生成式AI产业的投资思考；大模型的应用热；百度版大模型应用商店来了丨AI新零售早报
AI营销观察
《一场生成式AI浪潮，可能终结“硅谷时代”？》
当前AI浪潮特点：许多领域的创新在同时加速，类似GPT大语言模型正在迅速并行提高自然语言在C端和B端产品中的解析能力。生成式AI赛道有三个重点值得关注：更好的AI技术正在持续泛化；应用方面有明确用例的公司，会取得先发优势；基础设施正在被广泛采用和快速增长。（来源：“腾讯科技”微信公众号）
《为什么建议你尽快跳入AI应用大潮》
AI大模型本质上不是技术创新，也不是技术革命，大模型的整个技术原理是OpenAI借鉴学习了谷歌2017年公开的人工智能论文原理，人工智能大模型是技术应用的大潮流，未来会有更多的大厂和平台提供开源的大模型，创业者应该放弃做大模型，转向做AI应用。（来源：“见实”微信公众号）
《AIGC+X：生成式AI产业的投资思考》
AIGC可以为各行各业带来成本降低和效率提升，但也面临着技术壁垒等问题。AIGC创业者在开发产品和服务时要考虑：如何为客户提供增量价值，并根据收入增长来收费；如何突破市场的天花板，进入行业的更深层次，如供应链、工具或平台；如何避免依赖项目制的收入，实现长期的资本化价值。（来源：“Marteker”微信公众号）
大模型应用观察
《大模型的应用热：最甜的蛋糕与最难的关》
国外大模型玩家的路径：直接面向C端用户，提供大模型的API或应用，如ChatGPT；结合自身的场景和业务，为B端或C端用户提供大模型的解决方案，如微软的Microsoft 365 Copilot。国内大模型玩家的路径：如百度的飞桨、科大讯飞的讯飞开放平台、华为的盘古大模型、阿里云的Llama2。（来源：“财经无忌”微信公众号）
《百度版大模型应用商店来了！从数字人到企业搜索11大应用应有尽有》
百度智能云大模型应用的特点：背靠大模型，能够适应不同行业和场景的需求；自然语言交互，降低使用门槛。商业化模式：面向C端用户，提供大模型的API或应用，如曦灵数字人平台等；结合自身的场景和业务，为B端或C端用户提供大模型的解决方案，如甄知企业搜索引擎。（来源：“量子位”微信公众号）
《大模型应用的商业化进展慢，为什么慢？》
大模型虽然是一项优秀的技术，但在商业应用中还面临着诸多挑战和限制：如错误和风险、宕机和延迟、开发和运维、收入和估值、刚需和付费等。企业应该深入理解用户，寻找用户真正的痛点。技术本质上是一种手段，而满足用户需求才是真正追求的目标。（来源：“多知网”微信公众号）【完】
图片来自网络，侵删