大模型时代的AI商业模式

人工智能发展历史并不算短。早期的人工智能商业化的案例主要集中于与传统行业进行融合，用一个俗套一点的说法就是“为传统行业赋能”。比如把深度学习算法用于设计、发明和广告、软促销、营销和销售。大的互联网公司基于所谓的“数据智能”（Data Intelligence），最常见的用途之一是分析用户行文，通过使用数据挖掘技术来收集有关习惯、购物偏好、购买行为、价格标签偏好、颜色选择、风格偏好、在线趋势和其他个人信息的统计数据，企业可以更好的针对其目标人群制定他们的服务策略，所谓的“大数据杀熟”也是这么来的的。

而现在的生成式AI或者说大模型（Large Language Model，LLM）所带来的改变此起源于2017年的一篇文章“Attention is All You Need”，这篇文章的重要意义在于提出了一种被称为“Transformer”的神经网络架构，它开辟了新的人工智能行业，特别是在自然语言处理、计算机视觉、自动驾驶和其他一些领域。可以说它是现在所有大模型和各类商业化AIGC产品的基础，包括OpenAI的GPT-3 /GPT-4系列模型，谷歌的Bert、PaLM等等。

对互联网商业模式有所了解的知友应该都听到过各种类型的“xx as-a-service”（xx即服务）

“xx as-a-servive”是建立在云计算基础上的。这些模式的前提是为终端客户提供解决方案，而无需在本地托管，从而省去复杂的部署和额外的开销。比如大多数基于云的业务模型可分为 IaaS（基础设施即服务）、PaaS（平台即服务）或 SaaS（软件即服务）。这些服务的主要盈利模式是通过向用户收取订阅费用，或即时付费等。

AIaaS

人工智能即服务 (AlaaS) 可以帮助组织整合人工智能功能，而无需相关专业知识。通常，AIaaS 服务构建在基于云服务的提供商之上。基于这些基础设施构建的人工智能服务、框架和工作流程提供给最终客户用于各种用例（例如库存管理服务、文本生成等）。

AIaaS本身是一个相对宽泛的术语，它可以细化为更具体的模式。1 提供API服务。通过提供应用程序编程接口，企业可以把自己的模型提供给用户或开发者进行二次开发。这涵盖一系列服务，包括计算机视觉、知识图谱和自然语言处理 (NLP)。每个人都有能力从非结构化信息中产生商业价值。2 机器人和数字协助。这是当前大模型应用最常见的模式，即开发各类聊天机器人、AIGC产品。仅从AIGC的角度看，就包括文生文（chatbot）、文生图（MidJourney）、图生图等等。这样的项目今年如雨后春笋一般，每天都会出现新的应用。我在之前的回答中总结过一些常用的。

整理不易有需要资料的同学

评论区扣：已三连，求分享

UP看到后就会发哦