产业链拆解:AI大模型

当你看到一个公司使用大模型API来制作一张图片或者撰写一段文字的时候，你会想到这笔钱最后会落到哪里吗？答案就是整个产业链的关键所在。

🍃 01

把链条展开来看的话，人工智能大模型产业可以分为三个层次：最底层为算力基础，中层为基座模型，顶层则是应用领域。底端的产品就是“铲子”。

GPU芯片、服务器、高速网络以及云服务平台等等都是用来进行大规模模型训练与运算的基础硬件设施。

英伟达就是这个领域的领头羊，它数据中心业务的毛利一直保持在70%以上。

简单来说，在上面无论是哪家公司都在做模型还是做应用，都需要用到英伟达的算力，所以算力供应商可以旱涝保收。

中层的工作就是“炼丹”，即OpenAI、谷歌、百度文心、智谱等公司花费大量的资金和算力把大量的数据输入到模型当中去进行训练，从而使得模型可以理解并产生语言、图片以及程序等内容。

第一层烧钱非常厉害，训练一个前沿的大模型所需要的计算资源费用动辄上亿，并且每过几个月就会有新的模型出现来追赶它。

大多数基座模型公司的现状仍然是亏损状态，在融资的帮助下勉强维持着生存。

最上层为场景应用，比如医疗影像辅助诊断、法律文书自动生成、电商客服机器人、代码助手等，

在这层的企业一般不自己训练模型，而是使用中间层提供的API，并根据各个行业的特点进行少量的数据调整以及产品的包装。

三层之间关系可以这样来描述：最下层是卖水的人，中层是炼金师，顶层则是淘金者。

🍃 02

把链条展开来看的话，就出现了问题——利益如何分配？从直观的角度看，在这根链条上，利润正往两端集中，中间的一环压力最大。

底层是怎么赚到钱的呢？稀缺性。高端的人工智能芯片设计难度很大，而生产则依靠台积电这样的公司使用最先进的工艺来完成。

短期之内没有人可以避开这样的瓶颈，需求暴涨而供给又非常僵硬，所以价格就保持得比较稳定。上层有什么优势呢？因为它距离付费用户更近一些。

一个为律师事务所提供合同审核服务的人工智能公司，它的客户支付给它的钱代表着“替我节省了一位初级律师的工作时间”，

这样的价值定位十分明确，定价权掌握在场景提供者手中。

而且垂直场景的数据以及行业的专业知识形成了壁垒，并不会被通用模型所取代。中间层难在哪里？因为上下两端都受到压力。

上面没有足够的客户来购买计算能力，而下面又没有足够的收入来进行价格竞争。

去年以来，国内多家大模型厂商的API价格不断下调，有的接口的价格已经降到原来的十分之一以下。

如果自己的产品是标准化的能力接口的话，在市场上被竞争对手以补贴的方式抢占份额的情况下，盈利的空间就会很小。

于是就形成了所谓的“微笑曲线”，即两边高而中间低，与消费电子、半导体产业的利润率分布十分相近。

🍃 03

但是该曲线存在可以改变的因素，在一家基座模型公司的平台上建立起了生态系统之后，并不是单纯地出售API，

还创建了一个开发者的社群、一个插件市场以及一个数据飞轮的话，那么它的盈利模式就会发生很大的变化。

OpenAI的GPT商店和谷歌将Gemini集成到全家桶中都属于这一类尝试。

如果能取得成功的话，那么中间层就不只是一个成本中心了，而会变成一个平台，就像安卓对于智能手机产业链一样。

但是目前还没有任何一家公司能够打通整个闭环。大多数基于模型公司的收入依然主要依靠API调用以及定制项目来获得，距离平台化的道路还很遥远。

因此对于关心这一产业链的人而言，一个较为实际的看法就是：从短期来看是算力（最确定），中期内的是应用场景（最接近钱），长期内则是谁会成为平台（赢家通吃但还未最终确定）。

不要盲目相信“做模型的人要比做应用的人更有价值”。在这一链条中唯一稀缺的是两种东西：无法复制的芯片以及不能被替代的应用场景。

而中间那一层通用能力，则是最容易出现供给过剩、差异化的环节。

如果有人手中握着无法摆脱的东西的话，那么这个人就可以得到利益了，在每一个产业中都是如此，包括人工智能大模型在内也是如此。