“用ChatGPT-4寫一封電子郵件，就好比讓蘭博基尼送披薩。 ”這句話聽上去 有點夸 張，卻一語道破了當(dāng)前生成式AI在應(yīng)用層上遇到的巨大難題： 成本過高，尤其是在AI產(chǎn)品和市場契合度（PMF）不那么高的情況下。

近期，分析公司CCS Insight發(fā)布預(yù)測報告稱： 生成式人工智能領(lǐng)域?qū)⒃诿髂杲邮墁F(xiàn)實的檢驗，具體表現(xiàn)在： 技術(shù)炒作逐漸消退，運行成本不斷上升，監(jiān)管呼聲越來越多。 種種跡象表明：生成式AI的增長即將放緩。

就在報告發(fā)布的前一天，華爾街日報的一篇文章《Big Tech Struggles to Turn AI Hype Into Profits》（Tom Dotan & Deepa Seetharaman）在副標(biāo)題中指出， 包括微軟、谷歌在內(nèi)的一些公司，正在努力嘗試各種策略，只為讓AI產(chǎn)品真正能賺到錢。

適道對這篇文章進(jìn)行了編譯和補充，結(jié)合CCS Insight的報告，試著梳理出生成式AI面臨的困境，并給出相應(yīng)的判斷，以下是正文。 

1 每月倒貼3000萬美元，150萬用戶致成本失控

GitHub Copilot是微軟基于ChatGPT推出的一款A(yù)I編程產(chǎn)品，被程序員們稱為“開發(fā)者神器”，目前用戶超過150萬人。如果按照互聯(lián)網(wǎng)時代的商業(yè)邏輯，GitHub Copilot以10美元/月的會員費，早就能賺到盆滿缽滿。但據(jù)文章作者所言，這款爆火的AI應(yīng)用讓微軟虧到吐血。

今年的前幾個月，GitHub Copilot平均每月要給每個用戶倒貼20美元，給有些用戶最多能倒貼80美元。算下來，自從推出GitHub Copilot，微軟一個月就能虧3000萬美元，如果情況不變，一年下來虧損直接過億。不知道的以為微軟轉(zhuǎn)行做慈善了。

生成式AI “冤種”聯(lián)盟的成員還有谷歌、亞馬遜、Adobe、Zoom等。

為了避免血虧，Adobe公司直接對用戶的每月使用量設(shè)置了上限。谷歌除了收取每月6美元起的常規(guī)會員費，將對一款A(yù)I助手的用戶收取30美元/月的額外費用；微軟則是在13美元/月的基礎(chǔ)費用之上，對AI版Microsoft 365的用戶多收30美元/月。另外，知情人透露，這兩家巨頭還會“偷梁換柱”，采用更便宜的小模型。

繁榮之下，為什么生成式AI會還能虧錢呢？

最主要的問題是成本失控。

首先，買硬件需要錢。AI算力芯片是大模型的發(fā)動機，早期微軟向OpenAI投資的150多億美元，大多數(shù)都用在了搭建AI超級計算機和購買AI芯片的硬件支出上。據(jù)悉GPT-4模型需要超過3萬枚A100芯片。不然怎么說英偉達(dá)是當(dāng)前AI時代當(dāng)之無愧的最大贏家，也難怪MAAMA都開始卷起了芯片。

其次，大模型越聰明的代價是所需的算力越多。作者指出：企業(yè)要花費數(shù)年時間和數(shù)億美元，才能訓(xùn)練出一個成熟的AI產(chǎn)品。a16z曾發(fā)布報告稱，單次GPT-3訓(xùn)練的成本在50萬美元到460萬美元之間。就連電費都是一筆天文數(shù)字，據(jù)估算，2023年1月平均每天約有1300萬獨立訪客使用ChatGPT，對應(yīng)芯片需求為3萬多片英偉達(dá)A100 GPU，每日電費在5萬美元左右。

最重要的是，AI應(yīng)用不具備互聯(lián)網(wǎng)應(yīng)用的規(guī)模經(jīng)濟。算力有成本，每計算一次要多花一次的錢。SemiAnalysis首席分析師Dylan Patel統(tǒng)計，OpenAI光是運行ChatGPT，每天投入的成本就可能高達(dá)70萬美元。這導(dǎo)致使用AI產(chǎn)品的用戶越多，或用戶的使用次數(shù)越多，提供服務(wù)的企業(yè)就要支付更高的成本費用。如果只向用戶收取一筆固定的月費，那么企業(yè)就會面臨潛在的成本損失，正如微軟在GitHub Copilot遭遇的血虧。

2 用戶找不到為生成式AI付費的理由

當(dāng)然，錢是賺來的，不是省來的。畢竟， “日虧70萬美元”的吞金獸OpenAI，如今也能估值高達(dá)900億美元。近期，The Information還爆出，OpenAI預(yù)計在未來一年內(nèi)，通過銷售AI軟件及其計算能力，獲得超過10億美元的收入。

但OpenAI在商業(yè)模式上的巨大成功并不具備普遍性。就目前來看，不少生成式AI產(chǎn)品的吸金能力顯然有限。

Insight的杰出工程師Carm Taglienti指出：人工智能項目失敗的原因99%與客戶過高的期望值有關(guān)。但這句話也揭示了一點：現(xiàn)在的人工智能沒有聰明到能解決用戶希望解決的問題。

而根據(jù)紅杉資本的判斷，當(dāng)前AI市場已經(jīng)從“第一幕”——從技術(shù)出發(fā)，進(jìn)入了 “第二幕”——從客戶開始。這個階段要求生成式AI必須具備解決人類問題的能力。也就是說，當(dāng)人們對新興技術(shù)的熱情退散時，他們會思考自己到底需要何種AI服務(wù)，并質(zhì)疑自己為什么要為AI付費？

這正如文章中Amazon Web Services的首席執(zhí)行官Adam Selipsky所指出的：目前，許多用戶開始對運行AI模型的高昂費用感到不滿。

事實上，紅杉資本的報告《Generative AI’s Act Two》也顯示，無論是首月用戶留存率，還是目前用戶的日常使用情況，以大模型為代表的生成式AI使用情況都不容樂觀。相比普通產(chǎn)品最高85%的留存和日/月活，用戶體驗過ChatGPT后還愿意繼續(xù)用比例為56%，每天打開的比例僅為14%。

這或許意味著，至少很多用戶還沒找到自己必須使用生成式AI產(chǎn)品的理由。

從to B的層面來講，大模型也不是萬金油。你所構(gòu)建的AI產(chǎn)品必須與你試圖解決的任務(wù)強相關(guān)。甚至OpenAI的首席技術(shù)官 Mira Murati也指出：企業(yè)用戶并不是總需要最強大的模型，有時候他們只需要適合其特定用例且更經(jīng)濟實惠的模型。

而從解決問題的角度看，目前通用大模型存在使用成本高、推理延遲較大，數(shù)據(jù)泄漏、專業(yè)任務(wù)上不夠準(zhǔn)確等問題。與之相比，一些更小型、專業(yè)化的長尾模型具有更準(zhǔn)確、更便宜、更快速的優(yōu)點，剛好能夠滿足客戶企業(yè)的需求。

總而言之，早期初創(chuàng)公司投資人在去年砸進(jìn)了22億美元資金，如果AI的實際應(yīng)用確實達(dá)不到預(yù)期效果，隨之而來的失望將導(dǎo)致投資縮減。

為企業(yè)打造生成式AI工具的公司W(wǎng)riter的首席執(zhí)行官梅·哈比卜（May Habib）說，估值不斷上升反映了人們對AI前景的熱情，不過高管們很快就會更仔細(xì)地關(guān)注成本問題。他認(rèn)為，明年投資者對于生成式AI就不會如此趨之若鶩了。

3 生成式AI最大的問題是向用戶證明其價值

高昂的開發(fā)成本，再加上難以盈利的應(yīng)用，反正不會讓投資人高興，可能只有英偉達(dá)和一些云服務(wù)提供商開心。

但情況真就如此糟糕嗎？也不一定。文章指出：預(yù)計隨著時間的推移，生成式AI會變得更便宜，就像云存儲和3D動畫等許多技術(shù)一樣。同時，新芯片和其他創(chuàng)新可能也會降低處理成本。

可是即便事實如CCS Insight所預(yù)測的：2024年生成式AI的增長即將放緩，但從長遠(yuǎn)來看，生成式AI也一定會增長。正如Amara定律：我們傾向于在短期內(nèi)高估一項技術(shù)的效果，在長期內(nèi)低估其效果的現(xiàn)象。

這讓人想到互聯(lián)網(wǎng)發(fā)展初期的1998年，一位著名經(jīng)濟學(xué)家宣稱：到2005年，一切將變得清晰，互聯(lián)網(wǎng)對經(jīng)濟的影響不會超過傳真機。”

或許，生成式AI目前只是處在“尷尬的青春期”，它最大的問題不是尋找使用案例、需求或分發(fā)，而是證明其在解決用戶問題上產(chǎn)生的真正價值。正如福特汽車公司創(chuàng)始人的經(jīng)典名言：如果我問客戶他們想要什么，他們的回答一定是一輛更快的馬”。無論如何，技術(shù)一定要走在市場前面，因為消費者看不到那么遠(yuǎn)。

本文來自微信公眾號“適道”（ID:survivalbiz），作者：適道。

       原文標(biāo)題 : 2024年，生成式AI的“炒作”要結(jié)束了？