广州现“不收特斯拉”标语 车商：收一辆平均亏三四万******

　　原标题：广州一家二手车市场竖起“不收特斯拉”标语 车商：收一辆平均亏三四万

　　新年伊始，特斯拉“跳水式”降价导致多地车主开始维权，只不过这一波大尺度地降价，受伤的不仅有车主，还有二手车商。近日，在广州番禺公园附近的小锤二手车市场门口竖立的“不收特斯拉”大幅标语，引发舆论普遍关注。1月13日，小锤二手车市场负责人温先生回应上游新闻记者称：“特斯拉性价比并不足以支撑它的价格，我个人认为还有一个很长的下行空间。收特斯拉的同行基本上一辆车平均要亏3万到4万。”

　　二手车商挂海报拒收特斯拉

　　1月13日，小锤二手车市场的负责人温先生告诉上游新闻记者：“我主做电车二手车，但去年四五月份就没收特斯拉了，这个标语也是从那个时候竖起来的。”至于原因，温先生称：“二手车商收特斯拉，个人觉得商业风险系数是非常高的，因为特斯拉性价比不足以支撑起来它这个价格。”

　　电池是电车的心脏，也是买卖二手车关注的点。温先生以特斯拉车载4680电池举例。4680电池即直径46mm、高80mm的圆柱形电池。据记者了解，在2020年9月，特斯拉发布了4680电池并宣称，能量密度提升了5倍，续航里程提升了16%，输出功率提升了6倍，并且成本降低了14%。

　　长期从事电车二手车生意的温先生认为，这些都是噱头。他表示：“特斯拉很多的技术，比如现在的4680电池在实际使用中，我们发现并没有达到厂商所描述的电池密度方面的高性能。另外，特斯拉本身车的大小、电池续航里程以及车子用料，跟10多万的A级车是差不多的，所以二手车商收特斯拉，个人觉得不值得。在特斯拉新车又降价后，性能方面还是不足以支撑这个价格，所以个人认为特斯拉价格还有一个很长的下行空间。”

　　Model Y摆3个多月亏四五万

　　对于如今特斯拉二手车的行情，温先生坦言：“如果有特斯拉的用户找我收，我依然是拒绝的，包括收二手特斯拉车的同行，基本上一台车要亏3万到4万元。在广州最大的宝利捷二手车交易城里，一家比较大的主做特斯拉的二手车商，已经做不下去了，(店铺)牌子已经换了，不少做特斯拉的车商都亏得比较多。”温先生强调，“二手车跟别的商品不一样，它属于流通性强的低毛利低风险商品。现在的广州二手车市场，收一辆特斯拉平均亏3万到4万。对于车商来说亏三四万是很夸张的，因为一台二手车的毛利一般在1万块钱左右，如果一台二手车亏3万到4万，是其他车的两三倍了。 ”

　　以特斯拉顶配Model Y为例，1月13日下午，上游新闻记者联系上在重庆南岸区从事二手车销售的万经理，他连声表示：“不好做不好做！收车时，特斯拉顶配Model Y新车价还在41.79万元，二手车1年多车龄，能挂到39万元左右。去年10月底官宣降价至39.79万元，二手车价也只能在35万-36万元左右。3个月不到，新车价又跌到35.99万元，其二手价格只能挂到30-32万左右。像这种中型SUV顶配版，流转速度本来就慢，加上不断地价格波动，潜在二手车消费者都不敢买了。这一台顶配车收来3个多月，摆在这里停起，硬亏四五万了。”

　　保值率继续下滑波及国产电车

　　一款车的保值率，主要取决于其保有量，以及新车价格的稳定性。对于特斯拉而言，新年伊始的大幅降价打破了新车价格稳定性，造成二手车市场出现震动。

　　近日，中国汽车流通协会发布了《2022年12月中国汽车保值率研究报告》数据显示，Model Y和Model 3保值率(一年车龄，下同)分别为81.0%、77.9%，分列第9和14名，而在2022年上半年，Model Y还以88.76%、Model 3以83.03%的成绩，各自在中型SUV和中型车中排列第1位。

　　广州二手车商温先生表示：“在经历2022年10月份的大幅官降后，特斯拉新车指导价回落，导致二手车行情受到较大影响，其贬值速度之快、市场波动之大，成为二手车商眼中的‘烫手山芋’。如果再考虑到2023年1月初特斯拉再度官降的因素，今年1月份Model Y和Model 3的保值率大概率将不容乐观。”

　　在温先生看来，作为新能源电车的龙头企业，特斯拉大幅降价有其明显的市场意图。他认为：“特斯拉利用其超级工厂的规模，此番降价把整车毛利的天花板再次往下压，导致整车生产销售链条上的相关企业都很难赚钱。对国产二手电车来说，客户对国产电车预期也要降一两万元，这样一来，我们二手车生意也难做了不少。”

　　上游新闻记者 冯盛雍

ChatGPT搞钱行不行******

　　一系列的试探之后，AI聊天机器人ChatGPT的收费计划浮出水面。当地时间2月1日，人工智能实验室Open AI在其官网宣布将推出“ChatGPT Plus”付费订阅版本，每月收取20美元。免费了两个月，月活用户却达1亿的ChatGPT，终于踏上了自己的“赚钱路”，由此，AIGC商业化落地的探讨也陡然升温。不少人迫切地想知道，ChatGPT Plus会不会是AIGC从烧钱到赚钱的关键转折。

　　免费服务仍将继续

　　“新晋顶流”ChatGPT用收费计划再次搅动了AI圈的一池春水。根据Open AI的公告，订阅ChatGPT Plus服务的用户，即使在高峰时段，也可获得该聊天机器人更快速的回应，而且可以提前体验新功能和改进。

　　去年11月，ChatGPT横空出世，不仅能够通过学习和理解人类的语言与用户进行对话，还能根据上下文互动，甚至能够完成撰写文案、翻译等工作。得益于这种突破性的使用体验，ChatGPT迅速蹿红。

　　当地时间2月1日，瑞银发布研究报告称，截至今年1月，近期爆火的ChatGPT在推出仅两个月后，其月活跃用户估计已达1亿，成为历史上用户增长最快的消费应用。同样的成绩，海外版抖音TikTok在全球发布后，花了大约9个月的时间，Instagram则花了两年半的时间。

　　但大量用户涌入的同时，也导致ChatGPT经常在流量压力之下无法提供及时的回应，此次收费版的ChatGPT Plus针对的便是这一痛点。

　　据悉，付费计划将在未来几周内首先在美国推出，然后扩展到其他国家。但ChatGPT Plus的推出并不意味着取代免费版的ChatGPT，Open AI表示，将继续为ChatGPT提供免费访问。

　　烧不起的模型成本

　　尽管只推出了两个月，但Open AI对于ChatGPT的收费计划却已经暗示了有一阵子。早在1月初，Open AI就曾提出过专业版ChatGPT的计划，宣布“开始考虑如何使ChatGPT货币化”，并公布了一项调查。什么价格以上会无法接受？什么价格以下会觉得太便宜？诸如此类关于定价的问题皆在其中。

　　有用户曾在社交媒体上提问ChatGPT是否会永久免费，对此，Open AI首席执行官Sam Altman回应称：“我们将不得不在某个时间点，以某种方式将其商业化，因为运算成本令人瞠目结舌。”Sam Altman曾透露，ChatGPT平均每次的聊天成本为“个位数美分”。

　　“这类大模型训练成本非常高。”在接受北京商报记者采访时，瑞莱智慧高级产品经理张旭东表示。

　　但相对训练来说，模型推理，也就是用户提交输入模型输出结果的过程，这一成本会更高。“据说ChatGPT在开放测试阶段每天要花掉200万美元的服务器费用，所以前段时间免费的公测也停止了，如何降低模型推理的消耗也是目前的一个重要研究问题。”张旭东称。

　　“钱景”在哪

　　长久以来，广阔的市场前景和难以盈利的现状几乎成为了AI领域难以平衡的理想和现实，对ChatGPT或者说是以ChatGPT为代表的AIGC也是一样。

　　洛克资本副总裁史松坡对北京商报记者分析称，ChatGPT受到广泛认可的重要原因是引入新技术RLHF，即基于人类反馈的强化学习。在史松坡看来，ChatGPT是一个高效的信息整合助手，可以取代大量人类中初级助理的角色。

　　但他同时提到，目前ChatGPT在海外英文环境中已经能胜任图画创作、音乐创作、文字整理、信息搜集综合、基础编程和金融分析，但还不能胜任高频度的人类主观决策，比如大型投资决策、政治战略决策等。

　　天使投资人、知名互联网专家郭涛认为，ChatGPT在重塑众多行业或场景的同时也孕育着巨大的商机，将推动众多行业快速变革，有望在AIGC、传媒、娱乐、教育、客户服务、医疗健康、元宇宙等领域快速落地，具有万亿级市场规模。

　　张旭东认为，AIGC商业化落地还需要结合应用场景，目前基于生成式大模型的商业应用案例还比较少，就以当下的技术水平看，一两年内达到很好的AGI(通用人工智能)水平还是不太现实的，所以一定需要有垂直领域的创新公司来基于OpenAI等公司的工作来寻找合适的场景落地。

　　AIGC商业化，侵权与被侵权

　　AIGC要想商业化，场景只是其一。伴随着ChatGPT的爆火，争议始终并行，比如AI绘画面临的版权探讨。学术界也已针对ChatGPT做出了反应，权威学术出版机构Nature规定，ChatGPT等大模型不能被列为作者。纽约市教育部门曾表示，纽约公立学校的所有设备和网络上将禁止使用ChatGPT。

　　张旭东认为，目前AIGC最为成熟的应用在内容作品创作上，但从专业角度看，AIGC属于模仿创新，并不具备真正的创造力，AIGC的作品可能对一些艺术家、创作家的风格题材造成侵权；另一方面，AIGC作品也存在被他人侵权的风险。

　　此外，就安全性问题而言，AIGC这种深度生成能力很可能被滥用于伪造虚假信息，比如生成一些敏感性的有害信息，甚至伪造新闻信息恶意引导社会舆论，而且这些生成式内容难以分辨追踪，大幅增加对信息治理的挑战难度。信息获取也是AIGC需要解决的问题之一。

　　郭涛则提到，当前AIGC赛道尚处于孕育探索阶段，存在关键核心技术不成熟、免费素材资源较少、内容堆砌且质量参差不齐、成熟的商业应用场景较少、相关法律法规不健全及技术伦理挑战等突出问题，短期内还难以实现大规模商业化应用。

　　北京商报记者 杨月涵