AI助手30美元/月，大模型商业化艰难探索

撰文 / 曹双涛

编辑 / 杨博丞

美国当地时间7月18日，微软在全球合作伙伴年度大会上宣布，将推出全新的人工智能订阅服务。针对人工智能助手Microsoft 365 copilot，将向office 365 e3、e5、商业标准版和商业进阶版的订阅商户收取每人每月30美元的费用。

另据CNBC报道，若再加上对copilot的订阅费用，TOB客户每月向Microsoft 365支付的价格可能会上涨50%以上，甚至高达83%。此消息发布后，微软股价已达到366.78美元/股，创下今年以来微软最高股价。

图源：雪球

事实上，投资者之所以看好微软大模型收费，一方面微软办公软件对TOB客户来说本就是刚需，据微软官网介绍，Microsoft 365 copilot可提供类似于Excel数据分析、提供word创意等等，这在改变全球“打工人”工作方式的同时，也会有不少“打工人”愿意付费，进而提供微软的营收。

另一方面，针对当前企业使用大模型担心数据泄露的风险，微软则强调，Microsoft 365 copilot基于可实现企业级安全、隐私、身份、合规性策略，企业数据会受到逻辑隔离和保护，并且始终在企业的控制范围内。

除Microsoft 365 copilot开启收费外，按照微软的说法，copilot旗下人工智能聊天工具——bing chat enterprise，后续也将打造成为独立产品，按照每人每月5美元进行收费。

同时，微软azure云计算平台和windows系统将支持Facebook母公司meta旗下名为llama 2的大型语言模型。而llama 2最大亮点之一是允许商业化，任何组织或个人开发者都可以将其用在商业用途上。

事实上，不管是微软大模型借助订阅服务增加公司收入，还是“劈腿”Open AI选择Meta，这皆在说明微软和国内外诸多大模型企业一样，均在加速大模型商业化的进程。但从现实情况来看，大模型在TOB端、TOC端的商业化探索依然坎坷。商业化的迟迟难以落地，也决定了未来将会有不少大模型被淹没在历史的长河中。

1. TOC端：日活和商业化如何达到平衡？

ChatGPT正从神坛逐渐跌落，据Similarweb数据显示，今年6月份ChatGPT全球访问量、独立访客数分别环比下降9.7%和5.7%。需要说明的是，Chat GPT用户访问量进入负增长时代，早就有迹可循。

今年1-5月，ChatGPT用户访问量分别环比增长131.6%、 62.5%，55.8%，12.6%，2.8%。导致ChatGPT用户数据下降的原因固然有其他厂商纷纷推出大模型，对ChatGPT用户进行分流。

图源：Similarweb

但从更深层次来看，不管是线下网红店从短暂的“爆火”到快速冷清，还是此前线上爆款App新增用户到暴涨到暴跌，皆在说明用户一时的新鲜感来得快，去得也快。

ChatGPT自然也存在着类似的情况，据摩根士丹利调查数据显示，在受访人中，有19%用过ChatGPT，但是只有4%的人表示对其还存在依赖使用。但ChatGPT的这一情况并非个案，后续在不断完善自家大模型能力的基础上，如何保证用户持续地新增以及实现高留存，将是面向TOC端大模型企业普遍需要解决的问题。

图源：ChatGPT

但面向ToC端大模型需解决的问题不止于此，随着后续各家厂商大模型能力的逐渐丰富，其必然也会和ChatGPT那样推出移动端的大模型。毕竟只有将用户掌握在自己手中，才能为自家大模型的商业化奠定基础。同时从ChatGPT来看，用户更多的还是将大模型定义为类似于浏览器那样的工具类APP。

而从目前国内移动工具类APP变现的途径来看，一般包括广告、会员增值服务，围绕工具类APP所推出场景服务进而获得佣金收入，电商等等。虽说变现方式多元化，但目前国内绝大多数工具类APP或亏损或微薄盈利。简单来说就是，工具类APP变现难也是行业不争的事实。

以墨迹天气为例，据墨迹天气此前发布的招股书显示，墨迹天气2014年至2017年1-9月，墨迹天气的营业收入分别为4473万元、1.27亿元、2.10亿元和2.23亿元，净利润分别为192.9万元、2499万元、2053万元和4729万元。另以BOSS直聘为例，其在2019年到2022年归母净利润分别为-5.02亿元、-9.42亿元、-10.71亿元、1.07亿元。

而且这些变现方式，放到大模型企业的APP上，也必须要进行有针对性的调整。一方面类似于广告业务，既要保证客户广告转化率，又不能影响用户体验，如何放置广告自然成了大模型企业首要解决的问题。若大模型企业移动端APP像类似于其他APP那样，用户需观看15秒广告才能解锁输出内容，或增加访问次数，这必然遭到用户反感，导致用户持续流失。

另一方面若是在内容中植入广告，除需把控风险，降低对自身的影响外，也必须要保证在植入广告的过程中不影响到问答质量。但从百度移动广告的经验来看，二者似乎很难达到一个平衡状态。因此，广告业务后续到底能为大模型带来多少营收，后续仍需观察。

而从会员增值服务来看，连续亏损多年的爱奇艺之所以能实现盈利，除爱奇艺内部主动降本增效外，平台推出的《人间世》《警察荣誉》《苍兰诀》《卿卿日常》《狂飙》等爆款影视，在满足用户对高质量影视内容追求的同时，也带动了爱奇艺广告、会员增值服务的同时提高，这在获得市场认可的同时，也吸引了资本的参与，帮助爱奇艺完成了几轮融资，进而解决了爱奇艺的债务危机。

图源：爱奇艺

除爱奇艺外，腾讯音乐、网易云音乐皆是依靠差异化音乐内容来带动平台会员收入增长。

这给大模型企业带来的启示就是：若大模型企业也想和微软那样依靠会员订阅收入带动公司营收增长，则必然要推出竞争对手无法模仿的核心差异化功能，并对功能不断地升级和完善，以保证会员用户的持续付费。但问题是随着当前厂商大模型能力的逐渐趋同，后续又有多少大模型厂商能够做到这一点呢？

1. ToB端：复杂程度远超ToC端

或许部分企业一开始就意识到围绕ToC端大模型所面临的难度，其大模型推出之时，就主打ToB市场。

华为盘古大模型喊出的口号就是重塑千行百业。基于此，华为大模型也推出类似于政务、金融、铁路、气象等行业细分的大模型。

图源：华为大模型官网

腾讯云大模型主要落地场景为金融、客服、教育。Open AI与可汗学院合作、开发定制聊天机器人、帮助学生准备考试用复习材料，同时也杜绝学生使用 AI 机器人来直接作弊。Saleforce 已经在为行业客户提供基于 GPT-4 的定制聊天机器人业务。

事实上，围绕TOB端大模型本质上比拼的就是厂商的交付能力。谁能为交付最终服务，谁就能够率先在TOB大模型市场上赢得先进。但从现阶段来看，厂商围绕TOB大模型也面临着不少棘手的问题需要解决。

一是大模型厂商内部人才的严重匮乏。厂商为解决自身在大模型产品经理人才不足的情况，纷纷给出较高的薪酬。之所以会出现这种情况在于，厂商为下游客户定制大模型产品时，需对客户的痛点需求有着较为清晰的洞察，才能保证最终交付给客户的产品达到客户要求。

图源：boss直聘

但因不同行业、不同企业所表现出的问题本身就有着很强的差异化，这在要求厂商的产品经理不仅要具备大模型产品意识，也必须要具备客户所处行业的专业知识。

以农业为例，厂商若想开发出符合农业客户需求的大模型产品，除要对基本的农业知识有所掌握外，也必须要深入田间地头去了解不同农作物的生长习性，农民的心理状态等等。显然，能够同时做到以上要求的产品经理，在行业内估计也是凤毛麟角。

二是训练数据的缺少。在给ToB客户定制大模型服务时，则必然需要客户提供除行业内数据外，客户内部数据也需参与其中。但站在客户的角度来看，将数据/算力/服务全部交由一家公司来完成的私有化部署模式，等于将用户数据与模型的产权/源代码都被垄断，可能会导致人工智能发展过于中心化。

同时，一旦厂商在训练过程中产生数据泄露的话，这给企业带来的负面影响自然可想而知。可问题是，若是客户不提供太多训练数据，这必然导致大模型训练质量无法达到客户预期，影响到最终客户验收以及后续的付款。

三是客户开发难度大、转换成本高，大模型企业很难形成规模效应。一方面，类似于金融、医疗、高精工业这些行业最大的特点就是对数据、信息要求极高，不能出现任何数据偏差。但因目前ChatGPT在数学计算方面能力相对较差、一些信息无法实时更新，很容易对客户进行劝退。

另一方面，因国内企业盈利相对相较于美国而言，整体盈利能力偏弱。因此，国内企业在IT软件上的付费意愿本就偏低，这点我们中美软件产业收入占GDP的比重也能侧面得到证实。在国内企业本就付费意愿偏低的背景下，降本增效成为当前国内一众企业的共识。

图源：wind

2022年12月，马化腾直言，腾讯内部很多业务该砍就砍掉，不要留恋，你这个（非核心业务）能做多大呢？做大又能怎么样？李彦宏在公开信中也指出，以后发展业务“不能只看收入，要看利润，更要看投入产出比”。阿里更是在今年3月份的“1+6+N”组织变革中，正式提出各业务未来自负盈亏的运营要求。

显然，一家企业若想要和大模型企业合作开发出企业内部大模型，其相对高昂的费用以及能给企业带来多少真正的价值，后续能否将成本追回以及何时实现盈利，这自然成为众多企业主的顾虑。顾虑之下，自然会让大模型企业遭遇客户拓展速度不及市场预期的问题。

另对标SaaS行业来看，国内SaaS行业从本世纪初开始起步，至今发展也有二十多年。但在客户付费意愿不足，以及客户更青睐于使用定制版SaaS的要求下，SaaS企业也很难形成规模效应。因此，目前国内SaaS企业普遍以微利或亏损为主。

图源：各公司财报

相较于SaaS行业而言，定制版大模型交付时间更长、企业需投入的人力、财力成本更高。而且目前大模型在企业端的渗透率仍处在起步阶段，未来仍需很长时间去探索。但就是不知，目前大模型企业是否有足够的资金能力来等待市场渗透率的逐渐提高呢？

1. 大模型后续是否会爆发一轮价格战呢？

除ToB和ToC的商业化探索外，ChatGPT也在探索类似于App Store那样的大模型应用商店。5月份，Open AI开放了ChatGPT 第三方插件商店，允许用户直接从中下载到第三方插件，整合进自己的 ChatGPT 中拓展至更多使用场景。

另据The Information 报道，Open AI CEO 山姆-奥特曼在六月的一次内部会议中表示，正在计划创建一个大模型应用商店，作为大模型商用领域的一次新尝试。据知情人士透露，Open AI 推出的这个应用商店，允许客户自行上架定制大模型。再结合其他企业实际需求，进行定制化销售的平台。

但从现实情况来看，Open AI 所打造的应用商店效果却并未达到Open AI预期。目前一些大型插件的下载量，也只在十几万次。显然，Open AI想要依靠应用商店进行商业化，未来仍有很长的路要走。

图源：Open AI

虽说目前国内大模型厂商暂时还没有像微软那样开启收费模式，但随着大模型热度的逐渐退散，相关企业股价逐渐回落，投资人和专业学者的逐渐冷静等现实因素，不排除后续大模型企业为收回前期的研发投入，稳定企业现金流，陆续开启收费模式。

同时为完成对竞争对手的阻击，以及扩大自身的市场份额，大模型企业在ToC端、ToB端有可能会在价格中厮杀。另对标咖啡行业、两轮电动车行业等国内多个行业来看，价格战往往会导致资金能力匮乏的企业被出清，市场份额后续将会逐渐向头部企业身上集中。

或许正如黄铁军教授此前所言，今天的大模型都是技术迭代的一个中间产品，随着后续国内大模型行业的发展，未来能够存活的大模型生态合理数量为3个左右。

结语：

商业化短期内的难以落地，模型训练阶段研发的高投入，后续市场可能出现的价格战。除此之外，不同大模型之间涉及的版权/数据问题如何解决，以及更加实际的安全/道德问题。‍以及后续政策监管，到底驶向何处？大模型集中在几家厂商身上时，又要如何面对垄断问题等等。

上述问题的存在，让当前大模型厂商没有一家可以说是轻松的。但反过来思考，随着后续大模型能力的逐渐丰富，或许诸多行业也将被重构。但就是不知这轮大浪淘沙过程中，又有多少大模型企业最终淹没在市场无情的竞争中呢？