我对于AI领域商业模式的思考

推荐语

探索AI领域商业模式的新路径，洞悉人工智能的未来发展方向。

核心内容：
1. 华为鸿蒙AI的拟人化功能及其商业模式启示
2. AI技术发展的几个关键阶段和代表性产品
3. 人工智能的终极目标：融合理性与感性的人造硅基生命

杨芳贤

53A创始人/腾讯云(TVP)最具价值专家

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AI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。