风险投资机构 a16z 描绘了生成式 AI（AGI）的技术栈层次。最底下两层是计算机硬件（服务器、GPU 等）和云平台（AWS、Google 云、Azure 等）；
底下两层可认为提供了算力网络的基础设施服务。深蓝色是模型层，包括闭源的模型（例如：OpenAI 的 GPT-3) 和开源模型。开源模型既包括模型算法本身，也包括托管和运行这些模型的平台。
最上层即应用。应用既可以是 Jasper 这种比较 “薄” 的应用，也包括 Midjourney 这种后台模型也自己做的应用。
从价值创造和风险投资角度，Jasper 类面临的质疑就是护城河问题，有风险投资机构认为其大量能力依赖 OpenAI。而 OpenAI 会把大部分价值拿走等。
但其实即便是比较 “薄” 的上层应用中，Github Copilot（编程辅助工具），还有一些律师行业的工具等，如果应用商能拥有独家的训练数据资源，也可形成有效门槛。
我看好拥有数据门槛、或者垂直应用场景门槛的服务商借力大模型 LLM 的机会。
从第三方 Chatbot POE 的用户使用角度看，图像生成大模型曾经的领头羊 OpenAI DALL-E 的用户交互量份额从 2024 年初的接近 80% 下跌到 2025 年 2 月的 9.9%。
而后期之秀 Flux 用半年时间就获得了 近40% 的交互量份额。
可以认为是一个成功的案例，新入局者如何打败王者 OpenAI 和开原生态的 Stability AI。
AI，尤其是生成式人工智能（AGI）的发展，推动更多工作可以被 AI 自动化代替。
Goldman Sachs（高盛）的研究认为，美国各行业平均有 25% 的工作任务可以被 AI 代替。其中，办公室及行政支持、法律、建筑设计位居被替代程度 Top 3，近四五成的工作任务可以 被 AI 代替。
最不容易被 AI 代替的行业为：地面清洁/维护、安装和维护维修、现场施工等。
附图黑色是闭源的大模型 GPT-4 不同版本的价格（每百万次 Token 使用，输入输出 4:1），蓝色是开源的大模型 Llama3.1 405B 在 Together 和 Fireworks 上的价格。
开源 vs. 闭源，这个争夺推动了持续的价格下滑。而大模型成本的下滑，有助于生成式 AI 应用更早达到的经济性。
