AI原生應(yīng)用，“難產(chǎn)”了。

　　百模大戰(zhàn)后，一眾精疲力竭的創(chuàng)業(yè)者們逐漸反應(yīng)過來：中國真正的機會在應(yīng)用層，AI原生應(yīng)用才是下一輪最肥沃的土壤。

　　李彥宏、王小川、周鴻祎、傅盛，盤點過去幾個月的大佬發(fā)言，無一不在著重強調(diào)應(yīng)用層的巨大機遇。

　　互聯(lián)網(wǎng)巨頭們把AI原生掛在嘴邊：百度一口氣發(fā)布超20款A(yù)I原生應(yīng)用;字節(jié)跳動成立了新團隊，主攻應(yīng)用層;騰訊將大模型嵌入了小程序;阿里也要用通義千問將所有應(yīng)用重新做一遍;Wps瘋狂贈送AI體驗卡..

　　創(chuàng)業(yè)公司更是狂熱，一場黑客馬拉松下來，近乎200個AI原生項目。今年以來，包括奇績創(chuàng)壇、百度、Founder Park大大小小加起來，數(shù)十場活動，上千個項目，最后卻沒有一個跑出來。

　　不得不正視的是，盡管我們意識到了應(yīng)用層的巨大機遇，但大模型并沒有顛覆所有應(yīng)用，所有產(chǎn)品都在不痛不癢地改造。盡管，中國有*秀的產(chǎn)品經(jīng)理，但他們這回也“失靈”了。

　　從4月份Midjourney爆火，到現(xiàn)在，9個月的時間，匯集了“全村人希望”的國產(chǎn)AI原生應(yīng)用，究竟為何難產(chǎn)?

　　選擇比努力更重要，在當(dāng)下，或許我們更需要冷靜回望，尋找正確打開AI原生應(yīng)用的“姿勢”。

　　1、做AI原生，不能端到端

　　原生應(yīng)用為何難產(chǎn)?我們或許可以從原生應(yīng)用的“生產(chǎn)”過程中找到一些答案。

　　“我們通常會同時跑四五個模型，哪個性能更優(yōu)就選擇哪個。”硅谷的一位大模型創(chuàng)業(yè)者在與「自象限」交流時提到，他們基于基礎(chǔ)大模型開發(fā)AI應(yīng)用，但前期并不綁定某一個大模型，而是讓每一個模型都上來跑一跑，最終選擇最合適的那個。

　　簡單來說，賽馬機制如今也卷到了大模型身上。

　　但這種方式其實仍存在一些弊端，因為它雖然選擇了不同大模型進行嘗試，但最終還是會與其中某一個大模型進行深度耦合，這還是一種“端到端”的研發(fā)思路，即一個應(yīng)用對應(yīng)一個大模型。

　　但與應(yīng)用不同，作為底層大模型，它同時又卻會對應(yīng)多個應(yīng)用，這就導(dǎo)致了同一個場景下的不同應(yīng)用之間，最后的差異十分有限。而更大的問題在于，目前市場上的基礎(chǔ)大模型都各有所長的同時也各有所短，還沒有某個大模型成為六邊形戰(zhàn)士，在所有領(lǐng)域遙遙*，所以這導(dǎo)致基于一個大模型開發(fā)的應(yīng)用最終難以在各個功能上實現(xiàn)平衡。

　　在這樣的背景下，大模型與應(yīng)用解耦就成了一種新的思路。

　　所謂“解耦”其實分為兩個環(huán)節(jié)。

　　首先是大模型與應(yīng)用解耦。作為AI原生應(yīng)用的底層驅(qū)動力，大模型和原生應(yīng)用之間的關(guān)系其實可以和汽車行業(yè)進行類比。

　　對于AI原生應(yīng)用來說，大模型就像是汽車的發(fā)動機。同樣一款發(fā)動機可以適配不同的車型，同一款車型也可以匹配不同的發(fā)動機，通過不同的調(diào)教，可以實現(xiàn)從微型車到豪華車的不同定位。

　　所以對于整車來說，發(fā)動機只是整體配置的一個部分，而不能成為定義整輛汽車的核心。

　　類比到AI原生應(yīng)用，基礎(chǔ)大模型是驅(qū)動應(yīng)用的關(guān)鍵，但基礎(chǔ)大模型并不應(yīng)該與應(yīng)用實現(xiàn)完全綁定。一個大模型可以驅(qū)動不同的應(yīng)用，同一個應(yīng)用也應(yīng)該可以由不同的大模型進行驅(qū)動。

　　這樣的例子其實在目前的案例中已經(jīng)有了體現(xiàn)，比如國內(nèi)的飛書、釘釘，國外的Slack，都可以適配不同的基礎(chǔ)大模型，用戶可以根據(jù)自身需要進行選擇。

　　其次是在具體的應(yīng)用當(dāng)中，大模型與不同的應(yīng)用環(huán)節(jié)應(yīng)該層層解耦。

　　一個典型的例子是HeyGen，這是一家在國外爆火的AI視頻公司，它的年度經(jīng)常性收入在今年3月份就達到了 100萬美元，并在今年11月達到1800 萬美元。

　　HeyGen 目前擁有 25 名員工，但它已經(jīng)建立了自己的視頻 AI 模型，并同時集成了 OpenAI 和 Anthropic 的大型語言模型 和 Eleven Labs 的音頻產(chǎn)品�；�于不同的大模型，HeyGen制作一個視頻就會在創(chuàng)作、腳本生成(文本)、聲音等不同的環(huán)節(jié)用上不同的模型。

　　另一個更直接的案例是ChatGPT的插件生態(tài)，最近國內(nèi)剪輯應(yīng)用剪映加入了ChatGPT的生態(tài)池，在這之后，用戶在ChatGPT上要求調(diào)用剪映的插件制作視頻，剪映就能在ChatGPT的驅(qū)動下自動生成一個視頻。

　　也就是說，大模型與應(yīng)用的多對多匹配，可以精細到在每一個環(huán)節(jié)選擇一個最適配的大模型進行支持。即一個應(yīng)用不是由一個大模型進行驅(qū)動，而是由數(shù)個，甚至一組大模型進行聯(lián)合驅(qū)動。

　　多個大模型對應(yīng)一個應(yīng)用，集百家之長。在這樣的模式下，AI產(chǎn)業(yè)鏈的分工也將被重新定義。

　　如同當(dāng)下的汽車產(chǎn)業(yè)鏈，發(fā)動機、電池、配件、機身每一個環(huán)節(jié)都有專門的廠商負(fù)責(zé)各司其職，而主機廠只需要進行選擇和組裝，形成差異化的產(chǎn)品，同時推向市場。

　　重新分工，打破重組，不破不立。

　　2、新生態(tài)的雛形

　　多模型多應(yīng)用的模式下，將會催生一個新的生態(tài)。

　　按圖索驥，我們試圖根據(jù)互聯(lián)網(wǎng)的經(jīng)驗來設(shè)想一下新生態(tài)的架構(gòu)。

　　小程序誕生伊始，所有人對小程序的能力、架構(gòu)、應(yīng)用在哪些場景都十分迷茫，前期靠一個個企業(yè)從頭開始學(xué)習(xí)小程序的能力與玩法，小程序的發(fā)展速度十分緩慢，數(shù)量始終無法突飛猛進。

　　直到微信服務(wù)商的出現(xiàn)，服務(wù)商們一手對接微信生態(tài)，熟悉小程序的底層架構(gòu)和格局，一手對接企業(yè)客戶，幫助客戶根據(jù)需求打造專屬小程序，同時配合整個微信生態(tài)的玩法，通過小程序進行獲客和留存。服務(wù)商群體，也跑出了微盟和有贊。

　　也就是說，市場可能不需要垂類大模型，但需要大模型服務(wù)商。

　　同理，每一個大模型需要真正使用和操盤后才能真的了解相關(guān)的特性以及如何發(fā)揮，服務(wù)商在中間層，既可以向下兼容多個大模型，又能夠與企業(yè)共創(chuàng)，打造一個良性的生態(tài)。

　　按照以往的經(jīng)驗，我們可以把服務(wù)商粗略地分為三大類：

　　*類經(jīng)驗型服務(wù)商，即了解和掌握每一個大模型的特點和應(yīng)用場景，配合行業(yè)的細分場景，通過服務(wù)團隊打開局面;

　　第二類資源型服務(wù)商，如同彼時的微盟能夠拿到微信內(nèi)的低價廣告位再外包出去的商業(yè)模式，未來大模型的開放權(quán)限并不是普世化的，能夠拿到足夠權(quán)限的服務(wù)商，將鑄就前期壁壘;

　　第三類技術(shù)型服務(wù)商，當(dāng)一個應(yīng)用的底層同時嵌入不同大模型，如何將多模型進行調(diào)用和串聯(lián)，同時保證穩(wěn)定性，保證安全性，以及各類技術(shù)難題都需要技術(shù)服務(wù)商解決。

　　據(jù)「自象限」觀察，近半年已經(jīng)有大模型服務(wù)商的雛形開始出現(xiàn)，不過是以企業(yè)服務(wù)的形式，向企業(yè)進行各類大模型如何應(yīng)用的教學(xué)。而做應(yīng)用的方式也在慢慢形成WorkFlow。

　　“我現(xiàn)在做一個視頻，先跟Claud提出一個劇本的想法讓它幫我寫成一段故事，再復(fù)制粘貼進ChatGPT里，利用它的邏輯能力分解成腳本，接入剪映插件文轉(zhuǎn)視頻直接生成視頻，中間的一些圖片如果不精準(zhǔn)，用Midjourney重新生成，最后完成一個視頻。如果一個應(yīng)用能夠同時調(diào)用這些能力，那就是一個真正原生的應(yīng)用了。”一位創(chuàng)業(yè)者對我們講到。

　　當(dāng)然，多模型多應(yīng)用的生態(tài)真正落實有很多難題需要解決，比如多個模型之間如何互通?如何通過算法實現(xiàn)模型調(diào)用的*化?怎么配合才是*的解決方案，這些既是挑戰(zhàn)，也是機遇。

　　從過往的經(jīng)驗來看，AI應(yīng)用的發(fā)展趨勢，可能會是，分散、點狀的出現(xiàn)，然后逐漸被統(tǒng)一，集成。

　　比如，我們需要問答、做圖、做PPT，現(xiàn)階段可能是許多個單獨的應(yīng)用，但未來可能會被集成為一個整體的產(chǎn)品。向平臺化靠攏。比如此前的打車、外賣、訂票等多個業(yè)態(tài)，現(xiàn)在逐漸集中成一個超級APP里，不同的需求也會對模型能力提出進一步多元化的挑戰(zhàn)。

　　除此之外，AI原生更會顛覆當(dāng)下的商業(yè)模式，產(chǎn)業(yè)鏈上的熱錢將進行重新分配，百度變成了知識的貨架，阿里變成商品的貨架，所有的商業(yè)模式回歸到最本質(zhì)的部分，滿足消費者的真實需求，冗余的流程就被取代了。

　　在此基礎(chǔ)上，價值創(chuàng)造是一方面，如何重新構(gòu)建商業(yè)模式，成為投資人和創(chuàng)業(yè)者需要思考的更重要的問題。

　　當(dāng)下，我們?nèi)蕴幵贏I原生應(yīng)用的爆發(fā)前夜，當(dāng)逐漸形成了底層是基礎(chǔ)大模型，中層是大模型服務(wù)商，上層是各類創(chuàng)業(yè)公司。如此層層分工分明，良性協(xié)作，AI原生應(yīng)用才能批量到來。