基础模型商业化落地的关键路径与策略分析

今天聊聊基础模型商业化的几个方向。说白了，就是未来AI怎么赚钱的问题。目前来看，主要有三条路，外加一条小路。

三条商业化路径

1. 向应用方向做，收产品订阅费

先看应用方向。选这条路，意味着什么？

• 你得构建一个面向大众的通用接口，解决的是相对简单、通用的任务。说白了就是做个“万能助手”，用户拿来就能用。

• 模型到用户价值的路径比较短，但问题也来了——定制化程度低，和用户的工作流嵌入不深，导致用户粘性差。今天用你，明天可能就用别人了。

• 这个模式能否跑通，很大程度上依赖于推理成本的持续降低。只有成本降下来，订阅制的商业模式才有利润空间。

典型代表：OpenAI。预计未来大部分收入由ChatGPT贡献，API收入占比很低。从趋势看，OpenAI或许最终会成为一家产品公司，而非纯粹的模型公司。

2. 向MaaS方向做，通过API收费

如果选择MaaS方向——也就是模型即服务——情况就大不一样了。

• 回报上限要高得多。通过MaaS平台上的开发者，最终服务广谱的用户和客户，不受限于某个具体应用领域。做个直观的类比：全球领先的公有云厂商收入大约是1000亿美元量级，而SaaS厂商收入大约是200-300亿美元量级。天花板明显不一样。

• 基于API的开发者围绕模型投入大量时间，这意味着开发者相比终端用户有更高的转换成本。一旦生态建立，迁移代价很高。

• 但硬币的另一面是：基础模型注定会被商品化。在一个商品化的市场里，价格战、同质化竞争是绕不开的坎。

典型代表：Anthropic。预计到2027年，接近60%的收入将由API贡献。这是典型的MaaS路线。

3. 向基础设施方向做，开源并通过商用license收费

对于开源模型，其实存在一个今天还不那么显著的商业化选项——推出商用license，向部署开源模型并商用的第三方收取授权费。这种策略在数据库领域已有广泛应用。

但各开源模型目前的license类型差异很大，值得细看：

• Deepseek和Qwen（排除Qwen2.5-Max，因其尚未开源）采用MIT License；Mistral部分免费小模型和xAI的Grok-1采用Apache License 2.0。这些都是开源领域通用、非常宽松、真正体现开源精神的permissive license，允许用户修改、分发、商用。换句话说，第三方——无论是云厂商、模型厂商还是应用厂商——把开源模型拿去部署并售卖，不需要给Deepseek等交一分钱。这是真正的自由开源。杭州的两个理想主义者在开源精神上确实做到了全球领先。

• Llama使用的是自定义license。以2024年7月的Llama 3.1社区许可协议为例：首先，Llama 3.1不可用于改进Llama系列之外的模型；其次，允许商用，但如果你用Llama构建的产品或服务的月活用户（MAU）超过7亿，就需要向Meta额外申请授权。还有传闻说Meta在考虑进一步收紧商用条款——例如当其他模型厂商、云厂商转售Llama系列模型时，未来可能会收费。当然，目前这还停留在小道消息阶段。

• Mistral则更严格。其代码模型Codestral使用Mistral AI非商业许可（MNPL），允许研究和测试，但直接禁止商用；通用大语言模型使用Mistral AI研究许可，允许非商业用途的修改和使用（包括学术研究、个人项目），但涉及商用就得额外申请并协商商业条款。简言之，商业用途被严格限制，需要获得Mistral批准并付费。

把宽松程度排个序：MIT ≈ Apache 2.0 > Meta Llama > Mistral。这里有个值得注意的点：虽然目前字节火山、腾讯混元、百度、阿里各家纷纷接入Deepseek，市场火热，但实际上Deepseek由于使用MIT License，本身无法从这些“合作”中直接赚钱。如果未来Deepseek发布更高级模型的时候，效仿Meta或Mistral收紧license商用条款，完全有可能在其生态中创造新的收入来源。不过，Deepseek是否会这么做，就牵扯到那个经典的哲学问题了：

致力于保护雨林的环保组织，是否要适当伐木，有钱维持运营才能更好地保护雨林？

致力于实现AGI的研究实验室，是否要适当商业化，有钱招人买卡才能加速靠近AGI？

4. 向服务方向做，将模型与toB服务结合

此外，还有一条小路——靠增值服务创收。

目前这路子赚钱确实猛，但我依然不认为服务创收会是领先基础模型公司的主要商业模式。原因很简单：人力服务永远没有规模效应。这条商业化路径更适合基础模型之上的服务商，或者叫行业解决方案提供商。

几个典型玩家：

• 咨询服务：埃森哲、BCG、麦肯锡、IBM等咨询公司已从GenAI中拿到数亿美元收入、数十亿美元订单。以埃森哲为例，FY25Q1（2024年9-11月）GenAI订单金额12亿美元，实现收入5亿美元——这个收入量级已经超过除了OpenAI和微软Copilot之外的所有模型和AI应用厂商。

• 原厂服务：Palantir团队内有大量“前部署软件工程师”（FDSEs），这些工程师与客户合作配置和开发Palantir的软件和模型。这种面向超高客单价客户的“模型+服务”模式已被验证有效。

• 私有化部署：Cohere目前ARR 5000万美元，80%来自客户私有化项目。但随着开源模型能力逐渐追赶上闭源模型，这条路看上去已经山穷水尽了。

最佳策略

在GenAI发展的早期阶段，商业化结果显然不应是基础模型公司的首要任务。但矛盾在于：商业化同时又是获取资金、人才、开发者、市场认知度这些关键竞争要素的必选之路。

那么，今天的基础模型公司该怎么选择商业化策略？可能唯一的判断标准是——在资源限制下，什么商业化策略能让模型能力演进更快、构建更丰富的技术生态、让更多用户使用，那就是最佳策略。

看看各家是怎么选的：

• OpenAI：选择应用
• Anthropic：选择MaaS
• Gemini、xAI、豆包：选择应用+MaaS
• Llama、Mistral、Deepseek、Qwen：选择成为基础设施，各有不同程度的开源
• 以及，hybrid（应用+MaaS+开源）——永远是可选的中庸策略

面对碘伏性的技术，站在浪潮的最前沿，就是最佳策略。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：基础模型商业化落地的关键路径与策略分析要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题