周鑫雨

若將中國的AI發(fā)展看做是一本小說，你會發(fā)現(xiàn)，2023年用一頁的篇幅，幾近寫完了曾經(jīng)計算機視覺（CV）的三年：起風，落地，再到危機暗涌。

2022年末，太平洋對岸的ChatGPT石破天驚，拉開了名為AI大模型的全球競速——熱錢和人才集中涌向這個賽道。

這一年，中國模型層一共誕生了5家獨角獸：智譜AI、MiniMax、百川智能、零一萬物、月之暗面。無論是從頭訓，還是基于現(xiàn)成模型微調，國內約200個大模型加入“百模大戰(zhàn)”，AI領域融資事件數(shù)比2022年增長了145%。

AI的技術突破，也為這個賽道吸納了不少頂尖人才：來自國內外最高學府的知名學者教授下海，互聯(lián)網(wǎng)老兵出山，谷歌、微軟等海外大廠出身的華人回國。

但與熱鬧和振奮人心的技術突破相對的，是疲軟的資本市場和緊缺的資源。美元基金的退出、英偉達芯片的禁運，倒逼AI企業(yè)內修功力、外尋新機：找場景快速落地，出海拓展商業(yè)機會。

從錘煉技術，到快速地商業(yè)化落地，也將更為抽象的問題擺到AI廠商面前：如何找準落地場景？如何實現(xiàn)數(shù)據(jù)飛輪？

從Copilot到AI Agent（智能體），熱門概念和demo的不斷涌現(xiàn)，讓市場對AI的能力充滿了想象。但較為殘酷的現(xiàn)實是，囿于底層模型的能力，AI能落地的場景仍然有限。

從模型層相關的多模態(tài)、幻覺問題，到硬件層面的NPU（神經(jīng)元計算處理器），AI產(chǎn)業(yè)上下游要解決的技術難點還有很多。對于應用廠商而言，則要根據(jù)技術現(xiàn)狀將落地場景加以細分，或者找到具有獨特價值的落地場景。

即便度過了機會和危機并存的2023，沒人懷疑，2024年，AI依然會是舞臺上的主角。

開年的“王炸”，依然來自OpenAI——北京時間2024年2月16日，OpenAI推出了可以生成60秒連貫流暢、超逼真的高清視頻的視頻生成模型Sora。對于不少視頻模型的創(chuàng)業(yè)公司而言，“滅霸”O(jiān)penAI的開年響指并不好受。但業(yè)內更多人認為，視頻等多模態(tài)模型，將在2024年創(chuàng)造新的商機。

而市場，也已經(jīng)做好了迎接AI商業(yè)化的準備。經(jīng)歷三年疲軟的消費市場，在2023年Q3終于復蘇。在硬件層面，手機、PC等消費電子的銷量回升有目共睹。在軟件應用層面，根據(jù)移動市場分析平臺data.ai的統(tǒng)計，2023年全球移動市場用戶的支出同比增長了3%——截至2023年末，生成式AI應用的月用戶支出也突破了1000萬美元。

2023年下半年以來，出海淘金，也成了不少AI廠商拓展商業(yè)機會的方式。無論是在新環(huán)境中尋求資本，還是尋找具有更高付費能力和意愿的客戶，不少國內的AI廠商提起出海，都給予36氪同樣的答復：“Why not？”

2024年，關于大模型的機會、應用落地的方向、做ToB還是ToC、本地化還是出海，36氪總結了6大趨勢。

語言日漸擁擠，視聽乘風起勢

即便模型層短時間內誕生了5家獨角獸，但企名Pro的數(shù)據(jù)顯示，2023年AI領域的融資總額比2022年少了4.5%，甚至還不到2021年的一半。

這意味著，熱錢集中地涌向了少數(shù)團隊背景和技術實力強大的公司。從資源分配的角度而言，后來者想要再擠進模型層創(chuàng)業(yè)，空間已經(jīng)不多。

智譜AI CEO張鵬認為，從商業(yè)競爭的角度而言，2024年LLM賽道已經(jīng)接近紅海：“一，算力等資源緊張的問題還沒有解決；二，從市場空間的角度而言，不需要重復造輪子；三，模型能力很大程度上依賴先發(fā)優(yōu)勢，積累用戶反饋、行程數(shù)據(jù)，從技術迭代的角度，后來者很難跟上主流的水平?！?/p>

即便零一萬物內部的模型訓練研究顯示，模型參數(shù)量還有很大的提高空間，在零一萬物技術副總裁、Pretrain（預訓練）負責人黃文灝看來，目前模型層的困難主要是在算力資源上：

“從GPT3.5到GPT4有大量的技術挑戰(zhàn)要解決，算力資源限制會減少迭代試錯的機會，大家都會選擇確定性較高的路徑，就錯過了一些創(chuàng)新的機會。”

紅海中，永恒不變的只有頂級人才的號召力。遠識資本董事Yuca對36氪表示，基金不會把雞蛋放在同個籃子里，OpenAI、微軟、谷歌這些頂級公司的華人專家，還存在撬動國內資源的可能。

LLM賽道日漸擁擠，但3D、視聽等多模態(tài)模型仍是一片藍海。

月之暗面聯(lián)合創(chuàng)始人周昕宇向36氪列舉了不少模型有待突破的底層技術，其中不少與多模態(tài)有關，比如如何對多模態(tài)數(shù)據(jù)進行統(tǒng)一表示；如何用計算來突破數(shù)據(jù)的瓶頸；如何研發(fā)出更高效的多模態(tài)無損壓縮神經(jīng)網(wǎng)絡架構。他認為，這些技術突破都可能成為2024年模型層公司的機會，但也可能需要更長時間才能取得突破。

多模態(tài)能力的突破，也將給大模型的整體能力帶來超預期的提升?！坝捎诖竽Ｐ偷姆夯裕芰Φ峭ㄓ玫?、全面地提高，不會是單點的突破?！秉S文灝告訴36氪，“無論是圖片還是音頻，多模態(tài)數(shù)據(jù)會和文字形成1+1>2的效果。”

不過，3D和視聽生成技術在2023年的迭代速度之快，已讓人瞥見2024年的商業(yè)化浪潮。以技術復雜的視頻生成為例，2023年初，視頻生成模型尚且只能將多個靜止的圖像拼接成幾秒長的剪輯。但不到6個月，以Runway Gen2為代表的模型就能生成幾秒長的電影級影片。

時間再來到同年11月，由4名華人創(chuàng)立的動畫視頻生成公司Pika，就釋出了可以生成分鐘級高質動畫視頻的產(chǎn)品。Pika的估值，也飆升至近2億美元。

而僅僅再過了3個月，2024年2月16日，“滅霸”O(jiān)penAI又殺死了視頻生成的游戲，發(fā)布可以生成60秒連貫高清視頻的文生視頻模型Sora。這也意味著，視頻生成模型距離商用，已經(jīng)近在咫尺。

LLM解決的是最基本的交流問題，而3D、視聽等多模態(tài)則能讓AI模型擁有超人類的感官，應用創(chuàng)新和模式創(chuàng)新的機會遠多于LLM。

多模態(tài)技術能落地的場景，大致可以分成兩類：一類是提供生產(chǎn)力工具，另一類則是提供新場景。

在工作和生產(chǎn)場景下，模型服務的商業(yè)模式已經(jīng)較為成熟，但這也意味著入局者眾多，競爭壓力更大。企業(yè)的核心競爭力在于能否建立全流程服務，滿足用戶的細分需求，同時形成數(shù)據(jù)飛輪。

隨著多模態(tài)技術的提升，不少人在智艙、物聯(lián)網(wǎng)、XR等場景中看到了新機會。對于新場景的創(chuàng)業(yè)者而言，跑通商業(yè)模式的先決條件，則是尋找到具有獨特價值的細分場景。

模型“瘦身”，先場景后模型

但通用基座的紅海，并不意味著模型層已經(jīng)失去入局的空間。

一個明顯的趨勢是，隨著應用落地的加速，不少中小模型廠商開始“瞄準釘子揮錘子”，先找到能落地的細分場景，再針對性地訓練模型。

這一現(xiàn)象，與市場的反饋不無關系。應用落地的迫切性，讓下游廠商比起更強大的通用性能，更關切模型調用的成本，以及在端側部署的可能性。

由于模型推理需要消耗的算力巨大，來自底層的成本壓力會層層傳導至下游。以OpenAI為例，根據(jù)美國金融公司 Bernstein 的分析，如果ChatGPT的訪問量達到谷歌瀏覽器的十分之一，OpenAI 初始需要的GPU價值高達481億美元——這部分的成本也勢必會分攤到下游的應用廠商。

降本最直接的方式，是減少模型的參數(shù)量。2023年下半年以來，不少擁有千億級參數(shù)基座的模型廠商，都發(fā)布了十億級參數(shù)的模型。比如百川智能發(fā)布了7B的語言模型，智譜AI和零一萬物發(fā)布了6B的模型版本，用純CPU就能將模型跑起來。

但光“瘦身”，不足以成為模型廠商的競爭力。其緣由在于，各家大模型的能力尚未產(chǎn)生明顯差距。遠識資本董事Yuca舉了一個例子：在國外，所有應用廠商優(yōu)先考慮的模型一定是GPT-4；但在國內，應用廠商挑不出一個出類拔萃的，一般會考慮把十幾個主流模型都先試試。

“現(xiàn)在談大模型的競爭力還為時尚早?！本W(wǎng)易有道CEO周楓對36氪表示，“核心是要從應用中找到千億級的市場機會，找到‘大模型原生的產(chǎn)品形態(tài)是關鍵。”

他以有道的長項翻譯場景為例，雖然有道自研的百億參數(shù)模型“子曰”整體對話能力不如千億參數(shù)的ChatGPT，但通過基于向量數(shù)據(jù)庫的訓練，“子曰”能夠5秒翻譯67頁長論文。

即便認為“現(xiàn)在談大模型的競爭力還為時尚早”的判斷還有待商榷，智譜AI CEO張鵬在模型落地層面，表達了類似的觀點：“落地階段最重要的是找對場景，培養(yǎng)用戶，形成數(shù)據(jù)飛輪。”

培養(yǎng)用戶，越早越好。月之暗面聯(lián)合創(chuàng)始人周昕宇告訴36氪，從新技術的擴散曲線來看，最早期的用戶和開發(fā)者會帶動更多的用戶：“2023年可以吸取的經(jīng)驗教訓是，應該更早點兒給用戶去用，很多用戶自己會探索大模型產(chǎn)品的邊界，發(fā)現(xiàn)產(chǎn)品經(jīng)理想不到的場景和應用。2024年，AI落地的重點是如何與用戶一起成長?！?/p>

一個通過找對場景，順利在模型層占有一席之地的典型案例，是估值達5.2億美元的AI公司Perplexity。Perplexity通過將大模型和搜索引擎結合，開發(fā)出了類似于New Bing的對話式搜索引擎。

不過，Perplexity的模型，最初是基于一些規(guī)模更小、推理更快的模型進行微調而來。直到最近，他們才開始訓練自己的模型。

對于前期“套殼”的決定，Perplexity CEO Aravind Srinivas在播客節(jié)目中銳評：“成為一個擁有十萬用戶的套殼產(chǎn)品，顯然比擁有自有模型卻沒有用戶更有價值?！?/p>

不過在未來，自訓模型仍然會成為AI應用企業(yè)不可缺失的一環(huán)?！癆I公司的核心競爭力會是模型、應用、infra‘三位一體的能力。最大的應用公司必須掌握模型訓練能力，模型的推理成本降低對應用是最大的提升。三者缺一不可?！绷阋蝗f物技術副總裁、Pretrain（預訓練）負責人黃文灝對36氪表示。

可穿戴，家居……AI托舉細分硬件

2024年，將是AI硬件元年——這一判斷，已經(jīng)出現(xiàn)在國內外不少廠商的年初展望中：

高通總裁兼CEO Cristiano Amon在接受媒體采訪時表示，2024年將成為全球AI手機元年；聯(lián)想集團CEO楊元慶將2024年視為“AI PC出貨元年”；OPPO高級副總裁劉作虎在發(fā)布會上直言：“2024 年，不布局大模型的手機企業(yè)未來沒戲?！?/p>

不少硬件廠商，將AI大模型視作消費電子低迷三年后的一根“救命稻草”。但廠商們將AI從云端轉移至終端設備，有著更為現(xiàn)實的考量——在大模型和終端的適配標準尚未建立之時，押注下一個入口型智能硬件，爭先建立繼IOS、安卓、Windows之后AI OS（操作系統(tǒng)）。

比如1月10日，榮耀發(fā)布了新一代AI系統(tǒng)MagicOS 8.0，用“端云協(xié)同”作為AI生態(tài)的賣點。在CES（國際電子消費展）上，聯(lián)想透露預計在2024年內發(fā)布“智能終端AI OS（操作系統(tǒng)）”?！癢indows老家”微軟，也宣布將AI助手Copilot鍵引入Windows 11 PC，并將其描述為“AI PC的第一步”。

但無論是PC、手機，還是汽車，這些具有復雜軟硬件生態(tài)的智能終端，與大模型的結合仍然差一口氣。

其一，被賦予“高效率、低能耗”厚望的硬件“大腦”——NPU（神經(jīng)網(wǎng)絡處理器）芯片，仍處于研發(fā)初期。大模型接入智能終端后，能耗和運行效率問題依然難以解決。

其二，囿于大模型能力和硬件不統(tǒng)一的適配協(xié)議，AI在智能終端上能落地的場景仍然有限。面壁智能CTO曾國洋告訴36氪，終端標準協(xié)議的建立，是全球軟硬件廠商之間的博弈，很難預判勝者是誰。

相對地，瞄準垂直場景的設備，在結合AI模型后反而迅速開辟了市場。

在作為“科技市場風向標”的北美，AI硬件迅速崛起的消費趨勢已經(jīng)證明了這一點。

比如在CES 2024首秀的橙色盒子Rabbit R1，可以代理人類完成對手機的操作。發(fā)售首日，第一批的1萬臺機子就迅速售罄。在北美電子產(chǎn)品購物平臺ebay上，甚至有人加價幾百美元，靠拍賣Rabbit R1謀利。

Rabbit R1

事實證明，只要抓住用戶的痛點，再垂直的場景都能帶來巨大的財富。

比如AI+戒指——售價349美元（約2507.31元）的AI戒指Gen3，主打健康檢測，其母公司OuraRing估值高達25.5億美元；

AI+跑鞋——由AI驅動的跑鞋Moonwalker，能夠在不改變正常步行方式的情況下將步行速度提高250%，即便預售價高達999美元（約7177.09元），在Kickstarter上也有570人參與眾籌，募款額達到目標金額（9萬美元）的近6倍；

AI+徽章——得到微軟和OpenAI投資的Humane，推出了一款內嵌GPT的AI別針AI Pin，主打通過手勢交互調用通訊、搜索、播放音樂等不同功能，預訂量已經(jīng)超過450萬臺。

#AI Pin的搜索功能

以北美為鑒，不少業(yè)內人士認為，健康監(jiān)測、家庭陪伴等被北美市場驗證的場景，在2024年會馬上在國內被復制。

而在具有中國特色的場景中，最被看好的則是學習和翻譯。

回答的準確率，以及情緒價值的提供，一直是大眾對AI教學、翻譯能力的主要質疑點。但真金實銀是最真實的市場反饋：接入“星火大模型”后，訊飛學習機、智能辦公本、翻譯機等產(chǎn)品在雙十一全周期內銷售額同比增長126%；網(wǎng)易有道首款搭載大模型功能的有道詞典筆X6 pro，產(chǎn)品首發(fā)日銷量超4萬臺，開學季銷售額超1億元。

在遠識資本董事Yuca看來，在學習場景下，中國用戶天然處于已經(jīng)被教育好的狀態(tài)：學習硬件的用戶畫像主要為中小學生群體，這一群體的特征是樂于接受AI科技等新鮮事物，且對授課方式敏感度不高。在知識類數(shù)據(jù)庫（比如教材、真題）較為透明的情況下，AI的準確率也得以保證，甚至穩(wěn)定性高于人類教師。

而AI翻譯產(chǎn)品可輻射的用戶，比學生更廣。Yuca認為，隨著旅游市場復蘇、簽證門檻放低，跨國交流成為剛需。隨著AI能力的發(fā)展，耳機等不同形態(tài)的翻譯設備也將率先走進口音/特定聲音識別能力、同傳速度這兩個戰(zhàn)場。

“個性化分析和指導、引導式學習、全學科知識整合?！闭劶癆I能給學習硬件帶來的新機會，網(wǎng)易有道CEO周楓認為有三點。在教育場景中，這些功能的提升原被認為只有人才能做到，而隨著多模態(tài)能力的提升、Agent的發(fā)展，大模型在細分場景中更具有“擬人”的能力。

留住用戶，拼全流程服務

2023年，不少AI應用快速起高樓，又迅速如曇花一現(xiàn)：

提供文案、圖片生成等AI營銷工具的Jasper，在2022年底估值一度高達15億美元，擁有100萬總用戶和7萬付費用戶。但僅過了半年，Jasper用戶量銳減，面向員工的股票估值打了8折，并開啟裁員；

在國內紅極一時的AI寫真生成應用“妙鴨相機”，高峰期排隊人數(shù)高達4000—5000人，等待時間要十幾個小時。但根據(jù)七麥數(shù)據(jù)，上線不到4個月，伴隨著創(chuàng)始人的離職，妙鴨相機在IOS“社交”應用榜單上的排名，從榜首一路下滑到60開外。不

少AI應用都難以逃脫“倒U型”用戶量曲線的魔障。其核心原因有二：底層技術沒有壁壘，同質化產(chǎn)品易復制；服務鏈條短，用戶難以對工具生態(tài)產(chǎn)生依賴。海外頭部AI圖像生成應用下載趨勢，圖源：Sensor Tower

“像妙鴨一樣的AI軟件應用，可以通過巧妙的營銷或者獲客方式快速起量。但想要維持用戶增長，超越美圖、Photoshop這樣的產(chǎn)品，核心在于妙鴨們能否將服務，快速迭代到全流程的水平。”遠識資本董事Yuca向36氪舉了個例子：

妙鴨相機通過更精細的AI寫生生成技術，快速聚集了一波用戶。但妙鴨的服務鏈條僅限于照片生成，具有修圖、編輯等需求的用戶，又會回到美圖和Photoshop的服務生態(tài)。

AI應用的用戶留存思路，本質上與任何產(chǎn)品的發(fā)展并無二致：找到一個解決剛需的場景，完善全流程的服務鏈條，不斷迭代更新IP，拓展使用場景。

找場景和IP迭代，可以被視作產(chǎn)品不同發(fā)展階段的流量入口。比如在《芭比》電影上映期間，AI寫真小程序“45 AI”，靠首發(fā)芭比模板在兩天內聚集了2萬多用戶，美圖秀秀等老牌美圖軟件也緊隨其后上線芭比模板。而春節(jié)將至，ChatMind、MiniMax等團隊也快速在AI社交產(chǎn)品上，針對年輕人更新了親戚拜年的闖關場景。

對不少產(chǎn)品來說，找到合適的流量入口不難，但用全流程服務和更廣的場景承接流量并不簡單。

例如，線上服務，需要從滿足單點功能，延伸到涵蓋使用前、中、后的全流程，比如針對想要體驗寫真生成的用戶，企業(yè)還要滿足他們后續(xù)修圖、美顏的需求。當線上服務場景已經(jīng)涵蓋全流程，就要考慮往線下場景延伸，比如將AI功能嵌入多形態(tài)的硬件設備中。

在用戶留存層面，2023年能帶給2024年的經(jīng)驗教訓是：靠一個強大的AI功能并不能一勞永逸。畢竟，人類專業(yè)攝影師也難求一稿包過，根據(jù)用戶的需求后期精修才是常態(tài)。

用To C的思維，做To B服務

2023年，大模型落地很快產(chǎn)生了To B和To C的分野。

選擇To B場景，大多離不開企業(yè)基因和商業(yè)化兩個原因。智譜AI CEO張鵬談及選擇To B的原因，是公司成立初期已經(jīng)原始積累了一批企業(yè)客戶資源，“To B是商業(yè)化能夠比較快跑起來的途徑”。

選擇To B或是To C，也有產(chǎn)品迭代和建立數(shù)據(jù)飛輪的考量。作為為數(shù)不多堅定To C的大模型公司，月之暗面的理由是：迭代效率。月之暗面CEO楊植麟曾在公開采訪中表示，這是一個“以終為始”的選擇，月之暗面的“終”是探索智能邊界，做個性化，反推適合的人才結構、產(chǎn)品策略的“始”，就是To C。

“從長遠來看，成功的商業(yè)策略應當是To B與To C并重，構建起既能滿足企業(yè)和組織需求，又能貼近廣大消費者的產(chǎn)品和服務生態(tài)體系。”零一萬物技術副總裁、Pretrain（預訓練）負責人黃文灝告訴36氪。在他看來，To B和To C業(yè)務對模型迭代能力的影響各有側重。

“通常來說，To B業(yè)務因其專業(yè)性強、定制化需求多等特點，在企業(yè)服務方面已經(jīng)相對成熟。To B業(yè)務收集數(shù)據(jù)的速度雖然較慢，但所處理的數(shù)據(jù)通常更為結構化、質量更高，對于特定行業(yè)知識的學習與積累有著不可替代的優(yōu)勢?！秉S文灝表示，“而To C業(yè)務，由于用戶基數(shù)大、交互頻繁且應用場景多元化，確實更容易形成數(shù)據(jù)飛輪效應。同時，由于消費者對新技術接受度高，創(chuàng)新擴散速度快，從而吸引更多的新用戶，形成良性循環(huán)。”

然而在模型落地的實際過程中，不少廠商發(fā)現(xiàn)，To C和To B的邊界正在逐漸模糊。

智譜AI CEO張鵬告訴36氪，大模型To B和以往的To B服務模式并不同。以往的B端服務，主要滿足的是來自企業(yè)的業(yè)務流程標準化的需求。但大模型的智能能力提升后，企業(yè)對To B服務的需求，擴展到了工作提效、員工助手、知識培訓等聚焦于個體服務的場景。

“即便是做業(yè)務相關的AI Agent，最終的用戶是員工個體，服務的其實還是C端群體?！睆堸i解釋。

什么叫做To C思維？在月之暗面聯(lián)合創(chuàng)始人周昕宇看來，“用戶會為對自己有幫助的產(chǎn)品直接買單?！迸c傳統(tǒng)To B倡導服務的標準化不同，To C服務需要滿足不同用戶的個性化需求。甚至，To C產(chǎn)品需要根據(jù)用戶的使用習慣進行不斷迭代，個性化的迭代會貫穿用戶完整的使用周期。

不過，對于To B模型廠商而言，想要長久盈利，就必須提供標準化服務。

遠識資本董事Yuca認為，國內數(shù)字化預算主要集中在大客戶手中。目前對大模型廠商而言，服務大客戶的定制化服務利潤最高，但付出人力時間成本高，回款周期長，且只有極少部分大客戶能夠承擔。

不少To B模型廠商，開始尋找能實現(xiàn)個性化服務的標準技術路徑。比如，國內外已有不少廠商在To B大模型服務中引入RAG（檢索增強生成）流程，實現(xiàn)對企業(yè)的個性化服務。RAG就好似大模型與企業(yè)私有數(shù)據(jù)庫之間的“傳聲筒”，隨著私有數(shù)據(jù)庫的更新，相應的模型服務也會隨之更迭。

2024年，To B模型廠商抓住金字塔尖的大客戶依然重要，Yuca補充，“不同ToB行業(yè)有極高的行業(yè)壁壘，如何切入高行業(yè)壁壘的大客戶也是需要思考的問題”。但位于塔身的廣大客群，是目前To B模型廠商立身的富礦。

出海，淘金

如今，出海成了不少國內AI廠商無奈又為之振奮的抉擇。

中國互聯(lián)網(wǎng)公司的海外AI產(chǎn)品

無奈，更多來源于對資源的內憂外患。

在美元基金退出、芯片供應受阻的大背景下，AI廠商在國內融資、訓練模型的難度驟增。據(jù)不完全統(tǒng)計，在國內，2023年上半年融到錢的大模型企業(yè)大概有20多家，但下半年數(shù)量驟減至不到1/2——錢早已涌向了少數(shù)大模型的早期玩家，后來者的處境并不樂觀。

站在基金的角度，遠識資本董事Yuca告訴36氪，由于時局并不明朗、IPO充滿不確定性，基金更在意如何在IPO前順利退出，并且從中獲利：“海外市場收并購相對國內成熟，出海項目存在收并購可能性較國內高很多，相比走IPO的獨木橋，對基金來說退出更容易一些?！?/p>

相較于國內，海外，尤其是北美，企業(yè)之間的收并購更為常見。據(jù)數(shù)據(jù)分析公司GlobalData統(tǒng)計，在2016年至2020年期間，蘋果一共收購了25家AI公司，谷歌收購了14家，微軟收購了12家。

被這些大廠收購后，創(chuàng)業(yè)者依然能夠選擇二次創(chuàng)業(yè)。比如，曾為蘋果員工的Adam Menges，在創(chuàng)辦的兩家公司分別被微軟和Niantic收購后，他又加入了AI設計初創(chuàng)企業(yè)Visual Electric，獲得了紅杉的投資。

而出海更令人振奮的緣由，莫過于海外有著近中國14倍規(guī)模的AI市場。IDC的報告顯示，2022年中國AI軟件市場規(guī)模為307億元，全球則為640億美元（約4606.4億元）。

同時，在全球成本差異不大的前提下，由于付費能力和付費意識的差異，同樣產(chǎn)品在海外的利潤率將高得多。以Apple Music為例，同樣的音樂服務，美國的訂閱費是10美元/月（約71.93元/月），是中國訂閱費（10元/月）的7倍。

至于模型服務，智譜AI CEO張鵬認為，海外客戶對標準化的接受程度更高，但國內客戶更傾向于選擇定制化，這導致模型服務在國內的ROI（投資回報率）并不高。不少受訪者的觀點是，只要能和OpenAI、微軟等大廠形成服務或者價格上的差異化優(yōu)勢，出海對于To B模型廠商而言能夠拓展更多商業(yè)機會。

此外，一個不得不承認的事實是，國內大模型與GPT-4的客觀差距仍然存在。但目前，GPT-4等部分高性能模型無法進入國內市場。在海外，依托于更高性能的模型底座，AI廠商能夠實現(xiàn)更多的應用創(chuàng)新和模式創(chuàng)新。

在與國外廠商技術差距可控的前提下，中國AI廠商出海的天然優(yōu)勢，則在于對渠道和價格的把控能力。

對于AI軟件廠商，尤其是To C應用而言，經(jīng)受國內社交+電商+視頻三位一體的復雜獲客渠道的捶打，面對國外以亞馬遜、Instagram等獨立平臺為主的渠道生態(tài)，就從容了許多?！澳茉趪鴥冗@么卷的渠道環(huán)境中殺出來的，在國外一定不會差?！币幻诒泵赖腁I創(chuàng)業(yè)者對36氪判斷。

對于AI硬件廠商而言，極致性價比依然是收割海外客戶的利器。即便全球供應鏈正在往東南亞轉移，但核心部件的生產(chǎn)技術專利仍然把握在中國廠商手中。AI硬件廠商能夠通過供應鏈優(yōu)勢，在海外市場把握定價權。

不過，廠商們也要清楚地認識到，海外市場與國內市場存在不小的差異，這會全方位地影響產(chǎn)品定位、UI設計、訓練數(shù)據(jù)、團隊建設。將本地化產(chǎn)品或者團隊1：1復刻到海外，結局大多是水土不服、鎩羽而歸。

比如對于AI繪畫軟件，國內用戶偏愛國風模板，但海外用戶則更偏愛漫威和3D。在國內，To B的AI公司需要建立相當規(guī)模的工程化團隊，以滿足客戶的定制化需求，但在標準化接受程度高的海外，AI公司反而要放更多精力在底層技術打磨，以及建立高水平的銷售團隊上。

如今，一批國內大廠已經(jīng)用AI瞄準了海外市場，而不少AI初創(chuàng)企業(yè)的出海財富故事，也已在業(yè)內流傳：

由西南財經(jīng)大學計算機教授段江創(chuàng)立的AI圖片編輯軟件Fotor，在全球超過5000個AI應用中，2023年9、10兩月訪問量排名23，月活高達千萬；MiniMax旗下的海外AI聊天軟件Talkie，自2023年8月發(fā)布以來，就長期位于美國Google Play娛樂應用下載榜前10。

可以預見的是，成功探路的案例越多，AI出海的隊伍將在2024年愈發(fā)壯大。（來源：智能涌現(xiàn)）