2023年计算机行业:ChatGPT的流量去哪了?
文章摘要
我们认为对ChatGPT流量的统计存在显著低估;同时,仅通过应用访问量判断Al市场热度的观点,并未深刻理解Open Al等巨头的商业战略和产业发展。我们认为,所谓ChatGPT的“流量瓶颈”,主要由以下三方面原因导致,分别是
1、0penAl战略,流量高低在API结构
2、算力短缺
3、访问时长(ChatGPT限流)+访问人数(部分地区封锁账号)。
文章内容
1.ChatGPT 流量复盘及分析
1.1.AI 应用流量变化情况概览
ChatGPT自发布以来,访问量从去年12月至今年3月一直呈现高速增长态势, 但从下图趋势可见,从今年 4 月开始访问量增速明显放缓,在 5 月、6 月期间甚至 出现单周负增长的现象(根据 SimilarWeb 数据,1 月-5 月 ChatGPT 访问量份环比 +131.6%/+62.5%/+55.8%/+12.6%/+2.8%)。因此,市场出现担心 AI 热减退、 ChatGPT 被高估的声音。
我们认为对 ChatGPT 流量的统计存在显著低估;同时,仅通过应用访问量判 断 AI 市场热度的观点,并未深刻理解 Open AI 等巨头的商业战略和产业发展。现 阶段,单从 ChatGPT 访问量判断行业发展已经相对片面,应当从更长期的视角甄别 数据理解底层逻辑。
我们认为,所谓 ChatGPT 的“流量瓶颈”,主要由以下三方面原因导致,在下 文中我们将详细分析这些观点,并对接下来 AI 应用的发展趋势和特征给出判断:
1、Open AI 战略在于避免与客户竞争,下一个流量高地在 API 接口 2、GPU 短缺算力限制
3、访问时长(ChatGPT 限流)+访问人数(部分地区封锁账号) 1.2.Open AI 剑指消费级企服平台:“ChatGPT+API”新结构
首先,需强调 Open AI 的战略是避免与客户竞争争夺流量,希望更多客户接 入 GPT API,希望客户自己的产品通过使用 API 变得更好。
据华尔街见闻,很多的 开发者说,他们在使用 OpenAI 的 API 构建产品时,担心 OpenAI 会发布竞品,但 OpenAI 未来不会发布超过 ChatGPT 的更多产品。ChatGPT 的愿景是成为一个超级智 能的工作助手。在理解 Open AI 重点不在 C 端的战略背景下,进一步分析流量统计逻辑。由于 SimilarWeb 的技术限制,上文图 1 的访问量数据不包含 OpenAI API 接口的流量, 仅仅包括 ChatGPT 应用网站的访问量,这意味着随着 OpenAI 接口生态完善,该统 计数据偏离更显著。因此,我们从
1)其他 AI Chat 网站热度、
2)To B 企业端对 AI 模型的消费需求、
3)第二三梯队 AI 应用爆发三个维度追踪行业现状。
以近期新的明星产品 Character.ai 为例,它是一个目前主要针对娱乐需求的 AI Chatbot(排除 API 统计口径干扰)。Characterai 公司致力于实现与计算机进 行无限对话,正在研发下一代的对话机器人技术,应用范围广流乏,包括娱乐、 教育、常规问答等。该公司的"对话机器人基于自有的大型语言模型技术,从头开 始构建和训练,专为对话而设计。用户负责编写一个角色的台词,机器人负责创 作另一个角色的台词,给用户一种在与另一个角色对话的体验。
通过 Character.ai 分析 AI Chat 未失真的娱乐需求数据,根据 SimilarWeb 统 计,今年3月第一周的访问量约为21.4M,到5月的第三周其访问量已经增至70.6M, 增加超三倍。同时,近三个月内 Character.ai 的用户平均访问时长接近 30 分钟较 为稳定。
ChatGPT 降低费用门槛,To B 端企业集成部署需求旺盛。据财联社消息,今 年 3 月 2 日,ChatGPT 官方 API 发布,价格为 1ktokens/$0.002,即每输出 100 万 个单词需要 2.7 美元(约 18 元人民币),比此前 GPT-3.5 模型价格降低 90%。我 们认为开放 API、降低 Token 费用,能够大幅促进更多应用接入 ChatGPT,丰富生 态,这也可以解释在该阶段造成对 ChatGPT 的分流(可再次回顾图 1)。以 llamaindex.ai 为例(一定程度上反映企业端 AI 大模型需求),该网站前 身为 GPT ndex。Llamalndex 是一个数据框架,可以为大语言模型提供数据摄取、 数据索引和查询引擎。
Llamalndex 可以将大模型和企业数据连接起来,做定制化 的 LLMs,管理数据流和任务调度。根据华尔街见闻消息,lamaindex.ai 周计方问 量同比成长 122.69%。和它类似的工具还有 LangChain ,现在全球越来越多的公司 开始把自然语言融入产品进行交互,而新的开发方式意味着新的技术栈。
对于 To B 端的企业需求分析,还可以通过开发者社区的活跃程度侧面印证。以 Hugging Face 为例,它是机器学习开源参考模型的强大引擎,使得开发者可以 构建、训练并部署最先进的模型。这是一个高速发展的社区,据 NLP 日志录数据,包括 Meta、Google、Microsoft、Amazon 在内的超过 5000 家组织机构在为 HuggingFace 开源社区贡献代码、数据集和模型。目前包括模型 236,291 个,数据 集 44,810 个。刚开始大多数的模型和数据集是 NLP 方向的,但图像和语音的功能 模型正在快速更新中。Hugging Face 这类开发社区的野蛮生长同样意味着 B 端和 部分 C 端加速应用部署模型态势不减。
文琳编辑
免责声明:转载内容仅供读者参考,观点仅代表作者本人,不构成投资意见,也不代表本平台立场。若文章涉及版权问题,敬请原作者添加 wenlin-swl 微信联系删除。
为便于研究人员查找相关行业研究报告,特将2018年以来各期文章汇总。欢迎点击下面红色字体查阅!
▼长按2秒识别二维码关注我们
《文琳资讯》
提供每日最新财经资讯,判断经济形势,做有价值的传播者。欢迎关注
今日导读:点击下面链接可查阅