作者 李博 艺赛旗解决方案部总经理
2022年,AI写作公司Jasper估值15亿美元,是套壳GPT赛道最风光的产品。一年后OpenAI发布ChatGPT,用户发现原厂比包装好用——Jasper的增长神话熄火,被迫转向营销赛道。
它的产品没做错什么,错在它最值钱的那部分从来不属于它。
软件行业正在大规模重复这件事。
01.大模型进软件,有三层用法
最浅的一层,是拿它写代码。模型不进产品,风险最低。
中间一层,是把它做成产品里的一个功能,客服摘要、合同审查这类。供应商可以换,出了问题也不至于伤筋动骨。
最深的一层,产品本身就是模型:调个API,包一层界面和提示词,卖给客户。用户付的钱,大部分是替它转付给上游的token账单。
第三层依附,有两条致命风险。
· 能力漂移。模型是黑盒,一升级就变行为。同样的提示词,上月产出A、这月产出B,下游毫无办法。产品的稳定性,握在别人手里。
· 平台反噬。上游不会永远只卖接口。Copilot碾过一批套壳工具,ChatGPT碾过Jasper。更极端的样本是Chegg——连大模型都不依赖,靠自家题库吃饭,可ChatGPT让学生绕开了它的解题服务,2023年5月股价单日跌掉近半。上游的通用智能不需要针对谁,往前迈一步,就盖住了你的全部价值。
涨价、停服反而没那么可怕,签长约、多签几家、把成本转给客户,都能对冲。真正没法对冲的是漂移和反噬,直接决定生死。
02.云可以被替换,智能不能
"别把命脉交给AWS",云时代也喊过。结局正好相反:Netflix、Airbnb、Stripe全都长在云上,活得好好的。
差别在依赖的是什么。云是标准化的计算,同质、可换,迁移是成本问题。大模型是差异化的智能,换一家要重写提示词、重做微调、质量跳水,迁移是生存问题。
有人拿OpenAI跑在Azure上反驳:凭什么下游不能依赖上游?
但OpenAI依赖的可替代的计算,说换就换,它拥有的模型智能,全世界换不掉。套壳公司正好反过来,依赖的换不掉,拥有的没人要。
判断自己是不是在裸奔,问三句:
· 模型停服,产品还能不能跑?
· token涨价十倍,毛利还能不能为正?
· 上游今天下场做你的事,你手里还有什么它拿不走?
03.工作流里,依赖更普遍,也更隐蔽
还有一种更普遍的用法:RPA加规则加模型,让流程自己读懂邮件、识别附件、判断下一步该走哪。
这种用法有它安全的一面。在软件产品里,大模型常是整条命脉;在工作流里,它通常只负责"理解"这一步——读懂邮件正文、识别一张扫描件、判断一张单据该不该放行。动作和执行仍由RPA兜底,模型错了,不至于全线崩掉。
工作流要的是确定、可复现、可审计,大模型天生是概率的、黑盒的、每次都可能不一样。等于把一件要求每次都一样的事,交给一个每次都可能不同的人。
这种结果漂移还特别隐蔽。软件产品出错,用户立刻骂;工作流里模型悄悄降智,可能几个月没人发现,等发现时,它已经按错误的理解跑了几百单。一张错单就是一笔错账,一次误判就是一次合规事故。
数据是另一笔账。企业把内部单据、字段映射、客户邮件喂给模型做微调,越调越准,也越调越离不开。数据沉淀在别人的模型里,迁移成本和泄露风险一起涨。
04.守住边界:模型理解,规则执行,人担责
工作流里用大模型,关键是守住一条边界:理解归模型,动作归规则,责任归人。
模型只做它擅长、别人替代不了的那一步,其余交给确定性的东西,最后留一个人兜底签字。
这样,模型错,是识别误差;规则错,是逻辑缺陷;无论谁错,流程都不会在无人知晓时把错误一路执行到底。
标签:
