OpenAI為他人做嫁衣裳

OpenAI是AI大模型公司的代表，所以一定程度上OpenAI的路徑也在隱喻著其它AI大模型公司的未來。而基于OpenAI的應用與模型的關系也折射了未來AI潛在的產業趨勢。

賺錢的產品什么樣

這次以大模型為代表的AI比2010那波進步了許多，核心就是終于有產品真賺錢了。

出海的SaaS工具里面比較有代表性的就是大家經常提到的Heygen，官方的說法是每年差不多2000萬美金收入，沒有自己模型。

估計最賺錢的不是它，而是Microsoft Copilot，這產品雖然大，但也沒自己模型，也是套殼，但收入規模已經拱的比較大了。

一種預測是下面這樣：

https://futurumgroup.com/insights/microsoft-unleashes-copilot-and-potential-2024-ai-revenue/

這是個預測，但幾個基礎數字是來自微軟，比如Enterprise用戶數的1.8億（OpenAI 120萬個企業用戶），企業版30美金每席（OpenAI 50美金），其它版本20美金（OpenAI也這價格）每席等。其它估算細節大家自己看下鏈接里面的文章。

最終數字要看微軟具體財報了，但只要基礎用戶數偏差不是太大，收入量級按最低的應該可以撐住。也就是說按預測這個產品最低會是OpenAI 2倍左右。

但這類產品對微軟還有其它好處，可以促進其它產品銷售，沒準就因它買了365這樣的產品。微軟公布的增長可不是一般的好，納德拉的說法叫：

“Microsoft Copilot and Copilot stack are orchestrating a new era of AI transformation, driving better business outcomes across every role and industry," （Microsoft Copilot 和 Copilot stack 正在引領人工智能變革的新時代，推動各行各業各個崗位取得更好的業務成果），還算比較直接。

但不要忘記這就是我們說的套殼產品，只不過干的比較大（樂觀估計一年247億美金收入）。

它不盈利只有一個可能就是包含免費用戶所對應的推理成本居高不下，但大家對這部分的預期基本上非常樂觀，所以這肯定會是個盈利的產品，并且有巨大的利潤空間。

那這個大套殼產品內部構成什么樣呢？

下面這圖是微軟公布的：

細節可能不好理解，我簡化下它的構成，這產品的核心關鍵是三個：

1. 入口和賬戶

2. Microsoft Graph(代表領域數據的全集），這個要打通微軟全家桶的各種數據的。

3. AI大模型

在此之上則是一種整體的系統性，系統性對應用戶體驗包括響應速度、功能的流暢度這些。

大模型在這里扮演了一個發動機的角色，整個系統負責把它的輸出根據用戶的數據進行擬合（grounding），然后返回給用戶。這部分展開太深會比較晦澀，會把它和智能音箱這兩代最成功的AI產品做個對比，挖掘AI產品價值鏈的重構模式和定位的方式。如果你認為未來產品會爆發，那研究面向AI和未來的產品，必須研究Copilot。

值得一提的是，在這個結構里面，顯然的產品方（微軟）發言權更大一些，你仔細看上圖可以看到這產品不是調用的API，而是OpenAI給微軟做了一份私有部署。（按照奧特曼的說法，微軟應該是為此支付了2億美金）

我相信這是模型公司最終需要面對的選擇，客戶太大的時候就需要私有部署這種上門服務，并且Copilot和GPT-4的這種結構也具有典型性，從中我們可以看出什么來呢？

技術創造新價值，產品拿走利潤

IT這行當這些年有個隱形的運轉規則，可以有兩種表述：

一種就是標題：技術創造新價值，產品拿走利潤。

另一種則是：硬件創造新世界，軟件拿走利潤。

這倆是橫看成嶺側成峰，本質是一樣的。

對于前者，典型的案例可以是圖形用戶界面。施樂創造了這種技術，蘋果和微軟借助它成就了自己的大業。后續移動互聯網這些技術比如4G和蘋果其實關聯不大，但還是蘋果拿到了整個移動互聯網中最豐厚的利潤。

對于后者就更簡單一點，比如在PC互聯網年月，所有賣PC的加在一起的市值也不如一個做應用的，比如阿里巴巴，當然更不如微軟這個做操作系統的。

透視OpenAI的時候我們用前一個視角:技術創造新價值，產品拿走利潤。

肯定是成功的AI產品才能助推起成功的AI，假如各種成功產品都微軟這么整，那產業的分工是什么樣子呢？

各種應用是做汽車的，OpenAI是做發動機的。

挑戰是即使OpenAI角色類似做發動機的，日子卻可能遠遠不如它們：

第一，一方面開源、競對全上來后，基于模型的技術會貶值很快；

第二，巨額投入下不來，不管是人員成本還是訓練成本。

第三，渠道沒了，你怎么變現啊。我不相信買了花了30美金買了微軟的訂閱的人，還會買OpenAI 50美金的。所以整個AI越成功（應用繁榮），OpenAI越虧損。虧損到什么程度呢？

根據最新FutureSearch報告，OpenAI一年差不多是35億美金的收入，其中：

ChatGPT Plus訂閱貢獻了其總收入的55%，約19億美元；

針對大型企業客戶的ChatGPT Enterprise貢獻了21%的收入，約7.44億美元；

面向中小企業和團隊用戶的ChatGPT Team貢獻了8%的收入，約2.9億美元；

最后，API接口服務貢獻了15%的收入，約5.1億美元。

Sam Altman公布微軟差不多每年2億美元收入。

拿現在的比例計算，虧損的程度是企業、個人收入等都整沒了，就剩下微軟這2億美金。

所以OpenAI的根本問題是產業位置不好，不是現在不賺錢，也不是找不到錢。琢磨事讀者群里的Pin同學看了新京報的文章后觀點很是一陣見血：你讓英偉達老黃出錢養OpenAI，他干不干？肯定干。

所以OpenAI的核心問題是產業位置不好。

這是個只能求包養的產業位置。核心驅動力是必須始終站在領頭羊的位置。一旦減緩減弱，幾番折騰后，最終就會被微軟這種巨頭吞了。

所以對于OpenAI搞好AI大模型是起點，但最終的產業位置則取決于能否突破這個起點。OpenAI顯然認識到了這點，也認識到了包在自己周圍、巨頭設下的銅墻鐵壁，因此SearchGPT、機器人、GPTs不停的折騰，但整體看下來產品力比較弱，很危險。

參照：

進一步感興趣同學可以來聊聊這個話題：

OpenAI其實需要干好一個產品

OpenAI在不停的折騰，讓自己在產品上的厚度能起來。

但這團隊看起來干研發更適合，干產品則有點懸。

過去研發的年月里CEO、首席科學家、總裁三個人構成了一種很有意思的均衡狀態。CEO代表公司運營和愿景，首席科學家代表AI，總裁代表工程。Brockman的博客和發言里面有清晰的他協調研究與工程團隊的記錄，從中也可以看出這個團隊當初是多么的默契。（高級場域）

但這個團隊打破產業位置上先天不足，并且后天還折騰傷元氣了。

這個偏研究的團隊，其成績已經舉世公認，不必多說。但這個配置做SaaS產品是可以的。SaaS產品是簡單產品邏輯，模型權重可能占90%，外面做簡單封裝就可以了。

可現實也很明顯，這樣的產品支撐不了OpenAI的突圍，參照Copilot的內部架構你就就發現，真想突圍那就必須系統級的產品。Copilot外圍那一坨東西不管是代表Client的Word ，Excel，還是代表數據整體性的Graph，還是產品的整體體驗性，這看著怎么也是這個團隊的巨大挑戰。

何況現在這團隊還自己折騰出來點內傷，人數變多，但如果內核被稀釋，其實戰斗力是減弱的。

突破產業位置的核心是產品，但這團隊看著不是干能突圍的產品的。

參照：

回到ToB，ToC的老話題

模型因為沒有行業屬性，所以直接基于它的產品是可以同時ToB和ToC的，但做上層的產品就不行，行業屬性上來之后，要想做到95分，那你必須選擇。你可以主要做一個順道做另一個比如蘋果是主要C端，順道B端。

OpenAI在這個選擇上，傾向性比較明顯，它選C端。

從戰略上，這無疑是對的 ，在B端微軟這些公司層層堆疊了一套復雜的產品棧，根本不是一個拉風的產品就能顛覆的。

蘋果產品能力再優秀，讓它用這種能力顛覆ERP也是不靠譜的。

C端是能夠迅速突破，并且奠定突圍的根基的。

關鍵是產品根本不是東試一下，西試一下就行的。就好比SearchGPT和機器人這倆產品，每一個都需要巨大團隊，并且其中模型的權重可能都下降到30%。

但隨便干那個都必須把模型放產品下面，并使出洪荒之力。但在OpenAI看著大概率是把產品放模型下面，配合著熱鬧一下。大家想想GPTs，所以這是困境。

OpenAI的領袖人物們里看著都不是做產品的。Sam Altman做戰略可能還適合，甚至做政治家、思想家可能也還行，這兄弟近來好像還對政治感興趣。

如果真干上述產品，它們其實缺個喬布斯。并且還要駕馭兩種完全不一樣的基因，一種是技術驅動，一種是用戶驅動。挑戰更大，畢竟蘋果當年核心的是觸屏的交互方式，其它的核心技術就很少有自己做的。

而OpenAI打破不良產業位置的關鍵則有兩個：

一個是GPT5是不是還能保持絕對領先，一個是能不能推出自己的站得住的產品。否則會變成啟動了一波浪潮，但時隔多年后，再看。其實這浪潮和自己也沒什么關系。

這不就是為他人作嫁衣裳么。

小結

技術創造新價值，產品拿走利潤，在這個行業里近乎鐵律，所以真對AI感興趣的同學保持現場感知第一關鍵。這也就是總講：現場問題，底層邏輯，相望而行，和而不同的根本原因。真的定義好產品，創造好產品，在國內也會有大模型給產品配套的那一天。所以大模型公司是AI浪潮的起點，但不是AI浪潮的主流。國內小米似乎采取了這么個策略，專心干自己的產品，靜待大模型的發展。

相關文章：, ,

這個時點的AI太混沌了，宣稱有賺錢方法的大概率是騙子，宣稱全無機會的又錯的太厲害。研究AI就得解剖麻雀，研究案例，回到現場。反之越高大上、越論文就越危險。問題是案例不好找，所以就有了琢磨事AI碰撞局。研究清楚多個案例，弄明白底層套路，回到自己問題差不多是最靠譜的方式了。對活動感興趣的同學請聯系cathywangyue。 老李話一三，公眾號：琢磨事