80%的AI公司，就要凉凉了
最近看到一份报告：“未来5年，将有80%的AI初创公司倒闭。”其实从创业公司的生存率来说，这个数据是符合客观事实的，近10年的统计数据显示，中国创业公司三年存活率在20%左右，AI行业也大差不差。
很多人都说AI行业非常烧钱，很难赚钱，真的是这样吗？K哥今年走访了几十家大大小小的AI公司，跟你聊一聊我看到的真实情况以及个人思考。
制造业中有一个著名的“微笑曲线”，它深刻揭示了产业链中利润分配的规律：即分处“笑脸弧线”两端的设计和营销环节，通常能够获得大部分的利润，而处于弧线凹处的制造环节，往往只有较低的盈利空间。进入人工智能时代的今天，K哥发现“微笑曲线”所反映的这一规律，在AI领域也同样适用。
一、什么是“AI微笑曲线”？
“微笑曲线”是宏碁集团创办人施振荣于1992年提出的商业理论，该曲线的横轴代表产业链的不同环节，纵轴则表示利润水平。这一理论认为，在制造业中，研发和营销等高附加值环节位于曲线两端，往往能够获取较高的利润，而中间的生产制造环节所获得的利润则相对较低。
以此对照AI领域，AI产业链的横轴包括三个主要环节：GPU制造/云计算、底层大模型开发、AI应用。纵轴则代表AI行业利润分配。结合现实我们不难发现，GPU制造/云计算和AI应用环节，的确赚取了大部分利润，处在“笑脸弧线”的两端，而底层大模型则明显处在利润“凹处”。
之所以出现这样的利润分布，道理并不难懂。首先，GPU是AI计算的核心，而云计算提供了必要的计算资源和存储空间。某种程度来说，GPU制造/云计算，意味着AI产业链的起点。因此，这些基础设施的提供者，如英伟达和亚马逊AWS，如同站在了“河流”的上游，掌握了水源，控制了流速，占尽优势，只要这个行业不断发展壮大，它们就能通过销售硬件和提供服务，赚取丰厚的利润。同理，AI应用相当于处在AI产业链的终点，在最靠近市场和变现的位置，AI应用开发者通过将AI技术应用于自动驾驶、医疗诊断、智能家居等各种场景，自然也能攫取巨大的利润。
而底层大模型，则处于AI产业链的中段，前受基础设施的制约，后有应有落地的卡位，且研发成本高、技术门槛高，迭代竞争又比较激烈，从而导致这一环节出现利润低、变现慢的窘境。以自动驾驶技术为例，可以更具体地看到AI微笑曲线的生动体现。英伟达通过提供高性能GPU，占据产业链的高地；特斯拉、Waymo等，通过自动驾驶应用的开发，同样创造了巨大的商业价值。但一直默默“奉献”的底层大模型，却获利甚微，还面临着高成本和激烈竞争的巨大压力。
二、AI大模型行业，谁在吃肉，谁在喝汤？
1. 利润之王：GPU和云厂商，AI应用
在AI造富浪潮中，第一批吃肉的就是AI硬件供应商和云计算服务商。以英伟达为例，该公司凭借其强大的GPU技术，成为全球领先的图形处理器制造商，其股价在过去几年中大幅上涨，今年6月份市值更是冲高至3.34万亿美元，一度成为全球市值最高的公司。微软也是如此，AI浪潮给这家早已暮气沉沉的老牌巨头带来了“回春丹”。微软2023财年营收为2119.15亿美元，其中智能云部门全年收入为918.3亿美元，同比增长25%。同样，国内的华为云、阿里云也借助AI东风，业务发展迅猛，云计算和AIoT显然已经成了新时代下国内外科技大厂，最具潜力的利润增长点和现金奶牛。
新浪潮下的另一批吃肉者，则是AI应用开发商和服务商。百度创始人李彦宏，曾在某论坛呼吁，国内AI产业应该把更多资源放在应用层，因为应用层更具备商业化能力和想象空间，甚至在未来可能出现改变世界的杀手级应用。虽然目前“现象级”的原生AI应用还没有出现，但各种AI自媒体、AI社群、AI工具服务商已大量面世，而且有些应用的DAU已经相当亮眼。随着市场的成熟，它们纷纷杀出一条血路，赚个盆满钵满，可能也只是时间问题。
2. 基础大模型研发，仍是亏本买卖
与GPU/云服务提供商以及AI应用开发者的繁荣，形成鲜明对比的是，基础大模型的研发仍然是一个亏本的买卖。许多公司和研究机构在这个领域投入了巨额资金，但回报却远不及预期。
以OpenAI为例，据估算OpenAI今年运营总成本将在85亿美元左右，其中租用微软服务器运营费用约40亿美元，训练成本约30亿美元。但据OpenAI此前公开的信息，该公司今年全年收入才只有35亿~45亿美元。也就是说，烧了那么多年的钱，即使在跑通了用户订阅、开发者付费和微软分成等盈利模式的前提下，OpenAI依然要巨亏50亿。
背靠微软、最有指标意义和先发优势的OpenAI尚且如此，其他的大模型厂家也好不到哪里去。成功推出Claude大模型的Anthropic公司首席执行官达里奥·阿莫迪，7月份接受采访时曾明确表示，目前类似GPT-4o的模型训练成本约为1亿美元，而正在开发的AI大模型训练成本可能会高达10亿美元。即便如此，他依然认为10亿美元并非“终点”，他预测未来三年，随着技术的进步和模型规模的扩大，AI大模型的训练成本将上升至惊人的100亿美元甚至1000亿美元。
国内“AI六小龙”光景也非常类似。以KIMI母公司月之暗面为例，该公司自2023年成立以来，已先后融资约20亿美元，但依然不够烧，就在上个月又刚刚从腾讯等机构融了3亿美元续命。面对这种近乎“残暴”的烧钱法，中外大模型公司目前想方设法挣得那“仨瓜俩枣”，简直不值一提。在未来很长的一段时间内，估计大模型公司仍处在重投入期，还得继续赔本赚吆喝。
三、“AI微笑曲线”将如何演进？三个推论
1. GPU制造，估值将理性回归
在AI产业链中，GPU制造商英伟达无疑是利润之王，市值突破万亿美元，成为全球市值最高的半导体公司之一。但这一估值是否合理呢？要知道之前达到这一高度、跻身万亿俱乐部的科技公司，只有苹果、微软、谷歌、亚马逊寥寥数家。而这几家科技巨头都有一个明显的共同特点，就是它们在硬件、软件和服务之间形成了良好的生态闭环，而不是靠“一招鲜吃遍天”。但现在的英伟达主要靠GPU，打下一个万亿帝国，能守得住吗？英伟达4月份（一夜暴跌10%，市值蒸发2000亿）、9月初（单日下跌9.53%，市值一夜蒸发超2789亿美元）的两次暴跌，也许已经给了我们一些提示，它所撑起的万亿市值，可能藏着巨大的泡沫。
众所周知，英伟达的成功主要是因为它在全球GPU市场的超高份额。但随着AMD、Intel、华为等公司在这一领域的不断发力和追赶，英伟达在市场中的绝对霸主地位，将面临越来越严重的挑战，那么大的蛋糕，别的实力玩家怎么可能不惦记？一家独大、躺赚的垄断地位被打破，必然是迟早的事。因此，GPU制造估值的理性回归，也将成为必然，这也是英伟达近几年积极布局以太网等“第二增长曲线”，试图构建更完整生态闭环的重要原因。
2. 基础大模型公司，将开发出C端杀手级应用
上文提到，李彦宏呼吁AI企业要在应用层发力，将来很可能出现杀手级应用。但有没有可能，这个杀手级应用就出现在大模型公司呢？自家有地，也有技术，为啥费尽心思耕好的田，非要让别人种庄稼呢？大模型既然能端出ChatGPT这种让人“炸裂”的开胃菜，为什么就不能期待它后面的盛宴呢？而且它们开发C端杀手级应用，有其先天优势：
1）大模型通用性和适应性优势：大模型具有处理多种任务的通用性，这使得它们可以被应用于不同的场景和领域，这种灵活性为开发多样化的C端应用提供了可能。
2）掌握核心技术优势：大模型公司通常拥有领先的技术和丰富的资源，掌握了训练大型语言模型的核心技术，对大模型的原理、架构和训练算法有深入的理解，这为他们开发出真正强大的C端应用，奠定了技术基础。
3）数据和算力优势：训练大规模的人工智能模型，需要巨大的算力和海量的训练数据。大模型公司不仅拥有强大的算力资源，还拥有全方位的数据获取渠道，持续训练和优化模型。
4）强大的内在需求：大模型公司的终极目标，就是开发出通用人工智能（AGI）系统。而开发出以大模型为底座的C端杀手级应用，正是通往AGI的关键一步，是他们发展路线的必经之路。
5）迫切的外部需求：目前大模型公司普遍处于亏损状态，迫切需要找到盈利模式，实现商业化突破。
而开发出杀手级C端应用，则成了它们变现的最佳途径，这会倒逼它们全力以赴开发出真正意义上的杀手级应用。
等“杀死”了市面上大部分AI应用，大模型公司也就自然而然开始赚钱了。
3. 目前80%的AI应用将被干死
经济学大师熊彼特有一个“创造性破坏”理论，该理论认为每一次大规模的创新，都淘汰旧的技术和生产体系，并建立起新的生产体系。
在人工智能领域同样也存在“创造性破坏”，每一次大模型的升级，都会“破坏”一大批AI应用。
从本质上讲，大模型的每次升级，不仅仅是算法的优化、参数的增加、技术的迭代，更是对现有解决方案的重新定义。
大模型的每一次升级，都可能引入更高效的问题解决方式，更精准的数据分析能力，甚至是全新的服务模式。
而这些变革，相对那些依赖旧技术、旧模型的应用而言，无疑是降维碾压，毫无招架之力。
此外，大模型每一次升级，AI应用的门槛都会被不断抬高。新的模型和算法，必然需要更强大的计算能力和更多的数据支持。
这对于许多小型或初创的AI应用公司来说，可能是一个难以逾越的障碍和挑战。
因此，被市场淘汰或被逼离场，就成了大模型升级背景下，很多AI应用的无奈宿命。
有鉴于此，面对每次技术迭代和大模型升级，AI应用企业都要快速评估自身产品的特点和市场竞争力，并积极作出相应调整。
有时候，落袋为安，主动离场，未尝不是应对风险的明智选择。
西方有句谚语：“能笑到最后的，才是笑得最好的”。
目前的“AI微笑曲线”，只是人工智能发展浪潮中的一个阶段，GPU制造/云计算和AI应用，能一直占据“微笑弧度”的两端吗？
底层大模型会甘心任劳任怨、潜伏在弧线的底部“干最多的活赚最少的钱”吗？
K哥并不这么认为，也许哪天当前的“微笑弧线”来个180度翻转，也不是不可能，我们拭目以待。
赞(64)