AI独角兽纷纷跑路，模型+应用这条路走不通了

这几天，谷歌收购Character.AI（以下简称C.AI）引发了很多讨论。

昨天，乌鸦君讲了谷歌的收购就为了买人，一个人就值1个亿。（一个人值1个亿！为了买这31位AI天才，谷歌花了5亿美元）

像这样的“卖人头”式的收购，在今年上半年还有两笔，分别是：微软收购Inflection，亚马逊收购Adept。

除了人都很值钱外，这三个结局类似的公司，还有三个共同点：

他们成立的足够早，融了很多钱，走的都是模型+应用双轮驱动的战略。

这和行业当时的发展阶段有很大关系。在AI行业早期，训练成本还没那么高，市面上也没有好用的开源模型，从头预训练是唯一可行的路。加上ChatGPT的爆火，让大家看到了模型的巨大潜力。

越来越多人坚信，只有占据模型层和应用层的「全栈」公司，才有捕获最大价值的可能，也更容易拿到投资人的钱。

但一年之后，情况就发生了翻天覆地的变化。

动辄几十亿美元的训练成本让创业公司难以负担，而模型价格下降以及开源模型的更迭，不仅让大模型迅速贬值，也让大部分押注模型的创业公司都成了先烈。

正所谓成也萧何，败也萧何。模型层的全面洗牌，也是历史的必然。随着这些创业明星的退场，也给行业带来了一个启示：

初创公司模型、应用两手抓的战略，正在被证伪。

一、模型+应用模式的先驱们

纵观C.AI、Inflection、Adept的发展，三家都有三个共性：成立的足够早，拿了很多钱，走得是模型+应用双轮驱动的策略。

先说成立时间，C.AI成立时间最早，成立于2021年，而Adept和Inflection的成立时间则都在2022年。

从融资情况看，这三家里Inflection拿的钱最多，两轮融资加起来超过15亿美元。虽然C.AI和Adept拿的钱没有Inflection多，但也在上亿美元量级，其中C.AI累计融资超过1.9亿美元，Adept 4轮融资加起来的钱接近5亿美元。

拿了这么多钱后，三家公司都选择了同一个发展策略：模型+产品双轮驱动。

C.AI、Inflection、Adept都以AI应用而为人熟知。C.AI自然不用最多说，作为AI伴侣数据跑得最好的产品，6月C.AI的访问量高居行业第四。

Inflection最早也是做聊天产品起家。2023年5月，Inflection 发布了AI聊天产品Pi。与ChatGPT相比，Pi主打一个私人、走心。Pi在X官方账号上的介绍是：Pi，你的私人AI，有什么心事吗？我们来谈谈吧！

Adept的产品定位则是AI助理。简单来说，Adept希望构建一个全新的操作系统或平台，让人们使用电脑更加“傻瓜式”，只需一个指令，其余所有步骤和事情它都可以帮忙完成，而不是像ChatGPT那样一来一回的问答。

在做AI应用的同时，他们还把大量的钱投到了模型上面。

虽然C.AI产品表现得很好，但创始人Noam仍然将C.AI 定位为一家通用模型公司，要为每个人提供个性化的超级智能。所以，C.AI花了很多资源在训练下一代模型，提升模型质量。

卖身前，Inflection也曾推出过三款模型，其中最先进的模型Inflection AI-2.5甚至接近GPT-4的性能。

2022年9月，Adept曾发布自研大模型Action Transformer（ACT-1）。2024年1月，Adept 又发布了多模态大型语言模型Fuyu-Heavy，进一步提升了在文本和图像处理上的综合分析能力。

而这些花了很多钱的模型技术，也跟着核心团队被大厂收走了。随着核心团队和模型技术的离去，也宣告了这些明星公司的退场。

随着这些创业明星的退场，给行业带来了一个启示：

中小公司正在快速退出基础模型领域的竞争，创业公司模型+应用双轮驱动的策略正在被证伪。

二、基础模型，正在加速贬值

虽然从现在看，创业公司自研大模型并不明智。但就当时来说，这个选择也没什么问题。

一来，他们成立得足够早，彼时没有像llama这样的开源模型可供选择，训练成本也没有夸张到现在的程度，从头预训练是唯一可行的路。

二来，随着ChatGPT的爆火，OpenAI开始全面进军应用层，不仅布局了插件生态，还做上了移动端应用，把不甘于只做API提供商的野心尽数展现。不仅对Jasper等AI应用造成了不小冲击，也让大家看到了模型公司的巨大潜力。

从那时候起，大家都有一个判断：在大模型面前，AI应用的商业壁垒有限。只有占据模型层和应用层的「全栈」公司，才有捕获最大价值的可能。

除了上面被收购的三家公司外，很多应用公司也开始布局模型层，其中就包括了受到ChatGPT冲击的AI写作公司Jasper。

但是一年后，这些创业公司发现：模型+应用双轮驱动不是所有人都能玩的。

一方面，现在基础模型升级的成本越来越高。日前，The Information爆出，OpenAI今年的亏损可能达到40亿美元，不算15亿美元的员工成本，光花在训练上的成本就有30亿美元。这意味着，除了头部模型公司有大厂撑腰外，其他厂商完全跟不住。

根据此前计算，Character.AI每月的推理成本在330万美元左右，一年在4000万美元。而去年全年，Character.AI的全年收入也只有区区1520万美元。也就是说，AI应用挣的钱连推理成本都覆盖不了，更别提更高昂的训练成本。

另一方面，随着模型价格不断下降，以及开源模型越来越强，大模型正在迅速贬值。

7月，OpenAI 突然上线新模型 GPT-4o mini，在性能全面碾压GPT-3.5 Turbo的同时，价格还比GPT-3.5 Turbo便宜了60%以上。不久前，谷歌又把Gemini 1.5 flash定价降低至GPT-4o mini的一半。

在闭源模型越来越便宜的同时，开源模型的能力也在变强。7月，Meta发布了开源模型Llama 3.1 405B，这个模型在多项测试的表现都好于GPT-4o和Claude 3.5 Sonnet。

这意味着，AI应用的模型成本正在迅速下降。用Benchmark合伙人Eisenberg的话说，大模型将是历史上贬值最快的资产。他们之中，只有一两家公司会让投资人赚到钱，其他都会让投资人赔钱。

从目前看，动辄几十亿美元的训练成本、模型价格下降以及开源模型的快速发展，让这些押注模型的创业公司都成了先烈。

既然市场不需要这么多模型，那些模型搞技术的人才又开始回流大厂。从这个角度上说，卖人头式的收购，也是AI行业资源分布的一次“纠偏”。

此后，AI创业公司的路径变得更加清晰：尽快转向AI应用，好好打磨产品，探索更好的商业化路径。

现在国外的模型泡沫已经开始破了。而国内玩家们仍然高举着产模一体的大旗，理由也简单：想融资就必须这样做。

但国内的情况会不一样吗？且看时间分解吧。

版权声明

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！