数据训练的边际收益会降低

mamun4574

比如，CopyAI和Jasper这两个营销创意工具，以GPT作为底层接口实现了持续的规模化变现。他们提供了交互界面和插件、API接口，让大模型能更好的去服务某个领域的客户。 当然，这只是解决最基本的功能性问题，大模型真正的价值在于改变垂直行业的成本结构，比如自动驾驶大模型的商业化价值，就是在于改变了人们的出行成本结构。 营销只是一个方面，商业化方面，其实还是得看具体细分领域的应用。

对于不同的领域，大模型会不断的被垂直细分，去满足更小、更细微的场 希腊手机号码数据 景应用。而这些更细微，更小的场景，可能会有率先商业化的机会。 比如，文本生成，比如图片生成。能够先让编剧、漫画家的工作变得更容易？能不能把文案从做PPT的日常循环中给解放出来，这些细小的场景，能够率先变现。 大公司，和创业公司，在应用层差别可能不是很大，应用层是创业机会最多的大模型领域，未来行业内也可能会跑出几家专注于大模型应用的公司。

互联网江湖认为，新技术应用，找到专有价值链要素，嵌入行业，是一个必经之路。因此在应用上，找场景的公司，比练算法、堆参数的公司更有机会。 大模型的成功有阶段性质变，就像是GPT到GPT，但接下来这种变化会越来越不明显。也就是说， 大模型能力的进阶需要数据量做支撑，而商业化则需要考虑成本问题，如何解决这个问题，颇为关键。 商业化拐点已至，大模型的商业化短期看B端，长期机会可能还是在C端。