知乎，面对巨额亏损，还要面对ChatGPT的挑战
原标题：知乎，面对巨额亏损，还要面对ChatGPT的挑战
知乎，面对巨额亏损，还要面对ChatGPT的挑战
知乎增收不增利，亏损还在扩大
日前，知乎发布了截至2022年12月31日的第四季度和财年未经审计财务业绩。
财报显示，2022财年，知乎实现营收36.05亿元，同比增长21.8%。而在上一个财年，知乎收入表现为同比增长119%。
这表明，虽然知乎的收入保持了增长，但 增速已经大幅放缓。
与此同时，知乎全年净亏损为15.78亿元，而上年同期为12.99亿元，亏损同比扩大21.47%。
（知乎财报）
营收增速放缓，亏损还在扩大，显然， 知乎去年的日子不算好过。
不过，知乎第四季度取得了不错的减亏效果，第四季度总收入同比增长 9.3%，收入增速低于全年表现，但净亏损同比收窄53.2%。
从财报数据看，知乎亏损的扩大一定程度上受到了 成本增高的影响，2022年知乎收入成本同比增长 27.9% 至18.0亿元，成本增长主要是因为内容和运营成本增加以及云服务和带宽成本的增长。
此外，知乎 营销、研发成本也有所上涨：全年销售与营销费用为20.3亿元，同比增长24%，财报将其归因为用于推广产品服务及加强品牌知名度的营销活动费用增加；研发费用为7.6亿元，同比增幅为23%。
另一边，“友军”B站同样深陷亏损泥潭，但B站董事长陈睿对2024年实现盈亏平衡保持信心。
但知乎却还没摸到盈利的边界，2022年Q3时知乎CEO周源还表示要尽快实现盈利，但现在展望2023年，也只是表明知乎将继续优化整个社区的用户体验，强化多重增长引擎。
今年已经12年的知乎，急需找到自己的商业化答案。
知乎商业化如何破局
内容社区平台商业化困难已经是公认的事实，不止是知乎，B站、小红书、豆瓣等一众“平均年龄”超过10岁的主流平台，都还囿于商业变现的难题里。
和大部分内容社区平台主要依靠单一广告收入不同，知乎的收入结构已经逐渐走向多元化。
从财报上看，知乎的收入主要来自广告、付费会员、内容商务解决方案、职业培训、其他五个方面。
受互联网广告大环境以及短视频崛起等影响，原本充当知乎营收主力的 广告业务的收入连年减少，也是去年五分部业务中唯一表现为收入下降的业务。
2022年，知乎广告收入为9.3亿元，同比下降20%， 营收占比也从2019年的86.1%将至26%。
内容商务解决方案2022年收入为10.3亿元，同比增长6%，营收占比29%。
而在上一财年，广告和内容商务解决方案占全年收入的占比都超过了30%，分别为知乎第一、第二大业务。
可以说，2022年是知乎收入结构发生重大改变的一年， B端业务表现疲软，C端业务逐渐成为知乎的营收主力。
（知乎财报）
主打高质量问答，有着“精英社区”标签的知乎，为了寻求增长，在这两年开始 拥抱以前排斥的虚构故事，在盐选专栏里加入了大量网络小说、虚拟故事的付费专栏。
可以看到，知乎的“盐故事”已经基本上涵盖了时下最热门的题材，这些泛娱乐化内容，显然和知乎一贯的社区氛围大相径庭，但会员付费率的大幅提高，还是为知乎注入了强心剂。
除此之外，首次被设立为独立收入版块的 职业培训，则寄托着知乎第二增长曲线的希望。
财报显示，职业培训全年收入为2.5亿元， 同比大增442%，是五大业务中营收增幅最大的分部，收入占比也从去年的2%增至7%。
去年11月，周源发布公开信，称知乎用时三年，通过联运、自营、收购等方式，完成了职业教育的初步布局。
在去年12月底，知乎的职业教育业务上线了 首个独立品牌“知学堂”。在上个月，知乎还推出了“一起公考AI课”APP，继续加码职业教育业务。
在2022年Q4财报中，知乎已经明确表示，公司从“以内容为中心的多元化收入模式”升级为“ 社区业务+职业教育业务的双增长曲线”。
而此前有消息传出，知乎有意调整组织架构，将教育板块单独拆分出来，进一步提升教育的重要性。
显而易见，职业教育被知乎视为商业化破局的希望，但作为后来者，在职业教育里各个细分领域都已经有了中公、粉笔等老牌机构的情况下， 跨界发展的知乎要想做好这门生意，绝非易事 。
在广告、电商、游戏这互联网三大变现手段里，和知乎相关的有两个，其中广告业务承压，收入不断下降；自营电商业务毫无起色，没有大幅提升的希望。
而现在，知乎商业化兜兜转转，最终还是选择回归“初心”，做起了知识生意。
只不过，职业教育到底是知乎的商业化“良药”还是又一次无用功，还要交由时间来检验。
“ChatGPT 概念股”，是机遇还是挑战？
去年年末ChatGPT吹起的风，不仅没有随着时间消散，反而不断出圈，成为全民热议的大众话题。
作为中文互联网高质量问答社区，截止2022年Q4，知乎的问答量已经累计达到5.06亿条。
而有着海量精品内容的知乎， 被认为是大语言模型绕不开的中文语料库，知乎也莫名蹭上了人工智能的热点，乘着“ChatGPT 概念股”的东风，股价一度暴涨，创下历史新高。
不过，也有人认为，同样以问答形式工作的ChatGPT成熟之后，会对知乎造成强烈冲击，甚至会取代知乎。
但目前来看，知乎被取代的可能性很小，ChatGPT的优势在于其强大的检索和归纳能力， 从经典搜索结果中提炼出最终结论，节省用户查找内容的时间。
但ChatGPT之所以能提供可信度不低的对话式AI体验，离不开丰富的训练材料。换言之，ChatGPT提供的答案是从数据库中现有的材料进行二次加工，在内容生产上还缺乏原创的能力。
而知乎的价值在于其庞大的创作者队伍和优质原创内容， 只要知乎未来还能持续创造出全新的高质量内容，那么知乎就不会被取代，甚至还会成为大语言模型的关键支撑。
ChatGPT不会取代知乎，相反，如果合理利用，在提升搜索效率、优化推送精准度等方面都 能让知乎变得更好。
知乎也在积极地拥抱新技术。在电话会上，知乎透露了公司在大语言模型训练及AIGC领域的最新进展，“知乎最近正在全面评估自研AIGC技术、寻求外部合作、直接使用市场开放API等多种方式，来为产品和创作者赋能。”
当然，ChatGPT是不能错过的风口，但对知乎来说，现在最重要的是在外界对知乎的发展失去想象力之前，给自己的商业化难题找到一个确切的答案。
作者 | 李迎返回搜狐，查看更多
责任编辑：
盘和林：发展“类ChatGPT”产品，中国缺“心”和“芯”｜封面天天见
盘和是什么意思,盘和匜图片,盘和林 中南财经政法大学数字经济研究院,盘和林经济观察封面新闻记者 吴雨佳
2022年11月，OpenAI发布了ChatGPT，继而在短短2个月时间就获得了上亿用户。ChatGPT背后是2021年OpenAI发布的GPT3.0技术，由于在GPT3.0技术上做了一些优化，所以ChatGPT又被认为是GPT3.5版本，而在3月14，OpenAI再次发布了新版本GPT4.0，并将其作为plus订阅服务发布，新版本再次掀起热潮，订阅支付通道一度拥堵瘫痪。
ChatGPT一次又一次掀起热潮，是因为ChatGPT突破了人工智能应用瓶颈，未来以生成式AI为代表的人工智能产业将进入全面爆发阶段。面对科技的新一轮爆发，中国做好准备了吗？3月23日，浙江大学国际联合商学院数字经济与金融创新研究中心联席主任、研究员盘和林分享了他的观点。
盘和林表示，ChatGPT是生成式AI，其通过机器学习来训练AI，用上一个字生成下一个字，再用下一个字生成下下个字。首先，ChatGPT采用非监督式学习，用海量语料来教会AI说话方式。随后，ChatGPT用监督式学习来辅助矫正语言规范，通过标注语料进行机器训练，让ChatGPT知道面对某个问题应该如何生成回答。最后，当ChatGPT能够回答问题，逐字生成答案的时候，再用强化学习来给ChatGPT的回答打分。简单说，通过填鸭式的非监督学习，ChatGPT学会了说句子，通过范例的、预标注的预料进行监督式学习，ChatGPT学会了回答问题，再通过强化学习来了解人类的“回答偏好”，多给高评分的答案。
为什么ChatGPT需求爆发，而其他AI没有？盘和林总结称ChatGPT有几个独到之处。其一，ChatGPT是大模型。对监督式、非监督式、强化学习的原理，在AI产业里早已是常识性的技术认知。但自然语言处理这个领域太过复杂，因为人类说话非常随机，所以之前AI企业将机器学习用在很多领域，语音识别、机器视觉、图像识别（人脸、医学影像）、蛋白质特征预测、文本识别等等，但很少将机器学习用在自然语言处理。“念头往往一闪而过，但付诸实施的往往是少数”。而OpenAI耐着性子竟然坚持了下来。
其二，ChatGPT是机器学习，不是数据库。普遍以来，AI领域认为机器学习不适合自然语言处理，所以一直以来，自然语言处理采用逻辑推理的AI实现方式。建立一个语料数据库，在语料数据之间建立关联性，比如知识图谱，再通过逻辑搜索的方式，从数据库中找到对应答案。但ChatGPT并没有数据库，ChatGPT采用机器学习，是一种AI能力集成，而不是一个数据库集成。也正因为ChatGPT的这个属性，ChatGPT并不局限在文本对答。也正因为如此，ChatGPT能够进入任何领域，比如和搜索结合，比如和办公软件结合。当前尤其善于处理文本，比如编程和学术教育领域，ChatGPT的功能几乎是通用的。ChatGPT具备完善的表达能力，且通过对不同领域内容的学习，ChatGPT最终会变得无所不能。而这些在数据库和逻辑搜索下是无法实现的。
其三，ChatGPT有强大的上下文语义理解能力。用户可以让ChatGPT扮演角色，ChatGPT可以在用户引导下故意给出“符合用户要求”的错误答案。用户在提问的时候，ChatGPT也会引导用户补充问题信息，并最终给出符合逻辑的答案。过去我们遇到的AI聊天软件有两种：一种是基于数据库的，必须按照数据库给定的提问方式，另一种是基于机器学习，但只是一问一答。结合上下文语义理解的ChatGPT能够更好的找到用户的需求点，给出适合用户最想要的答案。
综上，ChatGPT的强大在于，其本身是一种机器能力，而不是数据库，ChatGPT自身的语义理解能力、语言组织能力、搜索能力才是其本质，这也使得ChatGPT可以套用在任何领域。而对于人类来说，ChatGPT是提升人类认知水平的一个重要工具。
互联网持续繁荣，人类面临的难题已经不再是信息、知识获取，与此相反，人类现在处在信息过载，莫衷一是的状态。所以盘和林认为，互联网时代，最为重要的一种能力是“搜索力”，是如何通过算法和搜索在浩如烟海的互联网信息中找到答案的问题。
ChatGPT提升了人类的搜索力。当ChatGPT嫁接到搜索引擎之后，ChatGPT就能从海量信息中迅速找到你要的信息，比如你是程序员，ChatGPT可以以自身能力组织出一段代码，也许这段代码的很多段落零散的分布在各类网站上，ChatGPT减少了你浏览各类网站找代码范例的时间。同样的情况，也可以发生在PPT制作，论文书写，考试答题上。
当然ChatGPT并不局限于搜索力，它不仅能找到知识点，还能通过自己的语言能力表达出来。比如和办公软件结合。你有一组数据，想做一个PPT，有了ChatGPT，可以直接生成若干方案。
因此，他认为ChatGPT对于人类是一种能力加持，一种能够大幅度提高人类生产力的工具性能力。
盘和林表示，如果ChatGPT是一种生产力提升工具，那么拒绝生产力工具是不明智的，中国需要生产力工具。人类社会的每一次科技进步，最终结果都是人类去适应科技。在工业时代，少部分国家采用闭关锁国的方式来对抗科技进步，但最后多以失败告终。所以对于中国，ChatGPT是需要的。但围绕ChatGPT，依然存在几个问题：
问题一：自力更生等待国产ChatGPT，还是引进ChatGPT？
现阶段直接引进ChatGPT存在制度上的障碍，因为ChatGPT是生成式AI，它背后不是数据库，它会随机生成答案，而有些随机生成内容是违规的，比如被别有用心的用户引导给出了“恐怖主义”言论。当然，ChatGPT也是可以调教的，前面说过，生成式AI可以通过范例的预标注词条进行监督式学习，也可以通过评分来规范回答，但ChatGPT的母公司OpenAI毕竟是美国公司，美国和中国存在很大的文化差异，这些文化差异会让ChatGPT在中国出现水土不服甚至犯法。
但反过来说，国内如今缺少ChatGPT的对标产品。比如百度文心一言，在中文内容应答方面和ChatGPT不相上下，但如果你将场景切换到编程代码，实际上百度文心一言和ChatGPT有很大差距。换句话说对生产力支持方面，百度文心一言有欠缺。故而，如果你不让ChatGPT进来，那么就没办法短期内提高生产力。而你要ChatGPT进来，则需要适配规则提高对生成式AI内容生成的包容性。
进一步可以演化为两个选项：一个选项是通过特别规则来引进ChatGPT，人工智能不具备主观恶意，回答是“有口无心”，给予适度包容，让ChatGPT和国内各个领域迅速结合，提升生产力水平，当然，也要对教育等领域进行改革，以适应ChatGPT带来的改变。另一个选项是先拒绝ChatGPT，等待未来国产ChatGPT的平替产品。OpenAI成立至今不到10年，却已有如此成就，ChatGPT的形成原理并不深奥，关键还是要大量资金、人才、时间去烧出一个技术未来，需要排除万难持续投入，通过“你追我赶”，预期未来5年内必然出现类ChatGPT的产品。
问题二：中国科技企业在研发类ChatGPT过程中的瓶颈在哪？
在生成式AI领域，中国科技企业缺两个东西：一个是心，是耐心和信心。另一个是芯，是算力芯片。
为什么说缺耐心和信心？
耐心方面，不只是中国企业缺，实际上在OpenAI推出ChatGPT之前，美国硅谷科技巨头也缺耐心，比如一直标榜人工智能领头羊的谷歌仓促应战，结果产品体验并不能达到用户预期，结果谷歌股价暴跌。最近几十年，机器学习是人工智能领域的显学，尤其是深度学习等算法，但之前大多数科技企业都因为生成式AI投入周期长，成本高而忽视了这条路线。企业的本质是盈利，会考虑成本效益问题。而OpenAI比较特殊，他之前是非盈利组织，后来微软入主，转变为有限盈利组织，微软只负责给钱，不干预研发，OpenAI从从容容的在几年内烧掉超过40亿美元的资金，未来还要烧掉百亿美元资金优化。
OpenAI在一个细分领域投入如此集中，周期如此之长，且在之前并没有体现出应用价值，而ChatGPT的能力一旦表现出来，尤其是其对接更多应用的接口能力。便出现“十年寒窗无人闻，一朝成名天下知。”的状况。而当前聚拢到生成式AI的科技公司，无一例外的需要再走一遍OpenAI走过的路，所以耐心是必须的。比过去更好的地方在于，我们已经看到生成式AI的前景，当前这个领域不乏资本支持。
耐心之外，还有信心。导致中国科技企业信心不足的原因如下：
其一、很多AI领域的从业者认为：当前中文互联网存在高质量语料不足的问题。这个问题的因素很复杂，但换个角度看，中国需要在高质量语料数据上投入更大成本。
其二、很多AI领域的从业者担心合规性问题。和ChatGPT引进的问题类似，谁都担心自己辛苦开发的成果不能应用。但这里并非无“技”可施。监督学习和强化学习本身会规范生成式AI的生成，法规只需要对少数情况给予适度包容即可。比如用户恶意引导AI“非法回答”要明确是用户的责任。
其三、很多AI领域的从业者担心算力受制于人。之前英特尔就A100显卡曾有过对华禁售，而ChatGPT成功的背后是微软为其部署的超过3万张的A100显卡，智算中心算力需求和数据中心并不相同，其核心主要还是在GPU芯片，我国在高端芯片上的瓶颈会限制中国生成式AI发展。
综上，中国“类ChatGPT”产品还需要算力、数据上的支持，也需要制度、法规上的支持，面对科技革命，我们依然要落地到软环境和硬环境两方面，软环境就是合规性和产权规则，只有明确制度规范才能让企业有信心加大投入，所谓“恒产者恒心”。硬环境就是硬件设施，就是算力和数据上的支持。
“生成式AI的时代已经到来，AI从玩具转变为工具。由于ChatGPT经历过用户使用验证，所以生成式AI必然不是一阵风的热点概念，而是长期的、重要的科技高地，其产生意义可能类似于互联网，是改变人类生产力水平的关键应用。面对如此大的科技变革，中国需要抓紧转向去适应科技的变化，将科技转化为生产力，为我所用。与此同时，我们也要不忘初心，牢牢抓住“自力更生”这一点，提升我国在这一领域的技术自主能力。我们需要对生成式AI发展保持耐心，因为这是一个长周期的投入过程，生成式AI不能一蹴而就，当前要做的，是优化好环境生态，一步一个脚印，推动生成式AI产业发展。”盘和林这样说。
