这份榜单，揭示了中外AI应用的“差距”

　　（原标题：这份榜单，揭示了中外AI应用的“差距”）

　　相比于国内的AI企业，海外的这些同行们，大部分都已经在AI的应用层，尤其是C端应用上实现了盈利。国内绝大部分应用，却仍集中在B端。

　　a16z是一家美国硅谷的风险投资公司，成立于2009年，在科技界有着深厚的背景。

　　由于其优秀的投资业绩和行业影响力，a16z 已成为全球最有声望的风险投资公司之一。

　　最近，a16z发布了一份月流量TOP 50的AI产品榜单，经过分析对比之后，一个有趣的现象浮出了水面。

　　相比于国内的AI企业，海外的这些同行们，大部分都已经在AI的应用层，尤其是C端应用上实现了盈利。国内绝大部分应用，却仍集中在B端。

　　01 分野

　　从榜单来看，目前实现盈利的海外AI应用，大致有如下特点：

　　1、大部分国外的AI应用都是以C端为主，商业模式是以订阅制为主。

　　2、应用的类型中有相当多是情感陪伴、AI绘画这类偏向于泛娱乐的应用。

　　3、即使是在这些产品缺乏核心技术壁垒的情况下，仍然有大量用户愿意付费。

　　举例来说，榜单上提到的Character.Ai就是一款面向C端的情感陪伴类AI，迄今为止，用户已经创建了超过1000万个自定义AI角色。使用者既可以与虚构人物或名人聊天，也可以自创一个自定义角色。

　　而榜单上提到的Leonardo.ai，也是一个订阅制为商业模式的AI绘画应用，从功能上来说，几乎与之前大火的Midjourney别无二致。

　　然而，即使在同类竞品颇多，且无核心技术壁垒的情况下，这类以绘画为主的C端应用却仍然实现了盈利。

　　而相较之下，目前国内市场上较为亮眼的C端AI应用，只涌现出了妙鸭相机一个爆款案例。

　　除此之外，国内的AI应用主要阵地仍在B端，无论是智能客服、办公助理还是文字生成，大多都是面向企业提供的服务。

　　例如，百度智能云推出的“Comate”代码助手，借助文心一言大模型的能力，旨在帮助企业实现代码的快速补齐，自动查找代码错误等功能。

　　而金山办公通过接入文心一言，快速推出了智能办公助手WPS AI，同样是一款基于办公领域的，面向B端的应用。

　　同样的，钉钉的斜杠，360接入了自身全家桶的360智脑，都纷纷将焦点聚集在了B端。

　　从产业的角度来说，这种应用方向上的“偏科”，这未必是一种乐观的局面。

　　为什么在有着如此庞大用户基数，以及广阔市场的前提下，中国AI应用仍然难以在C端涌现出繁茂的生态呢？

　　02 三大枷锁

　　就目前来看，制约国内AI企业在C端发展的因素，主要有“三大枷锁”。

　　1、缺乏活跃的应用生态。

　　相较于国内而言，有着先发优势的美国，AI应用市场更加成熟和开放，有更多的平台和社区供AI应用开发者和用户交流和互动。

　　举例来说，国外的AI应用开发者可以利用各种在线平台和工具来快速构建和部署AI应用。

　　以Hugging Face为例，该社区拥有超过30万个预训练的模型，覆盖了100多种语言，目前，有超过50万个组织和个人在使用Hugging Face，他们可以通过各种渠道和方式来分享和评价模型、数据集和应用。

　　这些平台和工具可以为AI应用提供丰富的数据资源、技术支持、用户反馈、社区交流等，降低了AI应用的开发成本和难度，也让开发者能直接了解到用户的声音，知道他们想要什么。

　　2、“合规性”制约

　　这是套在目前中国大模型C端应用上的又一大枷锁。

　　其实在数个月的大模型竞争中，国内也曾涌现过一些较有灵气的C端应用，但在整体大环境下，这些没活跃多久的社区或网站，就很快因法律或合规性原因而下架、关闭。

　　就在9月月初，国内多家采用AIGC技术建立的中小型AI绘画网站如四必三（4B3.com），某某.com），某art.com）等纷纷在无预警情况下被关停，或转移到境外域名，同时在国内无法访问。

　　而这现象的原因主要是“在未经评估的情况下调用境外的ChatGPT产品接口，提供智能对话问答等功能，存在较大的安全风险隐患”。

　　虽然一些AI绘画社区的用户和开发者喜欢分享自己用AI生成的作品，比如使用Stable Diffusion模型或LoRA等。但是，由于“合规性”的制约，如果想要继续分享自己的作品，开发者就可能需要使用一些技术手段来绕过监管，这无疑会增加他们的成本和难度，从而降低他们的分享意愿。

　　3、“跟随策略”的思路

　　早在互联网兴起的时代，国内的各大企业，就产生了一种“拿来主义”的策略，众人今天所熟知的各种互联网产品，当初无一不是“照抄”、“照搬”的产物。

　　例如qq模仿Icq、淘宝模仿ebay、百度模仿谷歌。

　　这样的思路，对于在产业上处于明显后发地位的国家、企业来说无可厚非，毕竟在一个未知的新领域，后发者想做一个全新的产品，但市场上没有任何案例，在这种情况下，降低风险、节约成本的最优解，就是跟随。

　　否则的话，如果要求在算力、数据方面不占优的国产AI应用去打头阵，去为整个AI产业蹚路，这显然是不合理，也不符合商业逻辑的。

　　从这点上来说，“拿来主义”需要做的是微创新，说白了，就是低风险的创新，既保持了原来的商业模式内核，又适应了国内的用户。