生成式人工智能：泡沫褪去后，产业落地的真实轮廓
去年春天ChatGPT刷爆全网的时候，我在一个创投酒局上，听到三个不同的创业者说自己的项目是「中国版OpenAI」。那时候一张PPT就能融几千万，估值翻着跟头往上涨。现在呢？你再去翻那些创投媒体的报道，一半以上的名字都找不到了。
生成式人工智能大语言模型token预测流程图
这个核心逻辑，也就决定了它天生的技术边界：解决创造性、模糊性的轻决策问题很拿手，解决需要精准、逻辑、事实的重决策问题，到今天还是不及格。
说实话，我听过太多创业者吹自己的大模型解决了幻觉问题，目前看，都是局部优化，根上的问题解决不了。上个月跟一个头部律所的技术负责人吃饭，他们测了五个主流大模型做法律文书检索，每个都能编出不存在的判例和法条，你说敢直接用在客户案子上吗？出了问题谁担责？
不过话说回来，也不能因为有缺陷就否定它的价值。它能存在，能掀起这么大的浪，本来就是因为它把自然语言交互的门槛拉到了几乎为零，普通人不用学任何代码，就能让计算机帮你干活，这本来就是划时代的进步。
生成式人工智能游戏行业原画生成应用场景图
不过，落地的障碍比很多人想的大得多。
说实话，我接触过的上了生成式AI项目的企业里，至少七成是为了赶风口，给老板交差，或者给上市公司蹭概念拉股价，真的能落地产生实际收益的不到两成。最大的两个坑，一个是数据，一个是安全。
企业内部的核心数据，大多散在各个部门的旧系统里，格式乱七八糟，没有标注，要整理出来符合大模型训练的要求，成本是买模型服务的三五倍，很多企业算完账就放弃了。另一个是安全，谁敢把自己的客户隐私、核心技术文档传给第三方公有大模型？出了泄露问题，老板要担责任。自己训一个通用大模型，一年光是电费和运维成本就得几千万，中小公司根本玩不起。
风险隐忧与未来3-5年的清晰判断
现在大家讨论很多的伦理风险，不是远在天边的，是已经摆在眼前的。
第一个就是版权，这颗雷早晚要炸。现在所有大模型的训练数据，大部分都是爬取的公开网络内容，没给原作者付过一分钱稿费或者授权费。国外已经有一堆作家、艺术家联名起诉大模型公司，国内也已经出现了相关诉讼，再过两年，版权成本会成为大模型厂商绕不开的巨额开支，很多小厂直接就被拖死了。
第二个就是黑产滥用，深度伪造现在已经便宜到几十块钱就能做一张以假乱真的换脸图，几分钟就能生成跟真人一模一样的语音，诈骗分子用这个冒充老板、冒充亲友骗钱，上个月我身边真有人差点被骗走几十万，防不胜防。现在的治理速度，远远跟不上技术扩散的速度。
对于未来3到5年，我有三个判断：
第一，通用大模型赛道会迎来大洗牌，90%的现有通用大模型项目会死掉，最后只会剩下三五家头部玩家，靠做云底座、给垂直厂商提供基础模型赚钱，剩下的要么转型做垂直领域微调，要么直接关门出局，不会有太多中间玩家的空间。
第二，生成式AI会慢慢“隐身”，就像十年前的云计算，一开始所有人都把“上云”挂在嘴边，现在没人天天提了，因为它变成了基础设施，融入到所有产品里了。未来也是一样，没人会天天把“生成式AI”当成噱头挂在嘴边，它就是你办公软件里的一个按钮，你设计工具里的一个功能，你用它，但不会特意强调它。
第三，真正的大机会不在大模型本身，在垂直场景的应用层。不是什么通用聊天机器人，也不是什么全能AI助手，是给某个具体行业解决某个具体的痛点问题，比如给创新药企业生成新的候选分子结构，给汽车厂生成内饰设计方案，给建筑设计院生成施工图初稿，这些场景的客户愿意付钱，也真的能通过AI降本增效，这才是能长出大树的地方。
潮水退了才知道谁在裸泳。生成式AI不是骗局，也不是能颠覆一切的魔法。它是一个工具，一个能改变很多行业生产方式的工具，剩下的，就看谁能沉下心，真的落地解决问题了。
剥开概念外壳，生成式AI的核心边界在哪里
生成式AI的本质不是“创造”，是“基于海量数据的概率拼接”。 很多人把它吹得神乎其神，说它快拥有自我意识了。错了。 从技术原理上说，不管是GPT还是国内主流大模型，核心逻辑都是一样的：根据用户输入的上文，预测下一个出现概率最高的字符（行业里叫token），一步步拼出完整的输出内容。它不会“思考”，也不会验证自己说的对不对，只会拼出看起来逻辑通顺的内容。生成式人工智能大语言模型token预测流程图
这个核心逻辑，也就决定了它天生的技术边界：解决创造性、模糊性的轻决策问题很拿手，解决需要精准、逻辑、事实的重决策问题，到今天还是不及格。
说实话，我听过太多创业者吹自己的大模型解决了幻觉问题，目前看，都是局部优化，根上的问题解决不了。上个月跟一个头部律所的技术负责人吃饭，他们测了五个主流大模型做法律文书检索，每个都能编出不存在的判例和法条，你说敢直接用在客户案子上吗？出了问题谁担责？
不过话说回来，也不能因为有缺陷就否定它的价值。它能存在，能掀起这么大的浪，本来就是因为它把自然语言交互的门槛拉到了几乎为零，普通人不用学任何代码，就能让计算机帮你干活，这本来就是划时代的进步。
产业链洗牌进行时，谁真正拿到了真金白银
目前整个生成式AI产业链里，真正稳定盈利的玩家，只有上游的算力供应商。 英伟达的H100 GPU，现在炒到十几万一块还抢不到，订单排到明年下半年，财报利润涨得吓人，所有的钱都顺着流到上游去了。 中游的通用大模型厂商呢？90%还在烧钱，靠融资续着命，能收上来的服务费，连模型训练的电费都覆盖不住。不少厂商喊着“开放API”，其实大部分调用都是开发者测试，真正付年费的企业客户没几个。 下游应用呢？已经跑通的场景比大家想的少，但也不是没有。 比如新媒体内容行业，现在八成以上的小编，会用生成式AI写初稿、生成标签、剪初版短视频，至少省三分之一的出稿时间。游戏公司用它生成场景原画、填充NPC支线对话，研发测试阶段的效率提升真的看得见。就连制造业的设计部门，现在也会用生成式AI出几十版外观草图，再让设计师挑着改，比设计师自己从零开始画快太多。生成式人工智能游戏行业原画生成应用场景图
不过，落地的障碍比很多人想的大得多。
说实话，我接触过的上了生成式AI项目的企业里，至少七成是为了赶风口，给老板交差，或者给上市公司蹭概念拉股价，真的能落地产生实际收益的不到两成。最大的两个坑，一个是数据，一个是安全。
企业内部的核心数据，大多散在各个部门的旧系统里，格式乱七八糟，没有标注，要整理出来符合大模型训练的要求，成本是买模型服务的三五倍，很多企业算完账就放弃了。另一个是安全，谁敢把自己的客户隐私、核心技术文档传给第三方公有大模型？出了泄露问题，老板要担责任。自己训一个通用大模型，一年光是电费和运维成本就得几千万，中小公司根本玩不起。
风险隐忧与未来3-5年的清晰判断
风险隐忧与未来3-5年的清晰判断
现在大家讨论很多的伦理风险，不是远在天边的，是已经摆在眼前的。
第一个就是版权，这颗雷早晚要炸。现在所有大模型的训练数据，大部分都是爬取的公开网络内容，没给原作者付过一分钱稿费或者授权费。国外已经有一堆作家、艺术家联名起诉大模型公司，国内也已经出现了相关诉讼，再过两年，版权成本会成为大模型厂商绕不开的巨额开支，很多小厂直接就被拖死了。
第二个就是黑产滥用，深度伪造现在已经便宜到几十块钱就能做一张以假乱真的换脸图，几分钟就能生成跟真人一模一样的语音，诈骗分子用这个冒充老板、冒充亲友骗钱，上个月我身边真有人差点被骗走几十万，防不胜防。现在的治理速度，远远跟不上技术扩散的速度。
对于未来3到5年，我有三个判断：
第一，通用大模型赛道会迎来大洗牌，90%的现有通用大模型项目会死掉，最后只会剩下三五家头部玩家，靠做云底座、给垂直厂商提供基础模型赚钱，剩下的要么转型做垂直领域微调，要么直接关门出局，不会有太多中间玩家的空间。
第二，生成式AI会慢慢“隐身”，就像十年前的云计算，一开始所有人都把“上云”挂在嘴边，现在没人天天提了，因为它变成了基础设施，融入到所有产品里了。未来也是一样，没人会天天把“生成式AI”当成噱头挂在嘴边，它就是你办公软件里的一个按钮，你设计工具里的一个功能，你用它，但不会特意强调它。
第三，真正的大机会不在大模型本身，在垂直场景的应用层。不是什么通用聊天机器人，也不是什么全能AI助手，是给某个具体行业解决某个具体的痛点问题，比如给创新药企业生成新的候选分子结构，给汽车厂生成内饰设计方案，给建筑设计院生成施工图初稿，这些场景的客户愿意付钱，也真的能通过AI降本增效，这才是能长出大树的地方。
潮水退了才知道谁在裸泳。生成式AI不是骗局，也不是能颠覆一切的魔法。它是一个工具，一个能改变很多行业生产方式的工具，剩下的，就看谁能沉下心，真的落地解决问题了。 
