国内，百度，阿里，科大讯飞，商汤相继布局，王小川，李开复，王慧文等等也相继入场，“他们”在给人工智能刷存在感，人工智能也在给“他们”刷存在感，国外最近也掀起了一股大佬混战的热潮。
作为亲身体验了手机网络时代，并参与了上一波人工智能热的投资人，同时也创办了 BigModelInc.的李开复，说出了“这一波 BigModelInc.可能10年内都无法盈利”的话，看起来并不是很乐观。
或许，在经历了一波又一波的人工智能之争后，我们现在需要考虑和应对的问题是，在人工智能的大潮中，公司应该怎样在科技信念和市场导向之间取得平衡？如何规避大型模式的高培训费用和研究开发费用？而人工智能公司又该怎样盈利，来推动人工智能初创公司的持续业绩增长，并迅速完成 IPO，实现上市呢？
到了2024年，人工智能的大型建模产业，将会经历一场真正的洗牌。
国外，大型模式难以实现盈利
外国媒体最近发表文章称，目前的 AI热可能已经开始降温。
而在大规模模式转化为现金流时，投入和收益的不平衡也日益清晰，那些赌上了这次变革的技术企业，都在绞尽脑汁想办法弥补巨大的投入和未来收益的不平衡。
这个问题对于那些已经筹集了数十亿美金来发展一般的 AI的新兴公司来说尤其严峻。国外的一些创业公司也认识到，在与微软和谷歌这样的技术巨人竞争 AI方面，创业公司所需的资金门槛已经上升到了几十亿美金。而且，就算有了这笔钱，那也是九牛一毛，未必有用。
从三月中旬开始，几个曾经很有前途的 AI创业公司已经在财政上受到了很大的打击。
融资15亿美元，却几乎没有盈利的 Inflection AI公司，早已抛弃了它最初的商业模式。
Stability AI，这个以开放源码大型模型平台 Stable Diffusion闻名的公司，不但削减了员工，而且解雇了 CEO。
Anthropic公司获得了亚马逊、谷歌的大量资金支持，但它的收入和庞大的开支却相差了将近180亿。
最近，在 Facebook和 Salesforc进行了海外投资的麦瑞通资本，以及 TCV，通用大西洋，黑石集团等公司都暂时停止了对人工智能的投资。高德纳分析员约翰.大卫.洛夫洛克表示，随着热钱涌入人工智能的应用领域，对大型企业模式的几十亿美元投资已逐渐减少，并接近尾声.
国内的形势也并不乐观。
大型企业的利润率一直是制约行业增长的一个重要因素。
根据已公布的公开数据，到2023年，中国人工智能相关的投资和融资事件将达到232起，融资规模将达到20亿美金左右。据 CBInsights统计，在2023年度，全球范围内的人工智能初创企业共筹集到204亿美元左右的资金，较2022年度的36亿美元增长了五倍多。
到2024年的时候，资本市场上的人工智能大模型的热度已经渐渐冷却下来。一级市场方面，据 IT橘子统计，2024第一季度，人工智能产品的投资额为123.89亿人民币（RMB123.89)，人工智能产业的投资额为74.01亿人民币（RMB74.01亿），与之相对应的投资活动为36个（RMB123.89),65个（RMB74.01亿）。
就在不久前，有媒体爆料，搜狗前任 CEO王小川创办的“百川智能”，将在2024年迎来一次高达上亿美金的投资，这次投资，可能是人工智能行业有史以来规模最为庞大的一次投资，不过目前还没有得到有关部门的证实。
目前，《月球暗面》、《MiniMax》的市值都已经超过了23亿美金，《智谱人工智能》的市值更是超过了100亿人民币，这是四个在资本的推动下，迅速崛起的人工智能创业公司，俨然是未来人工智能领域的“新 AI四小龙”。
投资“新 AI四小龙”，或者说，这只是2023年以来，全球金融市场对于人工智能巨头的狂热程度的一个缩影。除了“新 AI四小龙”在产业融资中独占鳌头外，其它人工智能初创公司融资难、融资难的现象普遍存在，人工智能的应用也成了资本青睐的一个新领域。
有人说：“2024将是大数据场景的应用元年，而中国也将在大数据场景的应用上，开创属于中国的道路。”
不过，大型机型的投资实在是太大了，利润也跟不上，国内不少企业的投资明显比不上 OpenAI，最重要的原因就是没钱。往往是心比天还大，命比纸还薄，经不起市场的折腾，资本市场一个小小的波动，这中间的创业公司就成了行业的炮灰。
无法回避的 OpenAI，它的利润是什么？
众所周知， OpenAI在科技上的领先地位，总是和它的烧钱速度相匹配。但是它的商业化收益，却从未得到过明显的提高。
根据第三方营销分析平台 Sensor塔的统计，在过去的一个月里， ChatGPT的应用程序在全世界的应用程序商店里被下载了7百万次，并且获得了1千2百万美元的收入。全球的谷歌游戏市场已经有9千万次的下载，以及300万美金的订阅费。
ChatGPT Plus现在在苹果和谷歌的 app上都是19.99美金一份。ChatGPT. Plus在过去的一个月里，已经有750,000名付费用户在应用商店中进行了注册，这可以从注册数据中推断出来。
虽然 ChatGPT+依旧拥有庞大的付费客户群，但是考虑到它的移动业务，一年的进账也就两个亿而已，就算再翻个几倍，也难以跟得上它的烧钱速度，也难以支撑 OpenAI这个市值接近1000亿的庞然大物。
这也许也是为什么 GPT 5一直没有被公布，因为它的性能并没有得到很大的改善，或者它的价格过高。而这其中的关键，就在于成本与业务模型之间的关系。
最近GPT-4o发布了一条公告，GPT-4o可以自由使用，这可能不是一个关于大型型号的好消息，也不是一个关于大型型号的初创企业的好消息。OPenAI选择进入免费模式，意味着 GPT在用户和营收方面的发展遇到了瓶颈，而这一举动也将给其它大型初创企业带来压力。
虽然明知道这种“ofo式烧钱”的模式难以为继，但谁也不敢说自己不去“烧钱”了。
虽然一时之间，大量的人涌入，想要制作出大型的模型，但是顾客们却不会买账，顾客们是很理智的。在相同的技术层次上，当然是谁更廉价，谁就更好用，谁更免费，谁就更好用。你收费了，客户就不会选择你了，你的生意也就面临着马上被淘汰的尴尬局面。
出路：去 B还是去 C？
从目前主流车型的开发情况来看，面向 C的主流车型的商业化方式通常为网络订购方式。如文心所说的包月、包年等，智谱 AI会按照用户在登陆官方网站时所用的时间来收取费用。
另外，在我国的人工智能初创公司中，大多采用网络订购模式，应用场景也大多是基于聊天机器人和由此而来的人工智能虚拟陪伴。然而，要真正走出网络订购这条路，其核心还需解决好用户增长，用户体验，用户保持等几个关键的问题。特别是在国内 C端用户还没有很强的付费意识的情况下，需要确保大型 APP的 DAU不断增加。
在2024年的“百款 APP大战”中，各种 AI场景的应用不断涌现，在消费者变得越来越挑剔的情况下，各大公司想要做出一款大火的大型 APP的难度也越来越大， AI初创公司通过信息流、 app商城、 app商店来获取用户的成本也将不断上升。如何持续的场景革新和保持客户的忠诚度，是人工智能初创公司面临的一个难题。
用户保留的不稳定性也会对人工智能公司的经营费用产生直接的影响。例如，在流量剧增的情况下，人工智能企业需要进行大规模的计算能力扩充。但在流量急剧下降之后，就会产生大量的闲置和浪费计算能力的问题。
考虑到目前大型模型的高运算量，怎样通过费用分摊来降低运算量，怎样对大型模型的运算量“削峰填谷”，这也是人工智能企业需要解决的问题。
在寻找切入点的同时，企业还需要关注中国与海外的经营环境，特别是产业监管、国家法规等方面的差异，相对于海外而言，中国 C端业务在多元化、规模等方面都有很大的发展空间。
面向客户的大型模式的商业化效果或许会更加迅速。不管是 AI大模，还是 SaaS，还是云计算，或者其他什么类型的软件，如果真的能让企业降低成本，提高效率，那就是值钱的，老板们也会买账。
如何使国内 B端企业老板们真正认识到大型模式的价值，特别是与传统的 SaaS相比，大型模式的价值有多高，从而在 B端的大型模式市场上发力，是目前人工智能企业面临的重要课题。
进一步来看，面向客户的大规模业务自定义服务还存在着两个困难的问题。
一方面，对于 SaaS和云计算公司来说，价格优势对于它们的竞争优势至关重要。
另一方面，面向 B侧的客户化定制，除了传统的数据安全性、部署成本高、专业化程度高、客户需求痛点知悉程度高之外，还存在客户化服务重复性和可重复性较低，企业投入较高，客户追踪时间较长等问题。特别是，大公司的收账周期都比较长，对于人工智能初创公司的资金需求也很大。
面向客户的要求将是非常复杂和难于实现的，并且面向客户的环境在中国和海外是不同的。即使是这样，大型模式在从 A到 B的领域中的应用也会更快。
最后一句话
在面向 B的应用中，用户对解决方案的重视程度超过了对产品本身的重视程度，所以面向 B的应用不能简单地依靠大型模型和技术，而是要以解决用户的具体问题为中心。
因此，“到 B”的服务重点是解决 B侧用户的“痛点”，“到 C”的服务重点是提高 C侧用户的用户体验。
人工智能的战争，鱼龙混杂，波涛汹涌，不管是抱着看热闹不嫌事大的心态，还是抱着文明进化的坚定信念，都会在某一个时刻，给出所有人的答案。
只是现在，或许许多人都没有发现，不管是资金、技术，或者别的什么，遇到的瓶颈，未必都是小型企业的问题。