AI原生应用，“难产”了

AI原生应用，“难产”了

百模大战后，一众精疲力竭的创业者们逐渐反应过来：中国真正的机会在应用层，AI原生应用才是下一轮最肥沃的土壤。李彦宏、王小川、周鸿祎、傅盛，盘点过去几个月的大佬发言，无一不在着重强调应用层的巨大机遇。互联网巨头们把AI原生挂在嘴边：百度一口气发布超20款AI原生应用；字节跳动成立了新团队，主攻应用层；腾讯将大模型嵌入了小程序；阿里也要用通义千问将所有应用重新做一遍；Wps疯狂赠送AI体验卡..创业公司更是狂热，一场黑客马拉松下来，近乎200个AI原生项目。今年以来，包括奇绩创坛、百度、FounderPark大大小小加起来，数十场活动，上千个项目，最后却没有一个跑出来。不得不正视的是，尽管我们意识到了应用层的巨大机遇，但大模型并没有颠覆所有应用，所有产品都在不痛不痒地改造。尽管，中国有最优秀的产品经理，但他们这回也“失灵”了。

从4月份Midjourney爆火，到现在，9个月的时间，汇集了“全村人希望”的国产AI原生应用，究竟为何难产？选择比努力更重要，在当下，或许我们更需要冷静回望，寻找正确打开AI原生应用的“姿势”。

做AI原生，不能端到端原生应用为何难产？

我们或许可以从原生应用的“生产”过程中找到一些答案。“我们通常会同时跑四五个模型，哪个性能更优就选择哪个。”硅谷的一位大模型创业者在与「自象限」交流时提到，他们基于基础大模型开发AI应用，但前期并不绑定某一个大模型，而是让每一个模型都上来跑一跑，最终选择最合适的那个。简单来说，赛马机制如今也卷到了大模型身上。但这种方式其实仍存在一些弊端，因为它虽然选择了不同大模型进行尝试，但最终还是会与其中某一个大模型进行深度耦合，这还是一种“端到端”的研发思路，即一个应用对应一个大模型。

但与应用不同，作为底层大模型，它同时又却会对应多个应用，这就导致了同一个场景下的不同应用之间，最后的差异十分有限。而更大的问题在于，目前市场上的基础大模型都各有所长的同时也各有所短，还没有某个大模型成为六边形战士，在所有领域遥遥领先，所以这导致基于一个大模型开发的应用最终难以在各个功能上实现平衡。在这样的背景下，大模型与应用解耦就成了一种新的思路。

新生态的雏形

多模型多应用的模式下，将会催生一个新的生态。按图索骥，我们试图根据互联网的经验来设想一下新生态的架构。小程序诞生伊始，所有人对小程序的能力、架构、应用在哪些场景都十分迷茫，前期靠一个个企业从头开始学习小程序的能力与玩法，小程序的发展速度十分缓慢，数量始终无法突飞猛进。直到微信服务商的出现，服务商们一手对接微信生态，熟悉小程序的底层架构和格局，一手对接企业客户，帮助客户根据需求打造专属小程序，同时配合整个微信生态的玩法，通过小程序进行获客和留存。服务商群体，也跑出了微盟和有赞。

按照以往的经验，我们可以把服务商粗略地分为三大类：第一类经验型服务商，即了解和掌握每一个大模型的特点和应用场景，配合行业的细分场景，通过服务团队打开局面；第二类资源型服务商，如同彼时的微信能够拿到微信内的低价广告位再外包出去的商业模式，未来大模型的开放权限并不是普世化的，能够拿到足够权限的服务商，将铸就前期壁垒；第三类技术型服务商，当一个应用的底层同时嵌入不同大模型，如何将多模型进行调用和串联，同时保证稳定性，保证安全性，以及各类技术难题都需要技术服务商解决。

据「自象限」观察，近半年已经有大模型服务商的雏形开始出现，不过是以企业服务的形式，向企业进行各类大模型如何应用的教学。而做应用的方式也在慢慢形成WorkFlow。

当然，多模型多应用的生态真正落实有很多难题需要解决，比如多个模型之间如何互通？如何通过算法实现模型调用的最大化？怎么配合才是最佳的解决方案，这些既是挑战，也是机遇。

从过往的经验来看，AI应用的发展趋势，可能会是，分散、点状的出现，然后逐渐被统一，集成。比如，我们需要问答、做图、做PPT，现阶段可能是许多个单独的应用，但未来可能会被集成为一个整体的产品。向平台化靠拢。比如此前的打车、外卖、订票等多个业态，现在逐渐集中成一个超级APP里，不同的需求也会对模型能力提出进一步多元化的挑战。除此之外，AI原生更会颠覆当下的商业模式，产业链上的热钱将进行重新分配，百度变成了知识的货架，阿里变成商品的货架，所有的商业模式回归到最本质的部分，满足消费者的真实需求，冗余的流程就被取代了。