
OpenAI 談企業 AI 下階段 — 大部分公司還沒跟上
OpenAI 說企業 AI 要進入下個階段了,但大部分公司還在原地踏步
> Meta Shift
OpenAI 上個月發布了一份企業 AI 策略報告,宣稱企業 AI 應用即將從「實驗階段」正式轉向「生產部署」。報告強調三個重點:Agent 整合、安全性提升和成本控制。據報導,已有超過 92% 的財富 500 強企業在使用 OpenAI 的產品(來源:OpenAI 官方部落格)。
但老實說,我覺得 OpenAI 有點過度樂觀了。
大部分企業現在的狀態是什麼?還在搞懂 ChatGPT 能不能用來寫 email,IT 部門還在煩惱要不要封鎖這些 AI 工具。談什麼 Agent 整合,連基本的 prompt engineering 都還沒搞定。這就像遊戲裡大家還在新手村學走路,官方就急著推出高階副本一樣 —— timing 完全不對。
真正的問題在哪?不是技術不夠成熟,而是企業組織根本還沒準備好。OpenAI 畫的這個餅很香,但執行起來的 gap 比想像中大很多。
商業模式拆解
OpenAI 的企業策略其實很清楚:從 API 服務商轉型成企業解決方案提供者。目前他們的商業模式主要有三塊:
API 服務:按 token 計費,目前 GPT-4 的定價是每 1K input tokens $0.03,output tokens $0.06。這塊估計佔總營收的 60-70%,客戶包括微軟、Salesforce、Shopify 等大廠(來源:多家媒體報導)。
ChatGPT Plus/Team/Enterprise:訂閱制,個人版 $20/月,團隊版 $25/用戶/月,企業版 $60/用戶/月。據報導企業版客戶已超過 40 萬家,這塊 ARR 估計已達到 40-50 億美金規模。
定制化解決方案:這是 OpenAI 最想推的新戰場。不只賣模型,還要賣整套的 Agent 框架、安全控制、和企業整合服務。雖然目前還沒公開定價,但從他們的 sales motion 來看,這塊的客單價會是最高的。
護城河在哪?技術領先優勢 + 開發者生態。GPT-4 到現在還是最強的通用模型,而且 OpenAI 在 multimodal 能力上領先其他對手至少半年到一年。更重要的是,全球有上百萬開發者已經熟悉 OpenAI 的 API,這個 switching cost 不小。
但也有隱憂:成本控制。據報導 OpenAI 每個月的運算成本超過 7 億美金,而且隨著使用量增長還在快速上升。這就是為什麼他們急著推企業方案 —— 需要更高的客單價來 cover 這些成本。
競爭格局
企業 AI 市場現在基本上是三國演義:
OpenAI:技術領先,但成本高、依賴微軟基礎設施。策略是「premium route」,主打最強模型 + 完整解決方案。
Google (Gemini/Bard):技術追得很緊,而且有完整的 GCP 生態支持。策略是「integration play」,把 AI 能力深度整合到 Google Workspace 和 Cloud 服務裡。據報導 Gemini Pro 的效能已經很接近 GPT-4,但 multimodal 能力還是有 gap。
Anthropic (Claude):專攻企業安全和 compliance 需求。Claude 在處理長文檔和複雜推理上有優勢,而且 Constitutional AI 的設計讓企業更放心。最近拿到 Google 15 億美金投資,估值已達到 300 億美金(來源:The Information)。
還有一票二線玩家:Meta 的 Llama、微軟的 Copilot、Amazon 的 Bedrock。但基本上都是在搶剩下的市場份額。
目前看起來 OpenAI 還是在贏,但優勢正在縮小。Google 的 integration 策略很聰明,Anthropic 的安全 positioning 也找到了差異化的點。OpenAI 如果不能快速把企業客戶鎖住,後面會越來越辛苦。
Meta 判讀
這件事我判定是 Meta Shift。
類比一下,就像當年 cloud computing 從「實驗性工具」變成「生產環境標配」的那個轉折點。2006 年 AWS 推出 EC2,大家還在懷疑「把重要系統放雲上靠譜嗎?」到了 2010 年,不用 cloud 的公司反而被當成落後。
現在的 AI 就在這個 inflection point 上。OpenAI 想要 push 整個市場快速越過這個轉折點,但現實是大部分企業還沒準備好。
跟歷史上的 mobile internet transition 很像。2007 年 iPhone 出來時,大家都知道 mobile 很重要,但真正的企業級應用要到 2010-2012 年才開始爆發。中間這三年就是各種摸索、試錯、基礎建設補齊的過程。
AI 也會走類似的路徑。技術已經 ready,但組織流程、安全 compliance、成本控制這些配套還需要時間。OpenAI 現在做的就是想要 accelerate 這個過程,但 timing 可能還是早了一點。
工程師該怎麼看
對工程師來說,這個趨勢有幾個影響:
<h2>延伸閱讀</h2> <ul> <li><a href="/blog/openais-vision-for-the-ai-economy">OpenAI想重新設計經濟制度 — 機器人稅真的可行嗎?</a></li> <li><a href="/blog/the-first-40-months-of-the-ai-era">AI 這 40 個月都發生了什麼?一個技術人的冷靜回顧</a></li> <li><a href="/blog/is-anybody-else-bored-of-talking-about-ai">AI 話題聊膩了嗎?開發者的疲勞症候群觀察</a></li> </ul>Waiting7777
WoW Arena 冠軍轉前端,用電競 meta 思維拆解技術趨勢。
這篇文章對你有幫助嗎?
每週一篇 — 技術趨勢背後的商業邏輯
AI 產業在變什麼、工程師該注意什麼——拆清楚寄到你的信箱。


