AI 的第一波热潮已经过去，大模型的主要玩家逐渐浮现，技术方向也更加明确：多模态、人机对齐、降低训练成本、提高可解释性等。这些工作将逐渐集中到少数大模型公司和开源社区。
投资方面，仍然会涌入硬件、基础设施、基础模型能力，以推动技术进步。然而，这些投资的前提是 AI 应用必须能够创造巨大的经济价值，以实现合理的回报。因此，大多数公司将把注意力集中到应用场景上，逐渐从技术驱动创新转向产品驱动。
成熟企业可以将大模型和 AI 能力视为「延续性创新」的工具，利用这些技术来改进自己在现有市场中的表现，以更低的成本提供更好的用户体验和价值。
例如，为全球用户提供语言学习服务的 Duolingo 上线了两个基于 GPT-4 的新功能 Roleplay 和 Explain My Answer。依靠这样的创新，Duolingo 有望进一步提升收入。
再比如，软件企业 Intercom 在今年年初推出了基于大模型技术的智能客服机器人产品 Fin，允许客户将私有数据和知识导入系统，进一步强化自己的产品价值。 尽管引入了 AI 技术，这两家企业的核心客户价值没有改变，所处的价值网络也没有发生变化，是典型的「延续性创新」。
除此之外，改进现有产品的交互方式，让用户能够通过自然语言界面完成事务性任务，对于许多软件，尤其是复杂的企业软件来说，可以有效提升功能的使用率和用户体验。例如，很多人会有在 Excel 里将“值小于 0 的 cell 高亮标记“ 这样的需求，但是知道怎么操作的人不多。有了自然语言界面后，能顺利使用这类功能的用户就变多了。
交互可以从对话开始，却不一定非要以对话结束。通过合理的设计，让用户能够享受自然语言输入指令的便捷，同时产品也能以最合适的形式回应用户，是产品创新的关键。
对于新兴企业，试图借助简单地套壳 OpenAI 来颠覆成熟企业和行业是不现实的。相反，它们应该更关注「颠覆性创新」，通过把相对成熟的技术包装起来，不断试错和迭代，找到合适的产品形态、愿为之付费的客户和可以盈利的商业模式。这些新产品需要在市场中找到立足之地，与成熟产品在不同维度上竞争。
举例来说，Midjourney 以强大且极具风格化的「文生图」能力吸引了一千四百万用户，创造出约3亿美元的年收入，展示了颠覆性创新的潜力。同样，Character.ai 允许用户定制聊天机器人，吸引了400万月活跃用户，估值高达10亿美金。尽管这些新兴企业的商业前景仍需观察，但这种由产品驱动的创新将会越来越多。
在专业领域，如财务、健康、法律等，大语言模型结合自然语言界面也具有巨大潜力。一方面它能提高专业人士的服务质量和效率；另一方面也可以让用户以自助的方式获得所需信息。例如，房贷怎么还更合理、遗产继承顺序是什么样的、二手车如何过户等问题，直接问系统就可以了。
更抽象的看，用户获取信息的方式会从搜索过渡到下一个阶段。我相信未来会出现整合所有多媒体信息的超级数据库，一个超级大脑，人们可以随时随地用自然语言查询任何信息。Perplexity 在这方面做了许多工作，这也是我们自己的项目 Grape Search 的愿景。
在消费互联网之外，也有许多行业亟待 AI 赋能，例如物流、制造、自动驾驶、医疗等。这些行业的用户规模没有消费互联网大，企业往往不愿投资自建专业的 AI 团队。随着大模型的能力使得开发专属 AI 模型的成本降低，组建公司来支持 AI 技术在特定行业的落地也在商业上变得可行。
注：延续性创新、颠覆性创新、成熟企业、新兴企业的定义可参考《创新者的窘境》一书。
参考资料：