生成式AI技术栈 图片来源：A16Z在发展初期，依靠大模型供应商是应用层公司起步甚至发展业务的好办法。但在初具规模之后，如何处理模型与应用之间的关系，成为了生成式AI应用公司不得不面临的重大问题。 一种看法是，模型即服务（Model as a Service），这足以让一个小型的开发团队快速迭代，并随着技术的进步及时更换模型供应商。Jasper确实也这么做了，除了OpenAI的模型之外，Jasper在其产品中还纳入了其他开源模型，例如GPT-J、GPT-NeoX、T5和BLOOM。另一种看法是，对专有的产品数据进行重新训练，自研大模型。李志飞也提到，“面对专业用户，Jasper原本存在一种可能的路径，那就是自建大模型、开发出独特的满足专业用户的产品feature，从而留住专业用户”。但同时他也认为，这并不是一条乐观的道路。自研大模型对团队的资金和人才有更高的要求，初创公司很难具备科技巨头的财力、物力、人力。况且，在美国以OpenAI为代表的几家头部大模型公司已经逐渐占据主导地位，部分开源大模型也基本完成了生态建设。这也是为什么，做AIGC应用领域的创业公司这么多，大模型却还是巨头们的游戏。越来越多的开发者正在提出同一个担忧，如果继续使用OpenAI的API进行应用层开发，OpenAI最终是不是可能会发布和他们竞争的产品？除了聊天机器人ChatGPT，OpenAI还曾发布过三款产品，文字生成图像工具DALL-E、自然语言转代码系统Codex、自动语音识别系统Whisper：
大量的资金、人才、技术涌入了基础大模型，而对于应用层的讨论声音要小很多。大模型是基础设施，需要通过应用才能和用户产生关系。这是一个更大的生态。百度创始人、董事长兼首席执行官李彦宏认为生成式AI将催生新产品、新业态，会有很多创业和投资，大模型时代最大的机会在于应用层。他曾表示，“在应用层，将会出现全新的、十倍于现在微信和抖音的创业机遇”。AI应用层的变革主要分为两类，一种是常见的基于大模型做既有产品的升级，代表公司为微软、Salesforce、阿里巴巴等科技巨头，以及大量的中小软件公司。微软已经将OpenAI的大模型能力，引入其全系产品中，包括New Bing搜索引擎、Microsoft 365 Copilot、Windows Copilot，国内阿里巴巴旗下的钉钉，也基于旗下通义千问模型进行了改造。传统SaaS公司正在快速接入AI。在细分行业领域，AI产品多应用在销售、咨询、管理等产业场景中，帮助企业打造竞争壁垒。以全球排名第一的CRM厂商Salesforce为例，Salesforce坚持AI+数据+CRM战略，在2023年推出两个AI产品EinsteinGPT、SlackGPT。另外一种，则是基于AI大模型的原生应用，但目前尚未爆发。以最近爆火的Agent为例，Agent作为人与LLM的中介，可能会挑战原有平台的分发机制，用户不再依赖平台使用软件，而是直接与Agent互动获取服务，过去SaaS也可能会变成AaaS（Agent as a Service）。新的产品逻辑将进一步降低用户使用技术的门槛，并渗透到新的使用场景。无论是既有的互联网产品还是正在成长的AI原生应用，在大模型时代都有可能经历新一轮洗牌。金山办公技术总监熊龙飞告诉「甲子光年」：“关键在于，要构建自己的技术壁垒。”过去的积累与面向未来的投入都很重要。比如，金山办公除了大模型的功能模块之外，还积累了35年的文档处理底层技术，以及从2017年开始投入研发的AI能力。此外，为了结合大模型，金山办公还特地开发了向量化系统、提示词管理器、各类AI能力和大模型的外挂系统等基础技术。应用层公司的核心壁垒不仅仅在于模型能力，产品设计、数据管理、服务网络等方面同样重要。以Grammarly为例，有用户告诉「甲子光年」，“Grammarly主要应用场景有键盘输入法、浏览器插件和各个终端应用。ChatGPT在论文写作或者满分作文上兴许能用到，但日常沟通还是Grammarly更方便” 。随着模型能力的发展，算力价值在应用层可能被抹平，数据才是长期的壁垒所在。真格基金管理合伙人戴雨森在之前的一次演讲中表示，“当数据的质量和数量增加时，模型的性能和效果会提升，同时也会增加用户壁垒”。以微信为例，最早期的微信其实没有壁垒，后来通过与众多用户之间的特有关系形成了网络效应，从而产生壁垒。在大模型可以覆盖的通用场景之外，创业者在垂直领域积累深厚独特的行业数据，或者做冷门领域的先行者，或许更有可能获得成功。新一轮的AI浪潮无异于大浪淘沙，只有拥有核心本领才能立于不败之地。
