力大飛磚卷研發，到向下競低卷價格，全球視野下的大模型與生成式AI已然走過創新擴散的興趣階段，行至社會評估其創新可行性的卡點。

正如紅杉資本在“Generative AI’s Act Two”(《生成式AI的第二幕》)中指出的，目前生成式AI應用的最大問題，是需要證明自身的價值。值此情況下，中美大模型落地路徑再次出現方向的分野。

繼GPT4o進一步打開了多模態的想象力后，蘋果Apple intelligence、微軟Copilot等借由移動終端的多模態智能愈發火熱。AI儼然成為低迷的消費電子市場的新變量，智能手機、PC、智能眼鏡等硬件也成為AIGC價值落地的重要載體。

相比之下，中國玩家們尋求的路徑以及落地載體相對更偏向“打直球”——載體是什么并不重要，關鍵在于能夠進入實際場景并發揮價值的應用。

且不論AI原生應用早在去年末便為多位AI意見領袖提至臺前，實際上，應用層的創新不但是AI賽道的絕對主流，亦是千行百業尋求后移動互聯網時代新增長的必經之路。

由吳曉波和阿里云領銜策劃與執筆的《云上的中國3：劇變中的AI時代》一書，便在大模型競相涌現并賦能干行百業的時代背景下，通過實地調研與深入對話，捕捉記錄了近2年來AI行業的發展和技術創新。

10余位頂尖技術專家的獨特視角與觀點、40余家行業領先企業的標桿案例均佐證了，在擁有海量場景以及產業優勢的中國，應用無疑是是撬動大模型價值的唯一支點。

親自下場的“路徑依賴”

自推出僅短短兩個月時間內，ChatGPT月活超1億，成為全球迄今為止最快達到1億MAU的應用，其背后的OpenAI亦拉開了生成式AI時代的大幕。

基于生成式AI代表未來的共識，率先下場的科技企業爭先推出自家搗鼓出的大模型，以求把握底層研發的主動權。百度文心一言、阿里通義千問、訊飛星火、華為盤古、騰訊混元等模型跑出了“中國速度”，在去年同一時間還被預設為標桿的GPT3.5，而今已幾乎不再被提起。

看似無所不能的基礎模型天然具有產品化的特點，然而圍繞其“草草”搭建的Chat Bot，卻稱不上是一個完善的產品。

過于通用與泛化的功能于用戶側而言，意味著無邊際的自我探索，嘗鮮勁兒過了就被打入冷宮——QuestMobile數據顯示，頭部AIGC App運營數據活躍率低，均在20%以下；忠誠度方面，3日留存均在50%以下；流失風險高，部分App的卸載率在50%以上。

無論怎么“卷”大模型的研發，最終還是要回歸到商業的本質上來，公司不能一味燒錢，必須向盈利的目標邁進。

事實上，早在去年，頭部科技企業便基于商業化的共識，依靠豐富的場景、數據與算力儲備迅速搶占模型層的高地，并率先尋找價值落地的載體。一時間，國內首款面向C端的AI原生爆款應用“妙鴨相機”與針對具體業務場景精調的垂直模型交相輝映。

從《云上的中國3》所走訪調研的一系列案例中我們發現，似妙鴨相機一般橫空出世的AI原生應用不過是少數，AI在實際應用的落地更多還是基于大廠的既有業務，如網易在《逆水寒手游》中首次以AI驅動人物NPC的響應、語言和表情，亦或是百度將AIGC滲透進搜索業務中，目前已有11%的結果由生成式AI生成。

究其原因在于，親自下場難免存在一定的“路徑依賴”，使得AI落地路徑局限于既有業務之中。好比過去移動互聯網方興未艾之時的互聯網應用“端轉手”，這是企業延續既有優勢領域并尋求進一步發展的必行之路，卻難以做到面面俱到，更多適應于新一輪浪潮的應用仍在萌芽——小紅書、抖音、快手等便是佐證。

這輪AI浪潮中，中國的優勢無疑在于龐大的消費市場與產業優勢所帶來的豐富場景。相比海外，國內大廠確實手握更豐富的場景，但這于生成式AI的滲透而言還是不夠快。

因循這一邏輯，為了吸引更多開發者加入AI創業浪潮，國內的基礎版大模型調用經歷了從“元”到“厘”再到“免費”的跨越。

AI時代的創新，并不需要像Sora、GPT一般驚艷整全球。相反，立足于實際需求，用AI時代的效率逐步取代甚至創造新的應用場景亦是題中之義。

AI創新帶來業務升維

資源密集型、資本密集型與人才密集型是AI大模型誕生之初的行業共識，有觀點認為這終將導致AI成為少數人的無限游戲。

但自《云上的中國3》中記錄的細分領域創新來看，AI從來不是少數人的無限游戲。事實上，自阿里于去年呼吁AI進入千行百業并為這提供算力支持起，AI賦能業務的創新便從未停止。

最新數據顯示，通義大模型通過阿里云服務企業超過9萬、通過釘釘服務企業超過220萬。除了妙鴨相機這款中國首個跑通商業模式的AIGC應用外，阿里云已然成為互聯網視域下的多家大型企業拓展AI能力的算力底座。

前文提到的《逆水寒手游》便是AIGC在C端的實際用例，其背后是網易伏羲實驗室以將宋代文學作品作為大模型的訓練材料，從而為玩家們呈現出能與玩家做出符合時代背景的實時交互的NPC。

值得一提的還有正在向交易所邁步的喜馬拉雅，其正逐步將AIGC引為平臺音頻內容創作的核心引擎。例如，專為音頻創作者開發的工具“云剪輯”，集成了智能音量、智能配樂、音轉文剪輯、AI分段、智能檢測、一鍵成片等功能。此外，其語音合成與語音識別技術也被廣泛應用于評書、新聞、小說等多種內容的制作中。

遠在互聯網視域之外，智慧工業的浪潮早已席卷全球。作為產業強國，中國的工業數智化也為AIGC的應用創造了數不盡的實際場景。

以三一重工為例，早在《云上的中國》系列圖書與紀錄片中就有記錄其借助傳感器、邊緣計算、數字孿生等技術，構建了以數據為核心的云上資產。而今在AIGC的賦能下，過去需要傳感器收集的作業數據可以通過“虛擬游戲AI應用”的方式收集，僅需在仿真環境中變化不同的作業工具，即可通過游戲化操作來生成大量訓練數據，從而指導現實產品的研發與生產作業。

不難看出，無論是針對to B和to P（專業生產者）場景的工具類應用還是針對to C場景的娛樂應用，均佐證了AIGC為既有業務帶來的躍升效應。更重要的是，上述案例對AIGC的應用集中在細分場景。

不容忽視的事實是，新興技術的未知性特點與大模型的“黑箱”相互作用，AIGC的應用與創新也主要以探索的方式由點及面。

吳曉波亦在書中提到：“這一輪創業，創業者創建一個平臺型公司的機會越來越少，但創業的顆粒度會變得越來越細。”

這意味著，即使是最初發力模型底座的廠商也無法借主動權“大包大攬”，否則將成為“高科技施工隊”；另一方面，無數細分場景的創新并非少數巨頭能覆蓋，這對創業者而言無疑是基于“同一起跑線”的競爭機會。

相比于發力模型層而不得不投入海量算力、數據等資產的大廠，創業者反而可以借成熟的開發生態快速實現自己的想法。而生成式AI的大幕之下，是以AI大模型為驅動的第三輪創業潮。

生態系統戰

AI創業正當時，模型層的競爭也自然而然地從過去卷技術、卷價格過渡到了卷生態階段。

過去我們討論生態，往往是討論借由不同硬件、操作系統乃至聚合應用平臺的流量馬太效應而催生的不同入口。如果仍以此論AI時代的創新，無疑是重拾移動互聯網時代的窠臼。

以當下火熱的AI終端競爭為例，如果玩家們以下一時代的集成式硬件入口為商業化的終局，這客觀上將導致不同模型底座和硬件互斥的情況，將競爭拉向模型底層。亦或是像當下的聚合平臺一般，以臃腫的身軀囊括了大部分高頻需求，面臨更為嚴峻的競爭烈度的同時還錯過了許多微小的創新機會。

事實上，在格局未定的AI賽道，入口還在不同硬件、OS、應用中流變。而我們討論的生態也并非局限于產品，而是面向開發者這個價值富礦。

圍繞降低開發門檻的主軸，國內大廠的諸多動作可以被視作是比拼生態的關鍵信號：阿里云推出了百煉大模型平臺，開發者可通過“托拉拽”5分鐘開發一款大模型應用，幾小時“煉”出一個專屬模型；百度推出了分別針對模型層與應用層的ModelBuilder、AgentBuilder與AppBuilder，還有字節跳動、騰訊、科大訊飛等模型服務商等不一而足。

就生態構建而言，面向開發者的AI原生開發工具還是企業側的精細定制化MaaS已然成為兵家必爭之地，自然難免出現同質化的情況。

這意味著，生態運營能力成為生態系統構建的關鍵。比如各大廠商早在去年便有上馬的不同名目的開發大賽，或是以企業既有業務作為模型服務的“附加值”。前者更多在于對行業生態的建設，而后者則相對難以量化，更多存在于服務商BD的“推杯換盞”中。

相比之下，這場生態卡位戰需要的是范圍更廣、更持久的設計。

以阿里云為例，其自去年9月21日推出“創業者計劃”以來，已為累計近15000家初創企業提供最高100萬元的云上抵扣金支持。

除此之外，不得不提的還有阿里云搭建的國內首個AI開源社區魔搭。2022年底，阿里云就已上線了模型社區魔搭（ModelScope），上架了自研的300個模型。開放至今，該社區現在已有4500多款AI模型，聚集了超500萬開發者。

據悉，魔搭社區分為模型庫、數據集、創空間、討論區等不同板塊，每個板塊都有對應的GitHub代碼鏈接和相關內容介紹。這不僅是開發者的價值富礦，更是AI創業潮下，創業者繞不過去的AI“圣地”。

日前召開的阿里云AI峰會上發布的Qwen2的72B模型，已然登頂Hugging Face開源模型榜首。

基于阿里云對AI大模型開源的價值研判，云不再只是互聯網時代的基礎建設，而是在生成式AI浪潮中舉足輕重的AI Infra，也是AI在應用層面創新和落地的必由之路。

于模型廠商而言，未來不僅要比拼大模型的能力，還要比拼模型的服務能力。于創業者而言，未來的創業一定是AI創業，也必然是云上創業。