ChatGPT再升级，AIGC面临哪些竞争策略问题？

- 导读 -

11月7日，在ChatGPT上线一年后，OpenAI举行首届开发者大会。放出两大杀手锏。一是，GPT-4升级到了GPT-4 Turbo，文字处理能力大幅提升，支持视觉、文本转语音、自动语音识别等模型，且定价整体比GPT-4降低超2.75倍；二是，推出GPT Store，使人工智能开发生态的搭建成为可能。可以说这次开发者大会在将AIGC推向又一个高潮的同时，也给不少AIGC相关企业敲响警钟——AIGC的竞争将加速演进，激烈的市场竞争将更早地到来。那么，AIGC可能面临哪些竞争策略问题？我们将在本文中讨论。

1、大模型的商业模式——MaaS？

在访谈调研的过程中，有一个观点逐渐明晰，类似于互联网时代的Windows、MacOS、Linux，移动互联网时代的Android、iOS，通用大模型也将成为AI产业的“操作系统”，所具备的基础设施特性可以为生成式人工智能应用开发商提供底座，将通用大模型变得可维护、可扩展、可迭代，极大降低生成式人工智能应用的开发门槛。在此过程中，MaaS（Model as a Service）将成为大模型可实现的商业模式。

生成式人工智能的MaaS商业模式将AI算法和模型作为一种服务，实现技术资源的共享，降低进入门槛。从供给侧来说，通用大模型开发厂商可以围绕通用大模型提供不同的产品和服务，打造商业闭环。从需求侧来看，客户能通过低成本、高效率的MaaS路径获得生成式人工智能能力，完成AIGC应用的个性化开发、优化及部署，持续兑现大模型的技术红利，将生成式人工智能的能力渗透到各行各业的业务场景中。

目前在MaaS方面，智谱AI和OpenAI的布局十分相似，两者都推出了一系列生成式人工智能的产品和服务，这些产品和服务都可以通过API调用的方式使用，方便开发者集成到自己的应用中，而智谱AI和OpenAI在这个过程中也可以获得相对稳定的收入来源。

2、通用大模型选择开源还是闭源？

开源和闭源是两种完全不同的企业竞争策略，如互联网时代下开源Linux和闭源Windows之争，移动互联网时代下开源Andriod和闭源iOS之争。如今，人工智能大模型也出现了开源、闭源之争，最为典型的是OpenAI闭源的GPT-4与Meta开源的LLaMA-2。

目前不同的大模型企业，选择开源还是闭源的策略不尽相同。

坚持开源，最典型的为Meta。2023年3月，Meta发布开源大模型LLaMA，可免费用于研究；2023年7月，Meta发布LLaMA-2，可免费用于研究和商业领域。

坚持闭源，最典型的是华为。在发布盘古大模型3.0时，华为云公开表示，盘古大模型全栈技术均是由华为自主创新的，没有采用任何开源技术，盘古大模型在未来也不会开源。

从开源走向闭源，最典型的是OpenAI。2018年其发布的GPT-1完全对外开源；2019年发布GPT-2，分四次开源完整代码；2020年发布GPT-3，通过论文公开了技术细节，同时用户可通过调用API的方式使用模型资源，属于部分开源；2022年11月推出GPT-3.5，官方没有发布论文披露细节，2023年3月开放API；最近的GPT-4，目前也仅处于开放API状态，技术细节不得而知。

从闭源走向开源，最典型的是智谱。根据智谱AI的官网，GLM2不限实例+不限推理或微调工具包的私有化报价此前是一年30万。2023年7月，智谱AI和清华KEG发布公告，称为了更好地支持国产大模型开源生态，ChatGLM-6B和ChatGLM2-6B权重对学术研究完全开放，并且在完成企业登记获得授权后，允许免费商业使用。

从我国大模型来看，超半数已开源。根据《中国人工智能大模型地图研究报告》，截至2023年5月28日，我国大模型数量已达79个，超半数已开源，其中开源的主力是高校和科研机构，如清华大学的ChatGLM-6B、复旦大学的MOSS。

对于模型层企业来说，选择开源还是闭源主要考虑进入时机、模型破解、防止滥用等方面问题。

从进入市场时机来看，先进入者多为闭源，后进入者多为开源。先进入者凭借先发优势为尽量攫取市场红利，选择闭源；后进入者为抢占市场份额、对抗领先者，往往选择开源。Meta等后发企业之所以选择开源，也是基于以上考虑。开源大模型由全球开发者、研究机构、科技企业协同共建，一起优化模型、丰富数据、完善工具、开发应用，从而可以加速大模型技术的迭代升级、应用的全面发展。正如Meta创始人扎克伯格表示：“Meta 有着悠久的开源历史，开源推动创新，它让更多开发人员能够使用新技术进行开发，同时提高了技术的安全性。我们相信如果生态系统更加开放，将会带来更多进步，这就是我们开源 LLaMA 2的原因。”

百川智能创始人王小川也表示，开源可以后发制人。他认为，开源在一定程度上是一个营销行为，开源之后是更容易使朋友多多，能够让大家迅速去评测了解，对于一个后发者开源是挺好的一个选择。

从模型破解的角度来看，企业选择闭源，如OpenAI的GPT-4，更有利于其打造自身先进模型优势，构建技术护城河，保持行业领先地位，从而形成技术壁垒和经验壁垒，率先享受技术进步带来的红利。

从防止滥用的角度考虑，闭源能够更好地控制模型。大模型企业对开源模型的控制权相对较弱，模型、数据的所有权、使用权目前尚不明晰。闭源大模型企业对模型的控制权更大，安全性更高。华为云CTO张宇昕表示，由于闭源的华为盘古大模型的定位是“AI for Industries”，这些行业大模型里沉淀了客户的知识经验，所以华为不会、也不可能把客户的资产开放出来。

而作为大模型使用者的企业，从建设自有模型的角度来看，也需要考察大模型的开源、闭源政策。对于这个问题我们之前在洞见学堂公众平台上也发表过相关专题研究。总结来看，多模型组合最有可能是未来实际使用场景中的选择趋势，即将不同任务分配给不同的更适合的模型。

3、优先发展全球市场还是中国市场？

对于开展生成式人工智能业务的企业来说，在现阶段有一个需要思考的问题就是如何对待全球市场和中国市场。一般来说，对于大多数企业的发展，选择国内市场还是全球市场似乎并不冲突，但在访谈调研中我们发现，在生成式人工智能的发展上，由于技术和发展要素的特殊性，选择发展全球市场还是中国市场是一个无法绕开的选择题。

在调研中，资本市场对于这一问题给出了相对清晰的选择，“一种给国内绝对领先和有潜力的公司，另外一种给全球，这种投资分布被认为是合理的”。

全球市场具有更大的规模和更多的机会，但也面临着更多元的竞争和更高的成本。相比之下，中国市场虽然规模相对较小，但是增长速度非常快。

对于一家生成式人工智能企业来说，如果选择全球市场，需要考虑到跨国运营的复杂性和成本。在全球范围内建立品牌知名度和信任度也需要一定的时间和资源投入。另外，不同国家和地区的法规和标准也不尽相同，需要进行相应的调整和适应。但是，如果企业能够在全球市场中获得成功，将会获得更大的发展空间和更多的利润。

如果选择中国市场，则需要考虑到中国市场的独特性和特点。尽管中国的人工智能市场规模正在迅速增长，但是行业标准和监管要求相对较为严格，企业需要做出相应的调整和改变。此外，中国的竞争环境也相对较为激烈，需要企业有更好的产品和服务才能获得成功。如果企业能够在中国市场中获得成功，也会获得可观的市场份额和发展空间。

实际上，不管是全球市场还是中国市场都很大，但在目前的外部环境下，两个市场的不同性越来越大，一个企业想同时在两个市场上取得突破将是一个巨大的挑战，企业要根据不同的市场环境制定好相对应的战略规划和策略。

4、应用开发ToB还是ToC更有机会？

在选择生成式人工智能的业务发展方向时，需要考虑 ToB还是 ToC的问题。

ToB和ToC 的目标客户不同，企业客户通常更关注解决方案的稳定性、安全性和效率；而个人用户则更关心产品的易用性、创新性和个性化。因此，在选择开发生成式人工智能的业务发展方向时，企业应该根据自身优势、市场需求和目标客户来决定是选择 ToB还是 ToC业务。对于这个问题，在我们这次访谈调研中，受访者的观点存在明显的分歧。一些受访者更加看好ToB的业务，而另一些则更倾向于ToC的业务。然而，无论支持哪一方，受访者都认为ToB和ToC的市场空间都足够广阔，都存在机会，关键还是在于哪一种业务更适合企业的自身能力。

企业应评估自身在技术、资金、人才等方面的优势，选择更适合自己发展的方向。例如，企业如果在大数据处理、云计算等方面具有较强实力，可以考虑开发面向企业的生成式人工智能解决方案；如果发现某个行业对生成式人工智能有较大需求且竞争相对较小，企业也可以考虑优先开发该领域的ToB业务。企业应关注生成式人工智能在各个领域的监管政策和合规要求，以确保业务发展不会受到政策限制。例如，目前我国对生成式人工智能在ToC应用方面监管尚不明确，此时开展ToC业务可能存在较大的不确定性。

5、创业公司的机会到底在哪里？

在调研访谈中发现，在中国基建层很少有创业公司被提及；在模型层与应用层中，受访者普遍认为模型层创业公司的机会不多，应用层对创业公司来说更为友好。

如果我们从移动互联网行业的竞争格局映射生成式人工智能的竞争格局，模型层面，存量市场上的大厂占据很大份额。在这种竞争格局下，创业公司要想脱颖而出，必须实现两个超越，首先是超越开源，其次是超越科技大厂。为实现这两方面的超越，创业公司必须实现技术的快速提升，这显然并非易事，因为无论是人力、资金还是技术，都需要高强度的投入密度。从第一批发放牌照的8家公司中，我们也不难发现，科技大厂仍是多数，入围的创业公司大多有来自政府或其他背景的背书。但不可否认的是，仍有表现出色的创业公司入围。

相对于模型层来说，在应用层创业公司有更多更好的机会，然而也要面临AI Native还是AI Better的选择。在这个问题上，受访者也出现了两种截然不同的观点，有观点认为创业公司的机会在AI Native，也有观点认为创业公司更适合做AI Better。

对于AI Native，目前美国已经出现并有一定热度的是助理类应用。就这一领域来说，国内的创业公司面临着来自诸如腾讯等大厂的巨大压力，这些大厂已经积累了大量的用户数据，几乎涉及到日常生活中的方方面面，创业公司面临数据先天不足的劣势。而如果换个角度来看，用户的一些需求可能之前没有很好地被满足，只有生成式人工智能出来之后才可能满足，这可以理解为科技大厂和创业公司在AI Native处于同一起跑线，甚至创业公司没有原有业务的冲突、历史的羁绊，可以集中精力、资源全力以赴，从这个角度来说创业公司也会有一些的机会，就像当年移动互联网时代，字节跳动的崛起一样。

对于AI Better，很多被访者表示，AI Better的应用就是把移动互联网时代的应用重新做一遍，通过生成式人工智能技术重新赋能应用，为用户提供新的产品和服务。

在这方面，创业公司想要立住脚同样不是易事。随着通用大模型向MaaS发展，生成式人工智能赋能应用的门槛将越来越低，也就是说各应用开发公司在AI Better方面的竞争壁垒将越来越低。行业竞争很容易演化为谁先做出好产品、谁先抢占市场、谁更便宜，谁就更容易在行业竞争中脱颖而出。

需要指出的是，与移动互联网时期不同，现在投资人越来越务实，靠补贴圈地的方式越来越走不通，创业公司需要更加努力且高效地抢占高地。此时，十倍好的差异化的产品和服务很大程度上成为创业公司的希望，这里的十倍好不仅仅是指比统一起跑线的创业公司产品的十倍好，更主要的是要比科技大厂接入生成式人工智能的产品十倍好。如果只是两三倍好则很难支撑创业公司的立足。在这种情况下，创业公司更有可能的机会是针对科技大厂放弃的细分小市场，提供差异化的产品和服务，但这对于创业公司来说也有很大挑战，比如如何突破市场规模的天花板。

小

结

在Open AI的推动下，生成式人工智能正在加速进入下一个发展阶段，留给已经布局或正规划布局AIGC的企业的窗口期十分有限。因此，相关企业需要更加迅速地明确市场定位和市场竞争策略，在有限的时间建立相对有效的竞争优势。

根据后台数据统计，恭喜微信名为汪文渊、DD、小美三位粉丝分享次数排名前三，将免费获得《生成式人工智能与商业创新调研报告》一本！请以上三位粉丝在后台留言，将您的姓名、电话、地址（仅限中国大陆地区）发送给小编获取调研报告。