AI风云又起，这一次是否会戳破泡沫？
近期，美国多家知名AI公司的创始人相继离职，引发了业界的广泛关注和深思。
据The Information报道，OpenAI的联合创始人兼对齐主管John Schulman已经跳槽至其竞争对手Anthropic。这一消息无疑在业界掀起了轩然大波。而就在Schulman引爆舆论的同时，OpenAI的另一位联合创始人、总裁Greg Brockman也在社交媒体上爆料，自己正在长期休假，并将持续到年底。网友们纷纷推测，由于签有保密协议，Brockman的休假可能意味着他将在休假结束后离开OpenAI。
在此之前，OpenAI的联合创始人兼首席科学家Ilya Sutskever已经在今年5月离职，并创办了自己的公司。
至此，OpenAI最初的11位创始人中，只剩下山姆.奥特曼和负责语言和代码的Wojciech Zaremba还在坚守。
关键，OpenAI的创始人离职潮并非行业个例。
8月2日，Character.AI公司宣布，其CEO Noam Shazeer和总裁Daniel De Freitas以及多位研究团队成员已经离开公司，重返他们的老东家谷歌。Character.AI是一个基于人工智能的聊天机器人平台，它允许用户与不同的人工智能角色进行互动和对话。这个平台在成立后发展迅速，巅峰期的移动用户数量超过了400万。然而，随着用户增长放缓以及持续高昂的模型训练投入，公司创始人团队最终决定“卖身”谷歌。
除了Character.AI，美国其他AI初创公司也面临着类似的挑战。
今年6月，Adept的联合创始人兼首席执行官David Luan宣布将加入亚马逊，一同加入的还有Adept的几位联合创始人以及其他员工。Adept是一家专门开发基于AI的“代理”以完成各种基于软件任务的初创公司。
而今年3月，人工智能初创公司Inflection AI的联合创始人Mustafa Suleyman和Karén Simonyan也宣布加入微软，分别负责微软新成立的消费者人工智能部门和担任首席科学家。
值得一提的是，仅仅一年前，微软还主导了对Inflection AI的13亿美元投资，使其估值达到约40亿美元，成为AI初创公司中一次融资规模最大的案例之一。
此外，曾经创造出Stable Diffusion系列模型的Stability AI也面临着前所未有的财务危机。这个曾经估值10亿美元、只有180名员工的明星初创公司正在考虑出售，并积极与潜在买家接触。这一系列的事件无疑让人对AI行业的未来充满了疑问和期待。
对于多家明星初创公司遭遇的挫折，纽约大学教授、畅销书作家马库斯认为，生成式AI这个泡沫是时候戳破了。他指出，虽然AI技术带来了巨大的潜力和机遇，但同时也存在着诸多挑战和风险。这些创始人的离职和公司的困境可能只是AI行业调整的开始。
那么，事实究竟如何？
01
日子不好过的OpenAI
在人工智能的大模型浪潮中，OpenAI无疑是领军者，技术的先行者。然而，光鲜的背后往往隐藏着不为人知的艰辛。
如今，OpenAI除了创始人团队的分崩离析，还面临着前所未有的挑战，其日子并不好过。
2024年6月，OpenAI的掌舵人奥特曼向团队透露了一则令人瞠目的财务预测。预计全年收入将攀至35亿美元的高峰，这个数字对众多企业来说宛如登天之难，足以维系它们的繁荣。然而，对于OpenAI而言，这笔财富却显得杯水车薪。
科技媒体The Information深入剖析后指出，OpenAI在2024年的开支可能高达85亿美元。如此一来，即使考虑到35亿美元的收入，OpenAI的年度亏损可能将高达50亿美元，这无疑是任何企业都无法忽视的财务重压。
更让人揪心的是，按照当前的烧钱速度，OpenAI的现金储备可能在短短一年内消耗殆尽，除非能找到新的资金源泉。对于这样一家快速扩张、需要海量资金支持的AI巨头来说，这无疑敲响了生死存亡的警钟。
目前，OpenAI的订阅服务是其收入的主力军，贡献了总收入的84%。据FutureSearch的报告显示，OpenAI每月有近千万付费用户，其中约770万用户依赖ChatGPT Plus。然而，这个核心业务也正遭受用户对AI热情减退的冲击。
自今年4月起，OpenAI的访问量出现了显著滑坡，从月度访问量的巅峰18亿次，跌至6月份的3亿次以下。这一下滑趋势对OpenAI以C端用户为主的收入模式构成了严峻挑战。此外，OpenAI在商业化的道路上也步履维艰。
2023年11月，OpenAI推出了GPTs，试图打造一个AI应用的乐园，类似于APP Store。遗憾的是，GPTs的吸引力犹如昙花一现。加上产品本身的安全隐患和有限的价值，其访问量持续下滑。2月份，GPTs的访问量仅占ChatGPT网页端的1.5%。而微软在1月推出的GPT Builder，6月就黯然退场，更显GPTs的尴尬处境。
更糟糕的是，GPT4的功能也受到了影响。2月时，GPT4表现强劲，但随后其性能逐渐走下坡路。这主要是因为GPT4缺乏进一步的训练数据。OpenAI尝试用AI生成的内容训练AI，但这反而引入了更多的错误和幻觉。这些错误被GPT4的语料库吸收，导致系统整体性能的下滑。
为应对这一挑战，OpenAI推出了GPT4o，GPT4o并非在架构或技术上有重大改进，而是一个修正版。它依赖于一个数百人的团队，他们在GPT4的底层训练数据中识别并移除AI生成的内容，以防止GPT4被污染。
但这个“补丁”并未带来显著的改进，仍存在大量污染问题，效果并不尽如人意。
面对重重困境，OpenAI并未选择退缩，而是持续加大研发投入，渴望在AI领域实现更大的突破。然而，随着更复杂模型的开发，预计OpenAI的支出将继续超过收入增长，这意味着OpenAI可能需要筹集数百亿美元才能满足其庞大的成本需求。
OpenAI当然还有机会在资本市场寻求资金援助。但在巨额投入与遥不可及的盈利前景之间，任何人都会更加谨慎。毕竟，信心是驱动一家公司勇往直前的关键动力。
而此刻，OpenAI正面临着信心流失的严峻挑战。
02
找不到方向的创业者
在六月的钉钉生态系统峰会上，猎豹移动的创始人傅盛提出了一项严峻的议题：“我仍然无法理解大模型公司如何实现盈利。”这个问题如同显眼的大象，存在于房间中却常被忽视。许多人选择忽视它，或是沉醉于实现通用人工智能（AGI）的愿景，或是热衷于追逐大模型的市场热潮。
然而，创业者的忧虑如同面纱，难以掩盖。他们的困境不仅源于盈利挑战，还在于资金链的紧张。上一轮融资即将耗尽，新的资金注入却遥遥无期，同时投资者对商业化进度的追问日益加剧。
六月初，有报道指出，多家美国知名大模型初创公司面临资金链断裂的危机，被迫寻求被收购。其中包括Adept、Character.AI以及Stability AI（曾推出Stable Diffusion）等备受瞩目的企业。
在美国的一线大模型公司中，前四家企业确实筹集了大量资金，并且每一家都有大公司的支持。而二线大模型公司目前可能仍有被收购的价值，但到明年可能就一文不值了。大型企业出于挖掘AI人才的并购可能不会给出高溢价。
例如，Inflection曾是独角兽企业，微软投资了大约150亿美元。最近，微软几乎挖走了其整个团队，而给投资人的回报仅限于本金加利息的退出。
这些公司寻求被收购的关键原因在于缺乏自我可持续的商业模式。要么技术缺乏实际应用无法盈利，要么如OpenAI，收入无法抵消高昂的研发投入。
现在许多人认为生成式AI是万能解决方案，认为将AI融入产品就能提升销售。但实际情况并非如此。近期，一些在中国从事消费电子产品的企业在引入AI后，发现产品虽然更智能，但实际体验与期望之间仍存在显著差距。
美国的情况也是如此，虽然AIGC看起来极具吸引力，但实际落地却颇具挑战。
AIGC落地困难的主要原因有两个：一是幻觉问题，二是结果不可控。一旦AI产生幻觉，就会出错，而且你无法预知何时会出现错误，每次结果都会有所不同。随着对幻觉研究的深入，人们发现造成幻觉的核心问题是脏数据。许多训练大模型的数据源自公开互联网，其中许多数据并不准确。
也因此，自2023年下半年起，大模型行业的关注点已从研发更大规模、更高效的大模型，转向寻找产品市场匹配（PMF）和实际应用的落地。投资者对行业变化更为敏锐，今年年初以来，他们普遍表示将更专注于大模型的应用层面。
然而，这种趋势并未持久。
自六月起，多位大模型创业者透露，投资者对应用层的初创公司兴趣减退。“普遍的情况是只看不投，一开口就问收入、目标客户和增长目标。”
为了适应资本市场的期望，以及确保自身的生存，越来越多专注于面向消费者（2C）的大模型初创公司自下半年开始转向面向企业（2B）的领域。
这种转型为大模型行业带来了另一种景象。在任何一场大模型行业峰会上，每十家公司中，大约五家在开发AI客服，剩下的五家中，三家从事营销内容生成（包括文案和图片），两家则涉足销售培训。
问题是，这种繁荣背后暗含的讯息是：越来越多的创业者对大模型将深刻改变世界的信念有所动摇。
今年标志着AIGC（人工智能生成内容）创业回归商业本质的开端。缺乏良性商业模式支持的公司很难持久发展。没有专有数据和特定用户场景以形成数据闭环并持续优化的独立大模型公司，很难建立持久的竞争壁垒。
03
未来机会还是在应用里
在生成式AI的浪潮中，Stability AI这家公司的故事如同一面镜子，映照出行业内的种种现实与挑战。去年，这家公司因难以获得收入来支付模型开发费用，竟然未能如约向几家云服务提供商支付费用。这一幕背后，透露出的是整个行业对于“为科技而科技”的过度追求，而忽视了市场的实际需求。
梅花创投的创始人吴世春对此有着深刻的见解。他认为，只有基于客户需求，为解决实际问题而开发的科技，才是真正有价值的创新。他以马斯克为例，指出马斯克的成功并非仅仅因为技术的先进性，更重要的是他始终聚焦于解决实际问题，满足市场需求。
吴世春直言不讳地表示，对于目前兴起的大模型公司，他们赚钱的时间点可能永远不会来。这些公司往往只是盲目追随美国的步伐，缺乏独立的市场洞察和创新能力，最终只能依靠融资维系生存。这种“无源之水”的科技泡沫，注定难以兑现商业价值。
那么，在这个充满变数的时代，创业者们应该如何寻找未来的机会呢？答案或许就藏在应用里。
让我们先来看一个生动的案例。有一家专注于给中国电厂做信息系统维护的公司，他们找到了一个特别有意思的场景——派工单。
电网维护是一个高风险的工作，一旦出事就可能危及人命。以前，电厂维护电网的派工单过程繁琐复杂，每个工单可能包含两三百个步骤，派一个单子至少要两三天的时间，还得人工反复核对。
然而，这家公司利用大模型技术，让机器学习了过去几年派过的所有工单，竟然将派单时间一下缩减到了2分钟。半年后发现，大模型比人设置的准确度更高。这种垂直场景的应用创新，不仅极大地提高了工作效率，还保障了电网维护的安全性。
这个故事告诉我们，未来的机会往往隐藏在那些看似不起眼的垂直场景中。只有当你真正聚焦在细分行业里，深入了解客户需求和痛点时，才能找到这些机会点。一旦找到这种尖刀场景，就要尽快建立数据闭环，先把客户圈下来。对创业者来说，找到好场景根本不需要你投很多钱，你10个人找不到好场景，投100个人来也是浪费。
再以深圳的HeyGen公司为例。这家公司最初在中国做数字人业务，后来搬到了美国。他们的产品非常简单实用——只需要上传几张照片，再输入视频文案，就可以自动生成一分钟的短视频。
这个产品在国内可能已经司空见惯，但在美国却卖得风生水起。就这么一个简单的产品，很短时间内就做到了年入3500万美金。HeyGen的成功秘诀在于他们迅速开发了最小可行产品MVP，并快速试错和迭代。半年之内就迭代了30个版本，不断优化产品以满足用户需求。
这些案例都证明了同一个道理：未来的机会还是藏在应用里。尤其是在生成式AI浪潮中，中国的企业并不比美国落后多少。
因为，开始拼应用的时候，中国在应用层将会比美国领先很多。因为中国拥有丰富的垂直场景和庞大的数据资源，这为创业者们提供了无限的创新可能。
