一张图500元是目前AIGC最高“回报”？小冰李笛：调用API的商业模式不适用于未来 | MEET 2024

十三 2024-01-06 12:40:38 来源：量子位

编辑部 发自 凹非寺

量子位 | 公众号 QbitAI

AIGC在商业界中，最大的一笔回报是多少？

答案可能是：一张图片，500元。

而且这就是发生在最近、号称人工智能著作权第一案的真实案例：

A利用人工智能技术生成了一张图片，B盗用了这张图片，并在自己的文章中使用。

法院最终判定，B侵犯了A的知识产权，并且需要向A支付500元的赔偿。

这个案子出来之后，引发了很多人都会讨论，认为它会不会对法学界、对人工智能的著作权、版权等问题的实践具有一些新的指导意义。

然而与此同时，从另一个角度思考这个案例，这种方式得到的500元“回报”，似乎是AIGC在商业世界中所能够获得最大的一笔回报。

于是，在AIGC能力涌现的当下，另一个更深入且发人深省的商业困局浮现了出来——AIGC并不会带来很高的价值回报。

这便是小冰CEO李笛在MEET 2024智能大会中所总结的最新观察——《AIGC：变革已至，商业未至》，并且提出一问：

如此困境，如何破局？

为了完整体现李笛对AIGC商业化的思考，在不改变原意的基础上，量子位对他的演讲内容进行了编辑整理。希望也能给你带来新的启发。

关于MEET 智能未来大会：MEET大会是由量子位主办的智能科技领域顶级商业峰会，致力于探讨前沿科技技术的落地与行业应用。今年共有数十家主流媒体及直播平台报道直播了MEET2024大会，吸引了超过300万行业用户线上参会，全网总曝光量累积超过2000万。

演讲要点

• 技术的发展永远是在不停的波峰波谷之间徘徊
• 现在属于人工智能巨大变革之前的一个蛮荒时代
• 明年一季度AIGC技术创新会相对稳定，不会陷入到论文都看不过来的程度
• 调用API的大模型商业模式不适用于未来
• AIGC未来的商业模式需更多聚焦于端到端的工作
• 今天的AI现状更像是扫雷

现在是AI变革前的蛮荒时代

我们应该说技术的发展永远是在不停的波峰波谷之间徘徊，每次整个行业陷入到瓶颈状态的时候，都会失去很多的创新动机。

当技术突然产生了一个新的突破的时候，我们会迅速发展以前没有解决的问题，让它们现在得到很好的解决。

对于小冰来讲，某种意义上至少我们看到两个非常重要的事情，我们在国内是比较沉默的，但我们大模型相关的技术在日本相对比较高调一些。

今天在Huggingface上面GPT类的模型下载量前10里面有6个都是小冰的模型，像Stability等AI的测评，我们节力压Meta，在海外取得第一名的成果。

但实际上一个很重要的事情，是它产生了巨大的效率提升。

就在几年之前，当我们想要去创造一个让人工智能可以很好的评价一篇文章的AI Being的时候，我们往往需要针对82类知识图谱去构建这个AI Being的三观，这个过程非常痛苦，非常漫长，甚至要经过大概6个月左右的时间。

而今天我们可以很用类似于像GPTs这样的方法，就可以迅速的实现了，这种效率巨大提升。

另外我们也看到一个很重要的事情，人类社会对于AI以前视为坚冰的偏见现在也迅速打破了。

大家知道为什么谷歌没有迅速推出大模型的人工智能，是因为AI伦理成为一个很重要的掣肘。

为什么会这么重视AI伦理，是因为早在2016年的时候，微软的一个人工智能机器人因为有强化学习的能力，所以在上线推特24小时之内就被教成了一个种族主义者，那个后来被X档案拍成了剧集，它就相当于美国小冰。

历史总是在轮回的，当年美国的小冰把整个行业带入到了担心AI伦理所造成的问题的巨大的过程中。

而现在，我听到更多的话是应该给AI更好的宽容，应该让人工智能的技术在宽容的氛围下更快的发展。

所以我们看到针对AI产品的偏见在迅速的消融，这是我们的黄金时代，它是过去这一年里面光明的一年。

另外新技术范式，很多人对它有不同的看法，我个人的观点，现在属于人工智能巨大变革之前的一个蛮荒时代，很像孟德尔刚刚发现遗传学规律的时候，很多事情还有待去证伪，技术创新还层出不穷的出现。

我们预判到明年一季度的时候，这一波技术创新差不多可以到达相对比较稳定的状态了，我们也就不再会陷入到论文都看不过来的程度。

而客观上来讲，目前为止，大部分的产品应用都还没有得到证伪。

另外一个，适合的商业模式还没有确立，我今天想跟大家重点谈一下商业模式相关的情况。

颠覆整个媒体市场，AI公司获利也仅200万元

我给大家再举几个例子，前一阵有一个媒体的朋友跟我交流，他跟我说，我们觉得大模型对我们媒体的撰稿有很大的帮助，我们觉得它甚至于可以代替撰稿人帮我们写最初的稿件了：

“你能不能通过大模型的方法来帮我们去完成代替撰稿人的工作？”

我们且不论，当我们进入到垂直领域的时候，大模型是不是能够真的非常好的代替他，我们假设它可以代替，在这个情况下，我就问这个朋友，那好，那你们打算付给AI公司多少回报。

我说你原来的每一篇稿件付给撰稿人差不多是1500块钱起，大概每个月有300篇的稿荐，我就期待着他是不是有一个折扣；他说不是，“这不是有一个标准定价吗，1000个token 0.2美分”。

这样一算就发现，如果把全中国所有媒体的撰稿工作全部由大模型来完成，我们颠覆掉了一个市场、端掉了很多撰稿人的饭碗，我们获得却不过是200万左右总的市场规模。

所以它代表的含义是什么？

对于很多规模有限的垂直领域而言，今天的大模型以API调用为基础的一种商业模式，也许适合过去软件的时代，适合移动互联网的时代。

但它在今天对于绝大部分所谓既有的垂直领域而言，不论它的技术，不论它的质量如好，往往意味着巨大原有市场的萎缩。

我们也会看到很多其他的例子，比如说一个多模态的模型可以很好的帮助游戏公司去节约美术资源，但游戏公司最后往往并不愿意为这样的模型付出合理成本。

对于AI公司来讲，的确创造了巨大价值，但当AI公司没有办法获得相应的价值回报的时候，而这就是是受限于商业模式的时候，那么AI公司也就失去了继续向前沿方向推进技术落地的动力，甚至于说就没有这样的动力。

所以很可能在我们看到技术发生巨大变革的时候，也同时需要发现一种面向未来的新的商业模式。

AIGC需要面向未来新商业模式

过去的商业模式一个核心的问题，从我个人的角度来讲，我觉得本质是API调用的商业模式没有体现出生成式人工智能所带来的创造力的价值。

我们大家都会用微软的Office，我们在微软Office Word文档里写了一篇文章，我可能写了一篇狗屁不通的文章，莫言可能写了一篇有巨大社会价值和经济价值的文章.

微软的Office能不能从我和莫言那收取不同的费用？是不能的，因为word文档是一个工具。

但是今天的情况发生了变化，的确人工智能给我们在这篇文章的生成过程中提供了创造力的价值，我们能不能像面对一个有创造力的人一样去赋予它？

API调用的方式无关于你使用这一次API获得什么样的内容，一个闲聊的话和有真知灼见的内容，对于大模型的API调用来讲是一样的，所以不可能产生不同的收入。

所以很可能未来需要这种新的商业模式是Revenue Share，也就是让人工智能的系统能够从它所创造的最终的终端衍生物中直接获得终端衍生物的回报。

这就意味着我们的大模型不能够仅仅提供API调用，而需要端到端做很多的工作。

我相信行业在今年，在明年，很多同行业者在进行这方面的工作，我们也在进行这些探索。

给大家举几个例子，像今年2月份，我们跟网飞在日本联合推出了第一部由人工智能生成的商业化动画短片。

在这部动画短片里面我们提供不仅仅是生成的功能，而是把端到端视频的动画片的整个生成作为作品的工作做了很多，使得我们成为了它的联合制作人。

所以原本这样一个动画短片我们能够获得的收益回报大概是20美元包月，但实际上在这三分钟的动画短片里面我们获得了超过百万人民币的价值回报。

这就是AI企业有可能打开未来其中一种正确的姿势。

另外我们在国内和网易云音乐一直针对人工智能歌声合成进行这方面的探索，我们不是一个技术的提供方，我们不是一个技术的销售者，我们是对应了相应的垂直领域的行业的从业者，这方面大家从网易公司的报告中也可以看到相关的情况，在这不过多介绍了。

今天的AI现状更像是扫雷

最后我想跟大家说的事情是，我们看到这个行业里面有很多来自于咱们国家的一些特色：特别害怕输在起跑线上，特别想要去卷。

从我的角度来讲，我个人认为，我们怎么去看待这个时代，直接决定了我们的行为。

很多人认为现在这个时代是赛跑，很多人店铺在一个赛道上面在向前去冲，谁冲的更靠前然后开始刷榜，谁在榜单上处的位置更靠前，谁就可能一步领先，步步领先。

但是这个忽略了一个很重要的问题，就是在赛跑短跑田径赛场上，赛道是确定的，今天的实际情况并不是如此。

在我看来今天的实际情况更像是扫雷，很多人不知道人工智能技术究竟还可以有什么样的上限，也不知道还有哪些问题是可以得到很好的解决。

就像一片暗黑的森林中一样，不同的团队在不同的位置进行不同的探索，有的团队探索的假想失败了，有的团队的假想经过巨大的奋斗，经过巨大努力以后成功了，很多人发现它带来了一条新的道路。

但是还有其他的人在其他的地图上其他位置同样进行着其他的探索，这就是今天实际发生的情况。

我们应该去鼓励多样化的创新，而不应该一味涌到同样的赛道里面去拥挤。

如果我们能够看到更多的创新，我们就能够抓住2024年，2025年这一波技术范式所带来的巨大创新所给我们带来真正的回报。

因为这样，我们才有可能看到2024年有更多落地的激动人心的产品，真正改变我们的生活。

2023年已经为我们揭开了这样的生活，2024年我们和其他人一样，我们有很多想要去了解的、那些从来没有被发现的know-how到底是什么。

而这个就是人工智能行业从业者的幸运。因为这个时代似乎属于我们，就像当年的遗传学的时代属于孟德尔一样，谢谢大家。