2022年11月，ChatGPT上线。短短两个月后，ChatGPT成为人类历史上最快达到1亿用户的应用。同样的成就，Tiktok用了9个月，Instgram用了2.5年。

很多人把这视为AI应用起飞的证据，开始把互联网时代的打法复制到AI应用上，快速上线产品，地毯式投放获客，持续迭代并扩大规模。大量的C端AI应用如雨后春笋般出现，特别是以Character AI为代表的聊天类应用，更是在短时间里攫取了巨大流量。

然而好景不长，在1.5亿美金融资、迈入10亿美金独角兽行列仅仅1年半后，Character AI管理层与核心模型团队出走Google，这场变相收购清楚地表达了当时资本市场的态度：应用不值钱，值钱的是技术。

类似的故事也发生在国内的AI初创企业身上。在历经几轮激进的流量投放和产品扩张后，包括月之暗面、MiniMax在内的明星AI公司纷纷收缩了产品布局。社交平台上再也看不到来自这些公司铺天盖地的软广了。中国互联网公司一贯的高举高打，在AI时代突然不好用了。

为什么？

要回答这个问题，需要透过现象和经验，回去重新理解那些成功案例的本质。

说起所谓互联网打法，大家的第一反应往往是低价或者免费。2017年我从旧金山机场去到南边的圣何塞，那会儿还有零星的黄色出租车在机场接客。我印象中60公里的路程，出租车花费约140美金，而Uber的价格不足其一半。我没有亲历Uber最早期的野蛮生长，但我清楚地记得2014年滴滴和快滴的补贴大战，甚至出现了打车不要钱的奇观。也是这一轮真金白银的补贴和扩张，彻底把传统出租车公司挤出了市场。

纵观类似颠覆传统行业的互联网企业，最核心的成功元素便是所谓网络效应。以打车为例，越多乘客使用Uber，会吸引越多司机入驻平台，这使得打车变得更加容易，进而让更多的人选择使用Uber，形成闭环。也就是说，随着规模的扩张，产品会自然而然变得更好用。你甚至不需要增加什么新的feature，只要专注扩大规模就好了。微信近20年，主体仍然不过一个消息收发框，就是网络效应的极致表现。

而互联网后期，规模扩张的效率恰恰也到了登封造极的地步。首先是网络随着光缆延伸和基站建设得以覆盖最偏远落后的地区；然后是云计算平台的兴起，让服务器扩容的周期从几周乃至几个月降低到几分钟；以Github为代表的开源协作平台的壮大，又使得企业几乎能以零成本部署高质量的基础设施软件。2009年我曾经在上海盛大实习，亲眼目睹为了一款游戏的扩容，服务器是如何经历运输、卸货、上架、装机，历时几个星期才交付到产品部门。现如今，扩容不过是一行kubectl命令而已。这恐怕是20年前所难以想象的。

与此同时，单位计算的价格也在持续下降。我让AI研究总结了过去20年的计算租赁价格，未必严谨，但可以一窥宏观趋势，

  2005 (Dedicated) 2015 (Early Cloud) 2025 (Modern Cloud)
Min. Entry Cost ~$150/month ~$5/month ~$0.005/hour
Provisioning Time Weeks Minutes Seconds
Billing Unit Monthly Hourly Per-Second
Scale Limit Physical Racks Regional Capacity Global Elasticity

正是在基础设施和价格的双重加持下，互联网企业得以摆脱规模的枷锁。如果扩大规模本身就能提升产品质量，而扩大规模又如此便宜，那么这些产品的成功就不足为奇了。它们只需要一点资本的帮助，给这个规模飞轮提供一个初始动能，后面只要交给程序最擅长的事情：自我复制，就可以了。

明白了这一点，就不难理解为什么很难把同样的操作套用在AI上了。

首先是网络效应的减弱，甚至很多聊天类应用初期是反网络效应的：如果只有AI是聊天对象，那用户之间其实是割裂的，用户规模的扩大并没有带来1+1>2的效果。当然随着平台数据的累积，应用可以变得更懂用户，从而形成数据的护城河，但这会是一个非常长期的过程。并且时时受制于下一个更严重的问题：

规模扩张重新回到了20年前那种以数周甚至数月计的时代。从云计算服务商租用最前沿的GPU设备，通常要签一份半年起的租赁合同，即便如此，在很多地区，交付时间也会拖长到几个月之久。而自建机房，单是GPU服务器采购这一项，延期交付一两个月也是司空见惯的事情。上游hyperscaler的扩张，还受限于机房建设和电力供给，很多时候需要以年为单位来提前计划。这些都大大增加了规模扩张的时间和金钱成本。

此消彼长，基于规模扩张的产品飞轮就转不动了。

但我其实更想说，无论客观环境如何，最重要的是专注产品价值本身。1999年的Paypal、Amazon等等初创企业同样面临基础设施不到位导致的规模扩张难题，但是他们在扩张的同时成功维持了极高的用户留存。回归真实场景下的价值创造，是无论什么时代不变的主题。

长远而言，AI应用的黄金时代，一定会要求体积更小、能耗更低的计算单元。如果今天一张H100的算力能被装进手机里，那AI应用是很难不爆发的。摩尔定律能不能持续，芯片制造的物理墙在哪里，恐怕是比把GPU射入太空更重要的问题。