大模型太卷，AI应用就好做吗？(2)

SensorTower数据显示，2023年上半年，移动端（仅包括App Store和Google PLay），美国是AI应用内购收入最高的市场，欧洲市场的吸金能力也同样亮眼，他们分别占全球头部AI应用总收入的55%和20%。

实现盈利的AI应用以C端付费为主，这和移动互联网时代的经验是相似的。

参照移动互联网时代的发展经验，占据用户时间越长、信息匹配越难、学习壁垒越高、重复性操作越多的领域，更有可能率先出现爆款应用，也更容易变现。

先来看国外商业化两个案例。

第一个是Character.AI，以订阅制收费，付费和AI扮演的角色聊天，10月份又推出了付费群聊功能。

Character.AI的模式是非常好的C端产品，可以交互、可以定做，如前面提到的，既能满足情感需求，也能满足工具需求。

不过，此前有报道称，Character.AI目前还处在烧钱换规模阶段，商业模式仍在探索中，未来团队规模扩大后考虑开拓TOB业务。

第二个是生成图片类的应用Midjourney。

这是一个针对专业绘图人士的AI应用，同样采用SaaS订阅制模式，月付费原因下，每月基础套餐、标准套餐和专业套餐的价格分别为10、30、60美元，研报显示，Midjourney在公测版上线的第二个月就实现了盈利，盈利模式已经跑通。

这意味着在目前阶段，需求不等于付费，刚需才等于付费。而在习惯免费、付费意识更差的国内，纯to C的产品在变现上会面临比Character.AI更大的难题。

AI应用属于技术驱动型的产品，属于供给创造需求。那么，什么样的供给才能创造出需求呢？

新型的AI应用，好的产品变现有五个步骤，分别是吸引用户、初次体验（用户激活）、用户留存（回头客）、转化收益、实现口碑传播。

比如在移动互联网时代，微信抓住了用户的社交需求，并且通过培养用户在微信上的使用习惯，不断优化社交体验，不断实现裂变，形成网络效应，成为腾讯现在重要的变现产品。

目前，国内的AI应用供给端，一方面没有足够优秀的大模型基座；另一方面，基于大模型的产品，也无法通过产品的创新和微调的技巧，做出足够吸引用户留存的产品。

第一，目前大模型基座方面，国内还比较落后。

比如，在AI聊天机器人领域，也许大家的印象，还停留在ChatGPT爆火，下载量也大涨，收入也能排到第一。但事实上，最赚钱的产品，却是基于ChatGPT API的对话机器人应用“Chat with Ask AI”，凭借智能的问答功能和流畅的体验，上半年下载量突破2500万次，收入超过1600万美元。

因为拥有很好的大模型基座。不仅今年5月，OpenAI在移动端上线ChatGPT，此后下载量和收入不断增长，而且基于OpenAI的API产品Chat with Ask AI收入也在不断增长。Appfigures数据显示，今年9月，Chat with Ask AI的收入为551万美元，ChatGPT的收入是458万美元。

而国内的文心一言上文提到才刚刚开始变现，基于其API的AI应用，仍未看到爆火、且能持续变现的产品。

第二，基于大模型微调的产品，国内企业AI技术积累不足。

比如Lensa AI，其内置推出的Magic Avatar功能，用户可以上传10-20张自拍照，然后生成奇幻、动漫、时尚等10种不同风格头像，当然这一功能需要付费使用。

Lensa AI、Waifu Diffusion，Stablediffusion Infinity，还有上文提到的Midjourney的一些功能都是基于开源的Stable Diffusion开发的。所以，在技术层面上，Lensa AI与同类产品相比并没有明显的壁垒。

但是，Lensa AI通过对Stable Diffusion的微调，同时基于此前在AI领域“艺术风格的神经算法”（NAAS）的研究，优化了对算力的需求、提高了计算效率，使其能够在手机上快速运行、生成图片。

因此，在Magic Avatar功能上线后，此前的技术积累与同类产品形成差异化，才广泛受到用户关注。

而国内模仿Lensa AI的妙鸭相机微信小程序，其也是用户上传20张照片，然后需要付9.9元，便可以生成不同风格的高清照片。技术爱好者们普遍猜测，妙鸭相机底层模型也是用的Stable Diffusion开源模型，再使用 LoRA (Low-Rank Adaptation) 插件进行微调。

一些技术爱好者，完全可以通过免费教程，利用开源模型，在短时间内也能实现照片的生成。在没有自研AI技术加持的前提下，妙鸭相机在爆火后，很快就冷了下来。