去年年末出圈的 ChatGPT 正在科技巨头、互联网公司之间掀起更大的波澜，比如百度官宣“文心一言”项目、谷歌发布对话 AI 系统 Bard、微软推出集成 ChatGPT 的 Bing 搜索引擎，等等。只是 ChatGPT 背后的 AIGC 概念，是否已经跑出了自己的商业模式呢？

“一场针对AI的‘完美风暴’正在形成。”

一位产业投资人如此描述。

一时间，街头巷尾都在热议一个叫做ChatGPT的产品，ChatGPT相关概念股一度猛涨。一家大数据公司创始人表示，已经有客户咨询，是否能在他们的产品里结合ChatGPT。

在经历了2016年，由AlphGo击败李世石而掀起的AI浪潮后，AI行业沉寂良久，上一波浪潮里起来的AI算法公司，在硬件化和数据的泥沼里寻找出路，这么多年，AI行业太需要一个现象级的故事了。ChatGPT的出现，就如同点亮了灯泡，让这个行业再度以如此高光的姿态回到公众视野。只是，与上一波AI浪潮不同，这次的主角，从谷歌的AlphGo，变为微软的OpenAI。

风吹得太快了。

1月17日，微软CEO Satya Nadella公开表示要将OpenAI产品与自身生态结合，将ChatGPT加入到Bing、Office、GitHub、Azure等微软“全家桶”中。随后的一周中，微软又宣布向OpenAI追加数十亿美元投资。近期，OpenAI更是公布了ChatGPT最新的订阅制商业模式。

北京时间2月7日凌晨，谷歌突然发布了基于谷歌LaMDA大模型的下一代对话AI系统Bard。同一天，百度也官宣了正在研发的文心一言（ERNIE Bot）项目，计划在3月完成内测，随后对公众开放。

北京时间2月8日凌晨（美国当地时间2月7日），微软宣布，推出由ChatGPT支持的最新版本Bing（必应）搜索引擎和Edge浏览器。Satya Nadella表示，“搜索引擎迎来了新的时代”。微软称必应构建在新的下一代大型语言模型上，比ChatGPT更强大，并且能帮助其利用网络知识与OpenAI的技术进行智能对接。

24小时内，三家科技巨头躬身入局、抢占高地。这股风不仅快，而且猛。

“谷歌可能只需要一两年时间，就会被彻底颠覆。”Gmail创建者之一、谷歌老员工Paul Buchheit近日公开表示，ChatGPT将彻底摧毁谷歌赖以生存的搜索引擎。

ChatGPT是人工智能研究机构OpenAI在2022年11月底发布的生成式AI对话大模型。上线一个多月，ChatGPT就把OpenAI的估值从200亿美元推高到290亿。如果其商业化大规模推进，或许我们的后世子孙将很难想象，人类曾需要自己构思文案或自己写程序代码。正如我们难以想象的计算机要占一个房间那么大。

作为一家限制营利（Capped-Profit）型企业，OpenAI在AI领域的研究并非只为赚钱。但ChatGPT似乎正在把OpenAI“逼”到赚钱的风口上。据外媒The Information爆料，OpenAI计划在2023年实现2亿美元营收，2024年底前，营收达10亿美元。

投资机构红杉美国在2022年发布的一篇分析文章《Generative AI: A Creative New World》中提到，生成式AI有潜力产生数万亿美元的经济价值。如今，作为AIGC领域其中一个代表性产品，ChatGPT的爆火正在印证这一预言。

“ChatGPT是多个底层技术积累和市场成熟到一定程度的产物，”一位产业投资人如此概括他对于这款现象级产品的理解，他将ChatGPT类比iPhone，虽不是第一款智能手机，但却是最成功的一个。

也正如iPhone催生出了一系列智能手机APP，一波应用型公司正在基于GPT等生成式AI大模型迅速成长。在过去一年里，AIGC赛道正在催生出一个个独角兽。只是在这一个个造富神话的背后，越来越多人似乎也意识到，只有少数故事可以讲下去，还有很多故事可能讲不长久。

虎嗅通过与多位投资人、业内人士的交流，试图理清，在一、二级市场狂热背后，目前在AIGC上的商业模式，哪些可以跑出来，哪些难以为继。

一、AIGC的泡沫：还没吹起来，就要破了

AIGC（AI Generative Content，AI生成内容）顾名思义，是AI直接生产内容的技术形式。生成式AI并不是一个新事物，它由来已久，但2022年却被很多AI行业人士称为AIGC元年，开启“元年”概念的有两件大事，其一是ChatGPT的现象级爆火，使AIGC彻底出圈，大幅拉高了人们对AI能力上限的认知。另一件则是2022年8月图片生成大模型Stable Diffusion的开源，Stable Diffusion虽然并不算是非常强大的AIGC文生图模型，但是他的开源却让文生图这种能力“飞入寻常百姓家” ，这也成为了AIGC能够现象级爆火的条件之一。

Stable Diffusion是AI公司Stability AI和Runway共同开发的扩散式（Diffusion Models）图片生成大模型。与以往的生成式对抗网络（GAN, Generative Adversarial Networks）相比，扩散式模型生成图片的速度更快、质量更好。

随着AI绘图在社交媒体迅速蹿红，抖音和小红书上甚至有脑洞大开的网友提出，可以把AI生成的图片挂到付费图库作为收费资源，实现“躺赚”。一时间，AIGC文生图成了一门“有手就能干”的生意。

在这一批AIGC公司中不乏几家独角兽，其中就包括利用OpenAI大模型实现商业落地的Jasper和前面提到的Stable Diffusion的研发公司之一Stability AI。

海外AIGC领域独角兽（按估值排列）

OpenAI凭借多年积累的大模型研发能力，以及GPT、DALL-E等产品，一枝独秀。而其他一众独角兽企业，虽然估值与OpenAI相去甚远，但无一不是在短时间内估值暴增，Jasper甚至只是一家基于OpenAI技术的服务商，估值也达到了15亿美元。Anthropic更是凭借创始人的GPT元老身份，以“ChatGPT最强竞品”的噱头，被危机中的谷歌看中，估值直逼50亿美元。

据第三方研究机构PitchBook的数据，2022年海外投资者在AIGC赛道至少投入13.7亿美元，完成78笔交易，相当于前五年投资额之和。

AIGC赛道海外市场融资情况

在这场投资热潮中，美国公司走得更快。根据红杉2022年10月发布的海外AIGC厂商图谱，在大模型、文生文、文生图、代码等细分领域已经出现了不少初创公司。虎嗅根据公开资料整理了部分中国AIGC公司的图表，中国的AIGC公司主要集中在A轮甚至天使轮，主要是在应用端的创新。

红杉资本2022年10月发布的海外AIGC厂商图谱

国内部分初创AIGC公司及轮次（按公司名字排列）

虽然资本热捧，现象级应用层出不穷，创业项目也是一抓一大把，但无论在文生文还是文生图领域，AIGC目前几乎没有看到任何一条特别明确且长久的变现途径。被称为ChatGPT商业化的收费模式，实际上线后或许也只能勉强填补一部分天价运营费用的窟窿。

在资本方面，很多AIGC的早期投资人甚至已经开始考虑撤出这条赛道了。“在AIGC赛道上，吆喝多，真正融到钱的不多。”AI绘图App Draw Things的开发者Liu Liu告诉虎嗅，投资向头部企业集中就是最明显的现象。从投资人角度看，在经济下行的时候投资AI行业的头部企业肯定会比较保险。“另一方面，投资人也会担心这个行业像上一波深度学习热潮一样，最终只能惠及大公司，而小公司很难‘冒头’。”

泡沫似乎还没有完全吹起来，就要被戳破了。

在AIGC赛道，已经有公司开始“摔倒”。2022年12月28日，AI绘画公司StockAI宣布将停止为用户提供AI绘图服务，开始进行业务转型。目前的StockAI平台已正式关闭，用户订阅计划均被取消。该公司称关停服务是因为AI绘图的运营成本过高，目前的付费用户群无法支付这笔费用。

“智源在大模型方向布局比较早，如今已经不会刻意追AIGC项目了。”北京智源人工智能研究院(简称“智源研究院”)、智源创投基金投资总监向其奇认为，目前国内的AIGC已进入“开卷考试”阶段，多数AIGC项目看起来很美，但实际上核心竞争力不足，整体有些虚胖。作为与OpenAI在组织方式和研究方向都相似的机构，智源研究院也一直关注国内AI领域的优质早期项目。

一边是AIGC头部公司获得海量资金，催生新晋独角兽；另一边则是初创AIGC公司关停业务。AIGC元年刚过，这条赛道上的公司就出现了一些两极分化的现象。那么，不同公司以AIGC为技术载体实践的商业模式到底成功率几何？谁能跑出来？又有多少模式可以被复制？

二、缺乏核心竞争力的独角兽

“许多AIGC的公司，或许能生存3年-5年，但要让他们继续讲更长的故事，就很难了。”不止一位投资人向虎嗅表达了这样的判断。

在ChatGPT爆火之前，2020年问世的大模型GPT-3在业界已经掀起了不小的波澜，此后OpenAI也有了Viable、Duolingo、Notion等不少值得标榜的API（Application Programming Interface，应用程序编程接口）落地案例，基于大模型进行商业化的探索，其中最成功的当属Jasper。

成立于2020年的Jasper，是基于GPT-3的API为用户提供AI写作服务的初创公司，Jasper在AI写作领域并不算是“早鸟”，但却是最先开始调用GPT-3 API的公司之一。作为底层大模型，GPT-3对于普通用户来说，还不能直接使用，需要专业的AI研究人员在大模型的基础之上进行参数调试和优化。

Jasper的核心业务就是通过优化GPT-3模型的使用体验，充当普通用户和OpenAI之间的“中间商”。2022年，Jasper成功募资1.25亿美元，估值达15亿美元。这对于一家成立两年的AI公司来说，估值并不算低。毕竟，2019年微软注资OpenAI时一次就花了10亿美金。Jasper比较擅长输出电商产品介绍，博主的种草文案等短篇内容。虽然文章质量一般，但文字内容多数情况下通顺可读，没有明显的语法错误。

2021年Jasper营收近4000万美元，2022年收入更是有望翻倍。虽然公布的数据很好看，但很多业内人士对Japer的赚钱能力持怀疑态度，毕竟这几千万美元只是营收，除去运营过程中的生产、研发、推广等成本后，还能剩下多少实在不好说。

从目前OpenAI公布的API价格来看，基础模型生成文字大概是每750个词0.4美元，Jasper的价格则是基础服务月费29美元，可以生成20000个词。中间差价不到17美元，这17美元涵盖了Jasper提供的50+模板、29+语言服务。如果买的量大，高级月费服务还包括SEO（Search Engine Optimization，搜索引擎优化）等一系列其他的服务。

能否有持续足够的技术和资金跟上每一次模型的迭代，是这些在大模型之上做应用的公司都需要面临的极大挑战。

“虽然GPT-3/3.5模型已经很好了，但类似Jasper的下游应用企业要提供垂直领域的专业服务，仍然需要基于行业知识自建知识库和模板，并对GPT-3/3.5模型进行Finetune（微调），这部分的研发成本也相当高。”智源研究院创新应用实验室负责人史业民认为，因为在大模型和用户之间多了一个中间环节，还要产生很多人员、运营等额外费用。还有一点更为重要，那就是直接利用底层模型API的成本和风险是有可能随着OpenAI的业务调整发生变化的。

那么，如果没有中间环节会怎么样？如果底层模型直接和用户对接，Jasper的价值又在哪里？

这也是Jasper面临的困境。如Jasper一样调用API的公司，是OpenAI现阶段的主要收入来源。在ChatGPT爆火之后，一些Jasper的用户发现了ChatGPT能生成比Jasper更好的内容，等于是“代理转直销”了。面对来自OpenAI的压力，Jasper首席执行官Dave Rogenmoser表示：“ChatGPT可以做很多事情，但它缺乏大企业客户需要的功能。我们将自己视为将AI能力引入企业的人。”

Dave Rogenmoser的解释好像还不够有说服力。毕竟，已经有客户直接找到OpenAI了。2023年1月26日，美国版“今日头条”BuzzFeed宣布，将与OpenAI开展合作，使用ChatGPT创作新闻内容。BuzzFeed联合创始人兼首席执行官Jonah Peretti在邮件中指出：今年（2023年），AI创作的内容将从研发阶段转变为核心业务的一部分。消息一出，BuzzFeed股价连涨两天，翻了3倍。OpenAI还没来得及为这波“获客”吹牛，客户倒先开始标榜自己是ChatGPT的实践先锋。

即便如此，Jasper的商业落地仍给很多AI创业者提供了想象空间，而且只要入局够早，就能抢占先机，也不是所有企业都具备BuzzFeed的这种直接对接大模型公司的能力。一家AIGC创业公司创始人认为，能像OpenAI一样不在乎盈利，保持多年烧钱研究的企业或机构并不多，如果没有大量Jasper这样的应用层公司，则很难承托起OpenAI这样的AI大模型类的PaaS（Platform as a Service，平台即服务）公司。

中国也出现一些公司，正在模仿海外的商业模式。但“橘生淮南则为橘，生于淮北则为枳”，简单的复制，很多时候并不能适应中国的土壤。

Jasper模式要落地中国最致命的硬伤是，国内目前没有一款可以媲美GPT的大模型，而OpenAI的API业务，起码迄今为止对中国用户并不友好，并不官方支持中国的API调用。此外，即便中国企业可以调用，ChatGPT或是GPT-3的训练主要使用英文数据训练，中文表现与英文还有差距。

另一方面，就是商业的底层逻辑——赚钱。由于大模型优化成本很高，盈利压力自然也会增加。从微软的Azure OpenAI目前提供的GPT-3微调训练托管价格来看，要在Auzre云上进行GPT-3的优化工作，每小时的成本约20-84美元，这个费用还只是不包括算力的单个模型费用。

从目前的中国市场环境来看，不管是SaaS模式的付费意愿，还是人力成本可能都不足以支撑Jasper的商业模式。

在Jasper的主要业务电商文案写作方向上，目前很多国内跨境电商对Jasper的AI写作服务都有所了解，但这种服务对于他们来说需求度并不高。亚马逊一个产品介绍大概200多个单词，按Jasper的入门计划20000词，可以给不到100款商品生成产品介绍。

一位跨境电商老板告诉虎嗅，虽然英文写作对一些国内跨境电商老板来说有点难度，但AI需求在这个圈子里并不大。请一个兼职大学生，月薪3000左右，基本就能覆盖多数跨境电商的所有上架需求了，能修图、做表格、回邮件，这些都是工作分内的事儿。多数电商没有那么多文案需求，“单独购买文案生成服务就相当于多给兼职工买一套Office，完全没有必要。”前述跨境电商老板表示

同时，AIGC生成的内容仍存在很多不确定性。硅基智能创始人司马华鹏表示，“目前我们的纯AI数字人已可以实现连续直播400小时。但很多企业在初次尝试数字人直播时仍存在一定风险和门槛，很容易因为内容质量差或敏感信息触发直播平台对AI数字人直播的限制。在AI数字人的内容训练过程中，有时需要对NLP进行内容更符合用户需求的预设。”

三、商业模式难以为继的文生图公司

相比于文生文领域的Jasper，在文生图领域，与Jasper估值相似的另一家著名独角兽Stability AI则显得更不落地。

起码Jasper已经在文生文领域探索出了比较明确的商业化目标用户，其他创业公司只要沿着这条路继续探索就可以了。但AIGC文生图、文生视频、文生3D模型等赛道还处在很早期的阶段，在北美市场的成功经验中，Lensa AI和Midjourney的主要客户都还在通过流量积累的C端客户的阶段。

2022年10月，文生图公司Stability AI完成了1.01亿美金的种子轮融资，估值达10亿美金。虽然Stability AI在AIGC文生图领域探索的时间不长，但文生图赛道的拥挤，却是它与合作伙伴Runway一手造成的。这两家公司共同推出的Stable Diffusion模型选择了开源模式，把AI绘图的能力免费交付到了每个人手中，但公开这项能力，却只是给Stability AI及RunwayML的模型能力做了背书，而他们怎么用这项能力赚钱呢？

目前，文生图领域的很多初创企业所提供的服务还只是在Stable Diffusion模型基础上的交互界面和生成图像的云服务，虽然多数公司都有销售token（代币）的付费AI绘图模式，但多数用户使用免费模式就已经足够了。

Lensa AI App于2018年上线，原本的主要用途是图片编辑和美化。2022年11月Lensa AI上线了魔法头像（Magic Avatars）功能，可以根据用户上传的人像图，自动生成各种不同风格的人脸照。魔法头像上线以后，LensaAI在11月30日至12月14日，连续两周位列美国及十多个国家的AppStore免费榜榜首。根据数据分析公司Sensor Tower的数据，该应用程序在12月的前12天在全球范围内安装了约1350万次，消费者在此期间的消费约2930万美元。

Midjourney走得更早，他们通过在线聊天社区Discord为用户提供AIGC文生图服务，Midjourney给用户提供25张免费图片，此后则以最低每月10美元的价格收费。目前该公司声称自己的月活用户数已超过100万。

虽然这两家公司均已具备了一定的付费用户基础，但云服务、模型研发成本巨大。目前来看，C端用户的付费意愿和购买力是否能够形成稳定的商业模式，从而支撑这些服务厂商的长远发展还都是未知数。

“C端用户很容易拉进来，但很难维持新鲜度。”AIGC创业公司6penAI负责人王登科对虎嗅表示，目前AI绘图最主要的用户围绕在C端，但这部分用户一般就是图个新鲜，最多半年，他们对AI绘图、AIGC的热度就会褪去。

相比之下，B端市场似乎更有发展潜力。在AI绘图的B端，目前已经有很多游戏工作室、美术工作室开始尝试提供AI绘图的相关服务了。

目前，国内游戏美术行业的立绘（游戏中的单个人物图）外包价格在6000~10000元不等，根据画师能力和经验，价格也会有所不同。猫事多游戏工作室负责人老李表示，AI绘图的单个角色相比人类要便宜很多，可能只有五分之一甚至十分之一的价格。而且可以根据客户需求同时产出50个相似造型、不同姿态，不同画面的图片，客户选定之后可以由美术进行细化精修工作。

不过老李接触的客户也不是都能一下子接受AI绘图这种服务模型。

“我目前还没从AI绘图上看到生产力支持，AI能提供的帮助也就是找灵感吧。”这是国内一家游戏公司美术总监对AI绘图的评价。他的公司目前运营多个大型游戏IP，其中不乏爆款，但对于火了半年多的AI绘图，他却并不看好，“AI绘图随机性太大，能适用的范围很窄，而且图片不分层，修改成本很高。”

“AI绘图比较适合小型游戏工作室，尤其是那些IP要求不严格，或是从0到1的绘图需求，AI能帮助用户节省大量的美术成本，是实打实的生产力工具。”猫事多工作室AI技术总监黄峻认为，AI绘图最大的优势就是“给的多”。以往正常的美术外包模式是，客户提一份需求就画一张图，最多也就是前期沟通多一些，后期修改少一些。但AI绘图可以根据一个需求出100张图，给了客户更大的选择和想象空间。

黄峻介绍说：“我们用A100的云服务器训练AI，单个项目迭代500张图大概需要1天的时间。”因为AI模型是开源的，所以AI绘图外包的成本不高，目前AI绘图工作室的主要成本在于人类画师对AI的训练，以及训练过程中产生的云服务成本。老李则认为，AI绘图的关键在于节约用户的前期开发时间跟人力成本，把这部分转移到AI绘图的服务商。

除了时间和人力成本，云服务的成本也是AIGC的大头。不论是B端还是C端市场，不论服务挣不挣钱，提供服务肯定是要花钱的。虎嗅从多个提供AI绘图服务的供应商了解到，AIGC服务对GPU算力需求很大，有条件的供应商会选择用来NVIDIA A100 GPU的云服务器，这款服务器端价格相当高，而即便不用A100，云服务也并不便宜。

目前国内市场96G显存的单颗A100GPU服务器，算力报价大约是每小时28元，包年月费在13000元左右。史业民介绍说，智源研究院开发的Flag Studio绘图AI目前采用的是智源研究院自建的云服务器，算力需求大概是2-3台4核A100 GPU服务器，每月开支大概是50000元左右。

对于创业AI绘图公司来说，如果要维持一个可拓展，高性能，并且有一定显卡保有量的GPU集群，服务器的运营开支每月至少要5-10万元左右，然而在这样的开支规模下直接的回报却微乎其微。“王登科对虎嗅表示，目前多数AIGC公司都是在C端引流阶段，未来用什么样的商业模式去赚钱，大家都在摸索。

有开销，没进项，这或许正是前面提到过的StockAI关停服务的重要原因。不过王登科认为，在都采用开源模型的同质化竞争环境下，压缩云计算成本是AIGC创业公司的核心竞争力之一，目前6penAI在技术上改进了模型精度，并持续优化迭代时间，同时不断寻找低价服务器，已经可以将单张图片等成本压缩到1分钱以内了。

笔者用6penAI生成的图片

但不管是文生文还是文生图领域，这些基于GPT模型生长出来的应用层公司都在核心竞争力和商业模式上苦苦探索。

四、OpenAI的模式难以复制

“ChatGPT是一次产品和市场上的突破，而不是AI基础理论的突破。”一位行业资深投资人对虎嗅表示，AIGC的大规模商用，需要三个条件，首先是基于技术积累而设计出超级模型，其次是有足够的数据去支持训练，第三，是要有算力和流量充足的平台来落地可持续的商业模式。对于背靠微软的OpenAI来说，有技术、数据、算力的优势，而微软旗下的Bing，也是一个自带流量的商业化平台。

正如iPhone的核心是供应链，如果类比到通用大模型上也是这样的道理，微软和谷歌这样的平台型公司就具有技术、数据、算力、流量的产业链优势。

上述投资人表示，AIGC产品一定迭代很快，ChatGPT是第一个出圈的产品，但不一定是商业上最成功的。

对于这一点，OpenAI创始人Sam Altman在接受美国著名风投基金Greylock合伙人Reid Hoffman采访时也表示：“将来应该会出现几个大型的基础模型，开发人员都将基于这些基础模型研发AI应用。但目前的情况依然是某一家公司开发出一个大型语言模型，然后开放API供他人使用。”

ChatGPT上线之后，一周之内就吸引了100万注册用户。甚至有大量开发者通过模拟浏览器代码的方式破解了ChatGPT的API（OpenAI并没有开放ChatGPT的API），一时间大量破解版的ChatGPT“二次开发”涌入GitHub。而近日OpenAI推出了名为ChatGPT Plus的20美元/月订阅版，给ChatGPT找了一条最快捷直接的变现道路。ChatGPT Plus的增值服务包括：高峰时段免排队、快速响应以及优先获得新功能和改进，OpenAI也表示会保留免费服务。

“AIGC在各个领域的应用都还处在极早期，这个行业爆火的最大好处应该是把大模型彻底带出圈了。”史业民认为，AIGC让公众了解到AI真的能做一些事情，在此之前AI行业花费了很大力气去教育市场了解AI，但很多企业对AI都持存疑态度。因为没有实际场景应用，就很难了解AI的上限到底有多高。

向其奇认为，大模型产业化和移动互联网有相似之处，最终都需要通过做应用来形成用户体验。而AIGC和移动互联网又有所不同，AIGC架构在大模型的能力之上，但国外大模型的API不一定给国内开放，国内的大模型还需要进一步优化升级，并且当前的商业模式也不是很清晰，所以短期热度虽高但很难长期吸引投资人关注，可能只有明星创业团队和行业老兵能持续融到钱。不过，他也认为，中国市场大、用户多，具有更多的可能性，在应用上来说，可能比美国市场更具优势。“很多应用体验在国内能打磨到极致，但在国外并不一定。”

从现在的AIGC技术和商业路径来看，未来AIGC赛道的参与者可能会有三种，底层模型研发公司，封装应用的开发者，以及利用应用给用户天提供专业化AIGC服务的供应商。

目前封装应用市场明显处在同质化竞争的阶段。例如AI绘图，各种应用都是基于Stable Diffusion的开源模型形成的产品。而调参服务则主要是基于行业经验提供服务。这两种业务都很容易被复制，且增长空间非常有限。

“AIGC只是一种应用形态，是个表象的技术。它背后的大模型才是核心。”史业民认为，OpenAI之所以会在ChatGPT推出之后迎来一波爆发式增长，就是因为ChatGPT以AIGC的形式向行业展现了他的大模型能力。

目前国内各家大厂、研究机构也都在生成式大模型上重点发力，相继发布了悟道、ERNIE、盘古等大规模预训练模型。在AIGC领域，智源研究院的Flag Studio，百度文心一格等都是基于自研模型推出的AIGC产品。

笔者用Flag Studio画匠生成的图片

“整个AI行业未来的趋势可能就是几家大模型公司‘一统天下’。”史业民表示，从技术层面来说，构建大模型的数据和Feedback（反馈）会形成一个闭环，用的人越多，Feedback越多，模型也就有更多的数据支持迭代。“最后Feedback也会成为模型的一部分。这样早期玩家就会积累巨大的前期优势，导致新的选手完全没办法入局。”

这恐怕也正是微软、谷歌、百度等巨头都对AIGC、AI大模型领域如此看好的原因。然而国内在大模型的研究方面却走了几年弯路，由于AI“生成”内容的质量一直不理想，且理解类任务和多数大厂的现有业务息息相关，直接导致国内很多厂商都是从近几年才开始重视AIGC业务。

“AI大模型实际上已经算是信创产业（自主可控的信息技术应用创新产业）了。国内很多场景都要求保护数据，不太可能把数据放到美国的服务器上。同时，在大量政府、国央企应用场景中，文本的处理会涉及到很多机密。”一家AIGC创业公司创始人认为，即便OpenAI对中国全面开放API接口，在很多场景中仍然无法使用，“AI大模型一旦落后，追赶的成本会很高。虽然我国AI技术整体上发展不晚、也不慢，但在大模型领域同样面临‘卡脖子’的危机。”

不管怎么说，又一个AI行业的灯泡被点亮，真正的技术竞争刚刚开始。拥有数据的平台公司拥有生态优势，初创公司则专注差异化和互补性，而无论是在底层的大模型，还是AIGC的落地方面，各家企业都还要在热潮之下，冷静判断，看清前路，找到属于自己的赛道，跑下去。