Open AI 究竟有沒有護城河?
OpenAI表示資金不夠 但又不願意提高價格
會讓我有這種疑問是前幾天OpenAI董事會再次表示他們需要巨額資金
以及之前Sam Altman說他們推出的ChatGPT Pro (200美金訂閱的那個版本)實際上是一個虧錢的服務
OpenAI確實可以提高ChatGPT或api的價格來提高獲利
但是他們並沒有選擇這麼做
雖然表面上沒有明說 但我猜原因可能是擔心價格上會沒有競爭力
當你需要控制價格的時候是不是表示護城河並不存在?
因為如果有的話 應該可以試圖拉高價格不至於推出虧錢的服務
我就在想難道OpenAI沒有護城河嗎?
所以我決定回頭一個一個看七大市場力量
看看OpenAI到底有沒有所謂的護城河
一、規模經濟
目的是透過擴大生產規模來降低成本 並降低競爭對手套利的可能
但OpenAI根本沒有
因為他的硬體根本不是自己的 而是微軟的
如果OpenAI可以依靠規模經濟降低成本
那表示有GCP的Google推出的Gemini也可以做到相同的事情
因此OpenAI沒辦法透過規模經濟來做出差別定價
二、網路效應
目的是讓每一個增加的客戶都可以增加系統的價值
例如Facebook, 每一個新的Facebook用戶都可以增加這個社群平台對其他用戶的吸引力
或許可能有一半?
使用RLHF (基於人類反饋的強化學習)
根據每一個ChatGPT用戶的回饋
也就是對回應按讚或倒讚來增強模型的能力
讓OpenAI的模型越來越好用
但你可以想一下你上次對ChatGPT的回應反饋是什麼時候
ChatGPT雖然有3億的周活躍用戶
但這些用戶卻沒辦法增加系統的價值
三、反向定位
目的是讓在位者考量對轉換方向的附帶損失
例如Bing在搜尋引擎中加入聊天機器人去攻擊Google的搜尋業務
如果Google跟上了 就會讓Google損失在廣告上賺到的錢
甚至原本的合作夥伴也會跳出來反對
這讓Bing有了可趁之機
OpenAI：你才是挑戰者喔
但是在這個例子中 OpenAI才是在位者
其他所有人都在對他進行反向定位
例如Preplexity這種AI搜尋服務
使用者進入的時候看到的是類似Google那種搜尋框
並且將搜索的結果放在UI的側邊讓用戶參考
OpenAI沒辦法這麼做
因為大眾已經將ChatGPT定位成聊天機器人
如果要做類似Google搜尋框的UI 反而會讓原本的用戶反彈
結果現在就只能做ChatGPT search這種四不像
四、轉換成本
目的是當增加用戶離開這個服務時的成本
以AWS Azure GCP來說
雖然他們都是基礎服務
但是最終讓他們有辦法變成護城河的原因是資料及人才
以資料來說
大企業放置在雲端的資料可能高達PB級
完全不是說搬移就搬移 這就造成了轉換成本
以人才來說
每個雲端的架構不盡相同
當一間企業具備一定程度的雲端人才後
技術線沒辦法說換就換
但是在AI模型上就不是這樣
首先，模型並不會保存你的資料 (chatgpt保留對話紀錄跟記憶功能都不是模型本身的能力)
同時模型使用上都是以接api為主
對工程師來說幾乎不存在技術轉換的困難
尤其是還有langchain及open router這種讓你可以用相同api取得不同模型的服務
在更換模型上更容易
因此要從OpenAI的模型轉換到其他模型幾乎不存在轉換成本
五、堅實品牌
目的是藉由安心感讓客戶願意付更多的錢
但是這需要長時間的累積
例如你在風景區看到一瓶只要五塊錢沒有牌子的礦泉水
你根本不敢買 還是拿了旁邊一瓶二十塊錢的去結帳
這就是安心感
ChatGPT的爆紅確實讓OpenAI處於領導地位
甚至讓大眾將GPT跟AI助手畫上等號 (最近這個趨勢已經消失了)
當時OpenAI曾經試圖將GPT申請商標
讓所有想要使用GPT當產品名稱的公司都要付他錢
後來當然是沒有成功
例如Preplexity的AI搜尋
用戶可以很放心的找到答案的原始資料
ChatGPT會亂回的劣勢就顯得更加明顯
而在模型領域中 讓我唯一聯想到安心感的只有審查機制
藉由內部審查及過濾 讓模型不會回應惡意問題
例如Claude
但這也導致了有些正常的問題也被Claude認定成有問題的發言
之前有人問Claude該如何丟掉家裡的大型傢俱
Claude則回應說不該任意丟棄家裡的東西
或者是Azure AI service 可以讓OpenAI的模型在回應時過濾掉有害的文字
但這個不是模型的能力 而是微軟在模型之外又加上了自己的過濾系統
跟OpenAI本身沒有關係
至於OpenAI為什麼不做
可能是審查機制會造成模型的能力下降
為了讓模型可以維持能力的領先地位
因此OpenAI決定放手讓客戶自己去調整或過濾
(看！又一個可以對OpenAI進行反向定位的例子)
六、壟斷性資源
目的是藉由專利或法令等將其他人隔離在外
或是公司文化 讓新的人才更願意來到你這裡
例如(早年的)皮克斯創造讓藝術家更願意留下來的環境 形成人才壟斷
曾經OpenAI的壟斷性資源就是閉源的GPT模型 (3.0及之後都是閉源)
一直到GPT4出來的好一陣子都沒有其他家可以追上
當時不管他訂什麼價格 用戶都只能乖乖付錢
但各種開源模型(如Llama, Mixtral)都已經追上了他們目前公開最強大的模型GPT4o
因此這項優勢也逐漸消失
gpt-4-32k 當初的定價是驚人的 $120 / 1M tokens output
現在的gpt-4o 則是 $10 / 1M tokens output
Claude目前是 $15 / 1M tokens output
可以看出OpenAI也在配合對手的定價
而人才更不用說
目前OpenAI最大的競爭對手之一Anthropic就是OpenAI離職員工創立的
甚至連Co-founder都跳槽加入Anthropic
代表OpenAI可能內部沒有留住人才的環境
訓練模型最需要的資料也不是OpenAI自己的
而資料擁有者也不會只賣給OpenAI一家
例如擁有youtube的Google 就有相當多的影片資料
這也屬於OpenAI沒有的壟斷性資源
七、流程效能
目的是藉由別人沒有的生產制度獲得別人沒有的獲利空間
例如福特發明的流水線 降低了生產成本 獲得更多獲利
以OpenAI最近的推理模型 o系列來說
剛出時大家都認為很新奇 模型居然可以類似思考的方式回應
但是過沒多久Google就推出了Gemini 2.0 Flash Thinking
而且還免費(2025-01月的此時) 對比o1 100萬個token要價15美金的價格
如果不是Google正在砸錢搶市佔率 就是他們內部真的有可以將推理成本降到最低的生產流程
不過不管是哪一種 都會對OpenAI的定價權造成壓力
結論
整個七大市場力量看過一輪後 突然發現OpenAI似乎真的沒有足夠穩固的護城河
但OpenAI也不是完全放著不管
他們也正在做各種嘗試 試圖找到他們的護城河
例如前陣子推出的Task to ChatGPT
可以要求ChatGPT在特定的時間主動發送消息給使用者 比方說待辦事項的提醒
將使用者的生活習慣綁在ChatGPT內
增加C端用戶的轉換成本
以及在美國推出的用打電話的方式使用ChatGPT
畢竟現在真正做出能用的Real time api的只有他們
利用模型的壟斷創造這方面的護城河
這些都是他們正在找護城河的跡象
而最終是否能真的發展成護城河就有待時間的驗證
當然對我們這些開發者來說
護城河越淺越好
這樣他們才會削價競爭
