ToB Or ToC,大模型不做“选择题”
在 AI 大模型的 商业 化道路上,"ToB or ToC" 一直是两难的选择。 不过,AI 业内有一个共识, 创业 公司在 C 端更容易找到机会,而 互联网 大厂则更能通过 B 端获得规模优势。
但目前来看,这一共识可能要被打破了。一直被认为是 "To C 主义者 " 的月之暗面,近日官宣将发布企业级 API,且 Kimi 开放平台的上下文缓存 Cache 存储费用将降低 50%,加速在 B 端市场发力。
无独有偶,大模型鼻祖 OpenAI 也在近日宣布,将允许企业使用自身数据定制其旗舰 AI 模型 GPT-4o,意味着企业可以定制和优化性能更强的 AI 模型。
从 " 百模大战 " 走到 " 应用之战 ",大模型已经到了商业化的关键时期,不仅要考虑产品是否突出,更要综合考虑成本、应用、变现等问题,每个公司都在寻找属于自己的答案,对它们来说,"ToB or ToC" 或许并不是选择题,而是必选题。
01 变现,C 端大模型的 " 拦路虎 "
早在 Kimi 开始发力 B 端之前,其曾在今年 5 月小范围试水 C 端打赏模式,用户可以通过购买 5.20 元至 399 元不等的礼物,获取不同的高峰期优先使用时长。
对于打赏功能的上线,月之暗面曾表示,该业务处于测试阶段,公司对商业化模式的探索保持开放态度。
从这点来看,Kimi 的打赏模式更像是对用户付费意愿的试探,而非奔着盈利而来,毕竟 Kimi 的用户群体大多是从抖音、B 站转化而来,探索年轻人的态度对公司而言很有必要。
但这并不代表 Kimi 准备一直 " 为爱发电 ",因为大模型初创公司的 " 烧钱速度 " 实在太快了。首先,大模型要走向 C 端市场,必须付出不菲的 营销 成本。
今年春节以后,大模型公司纷纷开启了营销大战,最常见的线上投流模式是 CPA,即用户浏览网站触发广告后,只要完成注册或下载 App,大模型公司就支付广告费用。
但目前可供选择的平台,无非是 B 站、抖音等年轻用户集中的平台,需要投流的大模型企业却有很多,CPA 的竞价模式也变相推高了投流成本。
有业内人士表示,2023 年初 B 站的 CPA 报价普遍在 10 元 / 人以下,但目前月之暗面在 B 站的 CPA 成本可能已经高达 30 元。
据新浪 科技 估算,其从今年 2 月至今,至少已为投流砸下了 3000 多万。投流的效果是显著的,Kimi 的访问量一度增长超 4 倍,但过高的营销成本终究烧的是 投资 人的钱。
其次是训练成本。OpenAI 最早计划今年在训练成本上花费约 8 亿美元,但随着 OpenAI 加快训练最新的旗舰模型,训练成本可能会再翻一番。
OpenAI 的头号竞争对手 Anthropic 的 CEO Dario 也表示,目前公司正在开发的 AI 模型训练成本高达 10 亿美元,但训练成本可能在 2027 年之前提升到 100 亿美元,甚至是 1000 亿美元。
最后,则是算力成本。大模型的算力成本会随着用户规模增大而越来越高,国盛证券曾估算,要打造对标 ChatGPT 的大模型,按单张 A100 芯片的价格为 10 万元算,投入 10 亿元才是入场券。
随着成本不断攀升,接连收获新融资的 "AI 五小龙 " 或许还不太缺钱,但它不能永远不考虑商业化变现,更别说其他手上并无余粮的大模型公司。
只是,想要在 C 端市场变现,却没有那么容易。一则是目前大部分通用大模型,如文心一言、ChatGPT 等都是免费模式,要培养用户的付费习惯,显然还需要漫长的周期,同质化的 AI 应用也远远未到刚需阶段。
二则是大模型在 C 端市场的营收模式较为单一,除了订阅费之外,其他收费模式仍有重重困难,比如依靠广告创收,则可能会影响用户体验和涉及隐私问题;此前办公软件 WPS 针对 AI 功能的收费,更因 " 套娃 " 而冲上热搜。
三则,C 端消费者认可产品更多是基于品牌,这也是月之暗面要花大钱投流的原因,在这一背景下,万一阿里、腾讯猛砸某一 AI 应用,其他创业公司便很难有招架之力。
即便是 OpenAI,其在 C 端市场的收入已达到 19 亿美元,主要来自全球 770 万的订阅者,每人每月为 ChatGPT Plus 支付 20 美元,但仍远远不足以覆盖构建和运行模型的成本。
外媒援引 OpenAI 未公开的内部财务数据,称 OpenAI 今年还将面临高达 50 亿美元的亏损,其中,全年收入估计在 35 亿美元 ~45 亿美元之间,但运营成本却或达 85 亿美元,其中推理成本为 40 亿美元。
OpenAI 为 C 端用户提供了 ChatGPT 的免费版本,使公司增加了推理成本,却没有带来任何额外收入,这是其入不敷支的原因之一。
02 押宝,C 端的尽头是 B 端?
简单来说,大模型要在 C 端市场快速发展,就要实现更好的综合能力和使用效果,且通过低价或免费的使用模式,才能更好吸纳用户。
这一模式需要持续 " 烧钱 ",大模型顶级玩家才不得不将目光投向 B 端市场。以百度为例,其在近日发布了 2024 年二季报,其中百度智能云业务收入达 51 亿元,同比增长 14%,并持续实现盈利,AI 贡献的收入占比已从上季度的 6.9% 提升至 9%。
但从百度 2023 年年报来看,虽然百度通过文心大模型重构的广告系统,实现了数亿元的增量收入,但其在线营销收入相比前两个季度仍有下滑,可见大模型在 C 端应用的活跃度和变现率并未达到预期。
因此,大模型到底该 ToB 还是 ToC,各位大佬也有不同看法。百川智能 CEO 王小川曾明确表示,To C 是 To B 市场的十倍,大厂都会卷 To B,(百川智能)肯定要做差异化。
金沙江创投的朱啸虎则认为,现在在国内做大模型,To B 的商业模式远比 To C 的模式更为适宜。
虽然各有各的观点,但从大模型公司的实际动作来看,它们对于 To C 还是 To B 这件事并没有太多纠结,不仅是 " 全都要 ",而是相互赋能。
清华大学智能产业研究院院长张亚勤就曾表示,在应用和服务层面,To B 的周期相对较长,而 To C 的应用产品则可以迅速推出,这跟移动互联网的发展路径基本一致。
因此,大部分大模型创业公司都是采取 To B 和 To C 并行的策略,即便是坦言 " 我们做 C 端 " 的百川智能,也推出了 API 接口业务。
这种 "C+B" 的业务模式,也是目前大模型公司主流的商业模式。比如 OpenAI,既在 C 端收取 ChatGPT 的会员费,也在 B 端通过 " 公共云 +API" 的方式收取大模型 API 的调用费用。
除了通过收费 " 变现 " 之外,大模型企业还会通过 AI 来加持自己已有的成熟业务。比如阿里旗下夸克浏览器近日发布 PC 端,升级了 AI 搜索、AI 写作、等一系列 " 全场景 AI" 功能,进一步增加对客户的吸引力和粘性;一直以 B 端为主的商汤,也在今年将引入到 C 端市场,发布了能够生成创意写真的 AIGC 产品 " 秒画趣拍 "。
所以,在大模型商业化道路选择上,同时押宝 ToC 和 ToB,不仅是以 B 端 " 稳收入 " 弥补 C 端的 " 不确定 ",更长远来说,是两种业务在技术层面和品牌效应上的互相赋能。
一方面,大模型公司通过 C 端产品,可以持续收集用户反馈、积累模型的应用实践,最终反馈给大模型实现迭代升级,如果只是向外部开放 API,很难形成用户反馈闭环。
另一方面,诚如零一万物 CEO 李开复所言,在中国 To C 短期更有机会,C 端产品更容易爆发和获得口碑,其流量和势能也能反哺给 B 端业务。
最后," 做 C 端 " 的大模型公司也在积极推出降低 API 业务,甚至不断降低调用成本,也是希望开发者能在自己的生态上开发出好用的 AI 应用。
就像曾经的互联网行业,当产品之间的差异化程度不大,拼的就是谁的生态能率先 " 开花 ",更多创作者参与进来,才有机会开发出好用的 AI 应用。
所以,当下争论 ToC 还是 ToB 更好,其实意义并不大,因为当下大模型行业的主要矛盾,并不只是资金压力,而是需要更多人应用,从而造出生态来,单靠 B 端或者 C 端市场,都无法轻易实现这一目标。
据中央网信办透露,截至 8 月,我国完成备案并上线、能提供服务的生成式人工智能服务大模型已达 190 多个,但李开复曾预测,在大模型竞争接近终局的时候,能够存活的大模型公司或只有 30 个。
当前,大模型行业还没有哪一家是公认的 " 领头羊 ",包括互联网大厂也未必能占优势,对于初创公司来说,不论通过何种路径,都要好好争一争品牌、产品和生态,否则以后就更没机会了。
03 ToB,定制化时代的鏖战
由此可见,B 端是大模型公司商业化闭环不可缺失的一环,但想要在 B 端市场杀出血路来,也并没有那么容易。
首先,是 B 端市场无休止的价格战。今年 5 月,字节正式发布豆包大模型,主力模型在企业市场的定价只有 0.0008 元 / 千 Tokens,比行业便宜了 9 成以上,让国内大模型的 token 价格从 " 以分计价 " 发展到 " 以厘计价 ",震撼业内之余,也有不少竞争对手纷纷跟进降价。
诚然,大部分大模型公司都认为行业发展应该避免价格战,但真到了战场上,不降价就被对手挤掉份额。即便百度李彦宏曾呼吁创业者去 " 卷 "AI 应用,而不是卷价格,但在字节、阿里云大降价之后,百度旗下两款主力大模型很快就宣布全面免费。
业内人士认为,愿意为软件付费的企业并不多,大模型 B 端的利润空间正在急速萎缩,去年能卖到千万级别的大模型项目今年可能只能卖到 100 万元了,市场上有太多的开源大模型可以套壳,竞争非常激烈。
其次,B 端和 G 端的业务,有时候也是难啃的 " 硬骨头 "。一则,每一个 B 端定制化案例都是一个 " 孤本 ",非标准化的定制服务意味着更高的成本投入,尤其是对于场景复杂、数字化转型较晚的工作环境,数据安全、信息孤岛等问题都不容易突破。
二则,B 端业务的销售周期和应收账期往往都会较长,这要求企业展现出更多的耐心和持续的努力。近日,科大讯飞董事长刘庆峰便表示,公司将会主动放缓甚至放弃部分 G 端业务,原因是考虑到回款周期的问题。
三则,对于 金融 、医疗、法律等部分垂直行业的合作,其对大模型的介入有着极高需求,储备相关领域的高素质人才也是一笔大成本。
最后,即便大模型初创企业克服以上重重难关,但企业开发基础模型往往更青睐于老牌云厂商。数据显示,2023 年大模型市场中,百度智能云、商汤、智谱 AI 的市场份额排在前三,加起来占据了市场的半壁江山。
不过,这也并不意味着初创企业就无法突围而出,数据显示,2023 年我国生成式人工智能的企业采用率已达 15%,市场规模高达 14.4 万亿元,这一数字有望持续增加。
大模型在 B 端市场的下半场,或许需要从企业视觉升级为产业视觉,扎根于办公、生产、教育、制造等各个环节,成为撬动企业新增长的动能,才是企业方接纳这项新技术的关键。
有企业方人士认为,他们不关心大模型有多少花活,关键是能帮企业省多少钱,真正需要的是基于整体技术提升的完整业务解决方案。
随着大模型行业的不断发展,如何在用户增长和模型能力进步中找到可持续的经营模式,这一问题依然会困扰着每个大模型企业,但不同企业的答案或许都不一样。
这意味着在大模型领域,没有一套模式能够为所有企业所通用,无论 ToB 还是 ToC,都不过是大模型通往未来的路径而已,真正决定企业未来的,是其能否在服务客户过程中带来更多创新的 AI 应用和服务。
如果最终只有 30 家大模型能够留下,那么活下来的大模型,不一定是名头最响的,但一定是最实用的。
来源:伯虎财经