写点什么

我对于 AI 领域商业模式的思考

作者:老张
  • 2025-04-09
    江苏
  • 本文字数:2609 字

    阅读完需:约 9 分钟

我对于AI领域商业模式的思考

上个月,华为发布了自家首款纯原生的鸿蒙折叠屏手机 Pura X,并搭载了基于全新心理大模型的鸿蒙 AI。这款鸿蒙 AI 会根据用户的语音输入感知情绪,并自适应调整输出的语音,让它更拟人。

在我看来,这种拟人的 AI 产品,是接下来 AI 产品的一个迭代方向。为什么这么说呢,主要基于下面几个事件:

1、最初各家公司的大模型,本质上都是 Chatbot,即聊天机器人,区别仅在于性能和参数量的不同。至于其他方面,无论是文生图、文生视频,还是基于上下文理解的扩写缩写,本质都是在同一个赛道疯狂内卷。

对于初次使用的人来说,确实会感觉到新鲜,就像 22 年底突然火爆的 ChatGPT 一样。但时间久了,当大家都陷入这种性能和参数量的同质化竞争时,很快会让用户失去持续使用的兴趣。

2、24 年底 DeepSeek 横空出世,它对文本的深度理解和推理,以及富有哲学性质的表述,让用户感受到了,大模型也开始初步具备了类人的逻辑思考能力,这也是 AGI 的雏形

3、再到 3 月初突然出现的 Manus,它开始在原来的基座大模型和多模态大模型基础上,基于多智能体技术架构开辟了一条新的道路,即 AI 应用领域。

Manus 可以根据用户输入自适应选择大模型,并通过调度多个 Agent 自动完成任务交付结果,这大概率是未来 AI 应用的一种发展方向

4、3 月 20 号,华为发布的全新产品上开始深度集成拟人化的 AI 手机助手,结合上面几个关键性的事件,我突然意识到,AI 领域的商业模式路径,越来越清晰了。


我们可以将 AI 领域的技术发展路径,粗略的划分为如下几个阶段:

  • 初代大模型:裸调用,即类似于后端服务通过接口,直接解析用户的提示词并返回结果。

  • 简易 Chatbot:以 Chatgpt 领衔的聊天机器人,自此在 AI 领域,开启了全球 AI 加速化的浪潮。

  • 多智能体(Multi-agent):多智能体可以理解为多个 Agent 进程/线程并行工作,它们之间通过(TCP/消息队列)进行沟通,Manus 就采用了这种技术架构。

  • 任务智能体:目前可以粗略分为短任务智能体、长任务智能体。短任务智能体追求更快的响应时间,如华为的 AI 拟人助手、车载智能座舱。长任务智能体则需要较长的步骤或时间才能完成任务,常见于 AI 编码领域,如微软的 Copilot。

截至目前,AI 领域正处于基座/通用大模型(如 DeepSeek)持续深耕和智能体(Multi-agent 和任务智能体)多方向探索阶段。

为什么我会在本文开头如此强调 AI 的拟人化,以及以 DeepSeek 为代表的通用大模型厂商要追求 AGI 能力,本质是因为,我们对人工智能的期待和设想,从来不是一个聊天机器人,也不是一个文本处理机器,更不是一个概率预测机器,而是一个既具备人类理性思考能力,又可以感知人类感性思维的人造硅基生命

当然,这是对于终局的一种设想。截至目前,我对于 AI 领域商业模式的判断是这样的:未来在 AI 应用领域,AI 助手除了搭载于手机上,还会进一步扩展到涉及工作和生活各领域的终端设备上。

包括但不限于:个人设备(手机智能助手)、生活设备(IoT 智能家居)、出行领域(车载智能座舱)、专业设备(医疗/工业/矿山/物流/港口/调度),以及其他领域(手表/眼镜/耳机)等外接设备。

前三者,就是所谓的人+车+家,目前唯一具备这个雏形的公司是小米。后面的几部分,则可以统称为 AI 一体机,这也是今年大 A 炒作的人工智能领域的核心概念。

当然,要达到这一目标,要解决的问题有很多,比如大模型需要进一步降低算力和电力消耗、比如云端一体化的深度融合与打通、比如隐私保护和信息安全问题、比如行业大模型要解决数据资产整合问题等。


最后,分享六点我对于 AI 领域商业模式的思考。

1、AI 的三大底座是算力、算法、数据,基于此才能构建底层大模型。

2、AI 时代,通用大模型会成为新的操作系统,成为水电煤一样的基础设施。

今年各个云厂商疯狂在云基础设施领域大笔投资,就是提前占领身位,希望自己成为未来的基础设施供应商。

云厂商的商业模式,是提供基于底层大模型的配套服务,包括算力、算法和部分数据资源。对公业务则是 SaaS 或者私有化部署,订阅收费。对私业务则是算力租赁,以及微型 AI 模型调用服务(付费)。

3、通用大模型的特点,可以理解为样样通,样样松,行业大模型和微型 AI 体会成为下一阶段的爆发点。

在基础的文本理解、逻辑处理领域,底层大模型的能力几乎都差不多,唯一的差别就是算力、性能和成本的不同。

4、行业大模型,属于 B2B 领域,要想将 AI 能力深度赋能到场景中,只能专门训练具备行业特性的大模型。

行业大模型,需要自上而下的资源整合,因为高质量的行业数据基本都掌握在大厂、垂直领域龙头以及国企手中,单靠个人无法调和里面的利益。

小微企业和个人创作者,只能买垂直领域的模型,以此构建应用层。

5、在大模型这一操作系统之上,才是应用层,包括但不限于智能体、AI 一体机。

AI 应用还未出现出圈爆款,但已经有具有特色的垂直领域产品出现,比如百度文库、秘塔 AI 搜索。

智能体本质上是将非结构化的复杂问题抽象,然后变成模块能力。工作流,则可以理解为自动化的 ultra 版本。

智能体和工作流结合使用,智能体可以增强工作流的灵活性(动态调整),工作流可以协调多个智能体完成更复杂的问题。

6、AI 应用领域,其实是 B2C、C2C 的商业模式,更适合小微企业/自由职业等人群参与。

小微企业以及自由职业人群,AI 时代最大的机会点也只有应用层,本质上还是资源匮乏问题。但借助 AI 这一波浪潮,普通人可以参与到这一轮的财富分配和阶层跃迁当中。


AI 带来的变革, 最大的蛋糕一定会出现在应用层和 C 端。 因为大模型的门槛太高,且是一个极度激烈竞争的维度,不适合普通人,是大厂玩家的资本游戏。

对普通人来说,将 AI 大模型当作生产力工具,利用它构建一个个新的工具,多尝试垂直细分领域的工具。这里的工具可能包括智能体、全新的 AI 应用、甚至还未出现还很快要出现的全新类型的产品。

很多时候用户的问题,恰恰是狭小范围内的具体问题。普通人,特别是自由职业,更应该主动学习应用这些通用大模型工具,去发现用户的真实痛点问题,然后开发小而美的 AI 应用。

用一位硅谷投资人的观点来说,这次大模型浪潮中,大概会有三类选手能够从中获益:

第一类是大公司,因为他们有钱有资源做模型,且大公司业务生态和渠道比较完善,商业模式可以很快闭环。

第二类则是像 OpenAI、DeepSeek 这样的 AI 创业公司,扮演了 AI 领域创新领头羊角色,可以做第一个吃螃蟹的人。

第三类则是独立开发者或者小微企业,Crusor、Trae 等工具大幅度降低了编码门槛,同时底层大模型的能力在不断变强,且逐步开源,这是技术平权的一个很明显的进步。

独立开发者重要学会调用 API,甚至只需要学会合理的使用提示词,就能快速的开发出小而美的 AI 产品。

发布于: 刚刚阅读数: 5
用户头像

老张

关注

读书、思辨、审慎。 2019-12-02 加入

公众号:老张的求知思考世界 博客园:https://www.cnblogs.com/imyalost/ 专注于质量保障体系建设、DevOps实践、稳定性保障领域

评论

发布
暂无评论
我对于AI领域商业模式的思考_人工智能_老张_InfoQ写作社区