:首先不可否认的是，跟前几年相比，各方对于人工智能的需求肯定是增多的了。但是这么多大模型，它达到规模化效应了吗？我觉得是没有。

人工智能到今天为止所探索的商业模式，大多很难言是成功的。就像ChatGPT，它本质其实是“卖话”：一个字多少钱，一句话多少钱。但这些回复的话语的价值并没有进行区分。比如用户跟它闲聊，某种程度来说它的话是不值钱的。但如果用户是希望得到指点，那它的回复就非常值钱了。

今天我们讨论 AI 的商业模式，这其中涉及到的是AI所创造的价值和它得到的价值，但这两者之间的鸿沟非常大。

比如过去行业都在卷的人脸识别技术，它让国家、社会变得更加安全，它的价值显然是很高的。但是人脸识别技术嵌入各种硬件后，技术本身的价值并没有得到相应的回报。最终一些公司开始做系统集成、软硬结合，卖的是设备的硬件堆料。

现在人工智能的商业模式，是把技术做成了水、电、煤这样的基础设施，顶多区分成工业用电或生活用电。但是，基于不同需求创造的不同价值，并没有得到区别性的回报。

Q3：收取技术调用费用”的商业模式，有怎样的局限性？

A3：卖水、电、煤这样的基础设施要靠垄断，才能够keep住利润空间。但就我的经验来看，没有谁能够在技术上实现垄断。所以它只能靠节约成本来获得利润空间，但这不仅是有限的，也没有上升的可能。

即使跟随所谓的摩尔定律，把价格打下来了，竞争对手也会迅速把利润空间给补上。最后就会出现打价格战的情况，然后大家就开始免费。这看起来是好事，但其实是限制整个人工智能行业的发展。

Q4：小冰有探索出不同的、更有效的商业模式吗？

A4：小冰的商业模式是有些特殊的，我们采用的是revenue share（收入分成）。我们并非提供技术接口去卖内容的调用，而是基于技术包装成一个个具备不同能力的“人”，也就是数字员工。我们让各个数字员工去各行各业打工，类似于“劳务派遣”，最后获得的是工资，相当于公司收益分成。我们现在平均一个数字员工年薪能达到30万。

比如今年2月，日本的小冰（Rinna）和Netflix一起推出了AI生成的动画微短片《犬与少年》，一共三分多钟。虽然分成是有限的，但Rinna作为一个影视创作者角色，它的生产力是无限的，未来每一部影视作品我们都可以获得相应的收益。

Q5：在探索出revenue share这样的商业模式之前，小冰是否有走过弯路？

A5：初期肯定是有的。2017年的时候，Rinna开始和罗森便利店合作，帮助罗森去卖优惠券。基于Rinna在情感交互上的优越性，它的促销效果非常好。而消费者使用优惠券在线下购物，也帮助罗森获得了更多的营收。

但是这些营收我们并没有分成，因为当时我们对人工智能商业模式分析是，我们应该提供API，收取每次调用的钱。这个收入是很少的，而Rinna售卖优惠券所带来的销售额是巨大的，两者显然不成正比。

Q6：元宇宙火了两年，似乎现在有点退烧。一个原因被认为是它的体验感还没让客户觉得惊艳。大模型热是否也会因它的使用体验不够好，而出现热度退去的情况？您认为我国在大模型全球竞争中的优势和补齐的短板分别是什么？

A6：去年AI行业诞生了很多惊喜。人工智能技术发展这么多年以来，一直像潮水一样，每隔几年就会有一次潮涌和爆发。而这些所谓的“爆发”，只是因为被大众关注到了，超过了大众对人工智能的认知或预期。他们并不是终点。

就像当年的AlphaGo，无数人惊呼世界将被改变，但这么多年过去，并未发生巨大的变化。大模型也好、AIGC也罢，都是在技术瓶颈期发生的一次新突破，未来它们也会有自己的瓶颈。距离真正的AGI（通用人工智能），还要经历几轮类似的技术演进才会更清晰。

大模型到现在为止还有很多问题没有解决，比如准确性和成本高昂，所以小冰用的是混合模型理念，小冰框架内有近1000个大中小模型有机组合在一起共同支撑AI Being运转。这样做的好处是成本相对低廉、速度更快，且能保证足够准确并交付商用。

同时，大模型到现在为止没有一个准确定义，究竟多大参数可以被叫做大模型。上半年大家都在猜测，参数越大效果越好，后来发现某个稍小参数的模型也能达到同种效果。所以现在业内越来越多的人在说混合模型。

研究大模型，如果类比成学语言，有点像学日语，入门容易精通难。创业者们很快能见到成效，但会发现太多问题需要解决。

现在的大模型同质化严重。市面上根本用不了这么多大模型，到2024年应该就会退热，发现谁在岸上谁在裸泳。

最后，大模型之间其实并不存在技术壁垒。它的技术理念已存在多年，业内有很多人在应用，国内外都是这样。只不过在fine-tune（微调）的过程中，研发者的专注度、投入度不一样。

我个人认为OpenAI是真的用工匠精神去磨，取得了这个效果，所以有一定“时间壁垒”，但这和“技术壁垒”是两回事。在人工智能技术上，国内外并没有巨大差距，像芯片、操作系统，国内都非常厉害，差距只在于是否耐得住寂寞，敢于去磨、去做创新研究。