陳永偉/文 從Kimi Chat說起
如果要問最近一段時間里國內AI（ArtificialIntelligence，人工智能）界最出圈的產品是什么，那么KimiChat（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絡的熱搜詞匯。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。
KimiChat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，而只是因為從技術上實現它其實并不那么困難�，F在，處理長文本的技術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，而每一種技術路徑都已經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。
內卷是一個多輸的結局
各大AI企業(yè)競相涌入長文本賽道，只是如今AI圈內卷的一個表現而已。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圈就經歷了很多輪的內卷。一開始是卷模型，然后是卷參數，再后來是卷多模態(tài)……在每一輪內卷中，企業(yè)們都爭得頭破血流，但從事后看，似乎所有的內卷都沒有什么意義，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。從性質上講，無謂的內卷其實是“囚徒困境”的一種體現。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�，F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，這種由內卷得來的勝利也是脆弱和無利可圖的。著名的互聯網出版人、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》（TheInformation）撰寫的一篇評論中指出，現在的AI圈似乎正在出現“優(yōu)步問題”（UberProblem）。他指出，幾年前網約車（網絡預約出租汽車）剛剛在市場上出現時，各大網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。只要一嘗試提價，用戶就會倒向其他的小網約車平臺以及巡游出租車，它們的市場份額就立即出現大量流失。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，這種內卷也會對消費者的福利構成損害。AI企業(yè)的內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。關于這一點，我們依然可以從網約車行業(yè)的發(fā)展史來找到對應。當補貼大戰(zhàn)的勝利者們發(fā)現很難通過提價來讓自己盈利后，就轉而設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，其服務質量也就隨之下降了�，F在，一些網約車司機的服務質量甚至還不如傳統(tǒng)的巡游出租車，相當一部分的原因就在此。雖然AI和網約車在行業(yè)性質上存在著一定的不同，但我們依然可以就此推論，如果無效內卷持續(xù)進行，那么未來消費者們可以享受到的服務質量將會大打折扣。
綜合以上分析，我們可以得到結論：AI行業(yè)的瘋狂內卷，最終將會導致一個“多輸”的結局，無論是企業(yè)還是消費者都不會從中受益。
內卷為何產生？
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，以及產業(yè)和投資關系的變動等因素共同作用的結果。
相比于傳統(tǒng)的工業(yè)時代，數字經濟時代的新興行業(yè)有很多新型的特征。其中，最為關鍵的兩個特征就是規(guī)模經濟和網絡效應。
首先要看規(guī)模經濟。在關于數字經濟的各種著作中，“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，都忽略了實現它的前提是巨量的固定資本投入。比如，雖然網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合，就決定了數字行業(yè)的規(guī)模經濟特征當一個企業(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。
再看網絡效應。所謂網絡效應，指的是使用某種商品的總人數對使用該商品的用戶效用的影響�，F實中，很多數字產品都具有顯著的正網絡效應。它們的用戶群體越龐大，用戶對它們就越喜歡，該產品也就可以進一步吸引更多的新用戶。
無論是規(guī)模經濟還是網絡效應其實都提供了一個隱喻：在數字經濟時代，要想在市場上獲得成功，規(guī)模將是關鍵。在這種隱喻之下，規(guī)模就超越了質量、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建自己的競爭優(yōu)勢�；谶@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品、不在乎用戶的感受，以及容忍混亂的管理。在現實中，“閃電式擴張”理論的影響非常巨大。無論是當年網約車大戰(zhàn)的參與者，還是現在仍在AI賽道上積極內卷的企業(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。要迅速實現規(guī)模的擴張，企業(yè)就必須大量“燒錢”。現實中，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營決策時聽取他們的意見，由此，企業(yè)的經營將會從“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品功能等。這樣的后果是，技術和市場的發(fā)展方向很大程度上將會從企業(yè)家主導轉向資本主導。
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就達到了數千個。僅這一項，所需的資金就可能達到數億元。這使得除了少數的在位巨頭之外，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)的模型在參數量上是否領先，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AI企業(yè)即使不愿意，也會不得不被動地加入無意義的內卷。
內卷為何沒有前途？
從AI企業(yè)經營者的角度看，如果他們想走出內卷，就必須先對自己的商業(yè)模式進行反思。如前所述，現在很多的AI圈內人都篤信霍夫曼的“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。至于產品的特色，以及相關的盈利模式等問題，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領域已經天然存在著兩個壁壘規(guī)模經濟和網絡效應。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)模經濟問題。正如我們已經指出的，規(guī)模經濟現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）共同作用的結果。那么，AI產業(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用戶量的高速上升外，多數AI模型都必須借助大量的推廣才能吸引用戶。據報道，即使如Ki－miChat這樣在國內堪稱現象級的產品，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，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上升的趨勢。根據這些情況，我們不難發(fā)現雖然AI行業(yè)確實可能在一定的范圍內存在規(guī)模經濟，但它絕不是無限的。
再看網絡效應。不少AI企業(yè)的經營者認為，AI作為一種數字產品，理所應當具有網絡效應。但其實，這很可能是一種誤解。
從性質上講，網絡效應分為兩種：一種是直接網絡效應，另一種則是間接網絡效應。所謂直接網絡效應，即產品的用戶數量對用戶評價的直接影響。所謂間接網絡效應，指的則是產品的用戶數量對用戶評價產生的間接影響。在平臺條件下，有一種特別的間接網絡效應，被稱為組間網絡效應。這種網絡效應指的是，處于平臺兩邊的用戶對平臺的評價都會因另一側平臺用戶數量的增加而得到提升。對于平臺而言，組間網絡效應是十分關鍵的，因為它會產生一種類似“雞生蛋、蛋生雞”的回振效應。這種回振效應的存在，讓相關的補貼策略往往可以產生可觀的乘數效應。所以，在當年的網約車大戰(zhàn)中，各大平臺之所以會不遺余力地對用戶進行補貼。
在對于網絡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絡效應。
先說直接網絡效應，即使它存在，效應也不會很大。至少在現階段，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，顯然不會對產品的性能產生什么影響，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。
再看間接網絡效應。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據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據量是巨大的。從量的角度看，由此產生的網絡效應可能是非常小的。
綜上，既然AI模型的規(guī)模經濟和網絡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祝即使某個企業(yè)確實成功占據了市場，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；二是向開發(fā)者銷售API接口；三是將AI作為云服務向B端用戶提供。不過正如我們指出的，在行業(yè)高度內卷的環(huán)境下，前兩種服務的價格已經被壓到很低。相比之下，第三種盈利模式是可以實現獲得相對較高的利潤的，但它需要企業(yè)同時有云服務項目作為支持。然而，在現實中，多數AI企業(yè)并不具有這樣的業(yè)務。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營模式都是相當不利的。
如何走出內卷？
針對以上問題，AI企業(yè)在重新構建商業(yè)模式的時候，就需要將構建壁壘和尋找盈利模式作為最為重要的兩個任務。
（1）壁壘的構建
早在20世紀30年代，以喬貝恩（JoeBain）為代表的經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（MicharlPorter）在內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，但在產品日益同質化的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，且門檻較高的技術來開發(fā)相關的功能，以此確保自己至少可以在一段時期內領先市場上的對手。這樣，即使相關的競爭對手也開發(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常雖然在理論上，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在的內卷程度，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。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品進行捆綁或同時銷售。比如，現在的AI工具雖然已經普及，但實際中人們關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（InternationalBusinessMa－chinesCorporation，國際商業(yè)機器公司）等硬件企業(yè)所采用的銷售產品捆綁服務的做法，在銷售AI模型的同時捆綁教授用戶如何使用模型的課程，以及其他的相關服務。
另外，構建平臺也是一種思路。如前所述，現在的OpenAI正試圖將GPTStore（基于OpenAI的GPT技術的在線市場平臺）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�，F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絡的方向引導。一旦這個網絡可以形成一定的規(guī)模，其盈利潛力也將可觀。
總而言之，如果AI圈內的企業(yè)可以放棄對市場規(guī)模的執(zhí)念，根據自身的特點有針對性地選擇自己的利基市場，設計自己的盈利模式，那么走出瘋狂的內卷或許也并不是那么難。
