大模型不僅是一項(xiàng)新的技術(shù)，也是一個(gè)新的產(chǎn)品。在大模型取得突破的 4 年后，市場(chǎng)仍在不斷探索這個(gè) " 產(chǎn)品 " 的商業(yè)邊界和盈利模式。日益高昂的算力投入讓這種探索更為急迫。

大模型到底應(yīng)該怎么盈利？它和互聯(lián)網(wǎng)經(jīng)濟(jì)有和不同？是否應(yīng)該采用同樣的 " 免費(fèi)策略 " 來完成商業(yè)化？

就此，經(jīng)濟(jì)觀察報(bào)專訪了美國(guó)未來產(chǎn)業(yè)研究院創(chuàng)始人喬 . 韋曼，他在 2012 年首次提出 " 云經(jīng)濟(jì)學(xué) " 這一概念，還曾在 AT&T、惠普和貝爾實(shí)驗(yàn)室等企業(yè)擔(dān)任過高管。產(chǎn)業(yè)經(jīng)歷讓喬 . 韋曼更關(guān)注 AI 的如何賦能產(chǎn)業(yè)、AI 如何推進(jìn)商業(yè)化以及傳統(tǒng)企業(yè)的 AI 轉(zhuǎn)型。

今年喬 . 韋曼發(fā)布了《顛覆性與有趣的科技：人工智能》報(bào)告。喬 . 韋曼提出了人工智能經(jīng)濟(jì)學(xué)的幾個(gè)新范式，包括：AI 時(shí)代，單位工作成本層面人力持續(xù)上升、機(jī)器成本不斷下降；機(jī)器系統(tǒng)在能力、效率、可靠性等維度正超越人力；AI 具備可規(guī)模化、低波動(dòng)、零疲勞優(yōu)勢(shì)，且能通過持續(xù)學(xué)習(xí)自主優(yōu)化。

喬 . 韋曼說，目前 AI 主要有幾種商業(yè)模式，第一種是直接付費(fèi)：按 Token 計(jì)費(fèi)或訂閱制付費(fèi)，重要工作用前沿模型，簡(jiǎn)單任務(wù)用低成本模型；第二種是廣告支持模式，即優(yōu)先展示廣告商贊助的結(jié)果；第三種是生態(tài)捆綁模式，比如谷歌愿意提供免費(fèi)（以及付費(fèi)）的 AI 服務(wù)以留住用戶。

喬 . 韋曼說：" 所有的商業(yè)模式本質(zhì)上都一樣：你必須賣出一些東西。有一句話很經(jīng)典‘如果你不付費(fèi)，那你就是產(chǎn)品’。如果用了大量免費(fèi)服務(wù)，這些免費(fèi)服務(wù)總要面臨一個(gè)‘清算時(shí)刻’ "。

｜對(duì)話｜

經(jīng)濟(jì)觀察報(bào)：數(shù)據(jù)規(guī)模對(duì)大模型的性能很重要，但在商業(yè)領(lǐng)域，大模型的客戶規(guī)模是否同樣重要？

喬 . 韋曼：這個(gè)問題很復(fù)雜，讓我以自動(dòng)駕駛舉個(gè)例子。AI 非常聰明，但 AI 無法預(yù)見每一種可能的場(chǎng)景，目前還不具備人類處理 " 邊緣情況 " 的通用能力——也就是那 99% 正常高速駕駛之外的極端情況。比如一架飛機(jī)突然發(fā)生故障，迫降在你前方的高速公路上。" 天哪！這種情況我該怎么辦？" 在這個(gè)例子里，客戶規(guī)模就至關(guān)重要，因?yàn)閳?zhí)行全自動(dòng)駕駛的 AI 是從所有客戶的駕駛數(shù)據(jù)中學(xué)習(xí)的，客戶規(guī)模足夠大，意味著能夠更多覆蓋這 "1%" 的情況。

在商業(yè)角度，客戶規(guī)模同樣重要。對(duì)企業(yè)來講，使用者越多，就越能發(fā)現(xiàn)問題、降低單位成本。對(duì)于大公司，還有一個(gè)優(yōu)勢(shì)：它們?cè)谡麄€(gè)產(chǎn)業(yè)鏈上下游都有布局，可以實(shí)現(xiàn)垂直整合?，F(xiàn)在，大型 AI 公司也在整個(gè)產(chǎn)業(yè)鏈上下游布局，包括自己設(shè)計(jì)芯片、設(shè)計(jì)云基礎(chǔ)設(shè)施、提供多類服務(wù)。

有個(gè)詞匯被用來描述這種現(xiàn)象，叫 " 極致協(xié)同設(shè)計(jì) "，大型 AI 公司能夠在所有層面做這種協(xié)同設(shè)計(jì)，因?yàn)樗麄冎佬碌?AI 模型訓(xùn)練算法是什么樣的，因此可以專門設(shè)計(jì)芯片來執(zhí)行這種訓(xùn)練。

經(jīng)濟(jì)觀察報(bào)：與用戶規(guī)模相關(guān)的是付費(fèi)模式，目前開源模型大部分是免費(fèi)的，但也有一些規(guī)模非常大的模型開始嘗試收費(fèi)，你認(rèn)為 AI 模型在 C 端的商業(yè)模式可能是什么？

喬 . 韋曼：所有的商業(yè)模式本質(zhì)上都一樣：你必須賣出一些東西。有一句話很經(jīng)典 " 如果你不付費(fèi)，那你就是產(chǎn)品 "。如果我為某項(xiàng)在線服務(wù)付費(fèi)，那就是正常的商業(yè)關(guān)系。但我也用了大量免費(fèi)服務(wù)，這些免費(fèi)服務(wù)總要面臨一個(gè) " 清算時(shí)刻 "。

現(xiàn)在有幾種主要模式。第一種是直接付費(fèi)：按使用的 Token 付費(fèi)，重要的工作用前沿模型，簡(jiǎn)單任務(wù)用低成本模型。

第二種是廣告支持模式。這個(gè)延續(xù)了搜索的思路，搜索服務(wù)是免費(fèi)的，但返回的結(jié)果里包含付費(fèi)廣告?，F(xiàn)在很多大模型的提供商也開始在結(jié)果中植入廣告。有學(xué)術(shù)研究表明，你以為你的大模型在為你的最佳利益服務(wù)，但實(shí)際上它的回答并不是最優(yōu)答案，取決于誰在贊助它。

第三種是生態(tài)捆綁模式。一些大企業(yè)為了讓用戶留在生態(tài)中，會(huì)免費(fèi)提供大模型，這里賺一點(diǎn)，那里虧一點(diǎn)，整體算下來還是值的。

谷歌是一個(gè)典型案例，用戶用谷歌做大部分事情，Gmail、谷歌地圖、Gemini，谷歌從搜索廣告中賺了足夠多的錢，所以愿意提供免費(fèi) AI，讓客戶留在生態(tài)中。中國(guó)也有 " 超級(jí) App"，比如微信，這類 " 超級(jí) App" 也可以把 AI 服務(wù)打包進(jìn)入生態(tài)，保持整個(gè)生態(tài)的吸引力。

經(jīng)濟(jì)觀察報(bào)：和搜索服務(wù)不同的是，隨著 AI 智能體的出現(xiàn)，AI 是有可能變成最終執(zhí)行人的，這意味著大模型領(lǐng)域的廣告可能不只是廣告，而會(huì)變成真實(shí)的購買行為，這會(huì)帶來什么變化？

喬 . 韋曼：回顧商業(yè)歷史，數(shù)千年前消費(fèi)者來到市集，攤主打招呼、介紹商品，消費(fèi)者自己做決定買什么。一百三十年前出現(xiàn)了購物目錄，消費(fèi)者翻目錄、做決定，然后通過電話下單；在互聯(lián)網(wǎng)時(shí)代，互聯(lián)網(wǎng)提供了大量商品，但最終還是消費(fèi)者來決定。

現(xiàn)在出現(xiàn)了兩個(gè)層次的變化。第一是 AI 賦能搜索，即所謂的 GEO（生成式體驗(yàn)優(yōu)化），搜索結(jié)果不再只是一堆鏈接，而是經(jīng)過 AI 綜合處理后的答案，比如 " 以下是三個(gè)優(yōu)質(zhì)供應(yīng)商 " 之類。第二個(gè)更大的變化是智能體。它可能會(huì)幫消費(fèi)者做出決定。

這意味著這個(gè)智能體要非?？尚牛核銐蛄私饽?。理想中的 AI 是你的經(jīng)紀(jì)人或者配偶一樣了解你，比如知道你喜歡棉質(zhì)衣物而非人造纖維，知道你的尺碼，知道你上次買的衣服過緊。同時(shí)，它還要能代表你的利益，值得信任。

這個(gè)智能體可以通過類似 A2A（Agent-to-Agent） 或 MCP 這樣的技術(shù)協(xié)議和商家的智能體進(jìn)行一系列復(fù)雜的博弈和溝通：是什么品牌、在賣什么、值得信任嗎、有哪些尺碼、何時(shí)交貨？

在理想情況下，我有一個(gè)始終維護(hù)我最佳利益的智能體，我可以放手讓它在我睡覺的時(shí)候做所有決定。但如果這個(gè)智能體實(shí)際上是某家公司的代理、而那家公司接了廣告商的錢，那就變成了商家的代理，而不是我的代理。這情況下，消費(fèi)者沒有能力評(píng)估何時(shí)可以信任這個(gè)免費(fèi)的、有廣告的智能服務(wù)。

經(jīng)濟(jì)觀察報(bào)：你提到的信任問題很關(guān)鍵，從這一點(diǎn)出發(fā)，你認(rèn)為如何形成你所說的智能體之間的博弈和制衡？如何建立一個(gè)更合理的商業(yè)模式，能夠有效地形成這種博弈，保護(hù)消費(fèi)者的權(quán)益？

喬 . 韋曼：這里有兩個(gè)問題：一是我們能否信任智能體，二是智能體之間溝通與協(xié)商的動(dòng)態(tài)機(jī)制是什么。

對(duì)于第一個(gè)問題，創(chuàng)造性與可預(yù)測(cè)性之間存在張力。如果智能體不遵循硬編碼的程序邏輯，而是依賴 LLM（大語言模型），那就意味著智能體的行為從根本上說是不可預(yù)測(cè)的。然而，創(chuàng)造性正是智能體（無論是人類智能體還是 AI 智能體）的一個(gè)優(yōu)點(diǎn)。如果你讓一個(gè)旅行代理為你購買從紐約到北京的機(jī)票，它可能不是你通常乘坐的航班，但人類旅行代理這樣做可能有其理由，比如里程獎(jiǎng)勵(lì)，或者增加您轉(zhuǎn)機(jī)成功的可能性。

在軟件智能體中，人們正在使用多種方法來降低出現(xiàn)不良結(jié)果的可能性，例如使用 "harness"（駕馭工程）和文檔化的規(guī)則。我們一提到智能體總會(huì)想到龍蝦，但這些相同的技術(shù)也被用于全自動(dòng)駕駛。例如，NVIDIA 的 Halos 端到端架構(gòu)使用深度學(xué)習(xí)系統(tǒng)，將攝像頭等傳感器融合輸入轉(zhuǎn)化為對(duì)轉(zhuǎn)向、加速和制動(dòng)系統(tǒng)的指令。然而，對(duì)于不可預(yù)測(cè)的邊緣情況，系統(tǒng)會(huì)默認(rèn)回退到可預(yù)測(cè)的邏輯。通過這種方式，像飛機(jī)降落在高速公路上這樣的意外情況也能得到處理。

最終，這些可信智能體將與我們?nèi)绾螌?quán)力委托給可信賴的人類（如房地產(chǎn)經(jīng)紀(jì)人、律師）并無不同。我們不了解合同或房屋價(jià)值的細(xì)節(jié)，我們只是信任我們雇傭的個(gè)人是有能力的，并且是在為我們代理。經(jīng)濟(jì)學(xué)家稱之為 " 委托 - 代理 " 關(guān)系。

然而，如果雙方的利益發(fā)生偏離，就會(huì)出現(xiàn)問題。例如，一個(gè)欠別人錢的房地產(chǎn)經(jīng)紀(jì)人可能會(huì)接受一個(gè)很低的房屋報(bào)價(jià)，僅僅是為了盡快成交從而更早拿到傭金。事實(shí)上，如果智能體受到其創(chuàng)建者的某種影響或 " 腐蝕 "，例如 AI 智能體開發(fā)者得到了某個(gè)廣告商的贊助，或者遭受網(wǎng)絡(luò)攻擊（如提示注入攻擊），同樣可能出現(xiàn)這種潛在問題。

此外，獨(dú)立協(xié)商的智能體將面臨與博弈論中任何抽象參與者相同的困境，例如囚徒困境——這不是 AI 的問題，簡(jiǎn)單的紙上游戲也會(huì)導(dǎo)致囚徒困境。

因此，如果兩個(gè)自主智能體代表兩個(gè)人類行事，可能會(huì)出現(xiàn)三個(gè)問題：一是基于代理失當(dāng)?shù)奈?- 代理關(guān)系缺陷；二是由于 " 創(chuàng)造性 " 導(dǎo)致的、雖是對(duì)代理請(qǐng)求的合理回應(yīng)但委托人事后反思并不偏好；三是由于選項(xiàng)本身的特性而導(dǎo)致次優(yōu)結(jié)果的博弈論問題。

解決的方法會(huì)非常復(fù)雜，我認(rèn)為簡(jiǎn)短的答案是：第三方在影響行為方面發(fā)揮著作用。如果一個(gè)智能體持續(xù)表現(xiàn)不佳，獨(dú)立的評(píng)測(cè)機(jī)構(gòu)或社交媒體上的第三方評(píng)論會(huì)有助于將不良行為者排除出系統(tǒng)。

經(jīng)濟(jì)觀察報(bào)：互聯(lián)網(wǎng)的一個(gè)特點(diǎn)是，隨著用戶增長(zhǎng)，產(chǎn)品的邊際成本會(huì)下降，甚至變得可以忽略不計(jì)。這使得移動(dòng)互聯(lián)網(wǎng)能夠通過 " 免費(fèi) " 服務(wù)在短時(shí)間內(nèi)吸引海量用戶，從而獲得壓倒性的競(jìng)爭(zhēng)優(yōu)勢(shì)。然而，AI 面臨某些剛性的成本約束，比如 Token，使得通過規(guī)模效應(yīng)降低成本變得困難，這種特性是否會(huì)催生 AI 采取與互聯(lián)網(wǎng)完全不同的商業(yè)模式？

喬 . 韋曼：這個(gè)問題中包含的假設(shè)不一定成立。我認(rèn)為 "AI" 與 " 互聯(lián)網(wǎng) " 非常相似。兩者都有很高的固定成本，在很多情況下，成本的類別完全相同。對(duì)于互聯(lián)網(wǎng)而言，建設(shè)有線和移動(dòng)網(wǎng)絡(luò)需要巨大的固定成本，例如：挖溝鋪設(shè)光纜、建造手機(jī)信號(hào)塔和回傳網(wǎng)絡(luò)、發(fā)射衛(wèi)星、建立互聯(lián) " 會(huì)面點(diǎn) " 機(jī)房、內(nèi)容分發(fā)網(wǎng)絡(luò)等。對(duì)于 AI 訓(xùn)練來說，建設(shè)千兆級(jí)數(shù)據(jù)中心需要巨大的固定成本，包括昂貴的計(jì)算設(shè)備、建筑、供電和冷卻系統(tǒng)。兩者的邊際成本都極低。對(duì)于互聯(lián)網(wǎng)，發(fā)送一個(gè)比特的邊際成本接近于零，對(duì)于 AI，處理一個(gè) Token 的邊際成本也接近于零?？蛻艨梢該碛凶约旱倪吘壔A(chǔ)設(shè)施，比如家庭 Wi-Fi 路由器，或者本地 LLM 或智能體。

成本趨勢(shì)也相似：隨著同一基礎(chǔ)設(shè)施（如光纖電纜）采用密集波分復(fù)用等技術(shù)從現(xiàn)有設(shè)施中 " 榨取更多 " 容量，發(fā)送比特的成本一直在下降；而推理成本也因針對(duì)推理優(yōu)化的計(jì)算架構(gòu)以及混合專家模型和微型遞歸模型等高效方法而大幅下降。兩者都受益于規(guī)模效應(yīng)，包括統(tǒng)計(jì)復(fù)用效應(yīng)，因?yàn)槟惆l(fā)送電子郵件的時(shí)間可能與我不同，我們可以共享網(wǎng)絡(luò)基礎(chǔ)設(shè)施；同樣，你請(qǐng)求推理的時(shí)間可能與我不同，我們可以共享 AI 基礎(chǔ)設(shè)施。

當(dāng)然，兩者之間既有明顯也有微妙的差異。目前，高端 AI 設(shè)備的折舊、過時(shí)周期遠(yuǎn)短于許多通信設(shè)備。每一次 AI 推理往往都是獨(dú)特的，因?yàn)榧词瓜嗤膯栴}，基于上下文窗口等因素也可能給出不同的答案。每封電子郵件也是獨(dú)特的，但對(duì)于緩存內(nèi)容（如 TikTok 視頻），有些內(nèi)容是相同的（針對(duì)特定設(shè)備上特定分辨率的單一版本），而另一些則是不同的（從視頻服務(wù)器到用戶設(shè)備的單播流）。

一個(gè)關(guān)鍵區(qū)別在于兩個(gè)行業(yè)所處的發(fā)展階段，特別是在發(fā)展可行且可持續(xù)的商業(yè)模式方面。谷歌的創(chuàng)始人最初避免廣告，認(rèn)為提供贊助結(jié)果會(huì)降低 PageRank 算法提供的純粹答案的質(zhì)量。最終，風(fēng)險(xiǎn)投資和商業(yè)經(jīng)濟(jì)的殘酷現(xiàn)實(shí)迫使他們開始銷售廣告。同樣，OpenAI 的 CEO Sam Altman 多年來堅(jiān)決反對(duì)廣告，但最近卻被迫在 ChatGPT 中引入廣告。

事實(shí)是，無論固定資本投資與持續(xù)運(yùn)營(yíng)支出之間的平衡如何，企業(yè)都需要收入。這些收入必須來自用戶、廣告商、相關(guān)服務(wù)等。沒有 " 免費(fèi) " 的服務(wù)，如果某項(xiàng)服務(wù)對(duì)消費(fèi)者免費(fèi)，那就意味著消費(fèi)者就是 " 產(chǎn)品 "。因此，無論是互聯(lián)網(wǎng)服務(wù)還是 AI 服務(wù)，要么需要 " 支付 " ——通過訂閱、按使用量 / 按 Token 付費(fèi)、觀看廣告、點(diǎn)擊跳轉(zhuǎn)、免費(fèi)增值模式，或者通過使用公司其他相關(guān)服務(wù)。

經(jīng)濟(jì)觀察報(bào)：目前我們看到市場(chǎng)中的 AI 商業(yè)模型是否能夠支撐如此龐大的資本開支？這些成本的開支未來將會(huì)如何反映在 AI 使用成本中，并塑造 AI 使用的場(chǎng)景和方式？

喬 . 韋曼：就 AI 而言，大量投資分布在多家公司之間，這些公司擁有不同的現(xiàn)金水平和獲取債務(wù)融資的能力，這進(jìn)一步分散了風(fēng)險(xiǎn)。盡管有一些知名的初創(chuàng)公司即將進(jìn)行 IPO，但許多參與者是資金充裕的超大規(guī)模云服務(wù)商，它們有能力進(jìn)行大額投資，而且擁有強(qiáng)大的相關(guān)業(yè)務(wù)，這些業(yè)務(wù)將從 AI 應(yīng)用中受益。

所以，問題本質(zhì)是：會(huì)有人愿意為 AI 付費(fèi)嗎？答案顯然是肯定的，因?yàn)?AI 能為企業(yè)和用戶帶來好處，例如通過增強(qiáng)產(chǎn)品來增加收入，或者通過提高生產(chǎn)率來降低成本。

因此，為 AI 付費(fèi)具有正的投資回報(bào)率，我們已經(jīng)看到大量消費(fèi)者和企業(yè)正在為 AI 付費(fèi)，或者使用由廣告商 " 買單 " 的 " 免費(fèi) " 服務(wù)。

此外，從成本方面看，隨著技術(shù)進(jìn)步和學(xué)習(xí)曲線效應(yīng)的顯現(xiàn)，AI 公司能夠以更少的投入做更多的事情。DeepSeek 就是一個(gè)完美的例子，但絕非唯一。推理成本不僅是在下降，而且是以巨大的指數(shù)級(jí)速度下降。

經(jīng)濟(jì)觀察報(bào)：目前 AI 存在泡沫嗎？

喬 . 韋曼：投資者對(duì)某只股票的操作可能與未來現(xiàn)金流的理論模型有關(guān)，也可能無關(guān)。鐵路和互聯(lián)網(wǎng)公司都曾經(jīng)出現(xiàn)過泡沫，然而現(xiàn)在我們擁有無處不在的通信基礎(chǔ)設(shè)施和互聯(lián)網(wǎng)。因此，展望未來，AI 將變得越來越好，同時(shí)成本越來越低，這將進(jìn)一步加速使用量的增長(zhǎng)。人們和企業(yè)為手機(jī)付費(fèi)，為交通付費(fèi)，為工廠設(shè)備付費(fèi)等等，他們也會(huì)以某種方式為 AI 付費(fèi)。

話雖如此，在 AI 上過度支出并非明智的商業(yè)舉措。一些企業(yè)激勵(lì)員工 " 最大化 "Token 使用量，這個(gè)過程被戲稱為 "Token 內(nèi)卷 "（Token maxxing）。他們?cè)O(shè)置 " 排行榜 " 來顯示誰在使用最多 Token 方面獲勝。坦率地說，我不理解這一點(diǎn)。你不會(huì)去最大化電力、水或原材料的使用。明智的企業(yè)應(yīng)該希望最小化資源使用，同時(shí)最大化利潤(rùn)以及產(chǎn)生這些利潤(rùn)的產(chǎn)出。

我們現(xiàn)在看到了一些反彈，因?yàn)槟切┕疽庾R(shí)到 " 等一下 "，我們不想最大化資源使用，而是希望更明智地使用資源，以優(yōu)化公司的財(cái)務(wù)業(yè)績(jī)。