從Kimi Chat說起

如果要問最近一段時間里國內(nèi)AI（Artificial Intelligence，人工智能）界最出圈的產(chǎn)品是什么，那么Kimi Chat（Kimi智能聊天機器人程序）或許是最為合適的答案。在過去幾個月中，這款大語言模型憑借著其卓越的長文本處理能力，一下子在強敵林立的大模型圈里脫穎而出。在今年年初，KimiChat的用戶還不足百萬，而到了三月，其用戶量已經(jīng)達到了三百多萬。隨著用戶量的迅速增長，這款AI應用很快就成為了各大媒體爭相報道的焦點，而開發(fā)這款應用的AI獨角獸公司月之暗面，以及該公司的天才創(chuàng)始人楊植麟更是成為了網(wǎng)絡(luò)的熱搜詞匯。甚至還有一些券商不甘寂寞，趕忙搞出了一連串“Kimi概念股”來供投資者參考。

隨著KimiChat的爆火，“長文本”這條原本相對冷門的賽道很快就變得擁擠了起來。目前，KimiChat可以支持的文本處理長度為20萬字，內(nèi)測支持的文本長度為200萬字。為了能夠技壓Kimi一頭，各大AI企業(yè)新發(fā)布的模型在處理文本長度上的能力可以說是一個比一個恐怖。比如，360很快就宣布已在內(nèi)測500萬字長文本的處理功能，百度的文心一言則宣布將免費開放能夠處理200萬—500萬字長文本的能力，而阿里的通義千文則更是開放了1000萬字的長文本處理能力……這種一家更比一家長的做法，真是“卷”出了新高度。

Kimi Chat在將文本處理的限制提升到了200萬字之后，完全超出了實際的使用需要。畢竟，200萬字已經(jīng)差不多等于一整套《莎士比亞全集》的長度，一般用戶幾乎沒有什么需要去一次性整理或提煉如此龐大的文本。各大AI企業(yè)不斷“卷”文本處理長度，究竟有什么實際的價值？

在閱讀了一些相關(guān)的資料后，我終于恍然大悟：從根本上講，AI企業(yè)們瘋狂地“卷”文本處理長度，或許并不是因為它有什么實際的用處，而只是因為從技術(shù)上實現(xiàn)它其實并不那么困難。現(xiàn)在，處理長文本的技術(shù)路徑其實無外乎外部召回、模型優(yōu)化、注意力計算優(yōu)化等幾條，而每一種技術(shù)路徑都已經(jīng)有了大量的公開文獻甚至開源程序。因此對于那些實力較為雄厚的AI企業(yè)來說，要加入這個功能其實很容易，只不過最初基于種種原因，沒有及時提供這一功能而已。然而，當KimiChat借助長文本意外爆火之后，這個冷門功能就成了用戶用來比較大模型性能的重要參考指標之一。這樣，為了讓自己的產(chǎn)品不至于在用戶心中排序掉隊，AI企業(yè)們就不得不將更多的資源投入到這個功能上。

有意思的是，有媒體曾對某AI企業(yè)進行采訪，問為什么該企業(yè)要將大量資源投入到長文本的競爭，而不是將它們投入到更為高端的功能，比如像Sora（由OpenAI開發(fā)的AI視頻制作工具）那樣的文本生成視頻（以下簡稱文生）上。企業(yè)方面的回答是：那個門檻太高，卷不動。這個回答，實在是耐人回味。

內(nèi)卷是一個多輸?shù)慕Y(jié)局

各大AI企業(yè)競相涌入長文本賽道，只是如今AI圈內(nèi)卷的一個表現(xiàn)而已。事實上，從2022年末ChatGPT（GPT智能聊天機器人程序）的發(fā)布引發(fā)了AI大模型熱潮以來，整個AI圈就經(jīng)歷了很多輪的內(nèi)卷。一開始是卷模型，然后是卷參數(shù)，再后來是卷多模態(tài)……在每一輪內(nèi)卷中，企業(yè)們都爭得頭破血流，但從事后看，似乎所有的內(nèi)卷都沒有什么意義，甚至還有些荒唐。

對于AI行業(yè)的發(fā)展而言，無謂內(nèi)卷的負面影響是巨大的：

其一，它會帶來一種對所有人的浪費。從性質(zhì)上講，無謂的內(nèi)卷其實是“囚徒困境”的一種體現(xiàn)。博弈論的知識告訴我們，它可能將所有人都帶入更為糟糕的境地。

其二，它可能會給真正的創(chuàng)新者帶來巨大的傷害。雖然內(nèi)卷會對所有AI企業(yè)都造成浪費，但由此造成的損害并不是對稱的。現(xiàn)實中，創(chuàng)新需要巨大的投入。如果創(chuàng)新者被動卷入了這種無謂的消耗，那么它們本不充足的資源就會更加捉襟見肘。

其三，即使對于勝出者而言，這種由內(nèi)卷得來的勝利也是脆弱和無利可圖的。著名的互聯(lián)網(wǎng)出版人、Web2.0概念的提出者蒂姆·奧萊利（TimO'Reilly）在最近為科技媒體《信息》（The Information）撰寫的一篇評論中指出，現(xiàn)在的AI圈似乎正在出現(xiàn)“優(yōu)步問題”（Uber Problem）。他指出，幾年前網(wǎng)約車（網(wǎng)絡(luò)預約出租汽車）剛剛在市場上出現(xiàn)時，各大網(wǎng)約車平臺曾進行過一次瘋狂的低價大戰(zhàn)。最終，歐美市場上的優(yōu)步（Uber）、中國市場上的滴滴（滴滴打車）分別依靠巨額的補貼，成為了市場的“壟斷者”。然而，和過去的壟斷者不同，優(yōu)步和滴滴并沒有任何的定價權(quán)。只要一嘗試提價，用戶就會倒向其他的小網(wǎng)約車平臺以及巡游出租車，它們的市場份額就立即出現(xiàn)大量流失。這導致了它們雖然控制了巨大的市場份額，但盈利狀況卻一直非常糟糕。在奧萊利看來，如今的AI圈似乎也正在步網(wǎng)約車的后塵，如果這種情況繼續(xù)，那么即使某個AI企業(yè)最終從內(nèi)卷中勝出，它的市場地位也將非常脆弱。

其四，從長期看，這種內(nèi)卷也會對消費者的福利構(gòu)成損害。AI企業(yè)的內(nèi)卷需要大量投入資源，從長時段看，為了對這種巨量的投入進行補償，企業(yè)要么能在未來對消費者收取更高的費用，要么就需要設(shè)法壓縮各種費用，以降本增效。但這些努力都可能最終損害到消費者。關(guān)于這一點，我們依然可以從網(wǎng)約車行業(yè)的發(fā)展史來找到對應。當補貼大戰(zhàn)的勝利者們發(fā)現(xiàn)很難通過提價來讓自己盈利后，就轉(zhuǎn)而設(shè)法去增加向司機要求的分成。這樣一來，司機的勞動積極性就受到了打擊，其服務(wù)質(zhì)量也就隨之下降了。現(xiàn)在，一些網(wǎng)約車司機的服務(wù)質(zhì)量甚至還不如傳統(tǒng)的巡游出租車，相當一部分的原因就在此。雖然AI和網(wǎng)約車在行業(yè)性質(zhì)上存在著一定的不同，但我們依然可以就此推論，如果無效內(nèi)卷持續(xù)進行，那么未來消費者們可以享受到的服務(wù)質(zhì)量將會大打折扣。

綜合以上分析，我們可以得到結(jié)論：AI行業(yè)的瘋狂內(nèi)卷，最終將會導致一個“多輸”的結(jié)局，無論是企業(yè)還是消費者都不會從中受益。

內(nèi)卷為何產(chǎn)生？

這樣一種大概率會導致“多輸”的行為，又為何會被行業(yè)中的眾多AI企業(yè)共同選擇呢？它其實簡單延續(xù)了數(shù)字時代企業(yè)的普遍發(fā)展邏輯，而這種發(fā)展邏輯的形成，則是行業(yè)特征的演變、戰(zhàn)略思維的變化，以及產(chǎn)業(yè)和投資關(guān)系的變動等因素共同作用的結(jié)果。

相比于傳統(tǒng)的工業(yè)時代，數(shù)字經(jīng)濟時代的新興行業(yè)有很多新型的特征。其中，最為關(guān)鍵的兩個特征就是規(guī)模經(jīng)濟和網(wǎng)絡(luò)效應。

首先要看規(guī)模經(jīng)濟。在關(guān)于數(shù)字經(jīng)濟的各種著作中，“零邊際成本”是人們津津樂道的一個詞匯。然而，很多著作在討論“零邊際成本”時，都忽略了實現(xiàn)它的前提是巨量的固定資本投入。比如，雖然網(wǎng)約車平臺多接入一個用戶的邊際成本接近為零，但前期搭建平臺所需要的資金卻是巨量的。這種前期的高固定成本投入和后期近零邊際成本的結(jié)合，就決定了數(shù)字行業(yè)的規(guī)模經(jīng)濟特征——當一個企業(yè)的規(guī)模變得更大時，其前期的固定成本將會得到更大的分攤，因而它們在平均成本上的優(yōu)勢就會變得更大。

再看網(wǎng)絡(luò)效應。所謂網(wǎng)絡(luò)效應，指的是使用某種商品的總?cè)藬?shù)對使用該商品的用戶效用的影響。現(xiàn)實中，很多數(shù)字產(chǎn)品都具有顯著的正網(wǎng)絡(luò)效應。它們的用戶群體越龐大，用戶對它們就越喜歡，該產(chǎn)品也就可以進一步吸引更多的新用戶。

無論是規(guī)模經(jīng)濟還是網(wǎng)絡(luò)效應其實都提供了一個隱喻：在數(shù)字經(jīng)濟時代，要想在市場上獲得成功，規(guī)模將是關(guān)鍵。在這種隱喻之下，規(guī)模就超越了質(zhì)量、差異化等一系列指標，成為了企業(yè)追求的最重要目標。

伴隨著這個變化，甚至出現(xiàn)了很多著名的企業(yè)戰(zhàn)略理論。比如，硅谷的投資人里德·霍夫曼（ReidHoffman）就曾經(jīng)提出過一套著名的“閃電式擴張”（Blitzscaling）的理論。該理論的核心觀點是：現(xiàn)代的商業(yè)環(huán)境充滿了不確定性，而要戰(zhàn)勝不確定性，企業(yè)就需要優(yōu)先考慮擴張的速度而非效率，然后通過快速行動來構(gòu)建自己的競爭優(yōu)勢。基于這個核心觀點，霍夫曼提出了很多非常顛覆傳統(tǒng)的論斷。比如，為了保證擴張的速度，企業(yè)可以容忍不完美的產(chǎn)品、不在乎用戶的感受，以及容忍混亂的管理。在現(xiàn)實中，“閃電式擴張”理論的影響非常巨大。無論是當年網(wǎng)約車大戰(zhàn)的參與者，還是現(xiàn)在仍在AI賽道上積極內(nèi)卷的企業(yè)家，很多都是這套理論的忠實擁躉。

“閃電式擴張”的一個后果是，它讓企業(yè)對于資金的需求變得空前強烈。要迅速實現(xiàn)規(guī)模的擴張，企業(yè)就必須大量“燒錢”。現(xiàn)實中，很少有企業(yè)可以支持如此巨大的投入。那些初創(chuàng)企業(yè)的情況更是如此。

在這種情況下，企業(yè)對于外部投資人的依賴將會變得更為強烈。為了獲取投資者的認可，企業(yè)家們就必須更多地在進行經(jīng)營決策時聽取他們的意見，由此，企業(yè)的經(jīng)營將會從“面向用戶”異化為了“面向投資”。通常來說，比起處在一線的企業(yè)家，投資人們無論是在對市場的感悟，還是對信息的掌握上，都會遜色不少。與具有創(chuàng)業(yè)激情的企業(yè)家相比，投資人們會更為關(guān)心一些看得見的指標，比如具體的市場份額，以及市場上流行的某些產(chǎn)品功能等。這樣的后果是，技術(shù)和市場的發(fā)展方向很大程度上將會從企業(yè)家主導轉(zhuǎn)向資本主導。

上述的故事正在AI行業(yè)重演。眾所周知，AI模型的開發(fā)是一個對資金要求很高的行業(yè)。要訓練一個大模型，需要的GPU就達到了數(shù)千個。僅這一項，所需的資金就可能達到數(shù)億元。這使得除了少數(shù)的在位巨頭之外，大部分的AI企業(yè)必須尋求外部投資者的支持。而從投資人的角度看，為了保證其投資的回報，他們會對企業(yè)的能力進行甄別。作為非專業(yè)人士，他們的甄別指標經(jīng)常是一些外界比較容易觀測的項目，比如該企業(yè)開發(fā)的模型在參數(shù)量上是否領(lǐng)先，是否具有某些市場上熱捧的功能（如多模態(tài)能力、長文本處理能力），以及模型的市場份額是否比對手更高等。為了迎合投資人的這些要求，多數(shù)AI企業(yè)即使不愿意，也會不得不被動地加入無意義的內(nèi)卷。

內(nèi)卷為何沒有前途？

從AI企業(yè)經(jīng)營者的角度看，如果他們想走出內(nèi)卷，就必須先對自己的商業(yè)模式進行反思。如前所述，現(xiàn)在很多的AI圈內(nèi)人都篤信霍夫曼的“閃電擴張”理論，認為只要能夠借助資本之勢搶占市場先機，即便自己的產(chǎn)品并沒有那么出色，也可以迅速讓自己在市場上站住腳跟。至于產(chǎn)品的特色，以及相關(guān)的盈利模式等問題，則可以留待以后再談。不過，這種思路存在著很大的問題。（1）競爭無壁壘，擴張難守成

霍夫曼在闡述“閃電擴張”的理念時，也強調(diào)了在迅速擴張之后建立壁壘的重要性。這一點似乎一直被人們所忽略。在一些人看來，AI領(lǐng)域已經(jīng)天然存在著兩個壁壘——規(guī)模經(jīng)濟和網(wǎng)絡(luò)效應。既然這兩個特征天然有利于規(guī)模更大的企業(yè)，那么只要一心把市場規(guī)模做起來，它們就可以幫助自己阻擋市場的侵蝕。遺憾的是，這樣的觀點認識可能并不正確。

先看規(guī)模經(jīng)濟問題。正如我們已經(jīng)指出的，規(guī)模經(jīng)濟現(xiàn)象是前期的高固定成本投入和后期的零邊際成本（或低邊際成本）共同作用的結(jié)果。那么，AI產(chǎn)業(yè)是否具有這樣的特征呢？應該說，在模型的訓練和開發(fā)階段，高固定成本投入的要求是存在的。不過，在模型的推廣階段，卻很難看到零邊際成本的情況。在當前的實踐中，除了像ChatGPT這樣的明星模型可以在完全沒有任何宣傳的情況下實現(xiàn)用戶量的高速上升外，多數(shù)AI模型都必須借助大量的推廣才能吸引用戶。據(jù)報道，即使如Ki－miChat這樣在國內(nèi)堪稱現(xiàn)象級的產(chǎn)品，其平均獲客成本也達到了10元。更為重要的是，為提供相應的服務(wù)，維護用戶的不流失，AI企業(yè)還需要付出大量的額外成本。并且當用戶的規(guī)模達到一定程度之后，擁擠效應還會導致邊際成本呈現(xiàn)上升的趨勢。根據(jù)這些情況，我們不難發(fā)現(xiàn)雖然AI行業(yè)確實可能在一定的范圍內(nèi)存在規(guī)模經(jīng)濟，但它絕不是無限的。

再看網(wǎng)絡(luò)效應。不少AI企業(yè)的經(jīng)營者認為，AI作為一種數(shù)字產(chǎn)品，理所應當具有網(wǎng)絡(luò)效應。但其實，這很可能是一種誤解。

從性質(zhì)上講，網(wǎng)絡(luò)效應分為兩種：一種是直接網(wǎng)絡(luò)效應，另一種則是間接網(wǎng)絡(luò)效應。所謂直接網(wǎng)絡(luò)效應，即產(chǎn)品的用戶數(shù)量對用戶評價的直接影響。所謂間接網(wǎng)絡(luò)效應，指的則是產(chǎn)品的用戶數(shù)量對用戶評價產(chǎn)生的間接影響。在平臺條件下，有一種特別的間接網(wǎng)絡(luò)效應，被稱為組間網(wǎng)絡(luò)效應。這種網(wǎng)絡(luò)效應指的是，處于平臺兩邊的用戶對平臺的評價都會因另一側(cè)平臺用戶數(shù)量的增加而得到提升。對于平臺而言，組間網(wǎng)絡(luò)效應是十分關(guān)鍵的，因為它會產(chǎn)生一種類似“雞生蛋、蛋生雞”的回振效應。這種回振效應的存在，讓相關(guān)的補貼策略往往可以產(chǎn)生可觀的乘數(shù)效應。所以，在當年的網(wǎng)約車大戰(zhàn)中，各大平臺之所以會不遺余力地對用戶進行補貼。

在對于網(wǎng)絡(luò)效應有了以上了解之后，我們可以來看一下AI大模型是否具有上述的網(wǎng)絡(luò)效應。

先說直接網(wǎng)絡(luò)效應，即使它存在，效應也不會很大。至少在現(xiàn)階段，AI大模型更多還是被人們當成工具來進行使用。而一款模型用戶的多少，顯然不會對產(chǎn)品的性能產(chǎn)生什么影響，因而也不會影響用戶的評價。盡管在實踐當中，那些用戶更多的AI模型多少帶來些口碑效應，但也不會太多。恰恰相反，對于AI這樣的產(chǎn)品，人們反而有一種嘗鮮的偏好，當有性能接近的新模型出現(xiàn)時，人們會更傾向于嘗試它們，這就會導致舊模型用戶的流失。以ChatGPT為例，它在所有AI大模型中，起步是最早的。到目前為止，也很少有新模型的性能能夠全面超越它。但在過去的半年多中，ChatGPT活躍用戶卻一直在迅速流失。

再看間接網(wǎng)絡(luò)效應。從理論上講，這是存在的。因為AI企業(yè)通常會將用戶和模型之間的交互數(shù)據(jù)用來進行模型的進一步訓練。從這個意義上講，模型用戶的增長確實有助于模型性能的改善，并且讓用戶對模型的評價得到提升。不過，考慮到模型的訓練需要的數(shù)據(jù)量是巨大的。從量的角度看，由此產(chǎn)生的網(wǎng)絡(luò)效應可能是非常小的。

綜上，既然AI模型的規(guī)模經(jīng)濟和網(wǎng)絡(luò)效應都不足以成為天然的壁壘，那么依靠“燒錢”得到的市場份額就很難輕易守住。即使某個企業(yè)確實成功占據(jù)了市場，它也可能像當年的優(yōu)步和滴滴那樣，只是一個毫無市場力量的“壟斷者”。

（2）模型難盈利，投資難回本

除了缺乏天然的壁壘之外，AI企業(yè)面臨的更大問題其實是盈利模式的缺乏。從實踐看，現(xiàn)有AI模型的常見盈利模式主要包括幾類：一是直接向C端用戶出售會員服務(wù)；二是向開發(fā)者銷售API接口；三是將AI作為云服務(wù)向B端用戶提供。不過正如我們指出的，在行業(yè)高度內(nèi)卷的環(huán)境下，前兩種服務(wù)的價格已經(jīng)被壓到很低。相比之下，第三種盈利模式是可以實現(xiàn)獲得相對較高的利潤的，但它需要企業(yè)同時有云服務(wù)項目作為支持。然而，在現(xiàn)實中，多數(shù)AI企業(yè)并不具有這樣的業(yè)務(wù)。這就導致了目前市場上大批的AI企業(yè)都看似搞得紅火，但卻很難真正地賺到錢。無論是對于AI企業(yè)本身，還是整個AI賽道的發(fā)展來說，這種僅依靠外部資金輸血的經(jīng)營模式都是相當不利的。

如何走出內(nèi)卷？

針對以上問題，AI企業(yè)在重新構(gòu)建商業(yè)模式的時候，就需要將構(gòu)建壁壘和尋找盈利模式作為最為重要的兩個任務(wù)。

（1）壁壘的構(gòu)建

早在20世紀30年代，以喬·貝恩（Joe Bain）為代表的經(jīng)濟學家們就對市場壁壘問題進行過深入的探討。后來，包括貝恩的再傳弟子邁克爾·波特（Micharl Porter）在內(nèi)的一大批學者又進一步對這一問題進行了拓展。貝恩和波特的研究都強調(diào)了差異化是一類十分重要的市場壁壘。雖然這個觀點看似很常識化，但在產(chǎn)品日益同質(zhì)化的AI行業(yè)卻非常有啟發(fā)性。具體到操作層面，AI企業(yè)可以從兩個維度來進行差異化：

一方面，它們可以選擇一些獨有的，且門檻較高的技術(shù)來開發(fā)相關(guān)的功能，以此確保自己至少可以在一段時期內(nèi)領(lǐng)先市場上的對手。這樣，即使相關(guān)的競爭對手也開發(fā)同樣的功能，它們也可以保證自己有充足的時間來對功能進行升級，從而讓自己相對于對手的優(yōu)勢可以被持續(xù)保持。在實踐中，OpenAI的Sora其實就采用了這一策略。由于OpenAI在文生視頻方面的優(yōu)勢十分明顯，所以其他的競爭對手自然就知難而退，不敢輕易燒錢與之競爭。

另一方面，它們可以考慮針對某一個具體行業(yè)，開發(fā)為其專用的AI模型。專用模型市場要比通用模型市場更為易守難攻，需要積累大量的專用知識和投入額外資金，也很難被對手模仿和搶奪市場。雖然在理論上，專用模型市場潛力不如通用模型市場，但考慮到通用模型市場現(xiàn)在的內(nèi)卷程度，它倒不失為AI企業(yè)的一個可行選擇。

（2）盈利模式的選擇

再看盈利模式的選擇。在我看來，對于這個問題，有兩條思路可以考慮。

一方面，如果AI企業(yè)決定采用差異化策略，選擇某個利基市場作為突破點，那么它就可以選擇非常直接的盈利模式，通過收取服務(wù)費用來獲得收益。如前所述，在利基市場上，企業(yè)可以很容易建立自己的壁壘，從而獲得較大的定價權(quán)。在這種情況下，即使這種簡單的盈利模式也可以確保企業(yè)獲得足夠的收入。

另一方面，如果AI企業(yè)并未采用差異化策略，那么直接提供AI模型就很難獲取收入。在此情況下，它需要考慮利用AI模型作為吸引用戶的手段，然后從其他互補的渠道來獲得收入。在操作層面，實現(xiàn)這一點的方法有很多。

比如，可以將AI模型與某個與其互補的產(chǎn)品進行捆綁或同時銷售。比如，現(xiàn)在的AI工具雖然已經(jīng)普及，但實際中人們關(guān)于如何使用這些工具的了解并不多。考慮到這一點，AI企業(yè)可以仿效IBM（International Business Machines Corporation，國際商業(yè)機器公司）等硬件企業(yè)所采用的銷售產(chǎn)品捆綁服務(wù)的做法，在銷售AI模型的同時捆綁教授用戶如何使用模型的課程，以及其他的相關(guān)服務(wù)。

另外，構(gòu)建平臺也是一種思路。如前所述，現(xiàn)在的OpenAI正試圖將GPTStore（基于OpenAI的GPT技術(shù)的在線市場平臺）打造成一個新的平臺。雖然從目前看，它沒有取得預期效果，但總體思路上依然是正確的。可以設(shè)想，如果OpenAI有朝一日將這個平臺理順，那么它就可以像蘋果收取“蘋果稅”一樣，通過向發(fā)生在GPTStore上的交易收取傭金來獲取穩(wěn)定收入。

當然，除了打造應用商店平臺之外，打造社交平臺也是一個不錯的主意。現(xiàn)在的AI模型大多只重視人和AI交互，而沒有考慮使用AI工具的人與人之間的交互。但其實，這一點可以有很大的想象空間。AI企業(yè)完全可以搭建一個平臺來讓用戶分享自己用AI生成的作品，并以此為切入點將其向社交網(wǎng)絡(luò)的方向引導。一旦這個網(wǎng)絡(luò)可以形成一定的規(guī)模，其盈利潛力也將可觀。

總而言之，如果AI圈內(nèi)的企業(yè)可以放棄對市場規(guī)模的執(zhí)念，根據(jù)自身的特點有針對性地選擇自己的利基市場，設(shè)計自己的盈利模式，那么走出瘋狂的內(nèi)卷或許也并不是那么難。