2023 生成式AI小结（积累/ 趋势/ 问题）

2023年是生成式AI爆发元年，过去的一年中利用业余时间探索了多个生成式AI项目，积累了生成式AI经验。2023年复盘，同时作为2024年的起点。

AI知识积累和分享

初心

1. 通过不断输出，学习AI知识，结交志同道合的伙伴。

2. 不以盈利为目标，坚持长期主义，打造AI个人IP。

3. AI普惠最少还有2-3年，保持好奇心和探索欲。

4. 通过学习、实践项目找到AI的落地机遇，深耕AI产品。

成果

1. 分享实用的AI应用，亲身体验后分享真实评价和反馈。

2. 维护250+ AI应用落地群，分享前沿的AI应用讯息。

3. 打造AI金榜，自己积累，同时分享给感兴趣的朋友们。

4. “大鱼论AI” 全网IP（公众号，知乎，视频号等）

• AI公众号文章18篇，2000+关注
• 短视频20多条，200+关注
• 知乎Lv5 创作等级，350+关注

5. AI项目探索（5人兴趣小组）

• ChatGPT套壳，群内分享，非商用
• 基于Stable Diffusion电商虚拟模特项目
  
  

@大鱼 2023年复盘

以下内容仅代表个人观点，如有不同观点，欢迎交流。

2023年热门AI商用模式 

1. Chat形式的订阅产品，提供个人或企业级API。

例如 ChatGPT，Claude，文心一言等。随着OpenAI, Anthropic的估值水涨船高，已经成为最主流的AI商业模式，也是国内一众AI创业公司的终极目标。

可惜的是，虽然产品形态十分接近，部分功能看似超越，真实情况却是海外头部AI公司无论是算法、算力、数据都遥遥领先于国内，保守估计最少有1-2年的技术差距。

更扎心的是，海外AI独角兽公司已实现盈利，但国内AI盈利则依然遥遥无期。某些大公司居然已经主动放弃自研而选择开源，或者直接套壳。如某互联网大厂，及某短视频大厂已有出现相关新闻报道。

2. 生成式多模态应用，例如图片/视频生成AI工具

例如，Mid Journey，Stable Diffusion，Dall-E等。相对于语言chat类型的生成式AI，图片/视频生成已经有了相对成熟的应用场景。辅助设计，设计素材生成，优化设计流程等已经行业落地。应用主要服务于设计师或相关细分行业，需要较高的行业门槛，应用场景也相对狭窄。

3. 其他细分领域的生成式AI落地

例如攻占社交领域的Charactor AI，个人笔记Notion，集成copliot office 365已经初见锋芒。相对于第一种大开大合的商业模式，细分领域往往是大厂看不上的小市场，但更愿意用财务投资的方式参与。例如2023年作者也有幸曾接触过电商的虚拟模特场景，采用生成式AI完全取代人工模特，从产品原图直接生成高质量虚拟模特展示图，按数量计费，可以每年实现大千万级别的净利润（前提是图片质量足够高）。

细分领域的AI落地需要紧密贴合业务场景，解决真实业务问题（需要有看得见的效果）。通常对AI生成的精准度和质量都有极高的要求，例如上述电商场景，需要完美保留产品特征，纹理等信息。随着基础技术的不断成熟，这类应用将会越来越多。例如，视频翻译，PPT生成，图片处理，医疗，教育，法律等行业的探索。

4. 生成式AI知识付费

生成式AI虽然迎来爆发，但却远没有普及，普通大众或者普通企业依然需要了解AI、学习AI工具，因此，AI知识付费需求仍然存在。

但是，AI知识付费的趋势正在发生转变：

1. 大众化培训，门槛越来越低，讲课老师99%没有AI经验，更不是技术背景或相关行业。知名的某*舟 是学清华美术专业，各类9.99 AI学习课也是满天飞。
   

2. 专业化培训，还没有形成趋势。专业类培训需要结合AI工具和业务场景。解决细分领域落地过程中的问题。

生成式AI带来的问题 

1. 宕机怎么办！生成式AI作为基础能力的依赖性。

- 过去1年间，多次发生Open AI无法访问的重大事故。如果企业的核心业务完全依赖于AI技术，一旦底层AI服务宕机，企业如何维持当前业务，备用方案是什么？

- 对于有这类问题的企业，是否需要同时加入多家底层AI服务，用额外的成本提高健壮性。随之而来的问题，如何保证数据的质量在多家AI服务商间无缝切换。

- 例如，广告公司依赖Mid journey高效提升广告设计业务，并将AI能力接入公司标准化流程后已进行大幅裁员。如果Mid Journey发生宕机，广告公司如何完成订单的交付？

2. 细思极恐！生成式AI黑盒效应。

- AI服务是一类完全颠覆性的商品或服务。这类服务的结果存在随机性，并且生成的过程是完全黑盒，这样将导致一个致命的结果：用户无法衡量AI服务的质量。

- 极端情况下，假设某家AI巨头已经为100万家企业提供AI服务。假设为了追求利润最大化，发生了存在不道德行为，偷偷将每次API调用成本降低10%，这个操作将直接为AI公司创造10%净利润，但用户却无法量化这类负面影响。甚至用户可能感知不到或者仅仅觉得AI变笨了。如果真的遇到这样一家疯狂的I公司，这个场景简直细思极恐！

生成式AI的趋势

生成式AI的爆发必将带来巨大生产力的提升，这个趋势已经到来并且将影响到各行各业。但AI的普及和行业落地将会是循序渐进的过程。AI带来的生产力提升更多体现在生产效率的提升，即帮助专业人士更高效地完成工作，同时替代更多无脑的工作。

生产力的提升将会是双刃剑：

• 对于企业来说，无疑能进一步节约人力成本，原本3个人完成的工作现在只需要1个人就可以完成，那么剩下的2个人无疑是冗余的。

• 对于个人来说，小团队或者草根AI创业的门槛基本已经关闭，希望通过AI工具战胜99%的同龄人实现升职加薪也更多是奢望。

本质上，企业必然会充分挖掘员工潜力，如果你能做150%的工作就不会只给你安排100%，同时AI的普及也会让企业主对员工效率有更高期待，原本10人团队能完成的工作领导会认为现在只需要5人就能完成。

这样的背景下，无脑的基础工作将有更大概率被替代，从事这类行业的人群也保持高度警惕。同时，如何将AI技术落地细分行业也会存在大量机会。理解AI工具与行业经验进行融合、适配将是未来3-5年每个行业都会面临的挑战。