大模型产品化，不过是三支舞

2024-06-12
天津
本文字数：3847 字
阅读完需：约 13 分钟

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。

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。

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。

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。

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。

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。

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。

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。