大模型火了一年半，AI应用如何实现商业变现？_ai大模型商业化

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。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】