AI原生應(yīng)用，為什么難產(chǎn)？

　　©⾃象限原創(chuàng)

　　文丨羅輯

　　編丨程心

　　AI原生應(yīng)用，“難產(chǎn)”了。

　　百模大戰(zhàn)后，一眾精疲力竭的創(chuàng)業(yè)者們逐漸反應(yīng)過來：中國真正的機(jī)會(huì)在應(yīng)用層，AI原生應(yīng)用才是下一輪最肥沃的土壤。

　　李彥宏、王小川、周鴻祎、傅盛，盤點(diǎn)過去幾個(gè)月的大佬發(fā)言，無一不在著重強(qiáng)調(diào)應(yīng)用層的巨大機(jī)遇。

　　互聯(lián)網(wǎng)巨頭們把AI原生掛在嘴邊：百度一口氣發(fā)布超20款A(yù)I原生應(yīng)用;字節(jié)跳動(dòng)成立了新團(tuán)隊(duì)，主攻應(yīng)用層;騰訊將大模型嵌入了小程序;阿里也要用通義千問將所有應(yīng)用重新做一遍;Wps瘋狂贈(zèng)送AI體驗(yàn)卡..

　　創(chuàng)業(yè)公司更是狂熱，一場黑客馬拉松下來，近乎200個(gè)AI原生項(xiàng)目。今年以來，包括奇績創(chuàng)壇、百度、Founder Park大大小小加起來，數(shù)十場活動(dòng)，上千個(gè)項(xiàng)目，最后卻沒有一個(gè)跑出來。

　　不得不正視的是，盡管我們意識(shí)到了應(yīng)用層的巨大機(jī)遇，但大模型并沒有顛覆所有應(yīng)用，所有產(chǎn)品都在不痛不癢地改造。盡管，中國有最優(yōu)秀的產(chǎn)品經(jīng)理，但他們這回也“失靈”了。

　　從4月份Midjourney爆火，到現(xiàn)在，9個(gè)月的時(shí)間，匯集了“全村人希望”的國產(chǎn)AI原生應(yīng)用，究竟為何難產(chǎn)?

　　選擇比努力更重要，在當(dāng)下，或許我們更需要冷靜回望，尋找正確打開AI原生應(yīng)用的“姿勢”。

　　做AI原生，不能端到端

　　原生應(yīng)用為何難產(chǎn)?我們或許可以從原生應(yīng)用的“生產(chǎn)”過程中找到一些答案。

　　“我們通常會(huì)同時(shí)跑四五個(gè)模型，哪個(gè)性能更優(yōu)就選擇哪個(gè)。”硅谷的一位大模型創(chuàng)業(yè)者在與「自象限」交流時(shí)提到，他們基于基礎(chǔ)大模型開發(fā)AI應(yīng)用，但前期并不綁定某一個(gè)大模型，而是讓每一個(gè)模型都上來跑一跑，最終選擇最合適的那個(gè)。

　　簡單來說，賽馬機(jī)制如今也卷到了大模型身上。

　　但這種方式其實(shí)仍存在一些弊端，因?yàn)樗�雖然選擇了不同大模型進(jìn)行嘗試，但最終還是會(huì)與其中某一個(gè)大模型進(jìn)行深度耦合，這還是一種“端到端”的研發(fā)思路，即一個(gè)應(yīng)用對(duì)應(yīng)一個(gè)大模型。

　　但與應(yīng)用不同，作為底層大模型，它同時(shí)又卻會(huì)對(duì)應(yīng)多個(gè)應(yīng)用，這就導(dǎo)致了同一個(gè)場景下的不同應(yīng)用之間，最后的差異十分有限。而更大的問題在于，目前市場上的基礎(chǔ)大模型都各有所長的同時(shí)也各有所短，還沒有某個(gè)大模型成為六邊形戰(zhàn)士，在所有領(lǐng)域遙遙領(lǐng)先，所以這導(dǎo)致基于一個(gè)大模型開發(fā)的應(yīng)用最終難以在各個(gè)功能上實(shí)現(xiàn)平衡。

　　在這樣的背景下，大模型與應(yīng)用解耦就成了一種新的思路。

　　所謂“解耦”其實(shí)分為兩個(gè)環(huán)節(jié)。

　　首先是大模型與應(yīng)用解耦。作為AI原生應(yīng)用的底層驅(qū)動(dòng)力，大模型和原生應(yīng)用之間的關(guān)系其實(shí)可以和汽車行業(yè)進(jìn)行類比。

　　對(duì)于AI原生應(yīng)用來說，大模型就像是汽車的發(fā)動(dòng)機(jī)。同樣一款發(fā)動(dòng)機(jī)可以適配不同的車型，同一款車型也可以匹配不同的發(fā)動(dòng)機(jī)，通過不同的調(diào)教，可以實(shí)現(xiàn)從微型車到豪華車的不同定位。

　　所以對(duì)于整車來說，發(fā)動(dòng)機(jī)只是整體配置的一個(gè)部分，而不能成為定義整輛汽車的核心。

　　類比到AI原生應(yīng)用，基礎(chǔ)大模型是驅(qū)動(dòng)應(yīng)用的關(guān)鍵，但基礎(chǔ)大模型并不應(yīng)該與應(yīng)用實(shí)現(xiàn)完全綁定。一個(gè)大模型可以驅(qū)動(dòng)不同的應(yīng)用，同一個(gè)應(yīng)用也應(yīng)該可以由不同的大模型進(jìn)行驅(qū)動(dòng)。

　　這樣的例子其實(shí)在目前的案例中已經(jīng)有了體現(xiàn)，比如國內(nèi)的飛書、釘釘，國外的Slack，都可以適配不同的基礎(chǔ)大模型，用戶可以根據(jù)自身需要進(jìn)行選擇。

　　其次是在具體的應(yīng)用當(dāng)中，大模型與不同的應(yīng)用環(huán)節(jié)應(yīng)該層層解耦。

　　一個(gè)典型的例子是HeyGen，這是一家在國外爆火的AI視頻公司，它的年度經(jīng)常性收入在今年3月份就達(dá)到了 100萬美元，并在今年11月達(dá)到1800 萬美元。

　　HeyGen 目前擁有 25 名員工，但它已經(jīng)建立了自己的視頻 AI 模型，并同時(shí)集成了 OpenAI 和 Anthropic 的大型語言模型 和 Eleven Labs 的音頻產(chǎn)品�；�于不同的大模型，HeyGen制作一個(gè)視頻就會(huì)在創(chuàng)作、腳本生成(文本)、聲音等不同的環(huán)節(jié)用上不同的模型。

　　另一個(gè)更直接的案例是ChatGPT的插件生態(tài)，最近國內(nèi)剪輯應(yīng)用剪映加入了ChatGPT的生態(tài)池，在這之后，用戶在ChatGPT上要求調(diào)用剪映的插件制作視頻，剪映就能在ChatGPT的驅(qū)動(dòng)下自動(dòng)生成一個(gè)視頻。

　　也就是說，大模型與應(yīng)用的多對(duì)多匹配，可以精細(xì)到在每一個(gè)環(huán)節(jié)選擇一個(gè)最適配的大模型進(jìn)行支持。即一個(gè)應(yīng)用不是由一個(gè)大模型進(jìn)行驅(qū)動(dòng)，而是由數(shù)個(gè)，甚至一組大模型進(jìn)行聯(lián)合驅(qū)動(dòng)。

　　多個(gè)大模型對(duì)應(yīng)一個(gè)應(yīng)用，集百家之長。在這樣的模式下，AI產(chǎn)業(yè)鏈的分工也將被重新定義。

　　如同當(dāng)下的汽車產(chǎn)業(yè)鏈，發(fā)動(dòng)機(jī)、電池、配件、機(jī)身每一個(gè)環(huán)節(jié)都有專門的廠商負(fù)責(zé)各司其職，而主機(jī)廠只需要進(jìn)行選擇和組裝，形成差異化的產(chǎn)品，同時(shí)推向市場。

　　重新分工，打破重組，不破不立。

　　新生態(tài)的雛形

　　多模型多應(yīng)用的模式下，將會(huì)催生一個(gè)新的生態(tài)。

　　按圖索驥，我們試圖根據(jù)互聯(lián)網(wǎng)的經(jīng)驗(yàn)來設(shè)想一下新生態(tài)的架構(gòu)。

　　小程序誕生伊始，所有人對(duì)小程序的能力、架構(gòu)、應(yīng)用在哪些場景都十分迷茫，前期靠一個(gè)個(gè)企業(yè)從頭開始學(xué)習(xí)小程序的能力與玩法，小程序的發(fā)展速度十分緩慢，數(shù)量始終無法突飛猛進(jìn)。

　　直到微信服務(wù)商的出現(xiàn)，服務(wù)商們一手對(duì)接微信生態(tài)，熟悉小程序的底層架構(gòu)和格局，一手對(duì)接企業(yè)客戶，幫助客戶根據(jù)需求打造專屬小程序，同時(shí)配合整個(gè)微信生態(tài)的玩法，通過小程序進(jìn)行獲客和留存。服務(wù)商群體，也跑出了微盟和有贊。

　　也就是說，市場可能不需要垂類大模型，但需要大模型服務(wù)商。

　　同理，每一個(gè)大模型需要真正使用和操盤后才能真的了解相關(guān)的特性以及如何發(fā)揮，服務(wù)商在中間層，既可以向下兼容多個(gè)大模型，又能夠與企業(yè)共創(chuàng)，打造一個(gè)良性的生態(tài)。

　　按照以往的經(jīng)驗(yàn)，我們可以把服務(wù)商粗略地分為三大類：

　　第一類經(jīng)驗(yàn)型服務(wù)商，即了解和掌握每一個(gè)大模型的特點(diǎn)和應(yīng)用場景，配合行業(yè)的細(xì)分場景，通過服務(wù)團(tuán)隊(duì)打開局面;

　　第二類資源型服務(wù)商，如同彼時(shí)的微盟能夠拿到微信內(nèi)的低價(jià)廣告位再外包出去的商業(yè)模式，未來大模型的開放權(quán)限并不是普世化的，能夠拿到足夠權(quán)限的服務(wù)商，將鑄就前期壁壘;

　　第三類技術(shù)型服務(wù)商，當(dāng)一個(gè)應(yīng)用的底層同時(shí)嵌入不同大模型，如何將多模型進(jìn)行調(diào)用和串聯(lián)，同時(shí)保證穩(wěn)定性，保證安全性，以及各類技術(shù)難題都需要技術(shù)服務(wù)商解決。

　　據(jù)「自象限」觀察，近半年已經(jīng)有大模型服務(wù)商的雛形開始出現(xiàn)，不過是以企業(yè)服務(wù)的形式，向企業(yè)進(jìn)行各類大模型如何應(yīng)用的教學(xué)。而做應(yīng)用的方式也在慢慢形成WorkFlow。

　　“我現(xiàn)在做一個(gè)視頻，先跟Claud提出一個(gè)劇本的想法讓它幫我寫成一段故事，再復(fù)制粘貼進(jìn)ChatGPT里，利用它的邏輯能力分解成腳本，接入剪映插件文轉(zhuǎn)視頻直接生成視頻，中間的一些圖片如果不精準(zhǔn)，用Midjourney重新生成，最后完成一個(gè)視頻。如果一個(gè)應(yīng)用能夠同時(shí)調(diào)用這些能力，那就是一個(gè)真正原生的應(yīng)用了。”一位創(chuàng)業(yè)者對(duì)我們講到。

　　當(dāng)然，多模型多應(yīng)用的生態(tài)真正落實(shí)有很多難題需要解決，比如多個(gè)模型之間如何互通?如何通過算法實(shí)現(xiàn)模型調(diào)用的最大化?怎么配合才是最佳的解決方案，這些既是挑戰(zhàn)，也是機(jī)遇。

　　從過往的經(jīng)驗(yàn)來看，AI應(yīng)用的發(fā)展趨勢，可能會(huì)是，分散、點(diǎn)狀的出現(xiàn)，然后逐漸被統(tǒng)一，集成。

　　比如，我們需要問答、做圖、做PPT，現(xiàn)階段可能是許多個(gè)單獨(dú)的應(yīng)用，但未來可能會(huì)被集成為一個(gè)整體的產(chǎn)品。向平臺(tái)化靠攏。比如此前的打車、外賣、訂票等多個(gè)業(yè)態(tài)，現(xiàn)在逐漸集中成一個(gè)超級(jí)APP里，不同的需求也會(huì)對(duì)模型能力提出進(jìn)一步多元化的挑戰(zhàn)。

　　除此之外，AI原生更會(huì)顛覆當(dāng)下的商業(yè)模式，產(chǎn)業(yè)鏈上的熱錢將進(jìn)行重新分配，百度變成了知識(shí)的貨架，阿里變成商品的貨架，所有的商業(yè)模式回歸到最本質(zhì)的部分，滿足消費(fèi)者的真實(shí)需求，冗余的流程就被取代了。

　　在此基礎(chǔ)上，價(jià)值創(chuàng)造是一方面，如何重新構(gòu)建商業(yè)模式，成為投資人和創(chuàng)業(yè)者需要思考的更重要的問題。

　　當(dāng)下，我們?nèi)蕴幵贏I原生應(yīng)用的爆發(fā)前夜，當(dāng)逐漸形成了底層是基礎(chǔ)大模型，中層是大模型服務(wù)商，上層是各類創(chuàng)業(yè)公司。如此層層分工分明，良性協(xié)作，AI原生應(yīng)用才能批量到來。