“短期內(nèi)，在中國to C市場更有機(jī)會，國外兩者都有機(jī)會?！?/p>

在6月14日的2024智源大會上，針對大模型相關(guān)話題，零一萬物CEO李開復(fù)進(jìn)行了最新的討論，當(dāng)被問及當(dāng)下大模型產(chǎn)業(yè)化的最大場景和機(jī)會，李開復(fù)如是說。

在李開復(fù)看來，從to C市場來看，大模型被認(rèn)為像是移動互聯(lián)網(wǎng)或者PC時代類似的技術(shù)，新的平臺帶來新的應(yīng)用，這是巨大的機(jī)會，但是這些應(yīng)用會按部就班進(jìn)行，AI時代也是一樣。

第一個階段應(yīng)該是生產(chǎn)力工具。第二個階段是娛樂、音樂、游戲。第三個階段是搜索，再下一個階段可能會是電商，然后會有社交、短視頻，還有o2o。

其中一個邏輯就是剛開始要能夠賺錢，要能夠解決問題。商業(yè)往往是先堆積用戶DAU再找盈利模式，后面需要的用戶量會越高，這個時候成本一定要壓低，生產(chǎn)力工具越往后商業(yè)難度越高。

“所以我認(rèn)為這個定律是不會改變的。當(dāng)然這里面有一個挑戰(zhàn)，就是做這些應(yīng)用推理成本還太貴。所以最近我們也推出了一個新的想法，TC-PMF（Technology-Cost Product-Market-Fit，技術(shù)成本 X 產(chǎn)品市場契合度），就是當(dāng)考慮PMF的時候，還要把技術(shù)的需求難度和成本考慮進(jìn)去。”

李開復(fù)表示，做應(yīng)用一定要考慮到這六個階段誰先誰后，該什么時候做，提早做。第二就是做的時候要考慮到，一旦做完了技術(shù)會不會更好，成本會不會更低。所以大模型的to C應(yīng)用，不是過去移動互聯(lián)網(wǎng)的產(chǎn)品經(jīng)理一個人就可以做主，難度會很高。還會需要做infrastructure，做推理引擎的人，還會需要做大模型、AI的專家一起來打TC-PMF，雖然難度高，但回報也高，機(jī)會也更大

他另外還強(qiáng)調(diào)，在大模型的C端市場，技術(shù)不會帶來永久領(lǐng)先。因為巨頭一旦看到了PMF驗證后，會有更多的方法來超越。驗證出PMF后，要把握的時間窗口，把品牌打造出來。

“最終勝出的to C應(yīng)用，一定不只是技術(shù)做得好，還需要抓住時間窗口，在這個時間窗口打造一個可持續(xù)的優(yōu)勢，比如品牌優(yōu)勢，比如社交鏈，比如用戶數(shù)據(jù)，讓他不能離開你這個平臺?！崩铋_復(fù)以抖音舉例，過去抖音如何在微信這么強(qiáng)大的時代能做出來，就是抓住了時間窗口。

對于大模型to B的應(yīng)用，李開復(fù)稱，大模型本可以在這個市場帶來更大的價值，而且應(yīng)該更快實現(xiàn)，“但是很可惜to B的這個領(lǐng)域面臨幾個巨大的挑戰(zhàn)”。

他舉出兩個例子。一是大公司、傳統(tǒng)公司，不敢采取特別巨大顛覆式的技術(shù)，他們習(xí)慣每一年增加5%的預(yù)算，只做跟去年稍微不一樣的事情。對于顛覆式的事物，大公司有點難擁抱。

第二個問題是，大模型對企業(yè)而言帶來的價值是降本，而不是創(chuàng)造價值。降本本質(zhì)而言是取代人類的工作。大公司很多高管或者中層者管理，并不愿意做這個事情，因為這意味著團(tuán)隊減員，管理者在公司的政治資本減少，權(quán)力就變了，甚至可能管理者自己的工作都沒了。所以大公司，有時候CEO很想去推動變革技術(shù)的應(yīng)用, 但向下推行會遇到阻力。

這些因素造成to B市場的現(xiàn)狀，理論上應(yīng)該馬上可以落地的，但實際并沒有那么快。李開復(fù)還提到，很多大公司沒有認(rèn)識到軟件的價值，不愿意為軟件付費。

“多個大模型公司競標(biāo)，價格越競越低，到最后做一單賠一單，沒有利潤。我們在AI1.0時代就看到這個現(xiàn)象，現(xiàn)在很不幸，在AI2.0時代又重現(xiàn)了?！币虼?，他今日明確，零一萬物堅決做to C應(yīng)用，堅決不做賠錢的to B，對于B端客戶，會精挑細(xì)選客戶，優(yōu)先與公司上下觀念一致愿意接受大模型的企業(yè)合作。

此外，面對當(dāng)前大模型目前的行業(yè)挑戰(zhàn)，李開復(fù)稱，大模型現(xiàn)在只是用更多的算力推動，盲目丟更多的GPU來訓(xùn)練推理，這在未來也許會看到模型能力快速上升，但是這樣的話就會導(dǎo)致只有那些特別有GPU的公司或國家能夠在這方面勝出。

同樣需要關(guān)注的還有是工程問題，怎么能夠去用工程來提升模型能力，不是進(jìn)入一個盲目的丟GPU達(dá)到更高的結(jié)果。當(dāng)然還有很多挑戰(zhàn)，比如說recency的問題，還有記憶的問題，窗口不夠長的問題，還有幻覺問題等。

“但是我們可以看到的就是，當(dāng)這么多聰明的大腦在全球涌入這個領(lǐng)域的時候，這一個一個的問題都大部分非常好的被解決了。所以我對未來還是非常樂觀的。”

轉(zhuǎn)載來源：科創(chuàng)板日報 作者：張洋洋