粤ICP备17114055号
微信扫码
与创始人交个朋友
支持私有云部署
我要投稿
大家好，这里是播客节目“科技指北针”，我是王铮Silvia，我是AI小助理小智。
从2024年开始，我们启动“科技指北针”播客，并且推出一个固定栏目“AI商业观察”。
这是因为我们是一个科技产业研究团队，特别是以AI产业链为核心主题，已经开发了一个全面跟踪行业的战略洞察体系。
每一天我们都会被不少AI资讯轰炸，感受到行业的快速演进，所以我们决定以月度为单位，记录和分享AI产业正在发生的历史；在日常公众号推送的AI观察之外，每个月都对AI领域的一些关键变化进行主题式的解读。
2024年，AI商业的速度
Silvia：我还是会选“极速狂飙”这个词！
2024年3月/Mar.
3月1日：万字长文详解英伟达遥遥领先的底层逻辑：AI快节奏创新的最大赢家！
3月4日：英特尔重新定位代工厂！反超台积电？再造AI PC？
3月6日：Gemini读完《朱啸虎讲了一个中国现实主义AIGC故事》，总结了杨植麟和朱啸虎对11件事情的不同看法！
3月8日：万字长文详解英伟达股价2年7倍四部曲！最新的投资故事如何演绎？下一个万亿还有哪些投资故事？
3月11日：Sora发布后对话短剧业内人士：最多半年，全流程制作AI短剧就有着落！
3月12日：千亿芯片大单！起底英伟达的超级计算机产业供应链
3月13日：Sora只用于娱乐？智能制造第一个不服
3月13日：全球晶圆代工营收 TOP10：台积电独占 61.2%，三星居第二
3月14日：万维网之父蒂姆·伯纳斯·李：人们的在线生活将由AI助手管理，个人数字空间将出现，无须再将数据交给科技巨头
3月15日：英特尔夺食台积电？！基辛格上任三把火如何困境反转，让华尔街重拾乐观预期？
3月16日：台积电被高估了吗？
3月18日：AI数据中心的能源困境！真正的AI超级大国构建AI基础设施需要哪些条件？！
3月19日：GTC2024黄仁勋2万字演讲全文：不止计算革命和Blackwell，新软件、AI代工厂、AI机器人皆在路上！
3月20日：AI手机，只是噱头？
3月21日：李飞飞对话英伟达首席科学家：Sora可以生成电影，但无法替代宫崎骏创造的感动！
3月22日：“今天的上海半导体博览会，一万人里有1000个芯片投资人”
3月23日：N个股票涨停带来泼天流量，Kimi出圈开启大模型对话的“长文本”时代？！
3月24日：资深产品经理详解Kimi Chat破圈之路，带给其他大模型产品什么启示？
3月25日：我用Suno给你写了首歌
3月27日：5到10倍增长？可能低估了！大模型落地的中国速度！
3月28日：调查了70多位500强和顶级企业领导者，a16z总结了AI预算急剧增长中的16个特点
3月29日：一万亿晶体管GPU将到来，台积电董事长撰文解读
3月30日：Suno证明了当Rapper是真没门槛
Kimi概念A股带货
既有必然性也有偶然性
虽然月之暗面从一开始就是AI圈里的明星公司，但是获得泼天的流量，还是得归功于Kimi在A股市场一炮而红。
你怎么看A股市场的主题投资和AI产业基本面之间的映射关系呢？
Silvia：我的观点是，Kimi概念成为A股投资主题，既有必然性又有偶然性。
必然性在于，自从去年初ChatGPT月活突破1亿以后，AI就成了各大股市持续活跃的热点主题——因为AI代表了产业发展的方向，自然就是资金追逐的方向——当二级市场没有直接的可投资标的时，涨幅就落到了相关的概念股上。
不过Kimi概念和前段时间火爆的“Pika女儿概念”、“Sora概念”等等还是有很大的不同——之前的主题炒作更加偏重“炒作”，也就是都是和国内的AI发展进程没有直接相关性的新闻拉动的；
而Kimi从2月开始就出现了访问量暴涨，并且在早期用户中拥有良好的口碑，也确实有不少公司在考虑在产品、服务中接入Kimi，所以这次映射到资本市场的是有国产大模型基本面支撑的产业催化剂。
不同于“纯主题”的炒作，有基本面支撑的产业催化剂带来的市场影响，还取决于后续催化剂的量级、强度有多大，落地的概率有多大、有没有可持续的投资故事、市场风险偏好等等因素；所以Kimi概念又有不少偶然性。
AI带来一场生产力革命
普通人的未来也取决于AI演进
说完了A股投资主题，我们回到现实吧。
上周，李飞飞团队发布了《2024人工智能指数报告》，其中提到，全球范围内，超过三分之一的人预计AI会取代他们。
再上一周，红杉美国发布了2024年的AI50榜单，并分析到，之前的技术创新浪潮在很大程度上都是通信革命，而AI带来了一场生产力革命，更类似于个人电脑，塑造了商业和工业的未来。
Silvia老师，这样的大时代大背景下，我们每个人的未来和AI会如何连接呢？我们应该思考些什么，做些什么呢？
Silvia：非常好的问题！
其实我们从4月初就开始筹备这一期的《AI商业观察》，在准备素材的过程中发现，即使是从“普通人如何面向未来”这个视角出发，接下来的选择也必须基于对AI前景整体性的思考。
“技术信仰派”和“市场信仰派”真的对立吗？
一股是技术信仰派，在他们眼中，随着模型能力跃升、模型成本降低，过程中会解锁丰富的应用。倘若不追求“更大更强的AI能力”，一旦其他人的模型飞跃，很快会降维碾碎现有根据地与护城河。
另一股是市场信仰派，他们信奉陡峭的技术曲线终有放缓的一天，只需将“足够的AI能力”投入可以快速变现的商业场景中，用中国市场庞大而独特的数据构筑壁垒。
Silvia：最近我们收集了杨植麟去年以来总共4次接受媒体采访的全部纪要，并且增加了朱啸虎去年底接受凤凰财经《封面》的专访全文。
把所有的信息综合起来，我们的看法是，杨植麟和朱啸虎对于大模型整体观点的分歧并没有上个月单次采访中体现得那么大。
他们对大模型前景判断的分歧有一部分来自于对终局看法的不同，更多的是从不同的产业参与者角度体现出来的路径选择不同。
刚刚好在过去一周，山姆·奥特曼和OpenAI首席运营官，以及扎克伯格都接受了专访，也给出了不少最新的观点，信息量巨大。
小智：Silvia老师，这几位专家代表了大模型领域的四类参与者；杨植麟是中国闭源大模型的代表，朱啸虎是支持开源力量的中国投资人，OpenAI是全球最领先的闭源大模型厂商，而扎克伯格有可能是全球大模型开源路线的领军人物。如果他们几个人能够聚在一起做一场圆桌论坛，我都不敢想象能有多么精彩！
让Kimi组织一场
AI大咖谈《大模型与AI商业的未来》的论坛
今天我们就来尝试一个AI驱动的研究小实验，让我们把杨植麟、朱啸虎、OpenAI、扎克伯格的深度访谈信息综合起来，用Kimi模拟一场四方圆桌论坛，讨论4个主题。
AI产业的四大主题：
技术曲线、落地节奏、商业化挑战、长期格局
第二个主题是“大模型应用与落地的策略”，主要讨论现在应该押注模型进步还是落地应用，以及背后的原因是什么；
第三个主题是“大模型及应用的商业化前景”，主要讨论大模型及应用有哪些商业化机会，阻碍大模型产品、服务商业化的障碍有哪些；
第四个主题是“AI商业会是什么样的”，主要讨论他们对AI商业格局的前瞻和所选择的商业方向。
Silvia：这场“四方圆桌论坛”的观点碰撞很有价值！
首先，他们对大模型当前的性能水平和迭代速度的判断提供了业内的最前沿的认知；
对于应该押注模型进步还是落地应用的看法，则反映了他们对大模型终局的推断；
对于大模型商业化前景和AI商业的思考，和他们各自选择的商业化路线密切相关；
作为全球和中国的大模型核心玩家，他们的路线选择，有很大概率会影响到我们每个人将如何参与到AI带来的生产力革命当中。
当前大模型性能不尽人意
短期技术迭代曲线陡峭
小智：第一个主题是“大模型性能的现状与发展速度”。
我们发现四个人的观点可以说基本上是共识的。对于目前大模型性能的评价，四个人都一致认为还不尽人意，有很大的提升空间。
对于短期内大模型的迭代速度，杨植麟、朱啸虎都预期OpenAI的新模型会很快发布，扎克伯格则表示Llama 3 4050亿参数版本晚些时候即将发布，并且现有数据量对模型性能的提升还在持续中。
关于短期内大模型的进步空间，朱啸虎认为“今天技术迭代的曲线还比较陡峭，大家都看下一款大模型会不会对你有颠覆性的影响”，杨植麟则更明确地表示国产大模型今年就会有不少进步。
3-5年内出现技术瓶颈期
只有朱啸虎不相信AGI
不过，他们对于大模型在未来3-5年会遇到阶段性的技术瓶颈是有共识的。
小智：其中杨植麟表示2025、2026年是重要的数据瓶颈突破时间点；朱啸虎则认为GPT-5以后大模型的进步会放慢；扎克伯格表示Llama-4的目标是清晰的，也就是“将更多功能自然地融入模型中”，但是，“在达到下一个技术飞跃之前，我们可能只能在现有基础上进行一些优化和改进”。OpenAI没有明确回答GPT-5的时间表，只表示AI成为通用的工具需要到GPT-6才能实现。
Silvia：我们对“四方圆桌论坛”第一个主题的总结是，短期内大模型技术迭代的曲线仍然陡峭，2024年可以看到各种大模型性能的快速进步，技术迭代瓶颈有可能出现在GPT-5之后，数据和能源等现实障碍不可忽视。
更好的模型质量带来更好的用户体验
不同产业参与者切入点不同
在应该押注模型进步还是落地应用这个问题上，杨植麟、OpenAI、扎克伯格作为大模型厂商代表，一致认为更好的模型质量会带来更好的用户体验，通过技术驱动的公司会拥有更大的产品优势。
Silvia：杨植麟和朱啸虎在押注模型进步还是落地应用上的分歧，是被划分为“技术信仰派”和“市场信仰派”两大阵营的主要原因。
但是当我们完整地还原他们的叙述背景，会注意到，杨植麟在表达“技术驱动会拥有更大的产品优势”的同时，也强调在价值观上“结合 OpenAI 技术理想主义和字节所展现的商业化哲学观”，还表示“并不是要等待技术完全普适化才去产品化，而是要尽早地放出有用的产品让用户去投票”。
而朱啸虎押注落地应用的出发点是站在创业者的角度考虑，并且表示“要跟着大模型进化，用新的大模型为客户提供更好的服务”；从这个角度来看，他也非常重视模型进步带来的价值。
小智：我们对“四方圆桌论坛”第二个主题的总结是，“更好的模型质量会带来更好的用户体验”是共识，但是不同的产业参与者切入的角度不同。
领先的大模型厂商倾向于技术驱动提升产品优势的路线，而其他类型的创业者可以“抢用户、抢场景、抢数据闭环”，再结合大模型的进化不断创新。
作为大模型厂商阵营中的一员，杨植麟希望将技术理想主义和东方效用主义结合起来，尽早让产品面世获取用户反馈，这和OpenAI和扎克伯格更理想化的AGI路线图也有所不同。
大模型商业化障碍：
采纳周期、付费意愿、ROI
小智：杨植麟选择To C的路线，一方面是出于探索智能边界，想做个性化的考虑，另一方面是因为To C业务决定了需要构建快速迭代的高效率组织；因此对于月之暗面这样的黑马型创业公司，最为关注构建AI时代的Super APP机会。
对于大模型的B端应用，杨植麟认为行业大模型短期内有其存在的道理，但长期将回归到通用模型，专有数据只有阶段性的壁垒，长期而言企业服务的壁垒将存在于销售渠道或者提供更好的定制服务。
关于大模型面向企业的商业化机会与挑战，朱啸虎、OpenAI与扎克伯格都乐观地表示，高质量智能最终将带来颠覆式的变化，但也提到“技术采纳周期、用户付费意愿、价值增量创造、计算成本的降低”等因素仍然是当前商业化的障碍。
Silvia：由于这场“四方圆桌论坛”的嘉宾仅有大模型厂商和投资人，并没有一线的行业应用厂商，所以他们更多谈到了当前大模型在企业端落地的挑战和障碍，没有明确提到已经或者正在落地的企业级应用的案例。
即使是对于落地应用态度最为激进的朱啸虎，也只是表示，“现在考核一家AI公司有没有命中市场的需求，就看他能不能见到客户签单。见到了客户签单，说明产品真的打中了用户痛点，为用户创造了足够的成本节约。”
至于大模型能解决企业的哪些痛点、存在哪些机会，没有给出更多信息。
或许关于如何应用大模型，还是各行各业的从业者和应用开发者更有话语权。
高度关注大模型能力
带来的用户个性化体验
Silvia：在这个问题上，终于出现了差异化较为明显的四种答案。
我们还是先总结共识的部分，杨植麟、OpenAI、扎克伯格都非常关注基于大模型的能力带来的用户个性化体验。
小智：杨植麟表示，“To C 会有头部的 Super APP。这些Super APP会是基于自研的模型做出来的，因为需要在用户体验上能够有差异化。”
OpenAI认为，“基础模型不会成为持久的差异化因素，而真正的差异化将来自于能够完美融入我们生活的个性化模型。”
扎克伯格表示，“我们不会仅仅满足于将问题输入一个查询窗口来寻求答案。我们将会有不同的记忆存储方式或定制模型，这些模型将更加个性化地服务于人们。”
杨植麟与扎克伯格：
打造基于自研模型的Super APP
小智：首先是杨植麟，在To B和To C的两大阵营中，他坚定选择了To C，在这个领域对未来的判断是，Super APP会是基于自研的模型做出来的，同时可能会出现基于开源模型的多元化应用。
同样希望把自研大模型和To C应用深度结合的是扎克伯格，之所以Meta要致力于构建AGI，原因就在于为了保持自有产品的领先，必须有通用智能的基础；在生产力提效方面，Meta希望开发一种技术让创作者能够训练自己的人工智能，并且认为每个企业都将希望拥有代表其利益的人工智能。
Silvia：我来对扎克伯格的这些观点做个小总结，也就是，Meta会基于通用智能不断改进已有的产品，并寻求元宇宙领域的突破，面向To B，则通过开源大模型服务于各种生产力场景。
可以说，杨植麟和扎克伯格都会打造基于自研模型的C端Supper APP；他们的不同点在于，杨植麟主打To C市场，而扎克伯格还致力通过开源路线服务于广大的企业级客户。
OpenAI：
To C的平台路线与To B的端到端服务
在To B领域，OpenAI已经推出了ChatGPT企业版订阅服务，最近几个月，还在旧金山、纽约和伦敦等城市举办了多场路演活动，向数百家顶级企业的高管介绍提供的AI解决方案；
OpenAI的首席运营官还透露，ChatGPT企业版的用户数量已从1月份的15万激增到60多万。
Silvia：也就是说，OpenAI在To C领域走向了平台路线，在To B商业化层面正在拓展端到端的市场。
这种路线选择一方面是由于OpenAI在大模型领域处于绝对领先的地位，已经具备围绕ChatGPT创建网络效应和数据飞轮的平台化基础；
另一方面在To B领域，由于微软的绝对强势，如果OpenAI没有构建端到端的服务能力，最终在企业服务市场能够获得的价值分配可能非常有限。
观点差异化源于路线选择
并非产业前瞻的巨大非共识
他认为，中美市场的差距不容忽视，在美国市场，C端的AI应用创新很难摆脱OpenAI的影响，B端的商业化又面临科技巨头的强势地位；相比之下，国内市场的各行各业，反而在大模型的应用创新和商业落地上有更大的成长空间！
这些内容，看起来好像朱啸虎在大家分别表达了各自的路线选择以后，做了一个总结陈词！
Silvia：的确如此，当我们整合了更为全面的信息，用Kimi组织了这么一场“四方圆桌论坛”之后，最后的结论竟然是，虽然大家都在构建各自的差异化路线图走向大模型技术进步和AI商业的未来，但这些差异更多来自于他们在产业中的角色和选择，而不是来自于对产业前景判断上的巨大非共识。
如果抛开“是否信仰AGI”这个问题，只看大模型技术迭代的短期速度和中期瓶颈、模型进步对用户体验的颠覆、大模型商业化的机会和挑战这些方面，我们认为，处于最前沿的专家们在认知上已经有相当多的共识，而且也基于这些深度认知，选择了最适合自己的那条路。
探索AI-Native商业研究流程
对了，Silvia老师，这种论坛模式的研究是不是我们智能小巨人科技内部的“AI研究员”项目的一个新类型呢？
Silvia：是的！我们还没有向大家介绍过智能小巨人科技内部的“AI研究员”项目。
“AI研究员”项目简单地说，就是我们正在进行一系列的实验和测试，来探索各种各样可落地的AI-Native商业研究流程。
刚才呈现给大家了一种“圆桌论坛”模式的商业研究类型；前几天，我们还让小智用Kimi快速完成了一个《AI搜索行业研究报告》和一个《AI搜索使用感受反馈》的用户调研。
如何用Kimi 5分钟完成行业研究
4月以来，我发现二级市场的分析师们关注到了秘塔AI搜索流量快速上涨的趋势。
在短短的两三周时间里，市场上就有了十几篇“AI搜索”主题的研究报告；我在其中挑选了7篇发给Kimi，并且准备好了4个问题对Kimi进行提问。
大家看，不到5分钟的时间，Kimi就给出了详细的信息和答案。
我把这些信息进行了整理，就提交给了Silvia老师一份基础性的《AI搜索行业研究报告》！
Silvia老师看了报告以后说，AI搜索产品正处于用户快速增长的阶段，所以她希望了解更多AI搜索产品的用户反馈！
于是我又找到了几份AI搜索产品的测评文章，让Kimi进行分析，又完成了Silvia老师布置的《AI搜索使用感受反馈》的用户调研！
Silvia老师，你对我做的两份报告满意吗？
“AI研究员”承担了哪些职责
首先是信息检索，最常用的秘塔AI和Kimi两个小助手，擅长快速获取原先不了解的领域的主要信息，使研究项目的前期素材收集速度明显提升。
第二个方面是综述性内容的写作，因为我们对每份研究中的背景陈述的要求是信息全面、有基本的事实驱动以及表达流畅，AI小伙伴们能够完成。
更重要的是，我们经常组织“AI头脑风暴”，也就是通过大量探索性的问答，对研究视角进行查缺补漏，并且完成一些观点的交叉验证，来进一步提升研究结论的准确性和深度。
来看小智提交的两份报告，《AI搜索行业研究报告》非常高效率地完成了信息、素材的搜集和提炼；另一篇《AI搜索使用感受反馈》的用户调研其实更让我惊喜。
因为在过去，组织一次焦点小组访谈相当费时费力；这次我们直接采集互联网上的有效信息，进行专业化的处理，很快就完成了一次小调研！
请小智来讲一讲这两份研究报告的洞察结论吧！
“套壳”之光Perplexity启示录
创造独特的用户价值，对各种模型心态开放
国内用户的AI搜索使用反馈
最关注专业度、用户体验和实用性
首先是专业度，比如搜索结果的准确性、相关性、全面性；
其次是用户体验，比如易用性、无广告、简洁程度等等；
还有实用性，比如解决问题的程度、能够生成脑图、提供学术搜索以及视频解析之类的增值功能等等。
一些券商研究报告中也提到了，AI搜索在专业性问题上效果优于传统搜索引擎，但在泛娱乐内容搜索体验上仍有提升空间。
可见，目前AI搜索主要的使用人群和场景是知识性、专业性导向的！
目前全球范围内最为成功的AI搜索产品是Perplexity，不仅黄仁勋公开表示“每天都要使用”，它的产品性能和用户增长模式还是国内AI搜索产品积极学习的榜样！
Perplexity AI：
最成功的AI搜索产品，定位为“答案引擎”
小智：Perplexity公司CEO Aravind Srinivas最近接受《福布斯》的采访时这样描述：“Perplexity 是一个问答。你可以直接在此提问并获取答案。答案会附有引用，参考资料，就像你完成工作需要调查核实一样。
这实际上与我们在学术界的背景非常相似，比如当你写一篇论文时，你在论文中写的每一句话都应该用同行评审的引文来支持。所以我们有同样的原则。
我们认为，人们在获取信息和知识时，与这些媒介交互的方式应该尽可能准确，获取的信息也应该是实时的。
要做到这两点，唯一的方法就是让它的行为像记者或学者一样，总是去进行背景调查，然后再写出答案。这就是为什么它是一个基于事实的答案引擎。”
Silvia：没错，Perplexity AI将自己定位为一个“答案引擎”，与传统搜索引擎相比，它更侧重于直接提供问题的答案，而不仅仅是搜索结果的列表。
Perplexity的重度用户
有技术背景的高效率人群
小智：以Aravind Srinivas本人为例，他表示，使用Perplexity查询之所以方便，因为重塑了信息获取的流程：
“比如，查询Facebook所有融资轮的历史记录，这需要你打开大约六到七个不同的链接，从每一个链接中抽取部分信息，从各处收集信息的点点滴滴，然后整合和总结。
但是Perplexity给我提供答案的速度令人震惊。因此，我可以提出非常针对性的查询，如何才能做得好，做得对。这就是Perplexity的神奇之处。”
作为AI应用代表、“套壳”之光
Perplexity对各种模型保持开放心态
小智：Perplexity最开始基于OpenAI的模型，后来在一些规模更小、推理更快的模型上进行了微调，再到后来又开始使用开源模型和自研模型。
目前Perplexity产品默认模型还是基于GPT-3.5的微调版本，加上一点LLaMA-2。而Perplexity专业版还可以调用CodeLlama, Llava，还有最近非常火的Mixtral 8x7B，甚至还包含了号称跟ChatGPT 3.5性能相仿的Mistral Medium等等多个大模型。
对于“AI套壳产品”的争议，Srinivas表示“人们可以将Perplexity看做是一个AI套壳，但成为一个拥有十万用户的套壳产品显然比拥有自有模型却没有用户更有意义。”
并且，“模型的发展是动态变化的，我们要对各种模型都保持开放心态，但要快速、积极地对于模型领域的变化做出相应选择。如果有人做出更高质量的模型，我们仍旧愿意使用这个模型，因为用户只在意自己的搜索体验，而不是我们用了哪个模型、我们的商业模式是什么、我们怎么盈利。”
Silvia：很可惜Srinivas没有参加我们的“圆桌论坛”，他可以说是行业应用厂商中的最佳代表。
作为AI应用玩家，Perplexity选择的路线是“专注产品，越早推出自己的产品越好，然后做用户增长、做好留存”，并对“各种模型都保持开放心态”，“快速、积极”地选择最适合的大模型。
至少到目前为止，Perplexity已经是一款在用户口碑层面十分成功的产品，并且还有不少人认为有可能挑战Google的市场地位。
Perplexity VS Google：
Perplexity的使用者并非Google主流用户
Silvia：在专业问答领域，Perplexity很有可能挑战传统搜索引擎的地位，但是Perplexity能不能替代Google，还是要看能不能为Google的主流用户创造足够大的价值，以及在商业模式的构建上能不能挑战Google。
先给出我们的答案，目前看来Perplexity并不能取代Google搜索。
第1个原因是Perplexity目前的使用者并不是Google的主流用户。
小智：参考SEO研究公司Ahrefs抓取的《Google 上最常搜索的查询和问题》的最新列表，并将使用AI工具中进行归类，会发现三种搜索需求类型占比最高：
最受欢迎的是导航，实际上，Google上所有排名靠前的查询，从“youtube”到“wordle”再到“yahoo mail”，都是导航查询。这是搜索引擎的主要工作：将您带到一个网站。对于这类需求，用户需要的是一个链接，而不是一个答案。
第二大搜索类型是信息查询：关于非常具体的东西，有一个单一的正确答案。比如“NFL 比分”是一个非常受欢迎的信息查询；“现在几点了”是另一个；“天气”也是如此。这类需求，对应的是一个实时、简明的信息，速度是最重要的用户体验之一。
第三种搜索类型是探索性查询。这些问题没有单一的答案，而是学习过程的开始。在最受欢迎的列表中，“如何打领带”、“为什么发明电锯”和“什么是 tiktok”等内容都算探索性查询。根据排名，这些并不是人们使用谷歌的主要目的。但这些都是AI搜索引擎可以大放异彩的时刻。
Silvia老师，看来Google的主流用户和Perplexity AI的活跃用户群体的重叠度确实没有那么高呢！
Google的商业模式：
广告商业化与创作者激励两大正反馈循环
小智：原来如此！
Silvia老师，我记得你在第1期《AI商业观察》中说过，“业务的底层逻辑在很多时候并不取决于技术；拿系统思维的说法就是，当技术只是系统当中的一个要素时，影响力始终是很有限的；只有当技术改变了各种要素之间的连接时，才会产生真正深刻的影响。各种AI产品服务的快速推进中，如果能够在商业模式的测试上有先人一步的突破，战略价值还是很大的。”
Perplexity不做“垂直搜索引擎”
“答案引擎”基础上建立端到端用户体验
目前，Perplexity团队的战略愿景也非常清晰，他们并没有把自己定位成“垂直搜索引擎”，而是致力于在“答案引擎”的基础上建立端到端的用户体验。
小智：Srinivas曾经在一次专访中说道，“90年代末和21世纪有过类似的时期，所有人都在说要做垂直领域的Google ，结果大多数公司都失败了，反而是在垂直领域建立端到端用户体验的公司成功了，比如booking.com，不仅能搜索酒店，还能直接完成预订。
如果要获得更长远的发展，只做搜索是不够的，还需要向前一步，成为这个领域中服务更加全面的公司，比如 Airbnb 已经不只是一个住宿预定平台，而是一个提供综合旅行服务的公司了。只要做得足够深，我们的竞争优势就不只是在技术、用户积累这样的单点上。”
Silvia：谢谢小智的补充！
Perplexity作为AI应用代表、“套壳”之光，为“《大模型与AI商业的未来》圆桌论坛”补充了一个新的视角：
即使在大模型力量最为强大，毗邻搜索霸主Google的美国市场，仍然以差异化的细分市场定位、极致的产品体验，创造了独特的用户价值！
虽然曾因为“套壳”受到质疑，从另一个角度看，因为对“各种模型都保持开放心态”，“快速、积极”地选择最适合的大模型，反而可以给用户增加多种模型选择，并且受益于当前全球范围的“千模大战”！
第3期《AI商业观察》核心结论
小智：小智来给大家总结一下我们的第3期《AI商业观察》的要点和结论吧：
2024年3月，AI圈的当红炸子鸡当属Kimi！Kimi概念成为A股投资主题，既有必然性又有偶然性。必然性在于，自从去年初ChatGPT月活突破1亿以后，AI就成了各大股市持续活跃的热点主题。偶然性在于不同于纯主题炒作，Kimi概念是有基本面支撑的产业催化剂，市场影响力还取决于后续催化剂的量级、强度有多大，落地的概率有多大、有没有可持续的投资故事、市场风险偏好等等因素。
于是我们让Kimi组织一场杨植麟、朱啸虎、OpenAI、扎克伯格谈《大模型与AI商业的未来》的四方圆桌论坛，讨论AI产业的四大主题：技术曲线、落地节奏、商业化挑战、长期格局。
关于技术曲线的共识：短期内大模型技术迭代的曲线仍然陡峭，2024年可以看到各种大模型性能的快速进步，技术迭代瓶颈有可能出现在GPT-5之后，数据和能源等现实障碍不可忽视。
关于押注模型进步还是落地应用：“更好的模型质量会带来更好的用户体验”是共识，但是不同的产业参与者切入的角度不同。领先的大模型厂商倾向于技术驱动提升产品优势的路线，而其他类型的创业者可以“抢用户、抢场景、抢数据闭环”，再结合大模型的进化不断创新。
关于大模型商业化的共识：高质量智能最终将带来颠覆式的变化，但是“技术采纳周期、用户付费意愿、价值增量创造、计算成本的降低”等因素仍然是当前商业化的障碍。
关于AI商业的未来：杨植麟和扎克伯格都会打造基于自研模型的C端Supper APP；其中，杨植麟主打To C市场，而扎克伯格则致力通过开源路线服务于广大的企业级用户。OpenAI在To C领域走向了平台路线，在To B商业化层面正在拓展端到端的市场。
虽然大家都在构建各自的差异化路线图走向大模型技术进步和AI商业的未来，但这些差异更多来自于他们在产业中的角色和选择，而不是来自于对产业前景判断上的巨大非共识。
本次论坛还有一名代表AI应用的场外代表，全球范围内最为成功的AI搜索产品并被誉为“套壳”之光的Perplexity，选择的路线是“专注产品，越早推出自己的产品越好，然后做用户增长、做好留存”，并对“各种模型都保持开放心态”，“快速、积极”地选择最适合的大模型。
Perplexity AI定位为一个“答案引擎”，与传统搜索引擎相比，更侧重于直接提供问题的答案，而不仅仅是搜索结果的列表；最活跃的用户群体往往有技术背景，能够提出明确需求的问题，比较追求效率，对于专业性有一定要求。
在专业问答领域，Perplexity很有可能挑战传统搜索引擎的地位，但是目前看来并不能取代Google搜索。原因是Perplexity目前的使用者并不是Google的主流用户，并且缺乏广告主营销和创作者激励两大正反馈循环。
Perplexity团队的战略愿景也非常清晰，他们并没有把自己定位成“垂直搜索引擎”，而是致力于在“答案引擎”的基础上建立端到端的用户体验。
大家觉得智能小巨人科技的“AI研究员”组织的AI大咖论坛、完成的AI搜索行业研究怎么样呢？
Silvia：谢谢小智提纲挈领的精彩总结，以上就是“科技指北针”播客2024年第3期的“AI商业观察”，希望你喜欢，下期见~~
小智：希望大家喜欢我们精心制作的第3期“AI商业观察”，欢迎大家加我的企微，反馈您的意见和建议，我们下期再见！
53AI，企业落地应用大模型首选服务商
产品：大模型应用平台+智能体定制开发+落地咨询服务
承诺：先做场景POC验证，看到效果再签署服务协议。零风险落地应用大模型，已交付160+中大型企业
2024-05-28
2024-04-26
2024-04-11
2024-08-21
2024-07-09
2024-08-13
2024-07-18
2024-10-25
2024-07-01
2024-06-17
回到顶部