AI 盈利趋势，已截然不同！

公众号：Ailiaili | AI软件网
Ai项目交流群，Ai账号交易充值，Ai软件分享,Ai网站导航,Ai工具大全等
复制公众号

朱啸虎，作为金沙江创投的主管合伙人，其深厚的投资经验和独到的商业洞察在业界享有盛誉。通过他的一系列成功投资案例，如滴滴、饿了么、小红书等，他证明了自己作为“独角兽猎手”的实力。近期，他带领团队访问美国硅谷，深入探访了多家科技巨头和学术机构，对AI创业的盈利趋势有了更为深刻的理解。

在回国后，朱啸虎在黑马大课中分享了关于生成式AI（AIGC）的见解，强调了AIGC创业需回归商业本质的重要性。他指出，缺乏良性商业模式的大模型公司难以长久发展，因为持续的资金支持是生存的关键。此外，专有数据和用户场景对于构建稳固的防御壁垒至关重要。

朱啸虎进一步指出，在美国，一线大模型公司凭借强大的资金和资源，正寻求各自的发展道路，而二线公司则面临着被收购或淘汰的风险。与此同时，国内的大模型公司之间的价格战愈演愈烈，几乎到了免费的地步，这对创业公司的生存构成了极大威胁。

他还观察到，大厂自身的AI产品往往比投资的创业公司更为出色，如阿里巴巴的通义千问超越了其投资的五家大模型公司。此外，苹果发布的AI功能也展示了其强大的生态优势，能够随时切换不同的大模型，而不会为其他公司导入用户。

朱啸虎还提到了“价值微笑曲线”的概念，指出英伟达、微软、苹果等位于曲线的两端，而大模型公司则处于曲线的底部。这进一步强调了大模型公司在当前市场环境下的困境。

综上所述，朱啸虎的分享为我们揭示了AIGC创业领域的现状和挑战。他强调，为了长远发展，AIGC创业公司必须回归商业本质，寻找可持续的商业模式，并构建稳固的防御壁垒。同时，他也提醒我们关注大厂在AI领域的生态优势和市场策略。

  AI 并非无所不能

在当今时代，AI技术的飞速发展让许多人对生成式AI（AIGC）寄予了过高的期望，仿佛只要融入了AI元素，产品就能自动获得市场的青睐。然而，现实情况却远非如此。

最近，一些消费电子企业尝试在产品中融入AI元素，以提升其智能化程度。然而，这些产品在实际使用中的表现往往与用户的期望存在较大差距。这种现象不仅在中国普遍存在，即便是在AI技术领先的美国，也同样面临着类似的问题。

AIGC之所以难以在实际应用中落地，主要存在两大核心问题：幻觉问题和结果不可控性。

首先，AI的幻觉问题是指AI在某些情况下会产生错误的预测或判断。这种幻觉的产生往往难以预测，且每次出现的结果都可能不同。这种不确定性使得AI的应用充满了风险。

而造成AI幻觉问题的根本原因在于脏数据。许多用于训练AI大模型的数据来源于互联网，其中包含了大量的不准确、甚至错误的信息。这些脏数据在训练过程中被AI模型吸收，从而导致模型在做出预测时出现偏差。

以谷歌的一个真实案例为例，当用户在搜索引擎中询问如何解决披萨奶酪脱落的问题时，谷歌的AI模型竟然给出了一个荒谬的建议：添加胶水。这个答案实际上是一个网友在多年前编造的玩笑，但AI模型却将其视为正确的解决方案。

这个案例充分说明了AI在实际应用中的局限性。虽然AI技术具有巨大的潜力，但要想真正发挥其实用价值，还需要解决许多技术难题和伦理问题。因此，我们不应该盲目地将AI视为万能之药，而应该理性看待其局限性和挑战。

  中国 AI 发展，数据更是关键

在探讨中国AI发展的道路上，数据无疑成为了核心驱动力。此次硅谷之行，让我深刻感受到数据在AI技术中的重要性。即便拥有强大的硬件支持，如大量的GPU卡，如果缺乏足够的数据进行训练，AI模型的性能提升仍然会受到限制。

以快手的「可灵」为例，其成功并非偶然。快手作为短视频领域的佼佼者，拥有海量的用户数据和视频内容。正是这些丰富的数据，使得「可灵」在生成视频方面的表现超越了其他模型。与此相反，一些AI公司在数据获取上显得捉襟见肘，甚至对于是否使用了特定的数据源都避而不谈。

这一现象凸显了中国在AI领域的一个独特优势：丰富的私有数据资源。中国企业利用这些数据进行模型训练，不仅能够提高模型的准确率和性能，还能够降低幻觉的出现。这种优势在文字处理和逻辑推理等场景中尤为明显。例如，GPT-4虽然在文字处理方面表现出色，但在多步推理能力上仍显不足。而中国企业通过积累大量高质量的数据，能够训练出更擅长多步推理的模型。

此外，中国企业还在利用AI技术优化业务运营方面取得了显著成效。例如，微信营销公司能够运用大模型取代50%的员工，这得益于他们对团队与用户对话数据的完整积累。这种数据驱动的业务优化模式，不仅提高了工作效率，还为企业带来了更大的商业价值。

因此，中国在AI发展上并不逊色于美国，甚至在某些方面更具优势。关键在于我们能否充分利用这些优势，积累更多高质量的数据，推动AI技术的持续进步和创新。同时，我们也需要关注数据安全和隐私保护等问题，确保AI技术的健康发展。

  中国不缺技术，缺的是极致用户体验

在当前AI发展的浪潮中，通用大模型已经逐渐成为了科技巨头的竞技场。然而，中国凭借丰富的垂直场景和庞大的数据资源，有机会在垂直应用领域取得显著优势。

首先，让我们通过一个实例来探讨垂直应用的重要性。有一家为中国电厂提供信息系统维护服务的公司，他们利用AI技术大幅优化了派工单的处理流程。过去，派发一个工单需要两三天的时间，并且需要人工反复核实。但现在，通过大模型的学习，派单时间被缩短至2分钟，并且准确性甚至超过了人工设置。这个例子充分展示了垂直场景下的AI应用潜力。

对于创业者而言，找到良好的垂直场景至关重要。这并不需要巨额的资金投入，而是需要深入理解和挖掘特定行业的需求和痛点。一旦找到这样的场景，就应该迅速构建起数据闭环，并抢占市场先机。

除了电力行业，数字人制作、直播电商等领域也展现了AI技术的巨大潜力。例如，HeyGen公司通过制作数字人，为用户提供了快速生成短视频的解决方案，并在短时间内实现了可观的收入。同样，AIGC机器人在直播电商中的应用也切中了用户的痛点，为商家带来了更多的商机。

这些成功案例表明，中国的企业在AI应用方面并不逊色于美国。特别是在今年，如果GPT-5未能如期发布，那么在应用层面，中国将有机会大幅领先于美国。

展望未来，AIGC将成为未来十年的潜力赛道。英伟达等半导体硬件公司的市值飙升，预示着新一轮的技术革命即将来临。然而，与应用层公司相比，硬件公司的价值增长可能只是冰山一角。因此，我们应该更加关注AI技术在垂直领域的应用和发展。

最后，我想强调的是，中国的AI创业公司应该充分利用自身的优势，积极寻找和挖掘垂直场景下的机会。通过不断试错和迭代，开发出真正符合用户需求的产品和服务。同时，我们也应该关注开源模型的发展，它们与闭源模型相比具有相当的竞争力，可以为中国AI应用的发展提供有力支持。

在中文知识处理方面，阿里的通义千问等本土AI技术相较于国际上的Llama 3等模型，确实展现出了独特的优势。这一优势主要源于对中文语言和文化背景的深刻理解，使得本土AI技术在处理中文知识时更为精准和高效。

许多创业公司已经意识到了这一点，纷纷选择使用如1000万参数的开源模型来训练自己的垂直模型。这种做法不仅降低了技术门槛和成本，还能快速实现特定场景下的AI应用落地。

对于AIGC（人工智能生成内容）的未来，我持乐观态度，并坚信它将成为未来十年极具潜力的赛道。AIGC的发展将深刻影响软件、消费电子以及消费端应用的各个方面，带来前所未有的变革和机遇。

然而，面对这一巨大的机遇，创业者们也需要保持清醒的头脑，避免盲目跟风或迷信AI技术。以下是我对创业者的三句箴言：

1. 不积极拥抱AI的企业必然会被市场淘汰：随着AI技术的不断发展和普及，那些未能及时跟上步伐的企业将逐渐失去竞争力，最终被市场淘汰。因此，创业者需要积极拥抱AI技术，不断探索和实践，以保持企业的活力和竞争力。

2. 切勿盲目迷信AI，聚焦锐利的场景尽快实现落地：虽然AI技术具有巨大的潜力，但并不意味着所有场景都适合应用AI技术。创业者需要深入理解和分析自己的业务场景，找到最适合应用AI技术的切入点，并尽快实现落地。同时，也要避免过度迷信AI技术，导致盲目投入和浪费资源。

3. 优化用户体验，构建闭环数据，切勿将精力投入到底层技术：在AI应用中，用户体验和数据闭环是至关重要的。创业者需要不断优化用户体验，提高产品的易用性和吸引力。同时，也要注重构建数据闭环，通过数据分析来不断优化产品和服务。在这个过程中，创业者应该避免将过多的精力投入到底层技术的研发上，而应该更加关注如何将这些技术应用到实际业务场景中，解决实际问题。

本文链接：https://ailiaili.cc/post/815.html