大公馆

关于AI，现在大家吵的不可开交，但是我们有几个有意思的东西，可以分享：

1）大模型的商业模式存在天然的缺陷

2）AI应用的兴起是大趋势，但是核心是数据

3）CUDA：曾经挡住了敌人，未来可能困死英伟达

当然，上面都是长期的东西，不影响短期的波动，至于对不对，那就只能边走边看了....短期的问题不在大模型本身，而是投资人本身的问题。

1. 模型缺陷在哪里？

大模型企业，如果我们把模型本身拆出来看，他们投入巨大的研发费用——在模型上线之前，不会获得一分钱的收入！模型的沉没成本巨大，这有点类似电影这个产业。而且在上线之后，运营成本并不低......

最关键的地方是：成本，尤其是边际成本。

理论上来说，大模型企业赚的是客户支付的钱减去他们租赁算力的租金。这个最大的问题是：没有任何的规模效应。也就是说，边际成本不可能想软件那样，接近零。

研发费用指出是沉没成本，算力是和服务成比例变化的，那么何来赢家通吃呢？

互联网时代的“赢家通吃”，给投资人留下的印象太深刻了。本轮AI浪潮中，投资人还是抱有这个看法，所以我们看到了史无前例的疯狂融资，希望自己投的企业，变成最后的赢家，赢得这个万亿美金以上的市场。

想法是好的，但是赢家通吃的看法可能是错误的。所谓的赢家通吃，本后的核心逻辑是边际成本近乎为零。什么意思？就是你服务10个客户和服务10000客户，成本近乎是一样的。这个事情在操作系统，各种专业软件，互联网平台，搜索引擎等都实现了....

你看古早时期的各类email邮箱，实现了赢家通吃了吗？

当下，视频平台，你看到了赢家通吃了吗？

一个生态的各个环节，我们要深入研究其主要参与者所在的环节是否具备这种边际成本为零的特征。边际成本为零的产品，多见于智力类产品，才可能赢家通吃。

2. 模型的三大原罪

1）模型之间是否能拉开足够的差距？

2）大模型的客户到底有没有所谓的粘性？

还有一个就是上面说的边际成本不为零这个问题——如果已经几亿客户了，都不赢利，那可能就危险了。

大模型之间的差异主要来自哪里？

核心不是算法——算法都是公开的，人员都是流动的，算法本身不可能构成所谓的核心壁垒，最多只能说模型侧重点和差异不同。不存在你会的东西，别人不会.......

模型的核心差异现在来看，主要是数据和算力的差异。

但是不幸的是，大部分数据可以商业化的购买，“私有数据”可能才是核心竞争力，也是大模型最大的坑。这就是为什么xx大模型被爆出后台偷客户的数据，被发现之后，阿里直接停用了，国家业发文提醒数据安全问题——大模型最大的风险，恰恰就是模型本身。

数据和算力构建起来的竞争壁垒非常低——至少在美国内部那几个模型之间是非常低的。

现在你看到的是A超过O，但是以前O风光的时候呢？未来会不会再有个xx超过了A呢？很显然，这个可能性非常大，哪怕是受限的中国大模型，最近的两个——一个智谱，一个Kimi，也许很快就是V4....模型之间的差距可能只有几个月，但是价格却差一个数量级。

模型永远无法解决的一个问题就是蒸馏的问题——相互蒸馏的存在，导致了模型之间相互模仿和抄袭，最终是绝对拉不开数据的——开卷考试都能拉开差距，那真的是一堆学渣了........

说到这里，我们就发现了一个很大的问题。由于大模型和数据之间的关系，是一种轻耦合的状态，和以前软件之间通信必须通过标准接口不同。这导致了大模型的迁移成本非常低。

用Claude Code的程序员，可以用非常低的成本迁移到Codex上面，也可以很容易的迁移到GLM上。我们将这类应用成为“无数据输入类应用”，这类应用的本质是对话模式的拓展而已，所有的信息都在模型的内部。

就好像你现在用各类的agent，尤其是在workbuddy里面，理论上一个agent可以调用任何大模型（智能路由）来完成这个工作——只是结果的成本和你是否满意的问题，不存在能做不能做的问题。

现在的问题就是：客户在乎用什么大模型本身完成工作吗？至少我不是很关心，或者说，在绝大多数简单任务下，没人关心后台用的什么模型——模型的性能并不是客户选择的唯一考量因素。

如果大模型最终没啥差距（或者差距可以用价格来弥补），也没啥生态壁垒（客户可以低成本迁移），那你说怎么定价？

现在claude风光无限，在coding成功之后，美国的几个大模型和中国的的，都在全力冲刺自身的coding工具.....最后很可能，价格战，最终没有赢家。A构建起来的先发优势不知道能维持几个月....

大模型的特性决定了，它就像内存，是一个大宗商品，供需决定价格。单一厂商无法产生足够的差异，进而获得定价权........或者说定价权只存在永远领先的模型，要注意是永远领先。

如果上面三个因素，您都认可——我们只能说投入的大量研发可能无法产生经济收益——这东西就像公用事业一样，或者token其实就是标准电力而已，按照1wh多少钱定价罢了。参考欧美的电力市场，就知道大概怎么回事了——如果全球电网是互联互通的，那么欧美的电厂其实可以关门了。因为你根本做不出来壁垒，做不出来差异化。

3. 能否抄一个workbuddy？

很显然，不能！

workbuddy有技术壁垒吗？很显然，对大厂来说，没有任何壁垒.........

但是这么一个没有任何壁垒的东西，为什么上线4个月，日活干到了600w（传闻，无法确认，也有一说法是1300w）。如果不出大的意外，年底2000w日活的概率非常大。但是workbuddy所面临的办公自动化系统的高频用户可能也就是3-5000w——明年你可能就会看到，workbuddy，占据全国办公自动化市场的8成，并且完成了超高的渗透率.....

原因何在？

我只能说，腾讯的流量起到了重要作用。但是最核心的可能是腾讯生态的数据接口，全面接入workbuddy，比如ima，就是一个非常好的个人资料库。

大模型本身的智能被高估了，但是有意义的产出是建立在高质量的数据基础之上的——经验再丰富的将军，决策的时候也需要数据的支撑，这些数据不是大模型自己算出来的，是真真正正的一点点的数据积累出来的（所以我个人看法：不是大模型吃掉软件，很可能是软件saas商，最后会在自家产品里加上大模型）。

企业的核心数据是自身运营出来的，大模型只是用来分析这些海量数据(11.750, 0.13, 1.12%)........千万不要本末倒置了。就好像你去找一个足够聪明的大脑，并不是不用实践就能拿到结果的。实践才是检验真理的唯一标准！

腾讯的数据，是有商业价值的数据，字节的数据基本都是消费型数据/娱乐数据，相比于腾讯内部的数据来看，字节是很差的——所以字节的trae可以用来编程没问题，但是用来管理企业的数据，几乎不可能——管理个人数据就更不可能了。

从这点来看，对前端的各种AI应用工具来说，核心的生态壁垒，恰恰不是模型（在workbuddy里，你可以选各种模型，你喜欢就好）。核心的生态壁垒是你是否有独家的数据，这个才是问题的根本！

4. 泡沫在何处？

我们把AI生态拆解成三个部分：

a. 上游的算力：电力，设备，基建等

b. 中游的大模型

c. 下游的应用

对上游来说，现在这个阶段是同质化的，未来会分化。

这里面核心涉及到asic。很多人对这个有巨大的误解。觉得大模型和云厂商，自研芯片是为了掌握定价权，和nv谈判的时候，好有主动权之类的。我想asic和gpu竞争，应该是一个错误的看法——asic是用来取代gpu的。

一个历史案例就在比特币里，比特币的算法是一个消耗算力的过程（eth是消耗存力的过程）。一开始是cpu挖矿，后来gpu挖矿，后来比特大陆的asic取代了gpu，完成了比特币挖矿市场的统一！

大模型的推理算法是相对固定的，这种情况下，只要市场容量够，定制asic芯片就是合理的逻辑。而且从技术的角度来说，不仅仅是定制芯片便宜（省去了很多无关紧要的模块），最关键的是运营成本（效率和电耗）也非常有优势——最后能定制芯片的csp们，很可能成本是最低的。

所以csp，头部大模型厂商定制芯片，绝对不是一个和gpu竞争的问题，是冲着取代gpu去的。

cuda曾经是英伟达的护城河。英伟达的cuda和gpu组合，最适合快速发展，算法变化快，规模小的时候，这个时候gpu的灵活性才是最重要的。并且英伟达是卖铲子的，所以它的产品必须要适配各家模型——这就导致它的设计必然是冗余的，无法和专用asic芯片竞争。

一旦模型迭代慢下来，生命周期够长，那么设计专用asic片就成为了竞争获胜的必选项了。英伟达的gpu在ai市场，会重蹈在比特币市场的覆辙——只是程度可能没那么惨烈！

所以，前面我们才说：cuda曾经是护城河，但是未来可能会成为困住英伟达的河流。

中游的大模型呢？我们已经分析过了，这是一个基本无差别，无生态壁垒的东西，构建壁垒的数据和算力，也早晚是平权的，最终的结果就是，大模型本身会取得巨大的进步，但是大模型企业本身，就是一个无法回本的泡沫——这才是AI泡沫最为核心的东西。空洞的去讨论ai行不行，是不是泡沫，毫无意义。

AI 必然会得到大发展，但是大模型企业的泡沫也必然会破掉——最后极大概率被各种云服务厂商作为标准服务插件提供。独立大模型企业必然也会死掉........除非是自己建算力云——算力和大模型打包卖这是一种必然。

所以即便是对google这类公司，如果代价太大，自己去弄gemini，其实商业意义不大。google只要有gemini，那么别人就不可能漫天要价。核心还是下游应用。

下游应用的核心壁垒是什么？很多人觉得各种claw没有壁垒，但是其实我认为下游的AI 应用应该分成两类来讨论。

a. 以coding，短视频生成，这类基本无数据（提示词不算数据）输入的应用，基本没有任何的壁垒和商业价值。coding最终的结果，其实和sora，国内的wan，seedance类似，没有壁垒，就是一个通用付费工具。甚至有可能杀入到红海........

b. 真的有壁垒的是类似workbuddy这类的，后面依靠一个数据生态，如果没有数据，做一个ai应用类的工具基本意义不大——或者可以很容易被大模型替代掉。

如果据此判断，是不是可以考虑一下腾讯呢？workbuddy是可以再造一个腾讯的存在。

AI的叙事，已经从信仰，转向了要验证的时候，结果很可能让人失望。AI会取得成功，但是AI相关的股票就不好说了....

AI的叙事，存在反转的风险。这里面的很多公司，可能生态卡位和商业模式，是存在严重的缺陷的....

需要强调，这是长期的研究，短线你说呢？

来源：鱼与塘