AI产品是真贵
作者：微信文章在最近盘点AI项目时，我们不禁发出感慨：AI产品确实贵！
从基础大模型的角度来看，无论是OpenAI、Kimi、千问，还是Anthropic或Google，这些在全球发布顶级大模型的团队，持续保持巨额投入，但至今盈利模式尚不清晰。
看上去热热闹闹，却没有一个真正盈利。
许多曾经领先的公司相继宣布退出基座大模型的开发。例如，AI“六小龙”之一的零一万物，在2024年12月宣布不再继续投入研发基座大模型。同样，百川智能也宣布聚焦医疗领域。基座大模型的研发投入动辄以10亿美金级别起步，烧钱速度太快。
并且在这个领域，大公司谁都不甘落后，不甘放弃未来万亿级的机会，竞争极为激烈。每隔几个月就会有新模型发布，性能对原有模型实现一次超越。无论是算力、数据还是人才，成本都极其高昂。一般的创业公司和小公司根本无力参与，垂直领域的公司也很难拿出10亿美金级别的资金来参与这场游戏。因此，最终这个领域一定会收拢到个别几家公司。
现在整个态势已经非常明确，中美两国在AI领域上展开充分竞争，目前处于你追我赶的状态。在DeepSeek推出之前，人们一度认为中国的大模型与美国大模型之间存在6个月到1年的差距。然而，DeepSeek推出后，两国在顶级大模型领域的能力已不相上下。
得益于中国采取的开源策略，无论是千问还是DeepSeek，或其他顶级大模型，都收获了大批粉丝并建立了相应的生态系统。从长远来看，这无疑是一个重大利好消息。
然而，当我们深入具体行业落地时，会发现AI切入具体业务场景的成本非常高。
我们可以从三个层面来分析：
首先，算力成本。即使只是部署一个满血版，采用英伟达方案的最低成本也达到200万人民币，而采用国产方案的成本更是高达600万以上。这对大多数企业来说都是难以承受的。单张显卡的成本动辄十几万甚至几十万，整体投入相当可观。
其次，数据层面。在真正跑通整个AI垂直领域模型之前，企业需要具备良好的数据治理能力和数据资产沉淀，这需要投入大量时间和资源。然而，许多企业并不具备这样的能力。
最后，组织人才的配套也是关键因素。AI项目的成功实施需要专业的人才团队，这对企业的组织能力提出了更高要求。就当前市场而言，AI算法人员的年薪基本在60万起步。稍微优秀一些的AI算法工程师，年薪更是达到百万级别。这样的成本，绝非一般企业所能承担。
对于大多数企业而言，最佳策略是紧跟时代发展趋势，尽可能应用开源的AI基座大模型，针对自身垂直领域开发应用。例如，进行提示词工程、开发Agent、RAG或进行微调等，这些举措的成本相对可控。即便采用上述四种主流技术方式，具体应用时仍需算力、数据和人才的支持。
因此，在场景应用上，企业无法做到场景全量覆盖，必须做出取舍，选择典型的高价值场景进行针对性突破，以点带面。通过这种方式，逐步形成AI文化和运作范式，让AI在企业内部生根发芽，让更多人看到AI的价值，并想方设法增加AI的使用。最终实现用户体验和效率的提升，甚至有望带来新的业务模式。
从积极的角度来看，虽然当前AI成本较高，但其下降趋势非常明显，未来前景可期。从2023年到2024年，调用每百万token的成本从100美元降至不到1美元，降幅高达99.9%。OpenAI的创始人Sam Altman也表示，特定水平的人工智能成本大约每12个月下降10倍，更低的价格将带来更广泛的使用。
因此不用犹豫，当前的高成本只是暂时的，但你必须了解如何应用，并全面地、大量地、持续地使用AI。
至于AI将发展成何种形态，大家都在探索。先确保自己不下牌桌，然后找到适合自己的场景，形成全链路价值闭环的增强回路，实现弯道超车。
在AI应用领域，目前仍有一大批低垂的果实，正等待懂AI的人去采摘。我想，这些人当中应该包括你。共勉！
页:
[1]