“一场针对AI的‘完美风暴’正在形成。”

一位产业投资人如此描述。

街头巷尾都在热议一个叫做ChatGPT的产品，相关概念迅速崛起，ChatGPT相关股票价格也随之猛涨。大数据公司创始人表示，已有客户咨询能否将ChatGPT集成到他们的产品中。

经历了2016年由AlphGo击败李世石而掀起的AI浪潮后，AI行业沉寂良久。上一波浪潮里起来的AI算法公司，在硬件化和数据的泥沼里寻找出路，这么多年，AI行业太需要一个现象级的故事了。因此，ChatGPT的出现，就如同点亮了灯泡，让这个行业再度以如此高光的姿态回到公众视野。与上一波AI浪潮不同，这次的主角从谷歌的AlphGo，变为微软的OpenAI。

风吹得太快了。

2023年1月17日，微软CEO Satya Nadella公开表示，将把OpenAI的GPT产品与自己的生态结合，将GPT加入到微软的Bing、Office、GitHub、Azure等”全家桶”中。随后的一周中，微软宣布向OpenAI追加数十亿美元投资。近期，OpenAI公布了ChatGPT的最新订阅制商业模式，引起了广泛关注。

2月7日凌晨，谷歌宣布推出基于谷歌LaMDA大模型的下一代对话AI系统Bard，这一事件引起了全球科技界的广泛关注。而同一天，百度也官宣了正在研发的文心一言(ERNIE Bot)项目，计划将在3月完成内测，随后对公众开放。这一事件的原因在于，AI技术在过去几年中取得了长足的进步，而对话AI系统是其中最受关注的领域之一。

2月8日凌晨，微软宣布推出由ChatGPT支持的最新版本Bing(必应)搜索引擎和Edge浏览器，据微软公司CEOSatya Nadella表示，这是搜索引擎迎来了新的时代。必应构建在新的下一代大型语言模型上，比ChatGPT更强大，并且能帮助其利用网络知识与OpenAI的技术进行智能对接。

24小时内，三家科技巨头躬身入局、抢占高地。这股风不仅快，而且猛。

谷歌可能只需要一两年时间，就会被彻底颠覆。Gmail创建者之一、谷歌老员工Paul Buchheit近日公开表示，ChatGPT将彻底摧毁谷歌赖以生存的搜索引擎。这一言论引起了广泛的关注和讨论。

人工智能研究机构OpenAI在2022年11月底发布了生成式AI对话大模型ChatGPT，该模型上线一个多月，就把OpenAI的估值从200亿美元推高到290亿。ChatGPT的成功使得OpenAI成为一家伟大的公司，但同时也引发了人们对于未来的担忧。如果ChatGPT的商业化大规模推进，或许我们的后世子孙将很难想象，人类曾需要自己构思文案或自己写程序代码。正如我们难以想象的计算机要占一个房间那么大。

作为一家限制营利(Capped-Profit)型企业，OpenAI在AI领域的研究并非只为赚钱。但ChatGPT似乎正在把OpenAI”逼”到赚钱的风口上。据外媒The Information爆料，OpenAI计划在2023年实现2亿美元营收，2024年底前，营收达10亿美元。

投资机构红杉美国在2022年发布的一篇分析文章《Generative AI: A Creative New World》中提到，生成式AI有潜力产生数万亿美元的经济价值。如今，作为AIGC领域其中一个代表性产品，ChatGPT的爆火正在印证这一预言。

ChatGPT是由多个底层技术积累和市场需求到一定程度的产物，就像iPhone一样，虽然并不是第一款智能手机，但却是最成功的一个。产业投资人对ChatGPT的理解也是如此。

类似于iPhone推动了智能手机应用程序的发展一样，GPT等生成式AI大模型也催生了应用型公司的成长。在过去的一年中，AIGC赛道上涌现出了一批独角兽，让人们看到了这个行业的无限可能性。然而，在这个繁荣的表象下，越来越多的人开始意识到，只有少数公司能够持续讲故事，而更多的公司可能无法坚持下去。

虎嗅通过与多位投资人、业内人士的交流，试图理清，在一、二级市场狂热背后，目前在AIGC上的商业模式，哪些可以跑出来，哪些难以为继。

AIGC的泡沫：还没吹起来，就要破了

AIGC(AI Generative Content,AI生成内容)技术在2022年被很多AI行业人士称为”AIGC元年”，这一年被很多人士认为是一个里程碑，开启了AI直接生产内容的新纪元。ChatGPT的现象级爆火，让人们对AI的能力上限有了全新的认识，也让AIGC彻底出圈。而2022年8月，另一件让AIGC技术得以现象级爆火的事件是图片生成大模型Stable Diffusion的开源。虽然Stable Diffusion并不算是非常强大的AIGC文生图模型，但它的开源让人们可以开始在家中使用这种能力，这也成为了AIGC能够现象级爆火的条件之一。

新的扩散式模型(Stable Diffusion)是由AI公司Stability AI和Runway共同开发的，可以生成高质量的图片，与以往的生成式对抗网络(GAN)相比，该模型的速度更快、质量更好。

随着AI绘图在社交媒体上的迅速蹿红，一些网友开始脑洞大开，提出了将AI生成的图片挂到付费图库作为收费资源的想法，一时间，AIGC文生图成了一门”有手就能干”的生意。

在这一批AIGC公司中，有几家成为了独角兽，其中之一就是Jasper，它利用OpenAI大模型实现商业落地。此外，前面提到的Stable Diffusion的研发公司之一Stability AI也取得了不错的进展。

公司产品or技术估值（美元）成立时间OpenAIChatGPT、DALL-E290亿2015年AnthropicClaude50亿2021年JasperAI内容生成平台15亿2021年InflectionAI人机交互12.3 亿2022年Character. AIChatbot10亿2021年Adept AI LabsAI人机交互10亿2021年StabilityAIStable Diffusion10亿2019年

海外AIGC领域独角兽（按估值排列）

OpenAI凭借着多年积累大模型研发能力，以及GPT、DALL-E等产品，成为独角兽企业中一枝独秀。其他一众独角兽企业，虽然估值与OpenAI相去甚远，但无一不是在短时间内估值暴增。其中，Jasper只是基于OpenAI技术的服务商，估值也达到了15亿美元。而Anthropic更是凭借创始人的GPT元老身份，以”ChatGPT最强竞品”的噱头，被危机中的谷歌看中，估值直逼50亿美元。

据第三方研究机构PitchBook的数据，2022年海外投资者在AIGC赛道至少投入13.7亿美元，完成78笔交易，相当于前五年投资额之和。这一数字显示了投资者对这一赛道的热情，同时也反映了该赛道的潜力和吸引力。

AIGC赛道海外市场融资情况

在这场投资热潮中，美国公司走得更快。根据红杉2022年10月发布的海外AIGC厂商图谱，在大模型、文生文、文生图、代码等细分领域已经出现了不少初创公司。虎嗅根据公开资料整理了部分中国AIGC公司的图表，中国的AIGC公司主要集中在A轮甚至天使轮，主要是在应用端的创新。

红杉资本2022年10月发布的海外AIGC厂商图谱公司领域融资轮次成立时间地点TIAMAT生成式AI平台天使轮，1轮2020上海ZMO.aiAIGC文生图A轮，2轮2020杭州超参数AI技术研发B轮，3轮2019深圳硅基智能AI语音通话服务C轮，8轮2017南京灵图创新影视游戏创作天使轮，1轮2020深圳毛线球科技商业情报追踪和分析天使轮，2轮2016北京深言科技文本生成大模型及应用天使轮，2轮2022北京诗云科技AI内容生产系统Pre-A轮，2轮2020深圳数字力场人工智能生成内容天使轮，1轮2022北京特看科技电商运营SaaS天使轮，1轮2022泉州微软小冰跨平台人工智能机器人研发A+轮，3轮2020北京追一科技AI数字员工战略投资，6轮2016深圳

国内部分初创AIGC公司及轮次（按公司名字排列）

虽然资本热捧，现象级应用层出不穷，创业项目也是一抓一大把，但无论在文生文还是文生图领域，AIGC目前几乎没有看到任何一条特别明确且长久的变现途径。被称为ChatGPT商业化的收费模式，实际上线后或许也只能勉强填补一部分天价运营费用的窟窿。

在资本方面，许多AIGC的早期投资人已经开始考虑撤出这条赛道。 “在AIGC赛道上，吆喝多，真正融到钱的不多。” AI绘图App Draw Things的开发者Liu Liu向虎嗅表示，投资向头部企业集中就是最明显的现象。在经济下行的时候，投资AI行业的头部企业肯定会比较保险。 “另一方面，投资人也会担心这个行业像上一波深度学习热潮一样，最终只能惠及大公司，而小公司很难‘冒头’。” 尽管如此，仍然有许多投资人愿意在这个赛道上投入资金。他们可能认为，即使整个AI市场缩小，仍然有许多大型企业可以利用其强大的资源和资金来推动该行业的发展。然而，这也引发了另一个问题：如何在投资中选择可靠的企业？在这个赛道上，投资者需要仔细评估每个企业的业务模式、技术能力和市场潜力，以确保它们可以在未来实现增长。

泡沫似乎还没有完全吹起来，就要被戳破了。

在AIGC赛道上，已经有公司开始“摔倒”。2022年12月28日，AI绘画公司StockAI宣布停止为用户提供AI绘图服务，开始进行业务转型。目前的StockAI平台已正式关闭，用户订阅计划均被取消。该公司称关停服务是因为AI绘图的运营成本过高，目前的付费用户群无法支付这笔费用。

北京智源人工智能研究院(简称”智源研究院”)、智源创投基金投资总监向其奇认为，目前国内的AIGC已进入”开卷考试”阶段。虽然智源在大模型方向布局比较早，但现在已经不太刻意追求AIGC项目了。他认为，多数AIGC项目虽然看起来美丽，但核心竞争力不足，整体有些虚胖。作为与OpenAI在组织方式和研究方向相似的机构，智源研究院也一直关注国内AI领域的优质早期项目。

AIGC头部公司获得海量资金，催生新晋独角兽；另一边则是初创AIGC公司关停业务。AIGC元年刚过，这条赛道上的公司就出现了一些两极分化的现象。那么，不同公司以AIGC为技术载体实践的商业模式到底成功率几何？谁能跑出来？又有多少模式可以被复制？

缺乏核心竞争力的独角兽

许多AIGC的公司或许能够生存三年到五年，但要让他们继续讲述更长的故事，就非常困难了。一位投资人向虎嗅表达了这样的判断。

ChatGPT爆火之前，2020年问世的大模型GPT-3在业界已经掀起了不小的波澜。此后，OpenAI也有了Viable、Duolingo、Notion等不少值得标榜的API落地案例，基于大模型进行商业化的探索，其中最成功的当属Jasper。

成立于2020年的Jasper，是一家基于GPT-3的API为用户提供AI写作服务的初创公司。虽然Jasper并不是在AI写作领域最早的公司之一，但它却是最早开始调用GPT-3 API的公司之一。GPT-3作为底层大模型，对于普通用户来说还不能直接使用。因此，需要专业的AI研究人员在大模型的基础之上进行参数调试和优化，才能将其应用于实际的写作服务中。

Jasper的核心业务是通过优化GPT-3模型的使用体验，充当普通用户和OpenAI之间的”中间商”，为用户提供更好的使用体验和服务。在2022年，Jasper成功募资1.25亿美元，并估值达到15亿美元，这是一个相当高的数字，因为早在2019年，微软注资OpenAI时，该数字就达到了10亿美元。虽然Jasper是一家成立两年的AI公司，但它已经成功地获得了投资者的认可，并获得了1.25亿美元的资金。这也表明，该公司可以在未来继续发展，并为更多的用户提供更好的服务。Jasper擅长输出电商产品介绍和博主的种草文案等短篇内容。虽然该文章质量一般，但文字内容多数情况下通顺可读，没有明显的语法错误。因此，Jasper在投资者和用户之间都获得了良好的声誉。

虽然Jasper公布的2021年营收近4000万美元，但实际上，这只是其业务规模的体现，减去运营过程中的成本后的真实盈利能力却难以确定。业内人士对此表示怀疑，因为这一数据似乎很漂亮，但实际上Jasper的盈利能力可能并不如表面上看起来那么强。

OpenAI公布的API价格显示，基础模型生成文字的成本为每750个词0.4美元。而Jasper的基础服务月费为29美元，可以生成20000个词。这之间的差价不到17美元，涵盖了Jasper提供的50模板、29语言服务和SEO等一系列其他的服务。如果购买量大，高级月费服务还包括更多的高级服务。

技术迭代是大模型之上应用公司面临的极大挑战。要跟上每一次模型的迭代，公司需要持续足够的技术和资金。

虽然GPT-3/3.5模型已经很好了，但类似Jasper的下游应用企业要提供垂直领域的专业服务，仍然需要基于行业知识自建知识库和模板，并对GPT-3/3.5模型进行Finetune(微调)，这部分的研发成本相当高。智源研究院创新应用实验室负责人史业民认为，因为在大模型和用户之间多了一个中间环节，还要产生很多人员、运营等额外费用。另外，直接利用底层模型API的成本和风险是有可能随着OpenAI的业务调整发生变化的。

那么如果没有中间环节会怎么样？如果底层模型直接和用户对接，Jasper的价值又在哪里？

这段文字可以重新组织为： 这也是Jasper面临的困境。像Jasper一样调用API的公司是OpenAI现阶段的主要收入来源。在ChatGPT爆火之后，一些Jasper的用户发现了ChatGPT能生成比Jasper更好的内容，因此一些用户开始转向使用ChatGPT。这给Jasper带来了一定的压力，因为一些用户认为ChatGPT是他们需要的AI能力。但Jasper首席执行官Dave Rogenmoser表示，ChatGPT缺乏大企业客户需要的功能。因此，Jasper将继续专注于满足那些需要更高级AI能力的企业客户。

Dave Rogenmoser的解释好像还不够有说服力。毕竟，已经有客户直接找到OpenAI了。2023年1月26日，美国版”今日头条”BuzzFeed宣布，将与OpenAI开展合作，使用ChatGPT创作新闻内容。BuzzFeed联合创始人兼首席执行官Jonah Peretti在邮件中指出：今年(2023年),AI创作的内容将从研发阶段转变为核心业务的一部分。消息一出，BuzzFeed股价连涨两天，翻了3倍。OpenAI还没来得及为这波”获客”吹牛，客户倒先开始标榜自己是ChatGPT的实践先锋。

即便如此，Jasper的商业落地仍给很多AI创业者提供了想象空间。只要入局够早，就能抢占先机。但并非所有企业都具备BuzzFeed这种直接对接大模型公司的能力。一家AIGC创业公司创始人认为，能像OpenAI一样不在乎盈利，保持多年烧钱研究的企业或机构并不多。如果没有大量Jasper这样的应用层公司，则很难承托起OpenAI这样的AI大模型类的PaaS(Platform as a Service，平台即服务)公司。

中国也出现一些公司，正在模仿海外的商业模式。但”橘生淮南则为橘，生于淮北则为枳”，简单的复制，很多时候并不能适应中国的土壤。因此，这些公司需要深入理解海外市场和当地文化，并在此基础上进行创新和本土化。

要在中国落地Jasper模式，需要解决的最大挑战是缺乏能够与GPT大模型媲美的大型语言模型。而OpenAI的API业务至少迄今为止对中国用户并不友好，并不官方支持中国的API调用。即使中国企业可以调用，ChatGPT或GPT-3的训练主要使用英文数据训练，中文表现与英文还有差距。

另一方面，就是商业的底层逻辑——赚钱。由于大模型优化成本很高，盈利压力自然也会增加。从微软的Azure OpenAI目前提供的GPT-3微调训练托管价格来看，要在Auzre云上进行GPT-3的优化工作，每小时的成本约20-84美元，这个费用还只是不包括算力的单个模型费用。因此，企业需要投入更多的资源和精力来确保盈利，这可能会导致更多的研究和开发，以及更高的成本投入。

目前中国市场环境的付费意愿和人力成本都不足以支持Jasper的商业模式，因此，Jasper在中国的发展可能会遇到一些挑战。

在Jasper的主要业务电商文案写作方向上，目前很多国内跨境电商对Jasper的AI写作服务都有所了解，但对于他们来说，这种服务的需求度并不高。亚马逊一个产品介绍大概200多个单词，按Jasper的入门计划20000词，可以给不到100款商品生成产品介绍。

一位跨境电商老板告诉虎嗅，虽然英文写作对一些国内跨境电商老板来说有点难度，但AI需求在这个圈子里并不大。对于多数跨境电商来说，雇佣一个兼职大学生，月薪在3000左右，已经足够覆盖所有上架需求了。这位老板表示，能修图、做表格、回邮件，这些都是工作分内的事儿，因此不需要购买文案生成服务。他认为，单独购买文案生成服务相当于多给兼职工买一套Office，完全没有必要。

同时，AIGC生成的内容仍存在很多不确定性。硅基智能创始人司马华鹏表示，”目前我们的纯AI数字人已可以实现连续直播400小时。但很多企业在初次尝试数字人直播时仍存在一定风险和门槛。内容质量差或敏感信息触发直播平台对AI数字人直播的限制。在AI数字人的内容训练过程中，有时需要对NLP进行内容更符合用户需求的预设。”

商业模式难以为继的文生图公司

相较于在文生文领域处于领先地位的Jasper，在文生图领域同样备受瞩目的另一家著名独角兽Stability AI则显得更加不落地。

Jasper在文生文领域已经探索出了比较明确的商业化目标用户，其他创业公司可以在这条路上继续探索。但是，AIGC文生图、文生视频、文生3D模型等赛道还处在很早期的阶段，在北美市场的成功经验中，Lensa AI和Midjourney的主要客户都还在通过流量积累的C端客户的阶段。

2022年10月，文生图公司Stability AI完成了1.01亿美金的种子轮融资，估值达到10亿美金。虽然Stability AI在AIGC文生图领域探索的时间不长，但是这个领域的竞争非常激烈，因此该公司的成功与其合作伙伴Runway密不可分。Runway公司和Stability AI共同推出了Stable Diffusion模型，并将其开源。这项能力的免费交付让人们可以轻易地使用AI绘图的能力，这为Stability AI及RunwayML提供了背书，让他们的模型能力得到了广泛的认可。然而，公开这项能力只是为Stability AI及RunwayML的模型能力做了背书，而他们如何使用这项能力来赚钱呢？Runway公司通过提供基于该模型的云服务，以及将其应用于各种行业，如游戏、金融和医疗等领域，来赚钱。Stability AI则通过将模型应用于各种应用场景，如自动驾驶、智能家居和智能医疗等领域，来赚钱。

目前，文生图领域的许多初创企业所提供的服务仅仅是基于Stable Diffusion模型的交互界面和生成图像的云服务，尽管大多数公司都提供了付费AI绘图模式，但许多用户只使用免费模式就已经足够了。

Lensa AI App于2018年上线，最初主要用途是图片编辑和美化。2022年11月，Lensa AI上线魔法头像(Magic Avatars)功能，用户上传一张人像图，Lensa AI会自动生成各种不同风格的人脸照。上线后，Lensa AI在11月30日至12月14日连续两周位列美国及十多个国家的App Store免费榜榜首。根据数据分析公司Sensor Tower的数据，该应用程序在12月的前12天在全球范围内安装了约1350万次，消费者在此期间的消费约2930万美元。

Midjourney走得更早，他们通过在线聊天社区Discord为用户提供AIGC文生图服务。在最初阶段，Midjourney提供了25张免费图片，此后则以每月最低10美元的价格收费。目前，该公司声称自己的月活用户数已超过100万。

尽管两家公司都拥有一定的付费用户基础，但云服务和模型研发的成本巨大，这给这些服务厂商的长远发展带来了不确定性。目前，C端用户的付费意愿和购买力是否能够形成稳定的商业模式，从而支撑这些服务厂商的长远发展还都是未知数。

“C端用户很容易拉进来，但很难维持新鲜度。”AIGC创业公司6penAI负责人王登科对虎嗅表示，目前AI绘图最主要的用户围绕在C端，但这部分用户一般就是图个新鲜，最多半年，他们对AI绘图、AIGC的热度就会褪去。

相比之下，B端市场似乎更有发展潜力。在AI绘图的B端，目前已经有很多游戏工作室、美术工作室开始尝试提供AI绘图的相关服务了。

国内游戏美术行业的立绘外包价格在6000~10000元不等，根据画师能力和经验，价格也会有所不同。游戏工作室负责人老李表示，AI绘图的单个角色相比人类要便宜很多，可能只有五分之一甚至十分之一的价格。同时，游戏工作室可以提供50个相似造型、不同姿态，不同画面的图片，客户选定之后，美术可以对其进行细化精修工作。

游戏工作室利用AI生成的图片

不过老李接触的客户也不是都能一下子接受AI绘图这种服务模型。

国内一家游戏公司美术总监对AI绘图的评价如下：尽管AI绘图在半年内迅速崛起，但是其对生产力的支持仍然有限。AI绘图能够提供的帮助仅限于寻找灵感，随机性太大，适用的范围也很窄，而且图片不分层，修改成本很高。因此，尽管AI绘图在游戏玩家中引起了广泛的关注和讨论，但是在游戏美术领域，它仍然需要人类的专业技能和经验。

AI绘图技术对于小型游戏工作室来说比较适合，特别是对于那些对IP要求不严格的游戏团队，或是从0到1的绘图需求。AI绘图能够节省大量的美术成本，用户可以通过AI技术生成大量的绘图资源，从而提高工作效率。猫事多工作室的AI技术总监黄峻认为，AI绘图的最大优势在于”给的多”，它可以根据不同的需求生成100张图，给予客户更大的选择和想象空间。

黄峻介绍道：“我们使用A100的云服务器训练AI，每个项目迭代500张图需要1天的时间。”由于AI模型是开源的，因此AI绘图的外包成本相对较低。目前，AI绘图工作室的主要成本在于人类画师对AI的训练以及训练过程中产生的云服务成本。然而，老李认为，AI绘图的关键之处在于节约用户的前期开发时间和人力成本，这可以通过将这部分转移到AI绘图的服务商来实现。

除了时间和人力成本，云服务的成本也是AIGC的大头。不论是B端还是C端市场，不论服务是否挣钱，提供服务都需要花钱。虎嗅从多个提供AI绘图服务的供应商了解到，对于AIGC服务，GPU算力需求很大。因此，有条件的供应商会选择NVIDIA A100 GPU的云服务器，这款服务器端价格相当高。即便不使用A100，云服务也并不便宜。

国内96G显存的单颗A100GPU服务器的算力报价大约是每小时28元，包年月费在13000元左右。史业民解释说，智源研究院开发的 Flag Studio 绘图AI目前采用的是智源研究院自建的云服务器，算力需求大概是2-3台4核A100 GPU服务器，每月开支大概是50000元左右。

对于创业AI绘图公司来说，维持一个可拓展、高性能且有一定显卡保有量的GPU集群每月的运营开支至少要5-10万元左右，然而这样的开支规模却直接回报微乎其微。因此，多数AIGC公司在C端引流阶段，探索未来商业模式的过程仍在持续。

开销和缺乏进项，这可能是StockAI关闭服务的原因之一。然而，王登科指出，在同质化竞争的市场环境中，压缩云计算成本是AIGC创业公司的核心竞争力之一。6penAI通过改进模型精度并持续优化迭代时间，同时不断寻找低价服务器，已经可以将单张图片的成本压缩到1分钱以内。

然而，无论是在生成文本还是生成图像领域，这些基于 GPT 模型的应用层公司都在核心竞争力和商业模式上不断探索。

OpenAI的模式难以复制

ChatGPT的成功并不是对AI基础理论的突破，而是产品和市场上的突破。一位行业资深投资人对虎嗅表示，要大规模商用AIGC，需要满足三个条件：基于技术积累设计出超级模型、有足够的数据去支持训练、以及有算力和流量充足的平台来落地可持续的商业模式。OpenAI作为背靠微软的AI公司，拥有技术、数据、算力的优势，而微软旗下的Bing则提供一个自带流量的商业平台。

类似于iPhone的核心供应链，通用大模型也可以被归类为平台型公司，它们拥有技术、数据、算力、流量的产业链优势。

AIGC产品的迭代一定很快，ChatGPT是第一个出圈的产品，但不一定是商业上最成功的。

OpenAI创始人Sam Altman曾在一次采访中表示，未来会出现多个大型的基础模型，开发人员将基于这些基础模型研发 AI 应用。但目前的情况依然是，某一家公司开发出一个大型语言模型，然后开放 API 供他人使用。

ChatGPT上线后，一周内吸引了100万注册用户，开发者们通过模拟浏览器代码的方式破解了ChatGPT的API，一时间大量破解版的ChatGPT”二次开发”涌入GitHub。最近，OpenAI推出了名为ChatGPT Plus的20美元/月订阅版，为ChatGPT找到了一条最快捷直接的变现道路。ChatGPT Plus的增值服务包括高峰时段免排队、快速响应以及优先获得新功能和改进，OpenAI也表示会保留免费服务。

AIGC在各个领域的应用都还处在极早期，这个行业爆火的最大好处应该是把大模型彻底带出圈了。史业民认为，AIGC让公众了解到AI真的能做一些事情，在此之前AI行业花费了很大力气去教育市场了解AI，但很多企业对AI都持存疑态度。因为没有实际场景应用，就很难了解AI的上限到底有多高。

向其奇认为，大模型产业化和移动互联网有相似之处，都需要通过做应用来形成用户体验。但AIGC和移动互联网又有所不同，AIGC架构在大模型的能力之上，但国外大模型的API不一定给国内开放，国内的大模型还需要进一步优化升级，并且当前的商业模式也不是很清晰。因此，短期热度虽高，但很难长期吸引投资人关注，可能只有明星创业团队和行业老兵能持续融到钱。不过，他也认为，中国市场大、用户多，具有更多的可能性，在应用上来说，可能比美国市场更具优势。”很多应用体验在国内能打磨到极致，但在国外并不一定。”

随着AIGC技术的不断发展和商业路径的多元化，未来AIGC赛道的参与者可能会从三个方面产生：底层模型研发公司、封装应用的开发者以及提供专业化AIGC服务的供应商。

目前，封装应用市场已经处于同质化竞争的阶段。各种应用都是基于开源模型Stable Diffusion形成的产品，例如AI绘图。调参服务则主要是基于行业经验提供服务，这种业务很容易被复制，且增长空间非常有限。

AIGC只是一种应用形态，是个表象的技术。它背后的大模型才是核心。史业民认为，OpenAI之所以会在ChatGPT推出之后迎来一波爆发式增长，就是因为ChatGPT以AIGC的形式向行业展现了他的大模型能力，这让人们意识到大模型技术的重要性，并促使更多的企业和机构开始投资和研发大模型技术。

国内各家大厂、研究机构都在生成式大模型上重点发力，相继发布了悟道、ERNIE、盘古等大规模预训练模型。在AIGC领域，智源研究院的 Flag Studio，百度文心一格等都是基于自研模型推出的AIGC产品。

笔者用Flag Studio画匠生成的图片

整个AI行业未来的趋势可能就是几家大模型公司“一统天下”。史业民指出，从技术层面来说，构建大模型的数据和Feedback(反馈)会形成一个闭环，用的人越多，Feedback越多，模型也就有更多的数据支持迭代。这意味着早期玩家可以积累巨大的前期优势，而新的选手则完全没办法入局。因此， feedback也会成为模型的一部分，成为最终的“武器”。

微软、谷歌、百度等巨头都对AIGC、AI大模型领域如此看好的原因。然而，在国内大模型的研究方面却走了几年弯路。由于AI“生成”内容的质量一直不理想，且理解类任务和多数大厂的现有业务息息相关，直接导致国内很多厂商都是从近几年才开始重视AIGC业务。

AI大模型实际上已经算是信创产业(自主可控的信息技术应用创新产业)了。国内很多场景都要求保护数据，不太可能把数据放到美国的服务器上。同时，在大量政府、国央企应用场景中，文本的处理会涉及到很多机密。因此，AI大模型的开发需要自主可控的技术，而OpenAI对中国全面开放API接口，可能会使得这一产业面临“卡脖子”的危机。即便OpenAI对中国全面开放API接口，AI大模型的使用仍然受限，因为很多场景需要使用中国的AI大模型，这些模型需要自主可控的技术。虽然我国AI技术整体上发展不晚、也不慢，但在大模型领域同样面临“卡脖子”的危机。

不管怎样，随着AI行业灯泡的点亮，真正的技术竞争才刚刚开始。拥有数据的平台公司具有生态优势，而初创公司则专注于差异化和互补性。无论是在底层的大模型，还是AIGC的落地方面，各家企业都还需要冷静判断，看清前路，找到属于自己的赛道，跑下去。

Error response

Error code: 414

Message: Request-URI Too Long.

Error code explanation: HTTPStatus.REQUEST_URI_TOO_LONG – URI is too long.