原标题：AI应用，一场祛魅之旅悄然进行
在AI浪潮里，AI早期深度使用者与中国大模型公司们，对AI应用的理解正在发生改变。
去年此时，在由chatGPT卷起的AI原生应用热中，人们更多讨论的是，拥有场景优势和擅长做产品的中国大模型企业如何能造出一个杀手级应用？类似的「爆款焦虑」也在行业间弥漫。但现在，谈论「价值」的人越来越多了。在刚刚结束的2024年世界人工智能大会上，百度创始人李彦宏就发出了类似的「灵魂之问」：
“今天这个震撼发布，明天那个史诗级更新，但是我要问：应用在哪里？谁从中获益了？”
不止是大厂，过去关注模型参数和榜单成绩的大模型创业公司也开始将聚焦到应用融入具体场景和业务的价值。智谱AI CEO张鹏提到：“今年人们已经从关注大模型本身转变为思考和讨论大模型创造价值、赋能产业、落地应用，行业已形成共识，不再去讨论大模型是不是必要，或者大模型好还是小模型好，行业已经转变成更务实的状态。”
但尽管态度发生转变，一些具体的问题也随之而来。不少投资人和从业者都曾预言，2024年将会是AI应用的爆发元年，同质化的应用爆发潮是否会造成一场新泡沫？当C端用户和B端企业都开始关注大模型产生的价值，具体的落地之路，又应该怎么走？
比起眼前的热闹，一场关于AI应用的祛魅之旅却在悄悄进行。
早期使用者，祛魅AI工具
热衷于AI工具测评的张帆（化名）本职工作是一位程序员，副业是一名AI类博主，作为AI浪潮里的早期使用者，他的一个明显感受是，比起此前测评各类AI工具的热情，今年他觉得「越来越没劲儿了」。
张帆提到一个细节，去年他的AI工具安利文下，每天都会有很多用户求分享、求更新，由他组织的社群内，用户对AI工具讨论的热情也一直很高，但从今年4月开始，气氛开始转冷。据他分析，像他这早期使用者很多都开始对AI工具祛魅：“大家目前都有一到两个已经熟练运用在工作流中的AI工具了，能提高一定的工作效率，尝鲜的热情不大了。”
另一位古风AI绘画博主也向「硅基研究室」表明了类似的观点，比起去年各类AI绘图工具在功能上的颠覆性迭代，尽管今年各大AI创意类工具依旧层出不穷，但今年她觉得很多功能都只起到「雕花作用」。
来自瑞典的内容创作音乐平台Epidemic Sound发布的一份对创作者的调查报告也佐证了部分AI工具的早期使用者们对AI工具的态度，这群大众印象中的技术狂热者们，在2024年悄悄降低了某些工具的使用率。
在Epidemic Sound调查的1500名内容创作者中，尽管有84%的内容创作者表示他们正在利用AI工具和应用辅助内容创作，但他们对头部AI工具的使用率却在逐年下降。
数据显示，有84%的创作者在内容创作过程中积极使用了AI工具和应用程序，但人们对某些工具的使用率在今年却有所看得见的下降。比如，如Midjourney和Adobe Firefly此类图像或视频识别工具，2023年，创作者对其的使用率为64.9%，但今年这一数字仅为46.5%。
这群早期使用者们祛媒AI工具的原因主要有两点：一是担忧生成内容的质量，包括准确性、偏见等。二是技术伦理问题，比如数据隐私，甚至有一位创作者直言：“使用AI来生成内容设计实际上比自己想出创意更耗时。”
“高科技产品推广过程中，最危险的时刻就是从早期市场过渡到主流市场的阶段。而能否赢得早期采用者，事关企业开拓任何一个高科技细分市场的成败。”在《跨越鸿沟》一书中，硅谷著名科技营销专家杰弗里·摩尔曾这样写道。这些早期使用者心态的变化已经释放出一个关键的信号：
大模型和AI应用在触达更多的早期使用者后，正站在一个接近早期大众的鸿沟边缘：如果跨过去，前方就是更广阔的天地。
巨头忙聚焦，创业派拓边界
为了成功跨越这道鸿沟，中国大模型公司们已付出了不少的努力。
在刚刚闭幕的2024年世界人工智能大会上，比起去年大模型厂商们争相讲述的底座基础模型的故事，今年厂商们的策展主题都集中在了对AI应用的展示上，向外界强调大模型「看得见摸得着」的实际价值。
复盘今年上半年中国大模型厂商们的动作，无论是有钱有资源的巨头，还是包括MiniMax、智谱AI、百川智能、阶跃星辰面等目前跑出来的大模型独角兽，一头按照进度表继续卷底座模型参数和性能，另一头抓紧落地大模型AI应用的落地，成了诸多技术非共识里的统一共识。
但在具体的战略和动作上，这之中，巨头与创业派间对AI应用的落地节奏与理解又有明显的分化。
总结看来，大模型依旧是一门烧钱的生意，巨头们忙着打散、重构与聚焦，创业派们则在拿到融资后，积极拓展自身的边界。
巨头之中，经历了「打散-重构-聚焦」这一过程的代表案例就是腾讯和字节跳动，它们也是在「百模大战」里被视为最不着急的两家中国科技大公司。
今年5月，字节跳动AI大模型「豆包」全家桶终于官宣，月底，依托腾讯混元大模型的C端应用「腾讯元宝」也正式上线，在经历了一段时间的内部赛马后，字节与腾讯也不打无准备之仗，一个果断前期行业价格战，另一个则借力微信生态，直击百度等先发大厂的腹地。
从两家大厂的入局时间点来看，都足以印证对AI应用的重视。一方面，基础模型层的价格战，实则直接减少了开发层和应用层玩家们的成本，另一方面，在移动互联网时代就擅长做应用、有生态的腾讯和字节，还瞄准了AI应用的分发环节，通过旗下的AI智能体创作与分发平台「扣子」和「腾讯元器」，旨在建立AI应用从「开发-分发-应用」的闭环，这其实比OpenAI们此前做的「GPTs商店」多走了一步。
字节「扣子」和腾讯元器图源：截图
另一边的MiniMax、智谱AI、百川智能、阶跃星辰等创业派则在积极拓展边界，从效率类到娱乐类，从C端到B端，并不局限在单一场景，为的是探索更多的商业化路径。比如强调超级大模型和超级应用「双轮驱动」的百川智能在今年5月发布全新Baichuan 4系列模型时，也同步推出了首款懂搜索的AI助手「百小应」。另一家最新崭露头角的大模型创企阶跃星辰同样如此，在发布底座模型的同时，也推出了自研的个人效率助手「跃问」以及AI开放世界平台「冒泡鸭」。
某种意义上，两条腿走路的双轮驱动，既是一种理想状态，也是一种无奈之举。智谱AI相关负责人曾提到，To B业务保证了公司基础的规模化收入，To C方面的目标是培育颠覆性的「杀手级」应用。前者有着稳定明确的数字化和商业需求，后者早已在移动互联网时代被印证为一门可行的生意。
但之所以说是「无奈之举」则在于，竞争环境变得越发激烈了。一方面，随着大模型「以价换量」兴起，B端卖API的竞争也卷入了价格战，在大模型在企业端的价值尚在探索时，「价格」这一敏感因素被放在了早期使用者面前。另一方面，C端产品的同质化问题，也逐步凸显。
MiniMax创始人闫俊杰在被问及「国内有哪些挑战是需要你们解决的？」这一问题时，就谈到：“目前我觉得国内大部分公司还没有形成差异化，模型水平、产品都差不多，所以就会变成拼价格。”
可以预见的是，无论是大厂，抑或是创业者，随着未来AI滤镜的衰退，技术的收敛以及用户对AI应用的祛魅，更艰难的仗已经开始了。
对「超级应用」的重新理解
如《跨越鸿沟》中所提到的，从早期采用者到早期大众，跨越这道「大模型使用鸿沟」最重要环节之一就是触及早期大众。此类人群的特点是，尽管他们也能想象新技术的好处，但是驱动他们最终为产品和应用付费，最终还是建立在强烈的实用主义上。
换言之，关注大模型实际产生的价值几何，已成了更多人谈起大模型落地的一个基础条件。百度创始人李彦宏就提了一个观点，今天的大模型厂商，要避免掉入「超级应用陷阱」，他给出的理由是，在AI时代，「超级能干」的应用比只看DAU的「超级应用」更重要。
从对爆款的流量焦虑转向价值转化的实用主义，这一定程度上是国内大模型厂商们在热闹之中的「冷思考」。一个杀手级应用的诞生，既取决于技术的成熟度，也取决于市场与用户的接纳度，据MiniMax创始人闫俊杰的预测，真正的杀手级应用（Killer App）至少要三年之后。
从当下的竞争环境来看，AI应用走向真正的普惠化与大众化依旧还有很远的距离。
首先，是仍需提升的模型能力。随着国内大模型能力的整体提升与技术升级，带动推理成本的下降，同时开闭源共存下，也能满足不同企业的成本或安全需求，但在一些共性问题上，模型能力依旧有很大的提升空间。
例如，在B端的行业和产业端，阻碍大模型落地的一个关键问题就是准确率，金沙江创投主管合伙人朱啸虎此前就吐槽过：“今天大模型最大的问题是准确率太低。”一位医疗领域行业人士提到，像医疗和健康领域容错性低的行业，大模型的准确度可能要95%以上才勉强可用，这就要求大模型厂商必须要找到行业与企业的核心痛点，与业务更好地适配，让大模型从行业通才变成真正的业务专才。
C端也是如此。闫俊杰也说到，短期内MiniMax最明确的目标就是解决大模型的「错误率」问题：“比如现在30%的错误率，导致用户大大减少。”
其次，是技术与场景的适配度，这是一个更系统化的问题。从最先的概念验证到真正走向商业闭环，并非是「每一个场景都值得用大模型重做一遍」。企业考虑的不仅仅是前期投入的成本问题，还有运维、服务响应等等，这就需要大模型企业和更多ISV和软件厂商一起培育好、打造好大模型落地的相关服务生态。
除此以外，谈应用爆发，无法离开谈时代背景。2024年，在各大模型厂商竞争AI应用的同时，一批AI明星企业已经选择提前退场。此前我们在《硅谷新一轮AI大爆炸后，初创企业们的「残酷众生相」》曾梳理这一进程，一场「裁员、出售、转型」的AI浪潮已经袭来。
而在中国，类似的变革也在酝酿，相比去年「百模大战」的疯狂，今年以来，大模型赛道已稍显冷静，钱越来越集中在头部的明星创企，后续在牌桌上继续出钱的人也趋向于阿里、腾讯等头部科技大厂。
国投证券在研报中指出，2024至2025年是AI落地应用的时间窗口，各类资源都会集中于对落地应用的攻克上，一个明显的难点在于，受宏观经济影响，AI企业在成功之前有极高的「逆淘汰」风险，在一个收缩的大环境下，更需要准备充足的弹药。
过去，这里的「弹药」或许是算力或资金，但现在有了新的标准，比如成本、用户心智、交互能力以及更多沉淀在具体业务中的应用价值，这对更多的中国大模型企业来说，是一个好的信号，因为应用催生问题，而中国企业总是擅长解题。
