大模型产品化,不过是三支舞
今天,摆在全球数百个 AI 大模型面前的,是一个共同的问题:如何赚钱。
无论模型诞生地在中国还是美国,无论属于通用大模型还是垂直大模型,商业化可以说是这项技术在全球范围内共同面对的问题。
在大模型最初所带来的震惊与喜悦过后,是大量 AIGC 平台走向免费开放,大模型 toB 服务大打价格战。花样繁多的大模型,似乎始终无法激活用户的付费欲望。
而大家都知道,商业化的前提是产品化。虽然大模型带来的 AIGC 能力本身就有着非常强烈的产品化属性,但以一种软件应用来说,它还是过于粗陋和黑箱了。用户需要自己去探索 AIGC 究竟能带来什么,可能性有哪些,从而很难获得确定性的产品满足。另一方面,大模型在技术上的潜力也没有被充分挖掘。一些需要在产品设计层面放大的基础能力,还静静地躺在平台那一长串功能简介里。
![](https://static001.geekbang.org/infoq/a0/a09beb93fe3e1299166a292f7ef1e6d2.jpeg?x-oss-process=image%2Fresize%2Cp_80%2Fauto-orient%2C1)
于是,在全球共享的商业化压力下,大模型产品化开始提速。不分中美,无论是传统科技巨头还是新型 AI 公司,都开始在大模型产品化上发力,推出了五花八门,千姿百态的大模型产品化策略。
这种情况导致很多朋友会有点迷茫。放眼望去,感觉每家厂商都在做不一样的 AI 产品,提出全新的 AI 概念。但仔细想象,好像又说不出究竟哪里不同。
为了帮大家克服这种乱花渐欲迷人眼的“AI 眩晕感”,我们盘点了目前大模型产品化的三种主要思路。
看不懂大模型产品化的诸多套路不要紧。我们只需要记住,今天的大模型,其实就是在跳三支舞。
通往全模态的胡旋舞
那些国际 AI 巨头眼里的 AI 产品大概长什么样,这个问题已经渐渐有了答案:他们可能希望 AI 跟真人差不太多。
不久之前,OpenAI 和谷歌接连发布了新的 AI 产品,也就是 OpenAI 最新的旗舰大模型 GPT-4o,和谷歌的 Project Astra。它们的共同点,是都加入了跨文本、音频与视觉的信息收集能力。换言之,大模型正在从只能听、读、写,变成同时也能看和说。用户与大模型之间的交互模式,也在越来越像与真人之间的交互模式,而且大模型可以在 200 到 300 毫秒的区间内响应音频输入,这已经与人类之间的交流速度大体相同。
![](https://static001.geekbang.org/infoq/73/73d129f4dcadc115f975d06abb0a1934.png)
GPT-4o 被称作 OpenAI 有史以来最为产品化的一款应用,就是因为它更加重视与用户之间的互动体验,打磨了诸如响应速度、具体使用功能等被定义在产品侧的细节。更重要的是,GPT-4o 开创了一种新的产品模式:它比语音助手的交互形态更多,作用更广,同时比传统的 AI 对话框模式降低了使用门槛,增加了使用场景。
这种 AI 产品的使用体验,非常接近于跟真人打视频电话。很难不让人想到电影《Her》或者《钢铁侠》中的贾维斯,虽然在使用体验上肯定不如它们,但产品逻辑已经与科幻电影里对 AI 的使用想象一般无二。
![](https://static001.geekbang.org/infoq/00/003431e7afc2414a721a5e7f49411196.png)
我们有理由猜想,OpenAI 在 AI 产品化上的思路,就是比对着科幻作品来进行设计的,只不过他们恰好有机会把科幻变成现实。
这种“类视频电话”的大模型产品模式,本质上是将不同的 AI 感知、理解、生成能力进行融合,就像胡旋舞会越转越快,随着大模型的不断发展,AI 技术也在越转越快,把不同模态下的信息收集能力与内容生成能力都卷进来。
沿着这条路走下去,有理由相信接下来的主流 AI 产品会发生这样的变化:
1.类似 Sora 的视频生成能力,将很快融合到主流通用模型中。让 AI 应用能够同时听、看、读,并且能够生成包括文字、代码、音频、图片、视频在内的种种内容。
2.垂直类的 AI 模型生存空间会越来越小,通用模型集成的能力不断增多。就像 GPT-4o 里的“o”是 Omni 全能的意思。全能,将是 AI 产品主要的发展方式。
3.AI 的记忆能力会越来越强,从而导致“全能+定制化”成为 AI 应用的主要发展思路。
虽然在目前阶段,大模型在很多时候还是为了与搜索、绘图、语音助手等能力结合。但随着全模态感知,全模态理解,全模态生成的“三全大模型产品”不断发展,大模型将不再是一种赋能技术,而是更倾向成为独立且全新的产品形态。
这个产品方向虽然还不成熟,但方向的确定却意义重大。
类“视频电话”的 AI 应用,可能是除了机器人管家之外,人类对 AI 的最根本想象。它的出现和发展,意味着 AI 时代最大的一座海底金矿正浮出水面。
类 ChatGPT 应用的集体舞
如果大模型是一支足球队,OpenAI 这样的公司在前场进行突破,那么更多的 AI 公司、科技公司则需要在中场进行竞争。在 ChatGPT 爆火之后,OpenAI 开始在智能体、文生视频模型、全模态模型等领域发展,但大量借着这个机会入局大模型的公司,则更多是在打磨自己的类 ChatGPT 应用。经历了漫长的内测之后,如今大量聊天对话框模式的 AIGC 应用走向公众。这时候问题来了,投入了这么多,也终于可以面向 C 端用户开放了,如此费劲,最后要怎么赚钱呢?
于是我们正在目睹非常奇特的一幕:以国产大模型阵营为代表的大量 AI 项目,都集中在了类 ChatGPT 模式这个环节上。向前走的文生视频等应用还没有完成研发,而环顾左右则会发现大家的能力大同小异,动作整齐划一,只有概念口号是个喊个的。
![](https://static001.geekbang.org/infoq/e0/e084a57ccae4d50f7a3151ae8eb4ec09.jpeg?x-oss-process=image%2Fresize%2Cp_80%2Fauto-orient%2C1)
无论是叫 AI 助手、智能平台、智能对话还是智能搜索,本质上这些大模型产品都是类 ChatGPT 应用。从最早的文心一言,到通义千问、豆包、Kimi、腾讯元宝、讯飞星火、天工,市场已经充斥了太多的类似产品,大模型变成了一场货真价实的集体舞。
有一个囚徒困境正在困扰着所有这类产品:想要收费来回收研发成本,但又怕收费引起用户不满,把用户推向竞品;想要通过技术能力来实现差异化,但又拿不出真正具有说服力的技术方案,于是只能在概念、名称、噱头上下一番功夫。
为了摆脱这个困境,类 ChatGPT 应用们也找到了一些产品化方案,我们可以做个总结:
1.开始强调类 GPTs 模式,以智能体撬动市场升级。
俗话说得好,大模型+对话就是开个场,真正卖票还得看智能体。可定制化,具有专业能力的智能体,被认为是大模型商业化的真正归宿。面向这个可能性,各家厂商也开始了自己的探索,包括 OpenAI 打造了 GPTs 模式也是如此。
![](https://static001.geekbang.org/infoq/59/597db6f0ea929e7e50a1b17f005094e8.png)
比如说,文心大模型已经正式落地了智能体能力,推出了文心智能体平台;火山引擎也公布了一站式 AI 应用开发平台扣子。基础的 AIGC 对话免费+高阶智能体收费的产品模式,是接下来大模型商业化的主要考虑方向。
![](https://static001.geekbang.org/infoq/31/315f15caa510d281cb0e2388e1cb1a1e.jpeg?x-oss-process=image%2Fresize%2Cp_80%2Fauto-orient%2C1)
2.把类 ChatGPT 产品作为流量入口。
另一种类似应用的产品化建设思路,是大入口+小收费窗口的互联网模式,即整体产品免费,但一些特定的功能可能需要开通会员或者使用代币。收费功能可能相对比较专业,瞄准特定需求人群,或者比较新奇好玩,调动用户的猎奇尝鲜心理。
这种模式的问题在于,会把整个产品变得越来越复杂。用户会有一种在玩免费手游一样的“被套路感”。而且整个入口的生态建设也需要更清晰的交互思路,以免用户刚刚接触大模型就面对非常复杂,到处都是收费入口的交互逻辑。
3.把类 ChatGPT 应用与自身优势结合。
第三种相关产品的建设方案,是结合这些平台类企业其他的优势项目,从而期望达到 1+1>2 的效果,至少要将一部分原有平台的用户绑定到大模型应用上。比如百度就强调将搜索、文库、网盘等应用与大模型结合,以各种方式调用文心大模型。腾讯元宝则宣布将与公众号创作生态进行结合,成为创作助手。
![](https://static001.geekbang.org/infoq/e3/e3efa5b200be033e687f6ac2e282d9c4.png)
这种生态矩阵玩法,是互联网产品的一贯思路,但用户是否能够由此产生与大模型应用的粘性,是一件需要长期考量的事情。
我们必须尴尬地承认,曾经风头无两的 ChatGPT,也已经在尝鲜期过去之后渐渐淡出了用户热情追捧的区间。用户更希望看到的是非常生动、好玩,能够引发流行趋势的 AI 应用,而不仅仅是生硬的对话框。
类 ChatGPT 应用真正的产品化春天,或许在于打破固化的 AIGC 对话聊天框架。把其能力抽取出来,变成更具有美感与传播力的软件产品。
毕竟集体舞里能被记住的,很有可能是不按规定动作的那一个。
拟人化的贴面舞
在这些大模型产品化的思路之外,还有一种思路应该得到重视,那就是将 AI 产品进行拟人。
不久之前,如何让 ChatGPT“越狱”搞一些奇怪事情的教程四处流窜,一些网友掀起了跟 AI“谈恋爱”的新时尚。无论我们怎么评价这些行为,必须意识到的是,人类对 AI 的基础想象必须是拟人化、类人化的。也就是说,我们需要 AI 有名字,有个性,跟人类有共同记忆,而不是冷冰冰且万能的对话机器。
从这个思路看,AI 带来的最大价值是情绪与情感价值。我们需要与人对话,与人分享,和他人建立联系,但这个人可能也未必需要是真人。这种需求是客观存在,且具有商业化潜力的。GPT-4o 被指责侵权采用了明星的声音等行为,其行为动机都是希望 AI 更加拟人,能够让用户产生与真人进行对话的想象。
让大模型拟人化,与用户跳贴面舞,在接下来商业化压力越来越大的局面下,很可能成为很多 AI 项目的重点选择。
![](https://static001.geekbang.org/infoq/1d/1d545417c26f9c3ba0ad1e81795bba83.png)
比如说,豆包大模型当中就推出了角色扮演模型,AI 会模仿不同人设、不同性格的人来与用户进行对话,并且可以通过智能体来自己设定聊天角色。
有人设的聊天,重点是多轮对话的记忆能力。这一点上,也有越来越多的大模型产品强调记忆能力,比如文心一言就强调多轮对话能力带给用户的沉浸体验角色感。
技术难度小,价值可能很大,但容易触碰法律法规与公序良俗的边缘地带。大模型拟人的产品化空间,应该会在未来得到越来越大的重视。由此可能辐射到的数字人主播、专属 AI 助手等产品化形式,有着非常充裕的讨论和想象空间。
大模型的产品化,目前整体处在一个高不成低不就的尴尬情况里。向上突破,技术代差依旧明显,技术的未知领域情形不明;横向竞争,同类大模型产品过多,已经产生了让人窒息的挤压感;向下覆盖,大多数互联网用户其实还对大模型应用没有感觉,找不到使用与付费的必要性;弯道超车,搞一些拟人项目,还容易触到各种雷区。
![](https://static001.geekbang.org/infoq/9b/9b13e4d8e2e355d0c10fd10f616548aa.png)
这种情况下,大模型的产品化必须戴着枷锁跳舞,既要让观众看到,又要小心舞台上的荆棘。
或许在不远的未来,一个或者几个天才般的产品化创意,将解决一切大模型的苦厄。但在今天,做大模型产品的主旋律依旧是赔钱赚吆喝,打肿脸充胖子。
版权声明: 本文为 InfoQ 作者【脑极体】的原创文章。
原文链接:【http://xie.infoq.cn/article/d2d77c6d6a8eb08398339b9bb】。
本文遵守【CC-BY 4.0】协议,转载请保留原文出处及本版权声明。
评论