撰文 | 吳坤諺

編輯 | 吳先之

11月的國內大模型賽道，開始“不堪重負”。

剛剛過去的一周，大模型賽道的消息就沒有停止過。

創(chuàng)業(yè)派中有喊出“AI 2.0”口號的李開復，終于帶領新公司零一萬物正式開源發(fā)布首款預訓練大模型Yi-34B。新一批通過備案的大模型玩家有知乎“知海圖”、昆侖萬維“天工”、網易有道“子曰”、360“奇元”、出門問問“序列猴子”等宣布即將面向全社會開放模型服務。

密集發(fā)布似乎昭示著大模型自今春后的又一個節(jié)點，可事實是大模型賽道已經“人滿為患”，呆不下這么多玩家和業(yè)務了。

一則同樣在周末開始發(fā)酵的消息是，阿里云將不再對外出租英偉達A100服務器，且官網下架英偉達A系列服務器云計算產品，未來或將停止或減少對外出租A/H服務器算力。

雖然百度云、騰訊云等廠商尚未發(fā)聲，但擺在玩家們眼前的事實是，供給受限導致云計算廠商惜售。即使算力租賃日漸火熱，行業(yè)短時間內也難以找到合適的替代品。

面對“無米之炊”的不確定性，一些后來者們需要在大模型對自身業(yè)務的改造以及商業(yè)化后的成本回收上找補確定性。

知海圖找尋指南針

全面接入360搜索等應用的“奇元”可以參考百度，“序列猴子”對標微軟Copilot，“天工”是通用模型底座，“子曰”結合智能教育硬件的路徑也有科大訊飛作伴。

而知乎作為大模型賽道并不顯眼的第二梯隊，“知海圖”還需要找到自身業(yè)務的參照物。

或因如此，具備海量中文優(yōu)質語料數據的知乎在大模型的第一步便走得和別人不一樣——知乎于今年4月測試了“熱榜摘要”功能，即聚合優(yōu)質回答的內容形成摘要，讓用戶更便捷地獲取有效信息。知乎巧妙地通過內容聚合的方法，繞過了大模型為人所詬病的“幻覺”。

這一功能在當時似乎挑不出什么毛病，然而時過境遷，熱榜摘要對如今的知乎顯得有點雞肋。

眾所周知，知乎作為內容社區(qū)的核心競爭力在于創(chuàng)作者提供的多樣化內容，社區(qū)內提問、回答、討論的生態(tài)循環(huán)建立在不同創(chuàng)作者的不同認知上。然而知乎圍繞“贊同”展開的內容分發(fā)方式，卻在逐漸蠶食這種多樣性。

進一步說，贊同固然可以篩選優(yōu)質答案，但也不可避免馬太效應之下的內容僵化。比較典型的場景是在一些早期問題中，部分答案在用戶不斷點贊下牢牢占據分發(fā)第一線。

熱榜摘要聚合的內容自然是老回答、老觀點的集合，進一步讓內容板結。即使知乎可以通過推薦欄目為新回答納新，但面對熱門問題中成百上千條回答，其納新作用可以說聊勝于無。

況且，內容聚合的目的是為了減少用戶獲取信息的成本。如果用戶希望“看個大概”，很可能會看一眼熱榜摘要即獲取關鍵信息，從而“淺嘗輒止”。如果用戶希望找到有價值的答案，未標注出處的熱榜摘要對用戶的篩選過程并無作用，“大海撈針”找答案這樣影響體驗的情況依舊存在。

既有分發(fā)機制遇到瓶頸時，或許知海圖的內容聚合功能更適合長篇回答場景，用戶可以自行選擇是否使用。當然，內容聚合并非知海圖的唯一路徑。在本次知乎釋出的信息中，知海圖還將改造更多業(yè)務。據了解，知海圖對知乎的重構集中在內部提效、創(chuàng)作賦能與教育業(yè)務上。

內部提效方面，知乎稱大模型應用已讓分層、分類、興趣理解等業(yè)務場景的人工標注量降低了90%以上，業(yè)務準召效果普遍提升15%以上，創(chuàng)作方面是為會員故事智能配圖，教育業(yè)務則引入了AI批改、AI教務。

上述三種場景中，與商業(yè)化有強關聯(lián)的僅教育業(yè)務一項。

向哪兒找增長？

面對老生常談的商業(yè)化難題，知乎需要找到新的解法。

知乎對直播、短視頻、電商三條移動互聯(lián)網催生的賽道均有嘗試，收效目前還不理想。據知乎2023年半年報，除卻2022年初發(fā)力建設的職業(yè)培訓外，其營收的主要構成仍是付費會員與營銷服務。

作為目前知乎營收首要板塊的付費會員，無論是收入還是訂閱數都在二季度都出現(xiàn)小幅下滑。財報顯示，知乎2023年Q2付費會員數環(huán)比下降6.04%，訂閱收入環(huán)比下降了1.32%。而營銷服務收入則同比下降了13.60%。

就目前知乎披露的大模型信息來看，內部提效顯然與上述營收板塊關系不大，更多是向資本市場講述成本故事。那么智能配圖與AI教育能否撐起目前押寶的短文賽道與職業(yè)教育賽道？

要給出這一問題的答案，知乎仍需時日。

誠然，為網文做AI智能配圖的動作，我們能在閱文的大模型路徑中看到，但閱文主打長文賽道以及其衍生的IP經濟。長篇相對短篇更能深化用戶對內容中的角色與場景的心智，“用戶-角色”的破界更具想象空間，甚至能引導IP消費。

而知乎主打的是短文，兩者形式之別也導向了不同的業(yè)務邏輯。據知乎官方介紹，“短篇一方面解放了讀者，3分鐘就可以盡享無窮世界、無盡反轉和無限奇妙，降低了對世界觀、人物設定、系統(tǒng)設定等元素的認知成本。”

作為網文界的“短視頻”，知乎短文短平快的內容在IP變現(xiàn)上天然弱于長篇，但更善于引流與拉動會員訂閱。充斥在抖音的引流短文讓知乎的會員訂閱收入于2022年成為營收首要板塊，便是其業(yè)務邏輯的最佳佐證。

面對內容IP變現(xiàn)的挑戰(zhàn)，知乎的解法是深度開發(fā)成熟IP，并且試圖擴大內容生態(tài)。前者中已有作者@七月荔 小說《洗鉛華》于2021年出版；后者則是通過“長篇創(chuàng)作馬拉松”比賽等內容創(chuàng)作激勵，鼓勵創(chuàng)作者轉向更容易打造IP的中長篇。

10月13日，改編《洗鉛華》的短劇《為有暗香來》在優(yōu)酷上線，作為知乎內容IP變現(xiàn)的范本，《洗鉛華》實際上并不算短文，而是一篇總字數在20萬字上下的中長篇。作為IP，《洗鉛華》也是知乎自2019年沉淀至今的“三虐文”之一，其影視化道路走了足足4年。

知乎IP變現(xiàn)的布局在2023年Q2顯現(xiàn)出會員訂閱增長停滯后，勢必會進一步加速。至于大模型在其中的作用，目前還看不到影子。

自知乎職業(yè)教育業(yè)務衍生的AI教育來看，業(yè)內也有網易有道與科大訊飛兩大老牌選手借此殺進大模型賽道。但是兩者擁有一個知乎目前尚未觸及的大模型變現(xiàn)支點——終端硬件。以科大訊飛為例，搭載星火大模型的訊飛AI學習機的GMV在今年5月和6月分別增長136%和217%，但是知乎目前還缺乏這樣的硬件基礎。

此外，知乎與上述兩者的用戶群體也截然不同，大模型變現(xiàn)的難度也不可同日而語。

知乎副總裁張榮樂稱，知乎面向群體以職人為主，也就是已踏入社會的、具備強烈職業(yè)教育需求的年輕群體，他們不僅是消費者，也是付費者和評價者。他們對知乎的職業(yè)教育成果、AI能力、內容生態(tài)的討論廣布于各大公域。

相比之下，科大訊飛學習機面向的是消費與付費相互格割裂的教育市場，因為作為實際使用者的學生人群沒有決策權，真正有決策權的是家長與學校，可他們又不是核心使用人群。

教育焦慮在哪個群體中更容易兜售，一目了然。

知乎創(chuàng)始人周源曾在2023年新知青年大會“鹽Club”活動演講時表示：職業(yè)教育已成為知乎的第二增長曲線。然而大模型究竟能為這條曲線帶來多少動能，目前還需要打個問號。

AI大多是“點綴”

知乎是大模型賽道中的一個不走尋常路的“異類”，而根源在于其業(yè)務的特殊性。但反過來看，我們也可以自知乎這個特殊案例中找到曾經互聯(lián)網企業(yè)切入大模型賽道的一些共性。

首當其沖的是知乎的切入路徑，知海圖的誕生是知乎憑借自身數據優(yōu)勢，基于面壁智能打造的模型底座CPM-Bee與模型訓練平臺ModelForce訓練精調而成。

作為模型底座賽道中相對低調的一員，面壁智能的模型能力頻頻在ZeroCLUE、C-Eval等測評榜單上刷榜，在證明其模型能力的同時，也凸顯了當下大模型賽道虛火的問題。

一位業(yè)內人士直言，無論是模型底座還是結合垂直領域、業(yè)務后的精調，大家其實都差不多，處于可以解決8成問題的情況。這也是為什么各個測評集榜單會被千模大戰(zhàn)中不同玩家反復刷榜——大家實力相近，你方唱罷我登場而已。

至于最尖端前沿的問題，“在商業(yè)化的迫切下統(tǒng)統(tǒng)丟給OpenAI”。那么留給玩家們相互比拼的空間在哪？

如果是to B方向，玩家們還可以相互比拼數據廣度與深度，比拼模型團隊在深度學習和專業(yè)知識兩方面的深度理解。然而在本次討論中的“面向公眾服務”也就是to C方向，則更取決于自己的業(yè)務邏輯。

換言之，C端大模型賽道還做不到用AI“重構”業(yè)務，大多只能做到用AI“點綴”業(yè)務，邏輯本身沒有變化。

在大模型賽道虛火蔓延的當口，知乎的當務之急是在內容生態(tài)與商業(yè)化兩方面找到撬動大模型價值的支點。自行業(yè)視角看，在算力緊缺的當下，玩家們也恰是時候琢磨既有業(yè)務，沉淀數據資產，而不是一頭扎進模型能力的內卷競賽中。

市場需要大模型賽道給出一個高贊好評的回答。

       原文標題 : 知海圖找尋指南針丨祛魅AI