前幾日，傅盛與朱嘯虎圍繞“ChatGPT創業”進行了辯論，而在這場事件之外，「大模型商業化應該怎么做」的問題也引發了業內人士的熱切關注。本篇文章里，作者就嘗試做了解讀和回答，一起來看一下。

6 月 26 日晚，獵豹移動 CEO 傅盛在朋友圈轉發了一篇名為《朱嘯虎：ChatGPT對創業公司很不友好》的微信文章，附評論「硅谷一半的創業企業都圍繞 ChatGPT 開始了，我們的投資人還能這么無知者無畏」。

這一轉發很快引起了文章中的當事人、金沙江創投董事總經理朱嘯虎的回擊，稱「絕大多數創業公司在 ChatGPT 面前都毫無價值」，并舉例細分賽道中受 ChatGPT 沖擊最大的兩家創業公司 —— 做自動語法糾錯的 Grammarly 以及使用 ChatGPT 實現自動營銷文案生成的 Jasper。

這場辯論，最終以兩人在「創業公司很難（借助大模型）獲得再造 BAT 的機會」這一點上取得共識而結束。但在這場辯論之外，「大模型商業化應該怎么做」這件事，是除了產品進展之外業界最關注的領域。

一、OpenAI 的失敗

在沉寂一個多月之后，OpenAI 也醞釀著下一次面向大模型商業化領域的沖擊：據 The Information 報道，OpenAI CEO 山姆-奧特曼在六月的一次內部會議中表示，正在計劃創建一個「大模型應用商店」，作為大模型商用領域的一次新嘗試。

知情人士透露，OpenAI 計劃推出的這個「應用商店」，將會是允許 OpenAI 客戶自行上架定制大模型，再根據其他企業的實際需求，進行定制化銷售的平臺。

這意味著 OpenAI，再一次將「大模型 App Store」這件事提上了日程：這已經不是 OpenAI 第一次嘗試將 ChatGPT 變得更加「商業化」：在一個月之前，OpenAI 已經推出過類似的「應用商店」項目 —— 彼時 OpenAI 開放了 ChatGPT 第三方插件商店，允許用戶直接從中下載到第三方插件，整合進自己的 ChatGPT 中拓展至更多使用場景。

但這一模式并未如 OpenAI 所愿，讓 ChatGPT 掀起新一輪的應用浪潮，迄今為止應用商店中大部分插件的下載數量僅為幾萬次，幾個由較大服務商開發的 ChatGPT 插件，也僅有十幾萬下載量，并未將這一模式真正推廣給大部分用戶。

這直接暴露出 OpenAI 在大模型領域真正的短板：大模型的商業化運用不僅需要超前于時代的技術，同時也需要超前于時代的大模型商業運營模式。

通用語言大模型設計的主要目的，是為了直接面對全球數十億的用戶，回答上百億種各式各樣的問題，并非為了在某一個專業領域，解決某一種特殊的行業問題，所需語料來源一般也都是廣泛的公開文獻與網絡信息，網絡信息不僅可能有錯誤、有謠言、有偏見，許多專業知識與行業數據積累不足，導致模型的行業針對性與精準度不夠。但在產業場景中，用戶對企業提供的專業服務要求高，容錯性低。企業一旦提供了錯誤信息，可能引起巨大的法律責任或公關危機。過去已經發生過多起類似的事件。

這是 ChatGPT 與主流行業用戶需求之間最重要的錯位，也是 ChatGPT 并未能在大模型商業化中取得更多成績的原因。?

如今，即使 OpenAI 是這個 AI 時代中最重要的開拓者，當 OpenAI 在商業化大模型領域的開拓遇到了瓶頸，也不得不轉而與曾經的合作伙伴兼股東的微軟，變為業務上的直接競爭對手：如果 OpenAI 最終將開放「大模型應用商店」，也就意味著 OpenAI 將正式深度參與到大模型的商業化領域。

值得注意的還有國內大模型動態：雖然國內大模型行業在前沿研究領域與 OpenAI 等第一梯隊仍有差距，但在商業化落地領域國內大模型行業的研究幾乎已經走在了世界前沿：按照 AI 創業者季逸超（Peakji）的看法，未來大模型的主要應用方式將變為 ToC 本地運行， ToB 私有化部署的形態，前者為體積較小的「小模型」，直接部署在手機/電腦中，直接借助于設備本身的算力，來完成一些簡單的生成式 AI 工作。

這也是 Google 在今年 I/O 大會中發布了同時發布四個不同體積版本的 PaLM 2 模型的原因，其中體積最小、代號為「壁虎」的大模型，完全能直接在設備本地端離線運行的生成式人工智能，完全不占用任何云端計算算力。相對而言由于體積較小，一般通用大模型能搭載上百億個參數，這些本地運行的大模型可能只需數億個模型，即可自主完成包括自然語言理解、語音識別、圖像識別等手機中常用的 AI 場景。

二、私有化部署

正如朱嘯虎所言，行業對于大模型主要的期待，在于「能不能解決問題」，因此私有化部署將會是未來行業大模型的關鍵趨勢， 即將主要的 AI 大模型，根據客戶的實際需求進行深度定制，搭配不同性能的計算集群/數據庫，針對每一個用戶類型，打造對應的模型來提高工作效率。

在 OpenAI 之前，私有化部署的 AI 大模型產業已經愈發成熟：海外的微軟、Salesforce，國內的騰訊云，其實都已經盯上這一市場；Saleforce 已經在為行業客戶提供基于 GPT-4 的定制聊天機器人業務，對于這些依賴出售定制大模型服務的廠商來講，通過 OpenAI 提供的應用商店平臺，也能接觸到更多潛在用戶。

但無論是私有化部署還是直接借助于現有的通用大模型產品，為了讓現有的人工智能能力與用戶的實際需求更好的匹配，大模型所需的原材料 —— 數據，都是至關重要的一環：這也是目前騰訊云大模型的合作中，在與包括上海大學、中央電視臺等行業需求用戶攜手定制的原因。

「既要保證數據的質量與覆蓋，也需要關注敏感數據的保護與安全合規，這些對于企業用戶使用大模型來講至關重要」騰訊集團高級執行副總裁、云與智慧產業事業群 CEO 在介紹大模型數據時認為算力與服務都是目前推動大模型私有化部署的關鍵背景。

一位數據分析領域創業公司 CEO 對記者表示：除了大模型技術類人才目前極度短缺以外，目前擁有「大模型使用經驗」的產品經理，目前在行業中都仍算是鳳毛麟角的存在，即使很多數據分析公司都對大模型有著極高的期待，但由于專業人才的缺失、加上用于專業輔助訓練的語料不足，現有的生成式對話機器人在未經專業定制之前，甚至很難滿足入門級別的行業需求。

誰能「交付最終服務」，誰就能在當下最快速地占據最多的 AI 大模型市場。MaaS（Model-as-a-Service）模式也就成了如今巨頭們提供大模型服務時，不約而同的選擇。

MaaS 模式的大行其道，也催生出眾多不做通用大模型、專做 toB 市場的行業大模型廠商：除了騰訊云之外，還有華為發布的盤古大模型，其主要方向即是 AI for Industry（AI賦能產業），為煤礦、水泥、電力、金融、農業等行業。

根據騰訊云發布的相關數據，目前大模型的主要落地場景還是集中在金融/客服，以及教育領域：在海外有 OpenAI 與可汗學院合作、開發定制聊天機器人、幫助學生準備考試用復習材料，同時也杜絕學生使用 AI 機器人來直接作弊；上海大學借助騰訊云TI平臺將大模型探索應用在咨詢和問答場景，能為學生提供咨詢、問答，以及跨模態檢索等能力。

誠然，也有很多大模型業內人士認為，將數據/算力/服務全部交由一家公司來完成的私有化部署模式，等于將用戶數據與模型的產權/源代碼都被「壟斷」，可能會導致人工智能發展過于中心化，但就目前的情況而言，已經達到能夠商用程度的開源大模型選擇仍然不多，以及在構建成本高昂的數據中心面前，盡可能地降低大模型的使用成本，或許才是很多企業應該優先考慮的事。

在傅盛與朱嘯虎的朋友圈辯論中，傅盛認為，ChatGPT 本身固然有其巨大商業價值，但如果 ChatGPT 本身占據了 99%（的價值），那整個 AI 生態也完全無從談起。不同于目前的 MaaS 模式，大模型應用商店更像是現在手機中的 App Store，最終能與其中的所有應用，共同將大模型商用市場拓展至更多場景。

在商業模式上，ChatGPT 目前已經依靠訂閱制（GPT4）、付費 API，探索出一條行之有效的盈利模式，同時也積累了海量來自 C 端用戶的語料等關鍵數據，但這并不代表「大模型應用商店」，能夠在如今的大模型商用領域再一次成功。想要讓 ChatGPT 在商業化取得更多成功，擺在 OpenAI 面前的問題仍然棘手：不同大模型之間涉及到的版權/數據問題如何解決，以及更加實際的安全/道德問題。?

但毋庸置疑，目前的大模型商業化生態中，MaaS 已經作為一種成熟的應用模式，出現在了市場中，「開箱即用」的模式已經吸引了很多行業用戶前來試水，進而借助這個契機，改變越來越多行業。