力大飞砖卷研发，到向下竞低卷价格，全球视野下的大模型与生成式AI已然走过创新扩散的兴趣阶段，行至社会评估其创新可行性的卡点。

正如红杉资本在“Generative AI’s Act Two”(《生成式AI的第二幕》)中指出的，目前生成式AI应用的最大问题，是需要证明自身的价值。值此情况下，中美大模型落地路径再次出现方向的分野。

继GPT4o进一步打开了多模态的想象力后，苹果Apple intelligence、微软Copilot等借由移动终端的多模态智能愈发火热。AI俨然成为低迷的消费电子市场的新变量，智能手机、PC、智能眼镜等硬件也成为AIGC价值落地的重要载体。

相比之下，中国玩家们寻求的路径以及落地载体相对更偏向“打直球”——载体是什么并不重要，关键在于能够进入实际场景并发挥价值的应用。

且不论AI原生应用早在去年末便为多位AI意见领袖提至台前，实际上，应用层的创新不但是AI赛道的绝对主流，亦是千行百业寻求后移动互联网时代新增长的必经之路。

由吴晓波和阿里云领衔策划与执笔的《云上的中国3：剧变中的AI时代》一书，便在大模型竞相涌现并赋能干行百业的时代背景下，通过实地调研与深入对话，捕捉记录了近2年来AI行业的发展和技术创新。

10余位顶尖技术专家的独特视角与观点、40余家行业领先企业的标杆案例均佐证了，在拥有海量场景以及产业优势的中国，应用无疑是是撬动大模型价值的唯一支点。

亲自下场的“路径依赖”

自推出仅短短两个月时间内，ChatGPT月活超1亿，成为全球迄今为止最快达到1亿MAU的应用，其背后的OpenAI亦拉开了生成式AI时代的大幕。

基于生成式AI代表未来的共识，率先下场的科技企业争先推出自家捣鼓出的大模型，以求把握底层研发的主动权。百度文心一言、阿里通义千问、讯飞星火、华为盘古、腾讯混元等模型跑出了“中国速度”，在去年同一时间还被预设为标杆的GPT3.5，而今已几乎不再被提起。

看似无所不能的基础模型天然具有产品化的特点，然而围绕其“草草”搭建的Chat Bot，却称不上是一个完善的产品。

过于通用与泛化的功能于用户侧而言，意味着无边际的自我探索，尝鲜劲儿过了就被打入冷宫——QuestMobile数据显示，头部AIGC App运营数据活跃率低，均在20%以下；忠诚度方面，3日留存均在50%以下；流失风险高，部分App的卸载率在50%以上。

无论怎么“卷”大模型的研发，最终还是要回归到商业的本质上来，公司不能一味烧钱，必须向盈利的目标迈进。

事实上，早在去年，头部科技企业便基于商业化的共识，依靠丰富的场景、数据与算力储备迅速抢占模型层的高地，并率先寻找价值落地的载体。一时间，国内首款面向C端的AI原生爆款应用“妙鸭相机”与针对具体业务场景精调的垂直模型交相辉映。

从《云上的中国3》所走访调研的一系列案例中我们发现，似妙鸭相机一般横空出世的AI原生应用不过是少数，AI在实际应用的落地更多还是基于大厂的既有业务，如网易在《逆水寒手游》中首次以AI驱动人物NPC的响应、语言和表情，亦或是百度将AIGC渗透进搜索业务中，目前已有11%的结果由生成式AI生成。

究其原因在于，亲自下场难免存在一定的“路径依赖”，使得AI落地路径局限于既有业务之中。好比过去移动互联网方兴未艾之时的互联网应用“端转手”，这是企业延续既有优势领域并寻求进一步发展的必行之路，却难以做到面面俱到，更多适应于新一轮浪潮的应用仍在萌芽——小红书、抖音、快手等便是佐证。

这轮AI浪潮中，中国的优势无疑在于庞大的消费市场与产业优势所带来的丰富场景。相比海外，国内大厂确实手握更丰富的场景，但这于生成式AI的渗透而言还是不够快。

因循这一逻辑，为了吸引更多开发者加入AI创业浪潮，国内的基础版大模型调用经历了从“元”到“厘”再到“免费”的跨越。

AI时代的创新，并不需要像Sora、GPT一般惊艳整全球。相反，立足于实际需求，用AI时代的效率逐步取代甚至创造新的应用场景亦是题中之义。

AI创新带来业务升维

资源密集型、资本密集型与人才密集型是AI大模型诞生之初的行业共识，有观点认为这终将导致AI成为少数人的无限游戏。

但自《云上的中国3》中记录的细分领域创新来看，AI从来不是少数人的无限游戏。事实上，自阿里于去年呼吁AI进入千行百业并为这提供算力支持起，AI赋能业务的创新便从未停止。

最新数据显示，通义大模型通过阿里云服务企业超过9万、通过钉钉服务企业超过220万。除了妙鸭相机这款中国首个跑通商业模式的AIGC应用外，阿里云已然成为互联网视域下的多家大型企业拓展AI能力的算力底座。

前文提到的《逆水寒手游》便是AIGC在C端的实际用例，其背后是网易伏羲实验室以将宋代文学作品作为大模型的训练材料，从而为玩家们呈现出能与玩家做出符合时代背景的实时交互的NPC。

值得一提的还有正在向交易所迈步的喜马拉雅，其正逐步将AIGC引为平台音频内容创作的核心引擎。例如，专为音频创作者开发的工具“云剪辑”，集成了智能音量、智能配乐、音转文剪辑、AI分段、智能检测、一键成片等功能。此外，其语音合成与语音识别技术也被广泛应用于评书、新闻、小说等多种内容的制作中。

远在互联网视域之外，智慧工业的浪潮早已席卷全球。作为产业强国，中国的工业数智化也为AIGC的应用创造了数不尽的实际场景。

以三一重工为例，早在《云上的中国》系列图书与纪录片中就有记录其借助传感器、边缘计算、数字孪生等技术，构建了以数据为核心的云上资产。而今在AIGC的赋能下，过去需要传感器收集的作业数据可以通过“虚拟游戏AI应用”的方式收集，仅需在仿真环境中变化不同的作业工具，即可通过游戏化操作来生成大量训练数据，从而指导现实产品的研发与生产作业。

不难看出，无论是针对to B和to P（专业生产者）场景的工具类应用还是针对to C场景的娱乐应用，均佐证了AIGC为既有业务带来的跃升效应。更重要的是，上述案例对AIGC的应用集中在细分场景。

不容忽视的事实是，新兴技术的未知性特点与大模型的“黑箱”相互作用，AIGC的应用与创新也主要以探索的方式由点及面。

吴晓波亦在书中提到：“这一轮创业，创业者创建一个平台型公司的机会越来越少，但创业的颗粒度会变得越来越细。”

这意味着，即使是最初发力模型底座的厂商也无法借主动权“大包大揽”，否则将成为“高科技施工队”；另一方面，无数细分场景的创新并非少数巨头能覆盖，这对创业者而言无疑是基于“同一起跑线”的竞争机会。

相比于发力模型层而不得不投入海量算力、数据等资产的大厂，创业者反而可以借成熟的开发生态快速实现自己的想法。而生成式AI的大幕之下，是以AI大模型为驱动的第三轮创业潮。

生态系统战

AI创业正当时，模型层的竞争也自然而然地从过去卷技术、卷价格过渡到了卷生态阶段。

过去我们讨论生态，往往是讨论借由不同硬件、操作系统乃至聚合应用平台的流量马太效应而催生的不同入口。如果仍以此论AI时代的创新，无疑是重拾移动互联网时代的窠臼。

以当下火热的AI终端竞争为例，如果玩家们以下一时代的集成式硬件入口为商业化的终局，这客观上将导致不同模型底座和硬件互斥的情况，将竞争拉向模型底层。亦或是像当下的聚合平台一般，以臃肿的身躯囊括了大部分高频需求，面临更为严峻的竞争烈度的同时还错过了许多微小的创新机会。

事实上，在格局未定的AI赛道，入口还在不同硬件、OS、应用中流变。而我们讨论的生态也并非局限于产品，而是面向开发者这个价值富矿。

围绕降低开发门槛的主轴，国内大厂的诸多动作可以被视作是比拼生态的关键信号：阿里云推出了百炼大模型平台，开发者可通过“托拉拽”5分钟开发一款大模型应用，几小时“炼”出一个专属模型；百度推出了分别针对模型层与应用层的ModelBuilder、AgentBuilder与AppBuilder，还有字节跳动、腾讯、科大讯飞等模型服务商等不一而足。

就生态构建而言，面向开发者的AI原生开发工具还是企业侧的精细定制化MaaS已然成为兵家必争之地，自然难免出现同质化的情况。

这意味着，生态运营能力成为生态系统构建的关键。比如各大厂商早在去年便有上马的不同名目的开发大赛，或是以企业既有业务作为模型服务的“附加值”。前者更多在于对行业生态的建设，而后者则相对难以量化，更多存在于服务商BD的“推杯换盏”中。

相比之下，这场生态卡位战需要的是范围更广、更持久的设计。

以阿里云为例，其自去年9月21日推出“创业者计划”以来，已为累计近15000家初创企业提供最高100万元的云上抵扣金支持。

除此之外，不得不提的还有阿里云搭建的国内首个AI开源社区魔搭。2022年底，阿里云就已上线了模型社区魔搭（ModelScope），上架了自研的300个模型。开放至今，该社区现在已有4500多款AI模型，聚集了超500万开发者。

据悉，魔搭社区分为模型库、数据集、创空间、讨论区等不同板块，每个板块都有对应的GitHub代码链接和相关内容介绍。这不仅是开发者的价值富矿，更是AI创业潮下，创业者绕不过去的AI“圣地”。

日前召开的阿里云AI峰会上发布的Qwen2的72B模型，已然登顶Hugging Face开源模型榜首。

基于阿里云对AI大模型开源的价值研判，云不再只是互联网时代的基础建设，而是在生成式AI浪潮中举足轻重的AI Infra，也是AI在应用层面创新和落地的必由之路。

于模型厂商而言，未来不仅要比拼大模型的能力，还要比拼模型的服务能力。于创业者而言，未来的创业一定是AI创业，也必然是云上创业。