AI大模型的规模效应、网络效应和范围效应
在互联网商业报道中，经常会提到“规模效应”、“网络效应”和“范围效应”这三个经济学概念。这些概念背后的经济学原理在过去30年驱动了互联网和科技巨头企业的商业奇迹。最近，以ChatGPT为代表的AI大模型问世，被认为是下一代互联网的基石。在AI大模型的发展中，仍然遵循着“规模效应”、“网络效应”和“范围效应”的底层逻辑，因此从这个角度进行推演分析，可以发现很多启示。
规模效应：大模型的崛起
“规模效应”（Scale effect）也被称为“规模经济”，指的是随着规模的增大，经济效益也会提高。对于AI大模型来说，规模带来的好处不仅仅是成本的降低。通过训练海量数据，当大模型的参数量达到惊人的千亿量级时，就会出现“涌现”现象，即模型输出结果与人类思维和表达的相似度有了质变级突破。这意味着大模型几乎成了大公司的专属领地。从硬件、人才和数据等方面来看，只有大公司才能承担训练大模型的高昂成本。而对于其他公司来说，即使是巨头，也不能保证能在这一轮的AI竞争中获胜。因此，大模型的崛起给巨头公司带来了焦虑，他们不得不加大投入，以确保自己能在竞争中占据优势地位。而随着寡头格局的稳定，政府的干预也可能随之而来。各国政府对互联网巨头的不正当垄断行为越来越关注，而AI大模型的规模效应注定了“大树之下，寸草难生”。因此，各国政府在管理互联网巨头方面的态度可能会长期持续。
网络效应：争夺流量入口
“网络效应”（Network effect）是指一个产品（或服务）每增加一个用户，都会对其他用户产生新的价值。同样，AI大模型也适用于网络效应的原理。以ChatGPT为例，与它对话的人越多，它的训练素材和迭代次数就越多，它就更“懂人”、更“像人”。这就要求AI时代的公司要争夺“流量入口”。谁能最先吸引更多的真人用户来使用他们的模型，谁就能率先让自己的模型达到更高的成熟度。这一点在ChatGPT的先发优势中已经得到了明显体现。文字对话只是AI应用的一个方向，未来可能还会有游戏、视频等其他形式的交互出现在大众面前。而且，很可能会再次出现一场“补贴大战”。上一轮的补贴大战是由平台经济的网络效应引发的，而ChatGPT最初的免费策略实际上也是一种吸引用户的手段。因此，国内外巨头很可能会再次卷入一场补贴大战，而AI服务商也难以避免“花钱买量”的局面。
范围效应：强龙与地头蛇的共存
“范围效应”（Scope effect）指的是当一个厂商同时生产多种关联产品时，单位成本支出会比分别生产这些产品时的成本要小。以ChatGPT为代表的新一代大模型被认为已经接近通用人工智能（AGI），因此很多人认为“一个场景一个模型”的传统路线已经过时。然而，实际情况并不简单。光靠“通用”模型无法实现“可用”。训练一个“全知全能”的模型成本高昂，而且巨头们很难获得医疗、金融等领域的专业知识和实际业务数据。这意味着“通用”模型虽然可以从维基百科、教科书甚至学术论文中学到很多知识，但在实际业务中却无法准确应用。因此，在细分行业中，数据的价值将更加凸显。数据持有者不会坐视价值被模型方吞噬。事实上，许多行业的市场集中度高于“大模型行业”，因此高价值数据持有者的议价权大于模型持有者。在这种情况下，强龙（模型持有者）和地头蛇（高价值数据持有者）需要探索一系列商业模式，以实现在模型训练、数据收益和应用成果分享等方面的共存。只有这样，才能形成一个良性的共存生态。
免责声明：本内容来源于第三方作者授权、网友推荐或互联网整理，旨在为广大用户提供学习与参考之用。所有文本和图片版权归原创网站或作者本人所有，其观点并不代表本站立场。如有任何版权侵犯或转载不当之情况，请您通过400-62-96871或关注我们的公众号与我们取得联系，我们将尽快进行相关处理与修改。感谢您的理解与支持！
请先 登录后发表评论 ~