原文來(lái)源：自象限

圖片來(lái)源：由無(wú)界 AI生成

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(guò)來(lái)：中國(guó)真正的機(jī)會(huì)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(diǎn)過(guò)去幾個(gè)月的大佬發(fā)言,，無(wú)一不在著重強(qiáng)調(diào)應(yīng)用層的巨大機(jī)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(dòng)成立了新團(tuán)隊(duì),，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(wèn)將所有應(yīng)用重新做一遍,；Wps瘋狂贈(zèng)送AI體驗(yàn)卡..

創(chuàng)業(yè)公司更是狂熱,，一場(chǎng)黑客馬拉松下來(lái)，近乎200個(gè)AI原生項(xiàng)目,。今年以來(lái),，包括奇績(jī)創(chuàng)壇、百度,、Founder Park大大小小加起來(lái),，數(shù)十場(chǎng)活動(dòng)，上千個(gè)項(xiàng)目,，最后卻沒(méi)有一個(gè)跑出來(lái),。

不得不正視的是，盡管我們意識(shí)到了應(yīng)用層的巨大機(jī)遇,，但大模型并沒(méi)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(guó)有最優(yōu)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(gè)月的時(shí)間，匯集了“全村人希望”的國(guó)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(kāi)AI原生應(yīng)用的“姿勢(shì)”,。

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(guò)程中找到一些答案,。

“我們通常會(huì)同時(shí)跑四五個(gè)模型,，哪個(gè)性能更優(yōu)就選擇哪個(gè)?！惫韫鹊囊晃淮竽Ｐ蛣?chuàng)業(yè)者在與「自象限」交流時(shí)提到，他們基于基礎(chǔ)大模型開(kāi)發(fā)AI應(yīng)用,，但前期并不綁定某一個(gè)大模型，而是讓每一個(gè)模型都上來(lái)跑一跑,，最終選擇最合適的那個(gè),。

簡(jiǎn)單來(lái)說(shuō),，賽馬機(jī)制如今也卷到了大模型身上,。

但這種方式其實(shí)仍存在一些弊端,，因?yàn)樗m然選擇了不同大模型進(jìn)行嘗試,，但最終還是會(huì)與其中某一個(gè)大模型進(jìn)行深度耦合,，這還是一種“端到端”的研發(fā)思路,，即一個(gè)應(yīng)用對(duì)應(yīng)一個(gè)大模型,。

但與應(yīng)用不同，作為底層大模型,，它同時(shí)又卻會(huì)對(duì)應(yīng)多個(gè)應(yīng)用，這就導(dǎo)致了同一個(gè)場(chǎng)景下的不同應(yīng)用之間,，最后的差異十分有限。而更大的問(wèn)題在于,，目前市場(chǎng)上的基礎(chǔ)大模型都各有所長(zhǎng)的同時(shí)也各有所短,，還沒(méi)有某個(gè)大模型成為六邊形戰(zhàn)士,，在所有領(lǐng)域遙遙領(lǐng)先,，所以這導(dǎo)致基于一個(gè)大模型開(kāi)發(fā)的應(yīng)用最終難以在各個(gè)功能上實(shí)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(shí)分為兩個(gè)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(dòng)力,，大模型和原生應(yīng)用之間的關(guān)系其實(shí)可以和汽車行業(yè)進(jìn)行類比。

▲圖片來(lái)源于網(wǎng)絡(luò)

對(duì)于AI原生應(yīng)用來(lái)說(shuō)，大模型就像是汽車的發(fā)動(dòng)機(jī),。同樣一款發(fā)動(dòng)機(jī)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(dòng)機(jī),，通過(guò)不同的調(diào)教,，可以實(shí)現(xiàn)從微型車到豪華車的不同定位,。

所以對(duì)于整車來(lái)說(shuō),，發(fā)動(dòng)機(jī)只是整體配置的一個(gè)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(dòng)應(yīng)用的關(guān)鍵,，但基礎(chǔ)大模型并不應(yīng)該與應(yīng)用實(shí)現(xiàn)完全綁定,。一個(gè)大模型可以驅(qū)動(dòng)不同的應(yīng)用,，同一個(gè)應(yīng)用也應(yīng)該可以由不同的大模型進(jìn)行驅(qū)動(dòng),。

這樣的例子其實(shí)在目前的案例中已經(jīng)有了體現(xiàn)，比如國(guó)內(nèi)的飛書(shū),、釘釘，國(guó)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(jìn)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(gè)典型的例子是HeyGen,，這是一家在國(guó)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(dá)到了 100萬(wàn)美元,，并在今年11月達(dá)到1800 萬(wàn)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(shí)集成了 OpenAI 和 Anthropic 的大型語(yǔ)言模型 和 Eleven Labs 的音頻產(chǎn)品,?；诓煌拇竽Ｐ停琀eyGen制作一個(gè)視頻就會(huì)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,。

▲圖源HeyGen官網(wǎng)

另一個(gè)更直接的案例是ChatGPT的插件生態(tài)，最近國(guó)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(dòng)下自動(dòng)生成一個(gè)視頻,。

也就是說(shuō),，大模型與應(yīng)用的多對(duì)多匹配,，可以精細(xì)到在每一個(gè)環(huán)節(jié)選擇一個(gè)最適配的大模型進(jìn)行支持,。即一個(gè)應(yīng)用不是由一個(gè)大模型進(jìn)行驅(qū)動(dòng),，而是由數(shù)個(gè),，甚至一組大模型進(jìn)行聯(lián)合驅(qū)動(dòng)。

多個(gè)大模型對(duì)應(yīng)一個(gè)應(yīng)用,，集百家之長(zhǎng)。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(dòng)機(jī),、電池、配件,、機(jī)身每一個(gè)環(huán)節(jié)都有專門的廠商負(fù)責(zé)各司其職,，而主機(jī)廠只需要進(jìn)行選擇和組裝,，形成差異化的產(chǎn)品,，同時(shí)推向市場(chǎng)。

重新分工,，打破重組,，不破不立,。

新生態(tài)的雛形

多模型多應(yīng)用的模式下,，將會(huì)催生一個(gè)新的生態(tài),。

按圖索驥，我們?cè)噲D根據(jù)互聯(lián)網(wǎng)的經(jīng)驗(yàn)來(lái)設(shè)想一下新生態(tài)的架構(gòu),。

小程序誕生伊始,，所有人對(duì)小程序的能力,、架構(gòu),、應(yīng)用在哪些場(chǎng)景都十分迷茫,，前期靠一個(gè)個(gè)企業(yè)從頭開(kāi)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(wú)法突飛猛進(jìn),。

直到微信服務(wù)商的出現(xiàn)，服務(wù)商們一手對(duì)接微信生態(tài),，熟悉小程序的底層架構(gòu)和格局，一手對(duì)接企業(yè)客戶,，幫助客戶根據(jù)需求打造專屬小程序,，同時(shí)配合整個(gè)微信生態(tài)的玩法,，通過(guò)小程序進(jìn)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(shuō),，市場(chǎng)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(gè)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(gè)大模型,，又能夠與企業(yè)共創(chuàng),，打造一個(gè)良性的生態(tài),。

按照以往的經(jīng)驗(yàn)，我們可以把服務(wù)商粗略地分為三大類：

第一類經(jīng)驗(yàn)型服務(wù)商,，即了解和掌握每一個(gè)大模型的特點(diǎn)和應(yīng)用場(chǎng)景,，配合行業(yè)的細(xì)分場(chǎng)景，通過(guò)服務(wù)團(tuán)隊(duì)打開(kāi)局面,；

第二類資源型服務(wù)商，如同彼時(shí)的微盟能夠拿到微信內(nèi)的低價(jià)廣告位再外包出去的商業(yè)模式,，未來(lái)大模型的開(kāi)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(gè)應(yīng)用的底層同時(shí)嵌入不同大模型,，如何將多模型進(jìn)行調(diào)用和串聯(lián)，同時(shí)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(kāi)始出現(xiàn)，不過(guò)是以企業(yè)服務(wù)的形式,，向企業(yè)進(jìn)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(gè)視頻,，先跟Claud提出一個(gè)劇本的想法讓它幫我寫成一段故事,，再?gòu)?fù)制粘貼進(jìn)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(gè)視頻,。如果一個(gè)應(yīng)用能夠同時(shí)調(diào)用這些能力，那就是一個(gè)真正原生的應(yīng)用了,。”一位創(chuàng)業(yè)者對(duì)我們講到。

當(dāng)然,，多模型多應(yīng)用的生態(tài)真正落實(shí)有很多難題需要解決，比如多個(gè)模型之間如何互通,？如何通過(guò)算法實(shí)現(xiàn)模型調(diào)用的最大化？怎么配合才是最佳的解決方案,，這些既是挑戰(zhàn)，也是機(jī)遇,。

從過(guò)往的經(jīng)驗(yàn)來(lái)看,，AI應(yīng)用的發(fā)展趨勢(shì),，可能會(huì)是,，分散,、點(diǎn)狀的出現(xiàn)，然后逐漸被統(tǒng)一,，集成,。

比如,，我們需要問(wèn)答、做圖,、做PPT,，現(xiàn)階段可能是許多個(gè)單獨(dú)的應(yīng)用,，但未來(lái)可能會(huì)被集成為一個(gè)整體的產(chǎn)品,。向平臺(tái)化靠攏。比如此前的打車,、外賣,、訂票等多個(gè)業(yè)態(tài),，現(xiàn)在逐漸集中成一個(gè)超級(jí)APP里，不同的需求也會(huì)對(duì)模型能力提出進(jìn)一步多元化的挑戰(zhàn),。

除此之外，AI原生更會(huì)顛覆當(dāng)下的商業(yè)模式,，產(chǎn)業(yè)鏈上的熱錢將進(jìn)行重新分配,，百度變成了知識(shí)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(fèi)者的真實(shí)需求,，冗余的流程就被取代了。

在此基礎(chǔ)上，價(jià)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(wèn)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(lái)。