去年底ChatGPT的出现引发了生成式AI的热潮,如今几乎所有大型软件提供商都加入了这一潮流中。

然而,尽管技术提供商和客户对生成式AI抱有极大的热情,但还没有人弄清楚如何从这种强大的新产品中赚钱。相反,据《华尔街日报》近日的报道,微软、谷歌和OpenAI等公司因为向用户提供生成式AI功能而损失了大量的资金。
例如,最早推出的其中一款生成式AI产品GitHub Copilot,是程序员用来创建、修复和翻译软件代码的服务。GitHub的拥有者微软声称积累了超过150万的用户,并且编写了大约一半的代码。
但有知情人士告诉《华尔街日报》,即使这款产品被广泛采用,但也成了一个巨大的资金坑。GitHub每月向使用Copilot的用户收取10美金的费用,但每个客户每月平均要投入约20美金。
生成式AI是一项昂贵的技术,因为其模型可能需要数年的时间来训练和微调,即使完成之后,也需要大量资源才能保证日常运行。波士顿咨询集团营销销售和定价实践负责人Jean-Manuel Izaret表示:“这是需要强大计算能力的,需要大量的情报信息。”
而且许多用例中还存在矫枉过正的情况。例如,ChatGPT是由OpenAI GPT-4 模型提供支持,据说该模型是世界上最强大的模型之一。然而,很多ChatGPT企业订阅方使用该模型执行的任务却是极其有限的。正如《华尔街日报》所说,使用GPT-4来总结电子邮件就像开着兰博基尼送披萨一样。
价格更高,模型更便宜
为了阻止资金流失,很多企业正在寻求开发功能较弱的模型来执行较为简单的业务任务,而其他公司则只是计划提高成本。例如,微软将对Office 365软件套件的AI版本收取每月约30美金的额外费用。目前,Office 365最便宜的版本约为每月10美金。这些AI功能可以撰写电子邮件和PowerPoint演示文稿内容、自动生成Excel电子表格、以及执行其他很多任务。
同样地,谷歌计划要求用户每月支付30美金来购买谷歌生产力软件中的生成式AI功能,最低订阅级别目前只需6美金。
还有报道称,微软正在开发功能较弱的模型来消除杀伤力过大的问题。例如,微软正在针对Bing开发更小的、更便宜的AI模型,仅用于网络搜索。据报道,其中一些模型将基于Meta Platforms等公司的开源AI。
Adobe则采取了不同的策略。Adobe为其AI图像生成工具Firefly打造了一个积分系统。如果客户用完分配的每月积分,Firefly服务将会减慢,以防止过度使用。
Adobe公司首席执行官Shantanu Narayen向《华尔街日报》表示:“我们正在努力提供巨大的价值,同时也在成本方面保护自己。”
客户和投资者仍抱有疑问
微软、谷歌和其他正在考虑提高AI服务收费的企业面临一项挑战,那就是他们必须进行微妙的平衡,因为并不是每个人都认为这种软件是值得付费的。AWS公司首席执行官Adam Selipsky表示:“与我交谈过的很多客户都对运行其中一些模型的成本感到不满。”
目前,生成式AI变现的问题并没有阻止投资者,他们今年总共向那些最有前途的初创公司投入了数十亿美金。《华尔街日报》称,OpenAI目前正在讨论出售股票的可能性,这将使其价值超过900亿美金,是年初价值的3倍。
然而许多业内人士认为,投资者热情消退只是时间上问题。当这种情况发生的时候,很多人将会长期认真地审视运行AI的成本以及利用AI实现盈利的方法。
Writer公司首席执行官May Habib表示:“我认为明年将是生成式AI资金热潮消退的一年。”上个月该公司刚刚筹集了1亿美金资金。
好文章,需要你的鼓励
英国宠物慈善机构PDSA数据显示,超过半数宠物主担心无法承担兽医费用。科技公司正通过AI和物联网技术解决这一市场需求。在伦敦兽医展上,多家初创公司展示了创新技术:AI for Pet利用视觉AI分析宠物眼部、皮肤等图像提供健康洞察;Sylvester.ai开发AI模型识别猫咪疼痛表情;VEA整合患者数据自动化诊断。此外,智能项圈等物联网设备可追踪宠物健康症状。这些技术有助于宠物主采取预防措施,降低兽医费用。
卡内基梅隆大学联合Adobe开发出革命性的NP-Edit技术,首次实现无需训练数据对的AI图像编辑。该技术通过视觉语言模型的语言反馈指导和分布匹配蒸馏的质量保障,让AI仅用4步就能完成传统50步的编辑任务,在保持高质量的同时大幅提升处理速度,为图像编辑技术的普及应用开辟了全新道路。
北欧国家启动统一人工智能产业计划,旨在通过合作在全球舞台上竞争,获得微软和谷歌支持。10月成立的新北欧AI中心获得350万英镑初始预算,但谷歌和微软是唯一提供资金支持的科技公司,具体金额保密。该中心将开发生成式AI系统并建设应用AI服务的系统。北欧教育部长承诺追加资金开发大型北欧语言生成AI模型。尽管资金有限,但北欧国家希望通过联合力量在AI竞赛中提升地位。
复旦大学团队突破AI人脸生成"复制粘贴"痛点,开发WithAnyone模型解决传统AI要么完全复制参考图像、要么身份差异过大的问题。通过MultiID-2M大规模数据集和创新训练策略,实现保持身份一致性的同时允许自然变化,为AI图像生成技术树立新标杆。