DeepSeek Porta la Primavera agli Imprenditori delle Applicazioni AI

Titolo originale: "DeepSeek Brings Spring to AI Application Entrepreneurs"
Autore originale: Dongcha Beating

Il 31 luglio è stata lanciata la versione ufficiale dell'API DeepSeek V4-Flash per il testing pubblico.

Il costo è di 1 yuan per milione di token in input e 2 yuan per milione di token in output. Dopo i colpi di cache, il costo scende a soli 0,02 yuan per milione di token in input. Supporta 1 milione di contesti, modalità di ragionamento, chiamate agli strumenti e API di risposta, con un limite massimo di connessioni concorrenti di 2500 per account.

DeepSeek adotterà anche una politica di prezzi a picco e valle, raddoppiando i prezzi durante le ore di punta. Anche così, i prezzi rimangono sorprendentemente bassi.

Secondo i calcoli approssimativi forniti da DeepSeek, un carattere cinese consuma circa 0,6 token. Un milione di token può leggere circa 1,67 milioni di caratteri cinesi. Guardando solo ai costi di input, leggere circa 1,67 milioni di caratteri cinesi costa solo un yuan.

Nell'ultimo anno, l'industria dei grandi modelli si è abituata a contesti più lunghi, ragionamenti più complessi e agenti sempre più capaci. Con ogni aggiornamento del modello, le discussioni ruotano spesso attorno a chi ha superato chi, quanto sono migliorati i benchmark e quanto siamo lontani dall'AGI.

Per gli imprenditori delle applicazioni AI, c'è una domanda ancora più pressante:

Quanto costa realmente un compito?

Le capacità del modello determinano cosa possono teoricamente fare i prodotti, mentre i prezzi di chiamata determinano quanto le squadre sono disposte a integrare le loro capacità nei loro prodotti.

Questo pomeriggio, ho avuto una lunga discussione con ChatGPT su questo. Ho detto che l'attuale modello di business per le applicazioni AI è essenzialmente la rivendita di token.

Ha provato diverse volte ad aiutarmi a riformularlo in modo più elegante, suggerendo termini come "vendita al dettaglio delle capacità di ragionamento" o "imballaggio dei servizi intelligenti". Gli ho detto di non addolcire questo business; la rivendita è rivendita, e solo perché suona duro non significa che sia sbagliato.

Le applicazioni AI sembrano essere la direzione imprenditoriale più recente degli ultimi anni, ma fondamentalmente si basano su un vecchio modello di business:

Acquisto, elaborazione, pricing e poi vendita dei beni.

Molti cambiamenti industriali iniziano spesso con un'improvvisa caduta dei prezzi di acquisto.

Le Applicazioni AI Sono un Business di Rivendita di Token

In passato, le persone erano abituate a comprendere le applicazioni AI attraverso il framework dei prodotti internet o SaaS.

Una volta completato lo sviluppo del software, può essere distribuito a mille o un milione di persone. Aggiungere un nuovo utente comporterà certamente costi di larghezza di banda, archiviazione e servizio, ma questi costi di solito si diluiscono gradualmente man mano che la scala si espande.

Le applicazioni AI sono diverse. Ogni volta che un utente genera un'immagine, scrive un rapporto, completa un pezzo di codice o fa eseguire un passaggio aggiuntivo a un agente, l'azienda applicativa deve chiamare nuovamente il modello. Ogni volta che un utente preme un pulsante, si incurre nuovamente nei costi a monte.

Pertanto, il modello di business di base per la maggior parte delle applicazioni AI puramente software è piuttosto semplice:

Acquistare token dalle aziende di modelli, imballare le capacità generali del modello in scrittura, programmazione, design, servizio clienti, video o prodotti per agenti, e poi venderli agli utenti tramite abbonamenti, punti e tariffe pay-per-use.

Ad esempio, Poe ha dichiarato direttamente il suo obiettivo di pricing al lancio della sua API: il prezzo dei punti aggiuntivi si basa sui prezzi addebitati dai fornitori di modelli sottostanti.

Le spese a monte per modelli e token, Poe li converte in punti all'interno della piattaforma e li vende agli utenti insieme a un punto di accesso unificato, pagamento, cambio di modello e interfacce di sviluppo.

Alcune aziende affermano di non vendere token ma risultati. Il prezzo per il servizio clienti AI Fin progettato dalla società di software per il servizio clienti Intercom è di $0,99 per risultato completato. Un risultato può essere conteggiato quando l'utente conferma che il problema è stato risolto, non ci sono ulteriori richieste di assistenza umana, o Fin completa con successo un flusso di lavoro.

Questo è solo un cambiamento di etichetta; addebitare per posto, per compito o per problema risolto con successo cambia l'unità di prezzo vista dagli utenti. L'azienda applicativa deve comunque chiamare il modello dietro le quinte e calcolare quanti token vengono consumati per completare una consegna.

Il pittore della dinastia Song meridionale Li Song ha dipinto un'opera chiamata "Venditore di Mercato che Gioca con i Bambini". Il venditore trasporta un carico di beni attraverso i villaggi, con pentole, ciotole, aghi, fili, snack e giocattoli tutti appesi al carico. Un singolo carico è come un negozio di convenienza mobile, e il venditore guadagna denaro selezionando, preparando e consegnando beni.

Le aziende di applicazioni AI fanno qualcosa di simile. I produttori di modelli producono intelligenza, e le aziende applicative portano quell'intelligenza in scenari specifici. Ciò che viene acquistato a livello di base sono token, e ciò che viene venduto alla fine dovrebbe essere un rapporto, un design o un video.

Le aziende di modelli vendono intelligenza, mentre le aziende applicative vendono completamento.

Il profitto di questo business dipende principalmente da tre differenze di prezzo.

La prima è la differenza di prezzo di approvvigionamento.

Per lo stesso modello, diversi team potrebbero non avere gli stessi costi effettivi. Le aziende con un alto utilizzo possono negoziare sconti, e i team con forti capacità ingegneristiche possono utilizzare caching, elaborazione asincrona, chiamate a picco e valle e instradamento del modello per ridurre ulteriormente i costi medi. Ciò che altri possono completare per un yuan, tu puoi farlo per cinquanta centesimi, e i restanti cinquanta centesimi sono profitto.

In parole povere, per la stessa approvvigionamento, alcuni ottengono prezzi all'ingrosso mentre altri ottengono prezzi da turista.

La seconda è la differenza di prezzo di utilizzo.

Alcuni utenti acquistano abbonamenti e poi sfruttano l'AI come cavalli da lavoro, mentre altri iniziano con grandi ambizioni ma smettono di utilizzare il prodotto dopo mezzo mese. Finché il consumo medio dell'intero gruppo di utenti è inferiore alle stime fatte durante la progettazione del pacchetto, il quota inutilizzata creerà spazio di profitto.

Questo è simile alla logica degli abbonamenti annuali in palestra e dei pacchetti di dati mobili.

Tuttavia, c'è un'importante questione da notare qui. Se l'approvvigionamento a monte è sufficientemente flessibile, un minore utilizzo da parte degli utenti aumenterà i profitti. Se un'azienda ha già firmato un contratto annuale fisso, i token rimanenti nel conto non sono profitto; sono solo inventario invenduto.

I token inutilizzati sono chiamati depositi, mentre i token invenduti sono chiamati inventario in eccesso.

La terza è la differenza di prezzo del prodotto.

Per lo stesso consumo di diecimila token, alcuni prodotti producono solo testo che richiede all'utente di modificare a lungo; altri hanno già completato l'organizzazione dei dati, la generazione di contenuti, la verifica dei fatti, l'aggiustamento del formato e l'esportazione finale. I costi sottostanti possono essere simili, ma i prezzi che gli utenti sono disposti a pagare possono essere completamente diversi.

Il vero valore di un'applicazione AI dipende da questo. L'approvvigionamento determina se l'azienda può esistere, mentre il prodotto determina quanto vale l'azienda.

Rivendere token è solo la base; il prodotto è la ragione della differenza di prezzo.

I Product Manager Diventano Prima Contabili

Il problema è che le applicazioni AI richiedono un approvvigionamento costante, quindi i problemi di prodotto possono facilmente diventare problemi di costo.

Nella guida ufficiale per gli utenti di Manus, puoi già vedere come questi costi plasmino il prodotto. Manus detrae punti dagli abbonamenti mensili in base alla complessità dei compiti e alle risorse consumate. Quando si pongono domande all'AI, l'ufficiale suggerisce di utilizzare la modalità Chat per domande semplici e di non avviare un agente autonomo completo; per compiti complessi, è meglio controllare i risultati intermedi per evitare che l'agente continui a eseguire nella direzione sbagliata, sprecando più punti.

Questi suggerimenti sono certamente ragionevoli. Tuttavia, rivelano anche uno degli aspetti più problematici dei prodotti agenti: più proattivo è il modello, più difficile è per le aziende di prodotto prevedere i costi.

Quando un chatbot risponde una volta e si ferma, la contabilità è relativamente semplice. Un agente dividerà i compiti, cercherà ripetutamente, aprirà pagine web, chiamerà strumenti e poi deciderà il passo successivo in base ai risultati intermedi. L'utente emette solo un comando, ma potrebbero esserci state dozzine di chiamate al modello dietro le quinte.

Di conseguenza, i prodotti iniziano a insegnare agli utenti come far lavorare meno gli agenti. La paura è che dopo aver calcolato troppo a lungo, il contabile inizi a prendere il controllo del prodotto. Se una funzionalità dovrebbe essere lanciata non si basa più principalmente sulle esigenze degli utenti, ma piuttosto su quanti centesimi costerà un singolo compito. Il modello ha capacità più forti, eppure le applicazioni esitano a cedere completamente queste capacità agli utenti.

Le aziende devono certamente controllare i costi. Nessuna startup può permettersi di far usare agli utenti i modelli più costosi come se fossero acqua del rubinetto.

Al alcuni prodotti spingono modelli con prestazioni migliori in pacchetti costosi, mentre gli utenti ordinari ricevono una versione che è stata limitata a più livelli. Le capacità del modello non scompaiono; sono semplicemente allocate a persone diverse dopo che la contabilità è stata effettuata.

Nel tempo, l'industria ha sviluppato una sorta di inversione piuttosto imbarazzante.

Gli utenti acquistano applicazioni AI sperando che il modello comprenda un po' di più, pensi un passo oltre e completi più lavoro. Le aziende applicative, tuttavia, per proteggere i loro costi, devono far leggere meno il modello, pensare meno e fare meno.

Il prodotto vende intelligenza, eppure l'azione più praticata dal team è diventata quella di ridurre l'intelligenza.

Inoltre, quando i prezzi a monte aumentano, le aziende applicative devono ridurre le quote; quando i concorrenti ottengono costi più bassi, le tariffe di abbonamento sul mercato scenderanno immediatamente; quando emergono nuovi modelli più economici, l'instradamento e i pacchetti originali devono essere ricalcolati. Le aziende applicative sembrano controllare il prodotto, ma la variabile più importante è sempre stata nelle mani di chi sta a monte.

Negli ultimi due anni, gli imprenditori delle applicazioni AI non hanno necessariamente mancato di idee. Ciò di cui mancano di più è un'intelligenza sufficientemente forte e a buon mercato che possa essere integrata nei prodotti con fiducia.

DeepSeek Riduce il "Pedaggio dell'Intelligenza"

Il valore di DeepSeek risiede principalmente nel fatto che non è un modello progettato esclusivamente per ridurre i prezzi. Ha 1 milione di contesti e supporta modalità di ragionamento e chiamate agli strumenti.

Quando è stata rilasciata la versione di anteprima ad aprile, DeepSeek ha affermato che le sue capacità di ragionamento erano vicine a V4-Pro, esibendo prestazioni simili in compiti semplici per agenti. La versione ufficiale aggiornata il 31 luglio non ha cambiato la struttura e la scala del modello, ma ha principalmente riaddestrato il modello, con più punteggi di benchmark per agenti che già superano la versione di anteprima V4-Pro.

Questo è molto importante.

Modelli economici sono esistiti prima. Il problema è che mentre il costo è basso, la qualità non può sempre essere scadente. Ciò di cui le applicazioni AI hanno veramente bisogno è un'intelligenza stabile a un prezzo unitario il più basso possibile.

Almeno dai benchmark rilasciati da DeepSeek per il suo agente e codice, V4-Flash ha superato la linea "utilizzabile" per un lotto di compiti ad alta frequenza, con prezzi sufficientemente bassi affinché i team possano chiamarli frequentemente.

Per la maggior parte degli utenti ordinari, i grandi modelli hanno probabilmente superato un punto critico.

Le persone comuni non si preoccupano dei benchmark. Raramente prestano attenzione a se un modello guida di tre o cinque punti in un certo test; si preoccupano solo di se possono completare i loro compiti. Quando un modello può leggere materiali, fare inferenze, regolare strumenti e consegnare risultati, continuare a migliorare le sue capacità è certamente prezioso. Tuttavia, se questo valore aggiunto può giustificare diversi volte il prezzo deve essere ricalcolato.

In passato, le aziende di modelli affermavano la loro superiorità, e prezzi più alti sembravano giustificati. Ma ora, questo ragionamento non regge; dobbiamo discutere da dove provengono i costi, quali problemi risolvono le capacità extra e quanti utenti ne hanno veramente bisogno.

DeepSeek non ha reso tutti i modelli più economici; ha reso i modelli costosi qualcosa che deve essere spiegato agli utenti.

La prima rottura di Pinduoduo non è stata solo nel prezzo del prodotto. Ha mostrato ai consumatori per la prima volta che molti beni di prima necessità quotidiani potevano essere venduti a prezzi così bassi. I premi del marchio, i costi di canale e gli intermediari che una volta erano dati per scontati hanno improvvisamente dovuto giustificare la loro esistenza.

Pinduoduo ha rotto la barriera mentale del prezzo del prodotto.

DeepSeek sta rompendo la barriera mentale del prezzo dell'intelligenza.

Gli Imprenditori Possono Finalmente Concentrarsi sullo Sviluppo del Prodotto

Per l'industria delle applicazioni AI, la cosa più importante da fare in avanti è che gli imprenditori possano finalmente spostare il loro focus di nuovo da monte.

In passato, i grandi modelli si aggiornavano troppo rapidamente, rendendo facile per le aziende applicative essere guidate da essi. Oggi integrano contesti più lunghi, domani passano a nuovi modelli di inferenza, e il giorno dopo presentano le capacità dell'agente sulla loro homepage. I prodotti sembrano essere continuamente aggiornati, ma la direzione non è stabilita da loro stessi. Qualunque modello i fornitori rilascino, le aziende applicative lo mostrano.

Questo è un caso tipico di prosperità a monte e distrazione a valle.

Ora, i modelli fondamentali hanno l'opportunità di diventare materiali di produzione relativamente stabili. I team non devono più ruotare attorno alle classifiche dei modelli ogni giorno, né devono trattare "integrare l'ultimo modello" come il più importante avanzamento del prodotto.

Una volta che i modelli si stabilizzano, i prodotti finalmente non hanno più scuse.

Un modello in grado di completare un compito è solo il punto di partenza. Ciò che i prodotti devono fare è integrare i compiti in processi reali, gestendo permessi, dati, collaborazione, revisione e fallimenti, in modo che gli utenti non debbano insegnare all'AI come lavorare ogni volta. Questi aspetti potrebbero non essere così attraenti come i parametri del modello e sono difficili da presentare nei benchmark. Tuttavia, se gli utenti sono disposti a continuare a pagare nel secondo mese spesso dipende da questi dettagli.

Il valore delle applicazioni AI non risiede nel presentare modelli agli utenti, ma nel far scomparire i modelli nel flusso di lavoro.

Quando gli utenti non devono più scegliere modelli, ricercare suggerimenti o preoccuparsi di quante volte viene invocata l'inferenza dietro un compito, le applicazioni hanno davvero completato il loro lavoro.

A questo punto, la competizione tra le aziende applicative non riguarda più chi ottiene prima il modello; si tratta di chi comprende meglio un lavoro e chi può trasformare le regole non dette dell'industria in parte del prodotto.

I modelli possono diventare più forti da un giorno all'altro, ma la comprensione dell'industria non può. Le API possono essere accessibili a tutti, ma un metodo di lavoro che è veramente accettato dagli utenti è difficile da replicare.

Questo offre anche a molte aziende che in precedenza sembravano troppo piccole una rinnovata possibilità di esistere.

L'imprenditorialità AI non deve necessariamente partire dal "punto di ingresso di nuova generazione", né ogni azienda deve creare un super agente che serva tutta l'umanità. Può semplicemente risolvere un problema nelle richieste di commercio estero, servire un insieme di processi per negozi a catena, o risparmiare un segmento di lavoro ripetitivo per alcuni professionisti.

Il mercato non deve essere abbastanza grande da accogliere tutti. Finché il problema è specifico abbastanza, la consegna è sufficientemente stabile e il valore ricevuto dagli utenti supera il prezzo pagato, questo business può sopravvivere.

In passato, quando i modelli erano troppo costosi, i piccoli mercati faticavano a sostenere un prodotto completo. I team dovevano perseguire scale utente più grandi, valori di transazione medi più elevati e velocità di finanziamento più rapide per coprire i costi di inferenza sempre crescenti. Molti progetti imprenditoriali sono stati costretti a raccontare una storia eccessivamente grandiosa prima ancora di trovare utenti reali.

Ora, la storia può essere un po' più piccola.

Piccole squadre possono prima servire un piccolo gruppo di persone, affrontare a fondo un compito e poi espandersi gradualmente verso l'esterno.

Questo assomiglia a come molti "negozi centenari" usavano operare. Quando aprirono, non pensavano di dominare una strada; si concentravano semplicemente sul servire bene alcuni tavoli all'ingresso. Se il cibo è buono e i prezzi sono ragionevoli, i clienti torneranno e gli affari prospereranno naturalmente.

L'industria dei grandi modelli ama parlare di scala, parametri e finali. In definitiva, l'imprenditorialità applicativa deve tornare a questa logica semplice.

Chi servi, quali problemi risolvi per loro e perché non possono andare in un altro posto? Queste tre domande, DeepSeek non risponderà per gli imprenditori.

Permette semplicemente ai team di spendere meno tempo a contrattare con chi sta a monte e offre a piccole squadre che mancano della capacità di addestrare grandi modelli o delle qualifiche per accedere a prezzi speciali un biglietto d'ingresso relativamente equo.

In passato, il modello stesso era una barriera. Andando avanti, i modelli possono essere acquistati da chiunque; la distinzione risiede in cosa vengono utilizzati. Ciò che è veramente scarso si sposterà gradualmente verso utenti, dati, processi e fiducia. Coloro che sono più vicini al lavoro reale avranno più opportunità.

Dopo che DeepSeek ha abbassato la soglia per l'intelligenza, le applicazioni AI finalmente si spostano da una competizione di modelli a un business di prodotto.

Chao Cuo della dinastia Han occidentale scrisse in "Sul Valore dei Cereali": "Valuta i cinque cereali e disprezza oro e giada."

Negli ultimi anni, i grandi modelli hanno somigliato a oro e giada. I parametri sono cresciuti, le classifiche sono salite, e sono esposti sotto le luci delle conferenze stampa, dove tutti possono vedere la loro preziosità, eppure molto pochi possono realmente integrarli nel lavoro quotidiano.

Ciò che il livello applicativo deve fare è trasformare oro e giada in cinque cereali.

DeepSeek non ha cucinato il pasto per gli imprenditori; ha semplicemente abbassato il prezzo del riso.

Per quanto riguarda chi può aprire il ristorante, dipende dalle abilità di ciascuno.

**-**FINE-

Questo contenuto è fornito a solo scopo informativo generale e non costituisce consulenza finanziaria, di investimento, legale o fiscale. Qualsiasi evento, ricompensa, promozione online o informazione correlata menzionata nel presente documento non deve essere considerata una raccomandazione, una sollecitazione o un invito ad acquistare, vendere, fare trading o altrimenti negoziare criptovalute. Le criptovalute sono altamente volatili e possono comportare perdite. La disponibilità dei servizi, dei prodotti e degli eventi correlati di WEEX può variare a seconda della regione. È tua responsabilità assicurarti che la tua partecipazione sia conforme alle leggi e ai regolamenti locali applicabili.