1月 23 日，微软宣布将向 OpenAI追加投资数十亿美元，并且将把ChatGPT、DALL-E 等 AI 工具整合进微软的全线产品，包括搜索产品 Bing、办公产品Office、云服务 Azure。

【资料图】

本已炙手可热的OpenAI被推上了神坛，各类AIGC公司开始倍受追捧。跟任何一次技术浪潮来临一样，国内各路人马纷纷跟进，百度号称要在3月推出类似ChatGPT的工具，各种真假ChatGPT概念股大涨，很熟悉的味道。

这样的火热行情中，我还是想讨论一下AIGC的盈利问题，毕竟有一批AI公司正深陷亏损的泥潭。

业界现在通常把AI分成两类，一类是决策型AI, 另一类是生成式AI，即AIGC。决策型AI即通过深度学习，对数据进行分析、判断、预测，并做出决策。这是第一代AI, 包括推荐系统、计算机视觉等，主要应用于新闻和电商的推荐、安防的人脸识别、汽车的自动驾驶等场景。

字节跳动的今日头条和抖音先后靠推荐算法崛起，阿里、京东、拼多多等电商平台也大赚，推荐算法成为大平台的利器，不存在盈利的问题。

但创业公司就没那么好运了，它们不得不为自己的AI技术创造合适的应用场景，千回百转地寻找盈利模式。有机构做过统计，2020 年，AI+安防达到了 453 亿元的市场规模，是商业落地速度最快且容量最大的赛道之一。但在这个领域，AI不得不依附于硬件和系统，跟它们一起打包销售。

中国AI四小龙之首的商汤就是其中的典型。商汤的盈利模式依靠智慧城市和智慧商业，它将AI技术嵌入硬件再卖给企业，比如安防考勤的通行一体机、商场楼宇的测温机等，这样的模式中，硬件占了很大一块成本。2021年，商汤营收47亿元，其中硬件成本就占了12.65亿元。2021年商汤亏损170亿元，此前的2020年已经亏损121亿，2022上半年又亏损32亿元。

自动驾驶是决策型AI变现的另一大赛道，但它依附的硬件更大、成本和门槛更高。首先要有车，否则就别谈什么自动驾驶订阅服务。造车成了核心，号称是中国AI上投入最久、专利最多的百度，也不得不亲自下场造车，折腾了这么久，集度车还没量产上市呢。

相比之下，AIGC的命好太多。AIGC是生成式AI，即AI通过对数据分析后进行再创作，生成新的数据，比如一篇文章、一幅画、一条视频、一段代码等。跟决策式AI相比，生成式AI盈利模式简单直接，无需中介，直接向用户收费。

其实在OpenAI火起来之前，国外已经有几个AIGC工具很流行。比如Jasper，一款AI写作工具，主打营销文案，它可以帮你写Instagram 标题，编写TikTok视频脚本、广告营销文本、电子邮件内容等。

你只要每月交82美元，Jasper就可以帮你写10万字，超出了10万字的部分，按每5000字10美元的价格计。付费业务在官网上订购，非常方便，有在线顾问，针对五人以上团队、一年起步消费6000美元的公司。

目前，Jasper拥有7万多名客户，包括Airbnb、IBM等企业。这家公司2021年才成立，当年就创造了4000万美元的收入，预估今年收入将达到9000万美元。

Midjourney是艺术工作者公认最好用的AI绘画工具，因为用它创作的《太空歌剧院》获美国科罗拉拉多州博览会美术竞赛一等奖而名声大噪。

我体验了一把Midjourney，恍若误入程序员社区，使用界面很不友好，发了指令之后生成的结果经常被别人的作品冲得难觅踪影。后来有做艺术的朋友告诉我，如果你愿意付上30美元的月费，就能在Discord上建立跟它的专属对话，不受别人的干扰。

OpenAI也推出了每月42美元的收费版，stability AI也是类似的付费订阅模式，AIGC已经形成了成熟的SAAS模式。

除了向用户收取包月费，AIGC还探索出了其它的商业模式。比如OpenAI已经与全球最大版权图片供应商之一的Shutterstock达成深度合作，Shutterstock将开始出售利用OpenAI的DALL-E生成的图片，并禁止销售非DALL-E生成的图片，完成深度独家绑定。DALL-E相当于一个自动化的图片工厂，它只负责生产，渠道、获客、运营则交给别人。

一些精明的中国人已经开始效仿，比如有文创机构利用Midjourney创作图片，授权给其它机构付费使用，比如自媒体文章的配图、电商的广告产品图、T恤、帽子等实物商品上的图案等等，简直是无本生意。

AIGC的应用领域很广阔。最直接的是内容领域，比如用AI写新闻、AI绘画、AI作曲、AI配音、AI制作游戏等。中信建投对各类内容未来可AI化制作的比例做了一个测算，图片授权的比例最高，达55%，音乐为50%，游戏为30%。按2021年数字内容领域1万亿元的规模来计算，AIGC的市场空间可达1千亿元。

此外，AIGC还将应用到建筑、医药等其它领域。

Gartner预测，到2025年生成式AI产生的数据将占到所有数据的10%，而2021年生成式AI产生的数据不到所有数据的1%；2025年，50%的药物发现与研发将使用生成式AI；2027年，30%的制造商将使用生成式AI提高产品研发效率。

目前AIGC面临的问题就是高昂的成本。为了训练模型，需要消耗大量的算力，chatGPT每一次回答的成本要几美分。

大型模型的训练需要耗费大量的算力，还产生大量的碳排放。Gpt-3的训练使用了上万块英伟达V100 GPU，总成本达2700万美元，碳排放量为552吨。

当然微软扛得起这个成本。

1月25日微软发布2023财年第二季度财报后，在分析师会议上，当谈及微软与OpenAI的合作，微软CEO萨提亚·纳德拉说：我们坚信人工智能的浪潮势不可挡，企业一旦抓住这次“浪潮”便能创造大量价值。

当有分析师问及AI对微软产品的贡献能否量化？萨提亚·纳德拉回答道：“ 将AI的贡献进行量化还为时过早。对于Azure来说，AI将是其核心组成部分，不能单独而谈。我相信未来的所有应用程序都将受AI驱动。”

看来微软不打算在AI上赚钱，但要用AI帮微软赚大钱。