自ChatGPT走红后,国内AI大模型建设潮起,如今经过一年半的快速发展后,大模型商业化显著提速。自生成式AI席卷各行业以来,市场对AI应用发展的预期高涨,但AI应用似乎陷入“增长难题”,进展不及预期,大模型如何商业变现,成为各界关注的焦点。
01 AI应用发展现状
**底层技术进步较大,但应用进展不及预期。**大模型对于人类自然语言的理解已经比较准确,人们可以通过自然语言描述进行IT开发、图片视频生成、工业控制、无人驾驶等。
但基于大模型的应用尚未爆发,很大程度上可能是因为人们无法在空白对话框面前提出有效问题,实际上问题本身或是自身知识结构的专业性体现,大模型对于普通用户来说基本上就是个玩具。基于Transform架构的大模型技术核心是,在训练数据集范围内,按照概率对文本的预测和推理,因此优质的提示语实际上是生成高质量回答的前提条件。用户无法获得良好的体验,可能主要受制于提示语工程不够完善。
大模型可能将颠覆大多数垂类应用行业,无论是直接取代还是赋能玩家,垂类应用厂商大多都在构建自己的垂类大模型以降本并提高竞争力。通常有调用大模型+Fine-Tuning和使用开源大模型自己训练垂直大模型两种方式。
直接调用大模型并进行适当的优化通常是成本更为可控、实现更为快速的方法。例如海外微软直接调用OpenAI大模型,Runway直接调用Midjourney开源模型,国内漫步者直接调用阿里通义大模型、润达医疗直接调用华为大模型等;自己训练垂直大模型的成本和技术难度都相对较高,通常只有头部公司有能力进行。例如,好未来发布的Max GPT数学模型和美图在图像领域的大模型。
02 AI商业化落地在B端和C端的场景
从目前海外进展来看,商业成熟度较高的应用出现在B端,而市场关注度较高的往往在C端。海外除了ChatGPT等偏C端产品外,AI商用主要落地在B端,C端应用在海外上市公司不多见。
目前B端应用中,企业知识库和商业咨询进展较快,主流大公司Servicenow、Shopify等已经有大订单落地。应用场景主要为:
ITSM(IT服务管理)
总结报告、知识库管理等场景开始结合AI进行探索,用于提高IT人员解决问题的效率。
CRM(客户关系管理)
在客户跟进报告(电话交流后自动生成跟进报告)、知识库管理(指导销售人员推动业务流程)等场景开始结合AI进行探索,主要用于提高销售人员事项性流程的效率,以及销售能力、经验的复制和拓展以提升销售人员整体的业务能力。
此外,数据存储和搜索需求作为配套业绩显著增长。企业内部数据需要打通、协同处理,最终以外挂向量数据库的形式落地。Salesforce的Data Cloud、Elastic的向量搜索解决方案和MongoDB的向量数据库业务都呈现较为明显加速增长的迹象。
C端主要考虑多模态和类个人助理场景。
AI多模态
AI多模态能给用户带来显著的感受,例如娱乐、视频、游戏、图片设计等。
类个人助理场景
类个人助理场景可以利用大模型理解人自然语言交互并程序化执行任务的特点,代替人们完成一些非标场景的任务,例如办公、教育、招聘、搜索、电商领域和AI Phone等。
03 AI应用在B端和C端的商业模式分析
通用大模型公司的主要盈利方式
以OpenAI为代表的通用大模型公司的盈利方式分B端、C端,未来通用大模型厂家或将持续收敛,未来模型厂商的变现途径可能以B端为主,以MaaS(模型即服务)方式赋能千行百业。
To B
(1)以ChatGPT第三方插件为例,大模型公司可开放API端口,按调用次数、点击量进行收费;
(2)MaaS(模型即服务):为企业训练模型或解决方案,提供定制化服务等。
To C
以ChatGPT Plus为例,在GPT模型基础上推出独立应用场景,采取订阅付费模式,每月向用户收取20美元。
图片来源:OpenAI官网,西南证券研报
图片来源:Adobe官网,弘则研究研报
B端产品的盈利模式****
主流B端应用厂商的定价分为两类:产品价格普涨、Al模块额外定价。
产品价格普涨
典型代表Adobe,其创意云套件订阅价格在2023年11月1日后普涨,平均涨幅在8%-9%,显著高于以往数次涨价3%-5%的幅度。
Al模块额外定价
微软、ServiceNow、Salesforce、Zendesk等厂商均采用这一定价方式。
基于以上两种模式的定价,AI为主流B端应用厂商带来了增量收入。下表为我们提供了一个海外分析AI带来增量收入空间的视角,即关注采用客群/项目比例、提价比例。具体来看,根据摩根士丹利研报,产品价格普涨预计为Adobe带来5.2%的ARR(预期年订阅收入);AI模块额外定价预计为ServiceNow带来0.4%的AVC(单客户平均收入),若新ACV为约25%的订单金额,则实际提价对新ACV的提升约4%,接近Adobe的5.2%。
资料来源:摩根士丹利研报
C端产品的盈利模式
C端产品以订阅制为主,早期用户基数是关键。订阅制的盈利模式取决于用户基数、转化留存率、定价,产品早期较为重要的是获得足够基数的用户,在此基础上不断迭代产品。若产品迭代后和应用场景能够较好地融合,则有望实现“用户增长+高付费转化+定价溢价”的飞轮效应。因此,拥有一定用户基础的软件厂商/互联网厂商通常拥有较大的先发优势。
大模型&AI产品经理如何学习
求大家的点赞和收藏,我花2万买的大模型学习资料免费共享给你们,来看看有哪些东西。
1.学习路线图
第一阶段: 从大模型系统设计入手,讲解大模型的主要方法;
第二阶段: 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用;
第三阶段: 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统;
第四阶段: 大模型知识库应用开发以LangChain框架为例,构建物流行业咨询智能问答系统;
第五阶段: 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型;
第六阶段: 以SD多模态大模型为主,搭建了文生图小程序案例;
第七阶段: 以大模型平台应用与开发为主,通过星火大模型,文心大模型等成熟大模型构建大模型行业应用。
2.视频教程
网上虽然也有很多的学习资源,但基本上都残缺不全的,这是我自己整理的大模型视频教程,上面路线图的每一个知识点,我都有配套的视频讲解。
(都打包成一块的了,不能一一展开,总共300多集)
因篇幅有限,仅展示部分资料,需要点击下方图片前往获取
3.技术文档和电子书
这里主要整理了大模型相关PDF书籍、行业报告、文档,有几百本,都是目前行业最新的。
4.LLM面试题和面经合集
这里主要整理了行业目前最新的大模型面试题和各种大厂offer面经合集。
👉学会后的收获:👈
• 基于大模型全栈工程实现(前端、后端、产品经理、设计、数据分析等),通过这门课可获得不同能力;
• 能够利用大模型解决相关实际项目需求: 大数据时代,越来越多的企业和机构需要处理海量数据,利用大模型技术可以更好地处理这些数据,提高数据分析和决策的准确性。因此,掌握大模型应用开发技能,可以让程序员更好地应对实际项目需求;
• 基于大模型和企业数据AI应用开发,实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能, 学会Fine-tuning垂直训练大模型(数据准备、数据蒸馏、大模型部署)一站式掌握;
• 能够完成时下热门大模型垂直领域模型训练能力,提高程序员的编码能力: 大模型应用开发需要掌握机器学习算法、深度学习框架等技术,这些技术的掌握可以提高程序员的编码能力和分析能力,让程序员更加熟练地编写高质量的代码。
1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集
👉获取方式:
😝有需要的小伙伴,可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓