大模型终究要泪奔，谁才是 Ai 行业的“掘金者” ？
原标题 ：大模型终究要泪奔 ，掘金者谁才是大模 Ai 行业的“掘金者” ？ AI 行业火了大半年，时至今日谁才是型终行业产业链里的掘金人呢 ？ 可以是给大模型训练提供数据的供应商 、可以是究泪自由定价的 C 端产品 ，但唯独不会是掘金者大模型提供方。 究其原因 ，大模如何选择好的型终行业赛道 ，首先要有不错的究泪商业模式，其次是掘金者行业上下游的议价能力 ，最后看利润 。大模 无论是型终行业选择好公司还是好赛道都离不开以上三点 。 接下来我们具体聊聊 ： 为什么大模型赛道不行了？ AI 行业涌现的究泪机会在哪里 ？ 绝大多数的大模型企业要泪奔 为什么这么说？ 因为 ，大模型企业很难满足上述提到的掘金者重要三要素 。 从年初 ，大模OpenAI 带着 ChatGPT 震惊全世界 ，型终行业封闭大模型成为主流；谷歌 、百度等海内外一众互联网龙头都纷纷怕掉队 ，哪怕是产品还不成熟 ，都着急忙慌的出来路演 ，就像第一次面世的 Bard 让谷歌跌掉了 1000 亿市值
。 后来 ，Meta 发布开源大模型 Llama，变成了开源大模型的鼻祖 ，开源大模型让众多企业、研发人员有了追赶 GPT 的机会（没有开源
，那只会望尘莫及，毕竟通用大模型的训练成本不是随便一家企业能承受的）； 也正是因为有了开源大模型 ，才让大模型市场发展的如火如荼 ，有了今日的 " 百模
、千模大战 。 但是 ，随之而来的是大模型企业所面临的问题 。 首先，各家大模型与 Open AI 的差距还是很明显
，留给其他大模型厂家的市场空间就已经很小。另外 ，市场上其余可选大模型非常多
，比如众多开源衍生品 ，但产品同质化严重 ，这也就会导致大模型在面对客户时的话语权非常低 ，毫无议价权； 其次 ，大模型企业为了优化输出结果
，还需要不断的迭代模型
，而这需要大量、专业的数据投喂进行训练 ，因此数据企业提供方也会成为制约大模型发展的重要角色
。 最后 ，大模型的训练成本很高不说 ，想要做出超强大模型还得拼算力，也就是看谁能抢到更多英伟达 A/H100 芯片； 另外 ，在大模型定价方面只会越来越难，开源已经是常态了 ，连 openAI 最近也要开源新的大模型了，如果 GPT3.5 开源，那对于其他大模型厂商来说可谓是毁灭性的打击
。 对于大部分的大模型方来说都面临着一边难收费，一边要拼命花钱训练模型
，以后数据也会开始收费（又多了花钱的渠道）
，怎么想大模型都不是一个看起来能轻易盈利的商业模式。 未来肯定很多企业会放弃这条拥挤 、又不赚钱的赛道
。除非是能追上 GPT4 的水平 ，真正做到让用户觉得好用
，才会有绝对的竞争力。 数据运营商的春天要来了 上文提到 ，扼住大模型发展的除了 AI 芯片 ，那就是训练大模型必不可少的数据。 我们认为 ，数据运营商将迎来发展的黄金期，不过还要适当考虑各国情况的差异性（这里不做展开） 。 数据是新型生产要素 ，这句话在大模型这里得到非常好的体现 。 值得关注的是 ，数据商将成为行业卖水人 。 谷歌最近就因为非法搜集用户数据用于训练 AI 模型
，被美国加利福尼亚州克拉克森律师事务所起诉 ，要求向用户赔偿数据使用费和告知数据用途。 数据价值已经开始显现。 近日 ，海外 Prolific 公司不仅获得 3200 万美元融资 ，还赚了 1 亿 + 美元的数据提供费用；每小时价格在 6 — 8 美元或更高 。 也就是说 ，Prolific 这种为企业或个人提供的数据是可以用于商业化并且具有版权的。这一点对于大模型厂商来说非常重要 ，能够很好避免产生数据版权的纠纷 。 Prolific 已获得了 3000 多家知名组织，其中包括谷歌 、牛津大学 、斯坦福大学
、伦敦国王学院和欧盟委员会等
。超过 2 万名科研人员在其平台上获取高质量数据。 Prolific 也表示 ，高质量 、真实训练数据对于 AI 大模型来说能够减少幻觉
、非法输出
、增强 RLHF 能力。 我们认为 ，数据运营商在大模型上的商业价值才开始显现
。 C 端应用是 AI 流量必争之地 哪里有流量 ，哪里就有财富 。 之前业内都在讨论到底是封闭大模型还是开源大模型的生态会更好
，哪个模式的商业价值更胜一筹； 最后得到的结论是 ：开源还是封闭其实不是最核心的问题
，关键在于如何形成好的数据飞轮效应
。 最近 " 数据飞轮 " 这个词在科技圈内非常火 ，简单来说是一种描述数据价值增长的循环过程 。 在互联网时代我们看到数据量的激增
，而在 AI 时代数据爆发将远超上一次 。 如果从产品落地和价值变现的速度来看，那么 C 端应用定是巨头必争之地
。 无论是微软用 Microsoft 365 Copilot 开启办公 AI 时代 、Windows11 即将内嵌人工智能助手颠覆每个人操作电脑的习惯； 还是一直在内卷的 AI 绘画 、和即将开卷的 AI 视频； C 端应用往往比 B 端更容易落地、也更容易变现 ，核心在于 C 端产品更标准化； 而 B 端的场景、诉求更多，很难统一
，这也就导致了落地进度更难，更别提还有很多隐私数据
、know-how 等专业内容要考虑
。 这也就为什么在国内互联网流量红利期赚的盆满钵满的是阿里 、腾讯
、字节这样的巨头，因为他们掌握了 C 端流量 ，而工业互联网企业都活在了 " 贫民窟 "； 谁掌握了用户流量 、产品定价，现金收入便是有了保障
，同时还能获得广告商的青睐； 另一方面，想要做 C 端应用的企业还有很多大模型可供选择 ，就好比金山办公已经开始这么做了
，基于三种大模型之上来调度 ，根据任务选择性能最优的大模型 。 总得来说 ，C 端一定会成为 AI 行业最先变现的赛道 。 来源 ：硬AI返回搜狐 ，查看更多 责任编辑：