共计 1543 个字符，预计需要花费 4 分钟才能阅读完成。
生成式 AI 浪潮的崛起
生成式 AI（AIGC）正引发技术领域的重大变革。无数初创公司正争先恐后地开发基础模型、打造原生 AI 应用，并搭建支持这一切的基础设施和开发工具。与过去一些技术趋势不同，这波热潮不仅受到市场高度关注，还有切实的经济回报。比如 Stable Diffusion 和 ChatGPT 的用户增长速度创造了历史纪录，部分应用发布不到一年就实现了过亿美元的年营收。同时，AI 模型在某些任务上的表现远超人类数倍甚至数十倍，极大地推动了行业范式的转变。
技术栈划分与市场结构
为更好理解生成式 AI 市场，我们可以将技术栈分为三层：应用层、模型层和基础设施层。应用层是直接面向用户的 AI 集成软件，它们可能自建模型，也可能调用第三方 API。模型层包括训练和开发 AI 模型的公司，这些模型可以是闭源的专有 API，也可以是开源并配套托管解决方案。基础设施层则由提供云计算资源和硬件支持的公司构成，确保训练和推理过程的顺利进行。
应用领域的挑战与机遇
生成式 AI 应用的增长速度令人瞩目，特别是在图像生成、文案创作和代码编写三大领域均已出现超过亿元年收入的项目。然而，高增长仅是表象。要打造持久竞争力，应用需要实现高留存率和毛利率。然而，受限于模型推理成本，许多应用的毛利率只有 50% 至 60%，而且用户留存也存在下滑趋势。此外，依赖相似的数据模型，应用间差异不大，缺乏显著的网络效应和独特的业务流程，这让它们面临较大的复制风险。未来，纵向整合（即自研模型与应用紧密结合）的企业可能更具差异化优势。
模型提供商的现状与商业化难题
作为生成式 AI 的基石，像 OpenAI、Stability.AI 这样的大型模型供应商提供了基础技术支持。但目前大部分模型供应商尚未实现规模化商业盈利。虽然部分公司通过 API 和托管服务开始变现，开源模型因社区支持强大，也使得闭源模型的长期竞争优势难以保障。模型开发者主要收入来源是托管服务和模型微调，未来是否能保持领先地位，还需持续观察。此外，考虑到客户可能逐渐倾向于自研模型，模型供应商的客户分布高度集中，这也为他们带来不小的收入风险。
基础设施：真正的幕后赢家
训练和推理生成式 AI 模型对计算资源的需求巨大，基础设施供应商因此受益良多。应用和模型提供商大量花费于云计算服务，尤其是顶级 GPU 资源的使用。主要的云服务巨头如 AWS、谷歌云和微软 Azure 掌控了这一市场的绝大部分份额，它们通过大规模投资和优先使用稀缺硬件，实现了显著的市场壁垒。同时，还有新兴玩家和专注于大规模 GPU 加速的公司在积极竞争。硬件方面，英伟达凭借其 GPU 的领先地位获得了巨大利润和行业认可，其他厂商如谷歌 TPU、AMD、英特尔等也在积极布局，但市场份额尚未形成明显动摇。
护城河短缺与未来格局
当前，生成式 AI 领域缺乏持久且系统性的护城河。应用缺乏显著的产品差异，模型在架构与数据集上趋向同质化，基础设施供应商服务同质、易被跨云切换。尽管存在传统护城河类型如规模优势、供应链独特资源、强大生态系统及数据积累等，但它们的持续性尚不明朗。网络效应是否能在技术栈中某个层面形成主导优势，仍是悬而未决的问题。
机会与未来展望
这并不是坏消息，反而意味着生成式 AI 市场空间广阔，将容纳许多不同层级和方向的竞争者。无论是纵向深耕整合应用与模型、还是横向扩展提供多样功能的企业，都有机会获得成功。随着技术成熟和用户需求增长，更多的护城河可能逐步建立，甚至诞生全新的竞争壁垒。最重要的是，生成式 AI 已经开始重塑软件及更多行业的游戏规则，释放出巨大的潜在价值。
总的来说，生成式 AI 领域仍处于快速演进阶段，虽然短期未见明显赢家，但各方都在积极探索和布局，未来几年或将见证众多创新与突破。大家都处在这场 AI 革命的浪尖，共同迎接一个充满无限可能的新未来。
