AI的生态进化：模应一体的终结与新商业逻辑的诞生

文|新立场

9 月 4 日，文心一言大模型的移动端应用发布了 4.0.0 版本，最大的改动是 App 名字从“文心一言;改名为“文小言;；同一天，支付宝旗下 AI 应用“支小宝;最新版本也正式上架苹果 App Store。把这两件事合在一起看，可以发现一些微妙之处。

此时此刻，距离 2022 年 12 月的 ChatGPT 时刻过去已有一年零九个月，大模型发展进行到当下阶段，越来越多人都在问一个问题，这个时代的 Killer App 什么时候会到来？

同时，市面上回归理性的观点也越来越多，甚至不乏唱衰大模型的声音，但如果结合一个事物的基本发展规律来看，极度的热情过后回归理智倒才是意料之中的趋势，因此也无需对所谓“唱衰;的声音太过惊慌。

但借由“文小言;、“支小宝;，《新立场》捕捉到了现在正在逐渐凸显的一个整体趋势——整个 AI 行业正在放弃通过“模应一体“的思路成就 Killer App 的执念。

顾名思义，“模应一体;指的就是模型层和应用层是一体的，当然这也算不上技术端的专业术语，甚至也不是业内广泛应用的概念，在本文，我们会将其定义为大模型厂商的一种商业化战略思路，譬如ChatGPT，国内的豆包，通义，文心一言等等都是模应一体，它们既是大模型的名字，也是应用的名字，模型层和应用层都捏在同一个厂商手中。并且是先有模型再去设计产品的思路。

本质上来说，这种思路是大模型厂商想要通过技术端切入去创造一个爆款应用，毕竟这就是大模型厂商视角来看最理想的商业化路径，也是过去一年多时间里，各个大模型厂商不断加码的最大方向，以及讲给投资人的故事核心逻辑。

不过在这个过程中，从模型Token不断降价，到营销获客成本水涨船高，现在还能留下的模应一体玩家不是背靠大厂，就是炙手可热的独角兽新星，但这条路依然群狼环伺，太过拥挤。

于是我们不难看到很多大模型厂商也在发力 To B ，亦或者做起了不那么强调大模型的 C 端AI应用，这自然是大模型厂商们早就开始做的事情。只是现在，这些方向将成为回归理性阶段的当下，更有确定性的商业化路径。正如标题所言，厂商们也许正在思考，原本主打的“模应一体;思路可能成就不了 Killer App 了。

01、GPT的模应一体，其实难以复刻

能让厂商们长时间抱有“模应一体;幻想的源头自然就是 OpenAI 。

实际在此之前，在整个互联网时代我们很难见到这样的案例，一个算法层面的技术爆发后，直接成就一个同名应用层的爆款产品。细数中国互联网尤其是移动互联网的发展史，爆款应用的诞生关键原因大多都来自于应用本身的业务逻辑设计和生态积累。

而 ChatGPT 的出现带来了一个可能性，技术积累到一定程度后带来足够惊艳的效果，也会快速吸引全球的目光，彼时最广为流传的就是一则用户数量破亿的比较图，Instagram 用了两年半，Tik Tok 用了九个月，而 ChatGPT 用了两个月。这个速度，也让技术圈见识到了一种可能性，一种由技术切入去创造爆款应用的可能性。

于是国内的玩家纷纷入局，我们可以清楚地看到，去年一整年，入局者都在高调宣布自己的通用大模型名字，以及同名的相关应用产品，百度的文心一言，阿里的通义千问，科大讯飞的讯飞星火，字节的豆包，包括其他独角兽大模型如智谱AI，百川智能等等。

然而现在来看，OpenAI 自己的商业化都在面临困境。

此前有外媒报导，OpenAI 当下面临着复杂的挑战，包括巨额资金需求、持续技术突破的压力以及高昂的运营成本……据 The Information 的数据， OpenAI 每年的运营亏损预计为 50 亿美元，公司每年至少需要 50 亿美元的新融资才能生存。

当然对于吃着舆论红利的 OpenAI 来说，进一步融资也许不会太过艰难，近期就有媒体爆料，OpenAI 正在洽谈新一轮融资，估值将达到 1000 亿美元以上。

除此之外，此前 OpenAI 跟纽约时报的官司就不难看出，OpenAI 想要跟目前已成熟的各种内容生态及工具生态达成互联互通并非易事。而用户使用 AI 的关键痛点又在于对于各种信息的获取及控制，除非 OpenAI 自建一个自给自足的庞大生态。但显然，对于独角兽而言，这条路会非常漫长。

可以说 OpenAI 本就是AI整个行业的极端案例，加之国内外用户使用互联网产品的习惯大不相同，国外习惯使用网页端搜索，而国内更偏向于移动端。OpenAI 单靠着大模型技术快速完成用户积累的参考意义对于国内其实不大。

而国内爆款应用迟迟不出现的原因，仅仅是一个浅显的道理在发挥作用，从技术端去匹配应用容易本末倒置。

尽管“模应一体;的思路有 OpenAI 这个还算成功的案例，并且正如上述所说，掌握模型技术的人去做应用也更方便针对应用调试技术，并且不会面临在模型层被他人卡脖子的情况。

然而且不说 AI 大型模型尚未达到足够的成熟度和稳定性，无法在所有应用场景中提供可靠的性能，现在这个时代，一个爆款应用的诞生并非简单的单个功能效果惊艳就可以达成的，而是需要一整套针对应用场景的解决方案。

不难看出 GPT 后时代市面上出现 AI To C 应用大多是只有一个主打的单点功能，而靠着单点功能在移动互联网搏出位的时代已经离我们远去了。

02、试图走出模应一体的应用们

现在 AI 赛道主要有两条思路，一是 To B ，二是从业务层切入将 AI 植入 C 端应用或生态。这对于比烧钱换增长成就模应一体的超级 App 更靠谱。

To B 方面，最典型的是阿里的通义和华为的盘古。通义在交通、金融、酒旅、企服、通信等行业的落地，以及盘古在矿山、电力、气象、医药等行业的优势我们已不必赘述，从底层业务基因来看，阿里和华为本就擅长做 To B 客户服务，所以在这方面领先也是情理之中。

To C 方面，典型案例则是目前国内访问量排名第一的 ChatBot——Kimi。如果我们询问 Kimi 自己他背后的大模型是什么，kimi 给出的回答是：“我不是一个独立的大模型，而是 Moonshot AI 开发的人工智能助手，名叫 Kimi。我的能力来自于 Moonshot AI 集成的先进技术。;

显而易见，Kimi更强调的是人工智能，而大模型技术只是支撑起起其业务逻辑的技术板块之一。正如《新立场》此前的文章提到的：如果一开始就冲着更全面更通用的方向去的，这必然会导致不管是获客层面还是模型训练层面都会广而不精。而 Kimi 背后尽管也用到了通用大模型，但却有一个非常精准且高效的切入点——主要应用场景为专业学术论文的翻译和理解、辅助分析法律问题、快速理解AAPI开发文档等。显而易见，这方面的内容更具有逻辑性，对于 AI 来说相对更容易理解和输出。

也就是说，Kimi 背后的月之暗面更早锚定了初期的核心付费用户以及商业化模式，加之足够坚定的营销投入以及精准的营销获客渠道，都有助于 Kim 实现生成内容质量上的滚雪球。

Kimi 一开始就强调自己是 AI 而不是简单的大模型，而如今，也有更多的玩家从应用端弱化了大模型的存在感，更多是强调自己的 AI 属性。

比如此前在视频生成领域迅速出圈的两个新秀，字节的即梦 AI 和快手的可灵 AI ，同为大模型六小虎的 MiniMax 推出的 AI 陪伴软件星野，还有本文开头提到的，百度也不再执迷于“文心一言;这个名字，将 App 名字改成了“文小言;。

只是，“模应一体;之后，下一个时代大模型厂商或者说 AI 公司给投资人讲的故事核心逻辑会是什么，我们可以从最近上架的一款新应用看出端倪——支付宝旗下 AI 应用“支小宝;。

蚂蚁金融称基于蚂蚁百灵大模型推出的“支小宝;，是国内首个服务型的 AI 独立App。从业务逻辑上来看，由于支付宝本身已有较为全面的生活服务生态，用 AI 来为用户提供更方面的生活服务确实是一个更有想象力且更具体落地的应用方向。

即比如也许将来用户仅仅可以通过只说一句话，就完成线上的购买的行为。事实上，看似一个简单的语音购买行为，其中涉及的不止是 AI 理解并筛选信息，更是 AI 直接替用户做出决定性的关键动作——支付，而这又离不开前期支付宝在免密支付等功能上的铺垫，以及整个支付生态的铺垫。

也就是说，比起重新创造一个超级App，在原有早已完善的超级生态上用AI的技术再串联一遍所有功能，才是接下来 AI 时代 ToC 的核心叙事之一。

在 GPT 刚开始爆发的时候就有一句话广为流传：“所有的应用都值得用AI重做一次;。而显然，现在这句话应该加上后半句“重做的是应用而不是生态。;

支小宝就是支付宝的 AI 版本，将来它也许可以无缝衔接支付宝的所有生态和功能。这其中关键在于生态内部的互联互通以及生态本身的足够完善。

当然，这并不是说“模应一体;的思路就是完全不对的，只是在整个AI赛道日新月异的情况下，先开发大模型再去设计 To C 产品，已经不能准确代表 AI 带给我们的核心价值。

相比之下现在已经出现了更加具有落地性和想象力的新思路，从本就完善的超级 App 或超级生态之中植入 AI ，亦即从应用端出发去匹配相应的AI技术。除了支付宝的支小宝，豆包 AI 植入飞书等应用亦是同理。

03、写在最后

以后国内的“模应一体;赛道也许终究杀出一个超级应用，但这需要很长时间的生态铺垫，毕竟用户对单一的功能没有忠诚度。

据目前在社交用户之间传播的一组数据显示，国内前几大 AI 应用，30天的留存率皆不足 1%。

这个数据不无道理，目前国内的 To C AI 工具大多都是生成式，少有现如今支小宝这样的执行式，但现在普通大众对于单一的 AI 生成内容功能来辅助生活的需求其实依然不算太大。

而接下来最先诞生的超级 AI 大概率会来自于一个本就完整且国民度高的生态之中。

*题图及文中配图来源于网络。