在疫情的時候.許多SaaS如雨後春筍般冒出來.當時檢視這些廠商賺不賺錢的時候,
市場會憑藉貨幣化能力予以定價.貨幣化能力不足,但本夢比極強,市場也是買單.反之亦然.
所以這個問題的本質,我認為要回歸到AI貨幣化的能力,也就是如何把AI變現.
這個問題分成四個層面來探討.
第一層:造鏟者
市場對高效能運算的需求日益增長,使得提供AI專用硬體晶片、GPU加速卡、高效能運算
伺服器等產品的廠商備受青睞。像是Nvidia、AMD、Intel等,都憑藉AI運算硬體獲利豐厚.
他們的貨幣化之道在於持續開發更強大的AI運算硬體以獲取收益.
這一層廠商的風險除了算力需求減少以外,在於頂級產品被其他廠商顛覆,像是假設某天
他廠推出了更快更省電的晶片,在瘋搶算力的時代很容易被市場拋棄.進而需要減價促銷.
第二層:轉賣者
這層廠商並不自己造鏟,而是購買鏟子自己重新包裝以後轉賣給別人.
例如亞馬遜AWS、微軟Azure、谷歌雲端平台等,組建了大量擁有高強算力的資料中心,並
將運算資源以IaaS(基礎設施即服務)方式對外出租.他們的營收來自於出租運算資源的
費用收入.
然而,這一層也面臨著算力供過於求導致虧損的風險。他們需要預先投入大筆資金興建數據
中心,一旦AI熱潮降溫,導致算力需求下滑,就可能出現嚴重閒置的情況,從而使之前的投資
無法收回.
第三層:買鏟者
這層廠商有著開發模型的能力,並將模型包裝成為SaaS賣出去.
主要是利用上游算力資源,開發訓練各類AI模型,再基於這些模型對外推出各種AI應用服務
實現貨幣化。
舉例來說就是
-OpenAI的ChatGPT對話服務
-Anthropic的對話助理Claude
-GitHub的Copilot程式碼自動補全工具
其他可能的例子
-各種客戶服務聊天機器人
-電商網站個性化推薦系統
-醫療領域的AI輔助診斷工具...等等
這一層的主要收入來自於對外提供上述各類AI應用服務的收費.
然而,缺點是如果開發的AI模型不符合市場需求,或是很快就被更先進的技術所取代淘汰,
之前投入開發該模型的鉅額成本可能將無法回收,從而虧損嚴重.
第四層:消費者
這一層是享受AI好處的人,作為最終使用AI技術的客戶,他們透過購買現成的AI模型產品
或雲端AI服務,並將其應用到企業內部的各種場景,藉此提高效率、降低成本。
隨著大型語言模型(LLM)的興起,其應用範圍遍及各個行業:
寫作/內容創作領域
-作家/內容創作者使用LLM輔助撰稿、構思情節
-新聞媒體使用LLM自動化產生新聞稿件
-廣告公司使用LLM生產廣告文案
教育領域
-教師使用LLM產生課程教材、練習題目
-學生使用LLM作為學習助手解答問題
程式設計領域
-工程師使用LLM輔助開發、自動生成程式碼、Code Review
-LLM提供即時的程式碼解釋和debug協助
客戶服務領域
-企業使用LLM構建自動化客服對話系統
-LLM協助處理大量重複性的客戶查詢
法律領域
-律師使用LLM協助撰寫法律文書
-LLM分析判決書、合約文件，提供見解
醫療領域
-LLM協助醫生總結病史、分析症狀
-提供患者諮詢服務、解釋醫學術語
這些企業客戶通過採用AI技術優化運營流程,從而獲得競爭優勢,進而提升盈利能力.
透過使用這些服務,企業無需自行投資開發AI模型,即可獲取LLM帶來的生產力紅利.
這層用戶的風險在於使用了一堆AI工具,花費不小,然後也要跟同樣使用AI工具的對手競爭.
此時變成在競爭誰更會使用工具,而且也得防止AI幻覺混入產出的內容進而造成損失.
總的來說,AI賺錢模式從底層硬體算力供應到頂層模型應用形成完整產業鏈條,每個層
級的參與者都可以透過貨幣化途徑獲利.而最關鍵的是,誰能開發出真正有價值的AI模型
並實現良好貨幣化,將是贏得AI紅利的決定因素.