50亿美元亏损背后：解析生成式 AI 的商业模式之争

编者按： 人工智能正在席卷各个行业，但你是否曾思考过：当 ChatGPT 的开发商 OpenAI 可能面临 50 亿美元亏损时，生成式 AI 的商业模式究竟还能走多远？
这篇分析文章直击当前 AI 行业的痛点：巨额投资与高昂运营成本之间的矛盾，技术进步与商业化之间的鸿沟，以及研究价值与经济可持续性之间的平衡。
它提醒我们，在追求技术进步的同时，也需要认真思考如何构建可持续的商业模式，以及如何平衡商业利益与社会价值。未来，我们可能需要重新评估和调整当前的研究资助模式，以确保最有价值的 AI 应用能够得到充分的开发和应用。

作者 | Stephanie Kirmer

编译 | 岳扬

Photo by Ibrahim Rifath[1] on Unsplash[2]

OpenAl 是史上增长最为迅猛的企业之一，但同时也可能是运营开支最为庞大的企业之一。

据 The Information 基于尚未公开的内部财务资料以及业务相关人士的信息分析，ChatGPT 的开发商今年可能面临高达 50 亿美元的亏损。如果这一预测准确无误，那么最新估值达到 800 亿美元的 OpenAl 或将在未来一年内需要再次融资。
—— The Information[3]

我在本篇文章中探讨了生成式人工智能在技术[4]和资源[5]方面的局限性，对于围绕这项技术兴起的那些产业来说，这些挑战变得越来越清晰和紧迫，这一点非常有趣。

但这也让我们不禁思考，生成式人工智能的商业模式究竟是什么。我们应该对它抱有何种期待，以及哪些东西只是人们过度的炒作？这项技术的潜力与现实应用之间，究竟存在着怎样的差距？

01 生成式人工智能究竟是一种功能还是一款独立的产品？

我曾就这个问题与他人进行过讨论，在媒体上也不乏关于这一话题的探讨。一项技术是作为功能存在还是作为产品存在，其核心区别在于它是否具有足够的价值，让人们愿意单独为了它而掏出钱包付费，或者它是否需要与其他技术结合才能最大化发挥其价值。目前，我们看到“人工智能”这一标签被广泛添加到各种现有产品之中，从文本编辑器和代码编辑器到搜索引擎再到浏览器，这些都是将生成式人工智能作为功能应用的例子。（比如我是在 Notion 中撰写这篇文章，该软件不断尝试引导我使用人工智能功能。）而另一方面，Anthropic、OpenAI 等公司则是在尝试推出以生成式人工智能为核心的产品，如 ChatGPT 或 Claude。

这个问题可能会有些难以界定，但我认为关键在于，对于那些将生成式人工智能视为产品的公司来说，如果产品未能满足客户的期望，无论这些期望是什么，客户很可能会停止使用该产品，并停止支付费用。而如果有人发现谷歌的人工智能搜索摘要不尽人意，他们可能会抱怨并选择关闭这一功能，但仍然会继续使用谷歌的搜索服务。因为对于这些产品来说，其核心业务的价值主张并非基于人工智能，人工智能只是一个额外的卖点。这样的做法大大降低了整体业务的风险。

苹果公司对待生成式人工智能领域的方式，就是一个很好的例子，他们将生成式人工智能视为一种功能而非单独的产品，并且我认为他们的策略更具潜力。在最近的 WWDC 大会上，苹果公司透露他们正在与 OpenAI 合作，允许用户通过 Siri 使用 ChatGPT。这一合作有几个关键点值得关注。首先，苹果并未因为建立这种合作关系而向 OpenAI 支付费用——苹果提供的是其极具市场吸引力的用户群体，而 OpenAI 则有机会将这些用户转化为 ChatGPT 的付费订阅者。在这场合作中，苹果无需承担任何风险。其次，这并不妨碍苹果以同样的方式，将其用户群体推广给其他如 Anthropic 或 Google 提供的生成式人工智能服务。尽管 OpenAI 恰好是他们首个公布的合作伙伴，但他们并没有在生成式人工智能的竞争中明确支持某一方。苹果当然也在开发自己的生成式人工智能技术 Apple AI[6]，但他们的目标显然是利用这些技术来提升现有和未来产品的附加价值——让 iPhone 更加强大——而不是将某个模型作为独立的产品进行销售。

这一切表明，将生成式人工智能融入企业的商业策略有多种思路，单纯技术本身并不保证能够取得最大的成功。 当我们在十年后回首往事时，我怀疑那些在生成式人工智能商业领域被视为“大赢家”的公司，可能并不是那些开发底层技术的公司。

02 那么，对于技术开发来说，什么样的商业策略才是合理的呢？

你可能会认为，如果这些功能真的足够有价值，那么总得有人去构建它，不是吗？如果生成式人工智能的实际开发并不直接产生利润，我们还能否拥有这种技术？它能否发挥其最大潜力？

我必须承认，科技领域的众多投资者确实相信，生成式人工智能领域中蕴含着巨大的盈利潜力，这也是他们已经向 OpenAI 及其同类公司投入了数十亿美元的原因。不过，我在之前的多篇文章中也提到，即便拥有这些巨额资金，我仍然强烈怀疑，未来生成式人工智能的性能提升可能会是温和而渐进的，而不是延续我们在 2022-2023 年所见的那种看似指数级的技术进步。（特别是，为了达到预期的技术进步，人类生成的可用于训练的数据量是有限的，这并非仅仅靠资金投入就能解决。）因此，我并不相信生成式人工智能将会比现在更加有用或“智能”。

尽管如此，无论你是否认同我的看法，我们都应该牢记，掌握一项尖端技术与利用这项技术打造出人们愿意购买的产品，以及建立一种可持续、可更新的商业模式，是完全不同的两回事。你可以发明一种很酷的新东西，但正如任何创业公司或科技公司的产品团队所知，那只是开始，并非结束。搞清楚普通人会如何使用你的新奇发明，并将其传播出去，让人们相信你的发明物有所值，能够支撑起一个可持续的价格，这是一项极具挑战性的任务。

我们确实看到了来自各方的众多创新提议，但其中一些想法并不太吸引人。例如，OpenAI 前段时间推出的搜索引擎新测试版，在其输出结果中就已经出现了严重错误[7]。任何读过我在之前介绍大语言模型（LLM）工作原理的文章8的人，对此都不会感到意外。（我个人只是惊讶他们在最初开发这个产品时，竟然没有考虑到这个显而易见的问题。）即便是那些看起来有吸引力的想法，也不能仅仅停留在“有则更好”的层面，或者被视为奢侈品，它们必须是不可或缺的，因为要使这项业务可持续，所需的价格必须相当高昂。当你的年亏损额达到 50 亿美元时，为了实现盈利和自我维持，付费用户群体就必须非常庞大，或者用户支付的费用必须高得令人瞠目结舌。

03 难道技术研究本身就没有价值吗？

对于那些热衷于推进技术发展的人来说，这无疑是一个较为棘手的问题。研究本身的价值始终存在，哪怕其成果并非立竿见影。然而，在资本主义体系下，并没有稳定的渠道来支持这种基础性的研究，尤其是当研究所需的资金庞大到令人咋舌时。长期以来，美国一直在剥夺学术机构的资源，导致如果没有私人资助，学术界的研究者几乎无望参与此类研究[10]。

这实在令人惋惜，因为学术界本应是这类研究在适当监管下进行的理想场所。在这里，伦理、安全等问题能够得到比私营企业更为严肃的对待和探讨。学术界的研究文化和规范，是将知识置于金钱之上的。但当所有的研究都由私营企业进行时，这种价值观就会发生转变。那些我们社会信任能够进行“更纯粹”研究的人，却无法获取参与生成性人工智能发展所需的资源。

04 那么，我们接下来该如何行动呢？

显然，即便是这些私营公司，也可能没有足够的资源来支持这种不断训练更大规模模型的速度竞赛，这又让我们回到了文章开头引用的那段话。受制于当前主导技术进步的经济模式，我们可能会错失一些潜在的机会。那些在理论上可行但在经济上不足以支撑高昂 GPU 成本的生成式人工智能应用，可能永远无法得到深入的探究。与此同时，那些可能对社会有害、无聊或无用的应用，却因为它们能够带来更大的盈利机会而获得资金支持。

Thanks for reading!

Hope you have enjoyed and learned new things from this blog!