AI革命没有暴利

2024-02-25 21:59
文章标签 ai 没有 革命 暴利

本文主要是介绍AI革命没有暴利,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

自从Chat GPT上市以来,不管是美股还是我扶不起的大A股,概念是炒了一轮又一轮。至于AI在企业里的实际应用,全在下面这张图里:

与以半导体技术推动的信息产业革命不同,这次AI革命将不再有暴利的机会,一切炒作终将归于一地鸡毛。微信群里各路人马在讨论AI创业应该toB还是toC,口水喷了无数,其实最终如果没有被大厂收购的话都是没有前途的。

上一波AI热潮还是在16,17年,我有幸作为技术leader加入了当时很火的AI四小龙之一的依图科技。进去之前各种高科技的神秘感,进去之后参与的两个项目:1)ATM刷脸;2)闸机刷脸...AI技术强不强呢?强,非常强!不说算法团队,工程团队的实习生最差都是ACM省里拿过名次的,算法团队更是有单刷国际大赛获奖的大神。可是现在呢?经历数轮大裁员出售核心医疗部门后,在市场上已经没什么声音了。

分析当年的依图,就会发现他存在一个致命的问题,没有自己的产业可以作为技术的载体。人脸识别这项技术有门槛,但是又没有那么高的门槛,海康之类的可以依靠自己庞大的业务量,快速砸钱补齐技术短板。同理其它技术板块也类似,没有自己的业务基本盘,与行业巨鳄合作,如果你能赚取暴利,巨鳄为什么自己不砸钱去做呢?工程上的问题,解决有没有之后,60分的差距和90分的差距有各种手段可以弥补。

今天这波基于GTP的AI革命与上一波没有本质的区别,只是这个AI表现得更聪明了一点而已。但是与半导体产业革命不同,AI的一切需要实体产业才能落地。AI本身的技术实际只是一个工程问题,并没有什么高不可攀的技术门槛,也无法形成垄断。不能形成垄断的生意是无法获取暴利的。

谷歌的搜索,微软的企业级应用,亚马逊的电商和云服务,在各自的领域基本形成了事实上的垄断,所以可以获取超额利润。但是AI不一样,技术实现原理是公开的,GPT能取得成功更多是因为大力出奇迹,在这条路线上敢于投入并解决了大量工程上的难题。所以GPT证明了成功后,各路大模型层出不穷,效果也在不断的像GPT逼近。这个技术本身是没有办法向市场收费的。

目前2C的AI服务,如果哪天搜索需要付费了,那么我相信这条路是可以走通的。但是不要忘记互联网的核心精神是免费共享,虽然有各种群魔乱舞,可是只要你敢收费,就有热心群众帮你免费开源。大家可以自己想一想,到现在为哪个AI服务充过值?虽然不然服务不在境内开放提供,可是靠着好心人,大家一样跟进潮流没少体验。

说到2B,那么就是这个利润谁来赚的问题了。AI目前没有理论性的技术壁垒,一切困难都是工程上的。就像理论物理完成突破后,砸钱砸人一定能手搓原子弹。一个公司想靠独门技术一招鲜吃遍天更是没可能。2B市场工业领域是个万亿级的市场,但是这个钱只能传统工业巨头来赚。因为工业没有通用的解决方案,在基础部件的基础上,需要根据产品特性,产线特性,甚至不同的地理位置,宗教文化特性都要进行定制开放,没有扎实的产业基础做为支撑,是无法支持AI的前期投入。哪怕是跨领域进入一个新产业,强如苹果,想把原来在消费电子领域的这套打法来做汽车零部件供应商的爹,但是这些供应商原来的爹哪个不是国之重器,不惯着你苹果。

所以这一轮AI革命,最终的突破还是会落在实体产业上,在人类进化到纯能化生命体之前,文明的进步一定会切切实实的体现在工业生产之上。相比互联网边际成本为0的暴利扩张,工业是一分投入一分收获,资源资金人力都必须密集投入,而且是可持续的密集投入。所以AI时代资本都洗洗睡吧。

这篇关于AI革命没有暴利的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/746846

相关文章

基于Flask框架添加多个AI模型的API并进行交互

《基于Flask框架添加多个AI模型的API并进行交互》:本文主要介绍如何基于Flask框架开发AI模型API管理系统,允许用户添加、删除不同AI模型的API密钥,感兴趣的可以了解下... 目录1. 概述2. 后端代码说明2.1 依赖库导入2.2 应用初始化2.3 API 存储字典2.4 路由函数2.5 应

Spring AI ectorStore的使用流程

《SpringAIectorStore的使用流程》SpringAI中的VectorStore是一种用于存储和检索高维向量数据的数据库或存储解决方案,它在AI应用中发挥着至关重要的作用,本文给大家介... 目录一、VectorStore的基本概念二、VectorStore的核心接口三、VectorStore的

Spring AI集成DeepSeek三步搞定Java智能应用的详细过程

《SpringAI集成DeepSeek三步搞定Java智能应用的详细过程》本文介绍了如何使用SpringAI集成DeepSeek,一个国内顶尖的多模态大模型,SpringAI提供了一套统一的接口,简... 目录DeepSeek 介绍Spring AI 是什么?Spring AI 的主要功能包括1、环境准备2

Spring AI集成DeepSeek实现流式输出的操作方法

《SpringAI集成DeepSeek实现流式输出的操作方法》本文介绍了如何在SpringBoot中使用Sse(Server-SentEvents)技术实现流式输出,后端使用SpringMVC中的S... 目录一、后端代码二、前端代码三、运行项目小天有话说题外话参考资料前面一篇文章我们实现了《Spring

Spring AI与DeepSeek实战一之快速打造智能对话应用

《SpringAI与DeepSeek实战一之快速打造智能对话应用》本文详细介绍了如何通过SpringAI框架集成DeepSeek大模型,实现普通对话和流式对话功能,步骤包括申请API-KEY、项目搭... 目录一、概述二、申请DeepSeek的API-KEY三、项目搭建3.1. 开发环境要求3.2. mav

C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)

《C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)》本文主要介绍了C#集成DeepSeek模型实现AI私有化的方法,包括搭建基础环境,如安装Ollama和下载DeepS... 目录前言搭建基础环境1、安装 Ollama2、下载 DeepSeek R1 模型客户端 ChatBo

Spring AI集成DeepSeek的详细步骤

《SpringAI集成DeepSeek的详细步骤》DeepSeek作为一款卓越的国产AI模型,越来越多的公司考虑在自己的应用中集成,对于Java应用来说,我们可以借助SpringAI集成DeepSe... 目录DeepSeek 介绍Spring AI 是什么?1、环境准备2、构建项目2.1、pom依赖2.2

Deepseek R1模型本地化部署+API接口调用详细教程(释放AI生产力)

《DeepseekR1模型本地化部署+API接口调用详细教程(释放AI生产力)》本文介绍了本地部署DeepSeekR1模型和通过API调用将其集成到VSCode中的过程,作者详细步骤展示了如何下载和... 目录前言一、deepseek R1模型与chatGPT o1系列模型对比二、本地部署步骤1.安装oll

Spring AI Alibaba接入大模型时的依赖问题小结

《SpringAIAlibaba接入大模型时的依赖问题小结》文章介绍了如何在pom.xml文件中配置SpringAIAlibaba依赖,并提供了一个示例pom.xml文件,同时,建议将Maven仓... 目录(一)pom.XML文件:(二)application.yml配置文件(一)pom.xml文件:首

SpringBoot整合DeepSeek实现AI对话功能

《SpringBoot整合DeepSeek实现AI对话功能》本文介绍了如何在SpringBoot项目中整合DeepSeekAPI和本地私有化部署DeepSeekR1模型,通过SpringAI框架简化了... 目录Spring AI版本依赖整合DeepSeek API key整合本地化部署的DeepSeek