文 | 適道
“用ChatGPT-4寫一封電子郵件，就好比讓蘭博基尼送披薩。”這句話聽上去有點夸張，卻一語道破了當前生成式AI在應用層上遇到的巨大難題：成本過高，尤其是在AI產品和市場契合度（PMF）不那么高的情況下。
近期，分析公司CCS Insight發布預測報告稱：生成式人工智能領域將在明年接受現實的檢驗，具體表現在：技術炒作逐漸消退，運行成本不斷上升，監管呼聲越來越多。種種跡象表明：生成式AI的增長即將放緩。
就在報告發布的前一天，華爾街日報的一篇文章《Big Tech Struggles to Turn AI Hype Into Profits》（Tom Dotan & Deepa Seetharaman）在副標題中指出，包括微軟、谷歌在內的一些公司，正在努力嘗試各種策略，只為讓AI產品真正能賺到錢。
01 每月倒貼3000萬美元，150萬用戶致成本失控
Github Copilot是微軟基于ChatGPT推出的一款AI編程產品，被程序員們稱為“開發者神器”，目前用戶超過150萬人。如果按照互聯網時代的商業邏輯，GitHub Copilot以10美元/月的會員費，早就能賺到盆滿缽滿。但據文章作者所言，這款爆火的AI應用讓微軟虧到吐血。
今年的前幾個月，GitHub Copilot平均每月要給每個用戶倒貼20美元，給有些用戶最多能倒貼80美元。算下來，自從推出GitHub Copilot，微軟一個月就能虧3000萬美元，如果情況不變，一年下來虧損直接過億。不知道的以為微軟轉行做慈善了。
生成式AI “冤種”聯盟的成員還有谷歌、亞馬遜、Adobe、Zoom等。
為了避免血虧，Adobe公司直接對用戶的每月使用量設置了上限。谷歌除了收取每月6美元起的常規會員費，將對一款AI助手的用戶收取30美元/月的額外費用；微軟則是在13美元/月的基礎費用之上，對AI版Microsoft 365的用戶多收30美元/月。另外，知情人透露，這兩家巨頭還會“偷梁換柱”，采用更便宜的小模型。
繁榮之下，為什么生成式AI會還能虧錢呢？
最主要的問題是成本失控。
首先，買硬件需要錢。AI算力芯片是大模型的發動機，早期微軟向OpenAI投資的150多億美元，大多數都用在了搭建AI超級計算機和購買AI芯片的硬件支出上。據悉GPT-4模型需要超過3萬枚A100芯片。不然怎么說英偉達是當前AI時代當之無愧的最大贏家，也難怪MAAMA都開始卷起了芯片。
其次，大模型越聰明的代價是所需的算力越多。作者指出：企業要花費數年時間和數億美元，才能訓練出一個成熟的AI產品。a16z曾發布報告稱，單次GPT-3訓練的成本在50萬美元到460萬美元之間。就連電費都是一筆天文數字，據估算，2023年1月平均每天約有1300萬獨立訪客使用ChatGPT，對應芯片需求為3萬多片英偉達A100 GPU，每日電費在5萬美元左右。
最重要的是，AI應用不具備互聯網應用的規模經濟。算力有成本，每計算一次要多花一次的錢。SemiAnalysis首席分析師Dylan Patel統計，OpenAI光是運行ChatGPT，每天投入的成本就可能高達70萬美元。這導致使用AI產品的用戶越多，或用戶的使用次數越多，提供服務的企業就要支付更高的成本費用。如果只向用戶收取一筆固定的月費，那么企業就會面臨潛在的成本損失，正如微軟在GitHub Copilot遭遇的血虧。
02 用戶找不到為生成式AI付費的理由
當然，錢是賺來的，不是省來的。畢竟， “日虧70萬美元”的吞金獸OpenAI，如今也能估值高達900億美元。近期，The Information還爆出，OpenAI預計在未來一年內，通過銷售AI軟件及其計算能力，獲得超過10億美元的收入。
但OpenAI在商業模式上的巨大成功并不具備普遍性。就目前來看，不少生成式AI產品的吸金能力顯然有限。
Insight的杰出工程師Carm Taglienti指出：人工智能項目失敗的原因99%與客戶過高的期望值有關。但這句話也揭示了一點：現在的人工智能沒有聰明到能解決用戶希望解決的問題。
而根據紅杉資本的判斷，當前AI市場已經從“第一幕”——從技術出發，進入了 “第二幕”——從客戶開始。這個階段要求生成式AI必須具備解決人類問題的能力。也就是說，當人們對新興技術的熱情退散時，他們會思考自己到底需要何種AI服務，并質疑自己為什么要為AI付費？
這正如文章中Amazon Web Services的首席執行官Adam Selipsky所指出的：目前，許多用戶開始對運行AI模型的高昂費用感到不滿。
事實上，紅杉資本的報告《Generative AI’s Act Two》也顯示，無論是首月用戶留存率，還是目前用戶的日常使用情況，以大模型為代表的生成式AI使用情況都不容樂觀。相比普通產品最高85%的留存和日/月活，用戶體驗過ChatGPT后還愿意繼續用比例為56%，每天打開的比例僅為14%。
這或許意味著，至少很多用戶還沒找到自己必須使用生成式AI產品的理由。
從to B的層面來講，大模型也不是萬金油。你所構建的AI產品必須與你試圖解決的任務強相關。甚至OpenAI的首席技術官 Mira Murati也指出：企業用戶并不是總需要最強大的模型，有時候他們只需要適合其特定用例且更經濟實惠的模型。
而從解決問題的角度看，目前通用大模型存在使用成本高、推理延遲較大，數據泄漏、專業任務上不夠準確等問題。與之相比，一些更小型、專業化的長尾模型具有更準確、更便宜、更快速的優點，剛好能夠滿足客戶企業的需求。
總而言之，早期初創公司投資人在去年砸進了22億美元資金，如果AI的實際應用確實達不到預期效果，隨之而來的失望將導致投資縮減。
為企業打造生成式AI工具的公司Writer的首席執行官梅·哈比卜（May Habib）說，估值不斷上升反映了人們對AI前景的熱情，不過高管們很快就會更仔細地關注成本問題。他認為，明年投資者對于生成式AI就不會如此趨之若鶩了。
03 生成式AI最大的問題是向用戶證明其價值
高昂的開發成本，再加上難以盈利的應用，反正不會讓投資人高興，可能只有英偉達和一些云服務提供商開心。
但情況真就如此糟糕嗎？也不一定。文章指出：預計隨著時間的推移，生成式AI會變得更便宜，就像云存儲和3D動畫等許多技術一樣。同時，新芯片和其他創新可能也會降低處理成本。
可是即便事實如CCS Insight所預測的：2024年生成式AI的增長即將放緩，但從長遠來看，生成式AI也一定會增長。正如Amara定律：我們傾向于在短期內高估一項技術的效果，在長期內低估其效果的現象。
這讓人想到互聯網發展初期的1998年，一位著名經濟學家宣稱：到2005年，一切將變得清晰，互聯網對經濟的影響不會超過傳真機。”
或許，生成式AI目前只是處在“尷尬的青春期”，它最大的問題不是尋找使用案例、需求或分發，而是證明其在解決用戶問題上產生的真正價值。正如福特汽車公司創始人的經典名言：如果我問客戶他們想要什么，他們的回答一定是一輛更快的馬”。無論如何，技術一定要走在市場前面，因為消費者看不到那么遠。
