大模型“四小龍”，能否跨越深淵？

一張名為《大模型的深淵》的圖，在去年廣為流行。吃瓜群眾驚詫地發(fā)現(xiàn)，原來絕大多數(shù)大模型，都擠在深不見底的層級(jí),“宣稱自己快要落地的”“再等等決定啥時(shí)候落地的”“什么落地不落地的”“怎么還有這么多沒聽說過的大模型啊”……

時(shí)至今日，國(guó)產(chǎn)大模型數(shù)量已經(jīng)達(dá)到200多個(gè)，“深淵”更深。

其中，很多低水平重復(fù)造輪子的大模型，無法滿足個(gè)人和產(chǎn)業(yè)的使用需求，發(fā)布之后無人問津，已經(jīng)不可能在業(yè)內(nèi)翻起什么波瀾了。而那些真正具備技術(shù)價(jià)值和商業(yè)價(jià)值的大模型，也如同“潛龍?jiān)跍Y”，逐漸顯露出“一飛沖天”的苗頭。

上一波2015年左右開始的AI創(chuàng)業(yè)浪潮，以CV計(jì)算機(jī)視覺技術(shù)為主導(dǎo)的初創(chuàng)企業(yè)中，號(hào)稱“CV四小天鵝”的商湯科技、曠視科技、云從科技、依圖科技，也被譽(yù)為中國(guó)的“AI四小龍”，成為那一個(gè)AI繁榮周期中的標(biāo)志性創(chuàng)新企業(yè)。

那么，由大模型開啟的新一輪繁榮周期中，自然也會(huì)有“潛龍?jiān)跍Y”。誰會(huì)成為類似“AI四小龍”這樣的潛力股呢？答案基本藏在這三個(gè)梯隊(duì)里。

大模型“四小龍”的一鱗半爪

業(yè)內(nèi)流傳一句話：小創(chuàng)新靠大廠，大創(chuàng)新靠小廠。從昔日的DeepMind到去年的OpenAI，這些年輕、新銳的技術(shù)團(tuán)隊(duì)，回歸創(chuàng)新本源，一次又一次給業(yè)界帶來顛覆性的變化，成為從業(yè)者和投資人眼中的“潛力股”。

所謂大模型的“潛龍”，有兩個(gè)基本條件：

一是“潛”，相比谷歌、微軟、英偉達(dá)、百度、騰訊、阿里等科技巨頭，成立時(shí)間更短、隊(duì)伍更加年輕化，組織效率和靈活度更高。

二是“龍”，有著不輸給大廠，甚至超越大廠的技術(shù)創(chuàng)新性，基礎(chǔ)模型是自研的，并且是L0級(jí)的通用大模型，可以為行業(yè)大模型、垂類大模型提供底座，具備向多個(gè)產(chǎn)業(yè)轉(zhuǎn)化的潛力，有望帶來高增長(zhǎng)和高投資回報(bào)率。

雖然機(jī)器視覺公司也都推出了大模型，技術(shù)實(shí)力不俗，但并不算是AI新面孔。而使用開源LLaMA 架構(gòu)的零一萬物，以及被大廠收購不再獨(dú)立競(jìng)爭(zhēng)的光年之外，雖然夠“新”，但發(fā)展遇到較大的轉(zhuǎn)折點(diǎn)。所以這些企業(yè)及其大模型，我們就不放在此次討論。

總體來說，有三類大模型企業(yè)，目前都得到了國(guó)內(nèi)外知名投資機(jī)構(gòu)或行業(yè)客戶的支持，擁有較高的技術(shù)認(rèn)可度與商業(yè)轉(zhuǎn)化潛力，可以被看作是“大模型四小龍”的預(yù)備役。

1.明星派

明星創(chuàng)始團(tuán)隊(duì)，具備在工業(yè)界或?qū)W術(shù)界的知名度和影響力，打造的大模型一出世，便憑借“明星效應(yīng)”，備受業(yè)界關(guān)注。

包括，由前搜狗公司CEO王小川創(chuàng)立的百川智能（2023年3月，擁有多種參數(shù)的Baichuan系列大模型）；由前商湯研究院副院長(zhǎng)閆俊杰創(chuàng)立的Minimax（2021年12月，擁有ABAB 大模型）；由中國(guó)最早從事中英機(jī)器翻譯領(lǐng)域的研究者之一、2023年ACL Fellow周明博士創(chuàng)辦的Langboat瀾舟科技（2021年6月，擁有通用大模型孟子）。

2.技術(shù)流

相比“明星效應(yīng)”，技術(shù)流更強(qiáng)調(diào)技術(shù)實(shí)力，其中典型代表是智譜AI。作為一家清華系初創(chuàng)公司，智譜AI在2019年成立時(shí)就把OpenAI當(dāng)作對(duì)標(biāo)，將實(shí)現(xiàn)AGI通用智能作為目標(biāo)，是中國(guó)最早啟動(dòng)預(yù)訓(xùn)練模型研發(fā)的科技公司之一。智譜AI最新發(fā)布的基座大模型GLM-4，在一系列評(píng)測(cè)中的表現(xiàn)也被認(rèn)為逼近了OpenAI的GPT-4。

3.務(wù)實(shí)派

被寄予厚望的明星派、技術(shù)流，都是“高高在上”的，從業(yè)務(wù)/商業(yè)土壤上生長(zhǎng)出來的務(wù)實(shí)派大模型，也可能憑借落地應(yīng)用而闖出一條路。比如2023年問世的“天工”大模型，由昆侖萬維自主研發(fā)，大模型AIGC與昆侖萬維的搜索、游戲、社交、娛樂等業(yè)務(wù)的結(jié)合，快速進(jìn)入應(yīng)用周期，也讓昆侖萬維成為闖入大模型領(lǐng)域的一匹黑馬。

需要說明一下，三個(gè)類別是看“最長(zhǎng)板”，并不意味著其他賽道的能力不高。

擁有明星創(chuàng)始團(tuán)隊(duì)的大模型，性能也可能并不遜色于技術(shù)流；擁有強(qiáng)大基座模型的技術(shù)流，也可能牽起強(qiáng)悍的運(yùn)營(yíng)隊(duì)伍，帶動(dòng)產(chǎn)品落地；而務(wù)實(shí)派是“根據(jù)釘子造錘子”，但錘子要是不夠硬，啥也砸不下去，所以技術(shù)能力也得過硬。

凝視大模型的“商業(yè)化”深淵

對(duì)標(biāo)“AI四小龍”，可能并不讓大模型企業(yè)很高興，反而是憂慮更多。

以計(jì)算機(jī)視覺為核心的“AI四小龍”前期融資能力很強(qiáng)，但普遍遭遇了商業(yè)化的艱難探索，面臨盈利難、市值下降等困擾。而大模型的落地“深淵”，背后是更加漫長(zhǎng)的商業(yè)化之路。

但是，逃避、諱莫如深，是無法打消投資人、市場(chǎng)和用戶的顧慮的。無論大模型企業(yè)是否愿意凝視深淵，深淵一直都在凝視著大模型。

直面大模型的“商業(yè)化”深淵，相比上一輪AI，有三新一舊：

三新：新環(huán)境、新規(guī)模、新要求。

簡(jiǎn)單來說，大模型企業(yè)面臨著更加嚴(yán)苛的融資環(huán)境，隨著全球流動(dòng)性衰減，科技企業(yè)的高估值都很難保持，龐大如谷歌都在裁員“降本增效”，融資難度更大了，比如智譜AI的融資水平就明顯不及當(dāng)年的商湯科技。

同時(shí)，大模型又是一個(gè)重投入的行業(yè)，基座模型的技術(shù)競(jìng)賽，還遠(yuǎn)遠(yuǎn)沒到終結(jié)的時(shí)候，持續(xù)向上探索意味著長(zhǎng)期燒錢，需要的資金規(guī)模更大。而吸取了上一輪AI投融資經(jīng)驗(yàn)的投資人，面對(duì)大模型也格外冷靜，對(duì)初創(chuàng)企業(yè)的自身造血盈利能力提出了更高的要求。

一舊：AI標(biāo)品化依舊很難。

南橘北枳，在中國(guó)做AI，照搬OpenAI是絕對(duì)不行的，要看到鐵一般的事實(shí)：中國(guó)toC市場(chǎng)對(duì)AI等軟件產(chǎn)品的付費(fèi)意愿不高，監(jiān)管嚴(yán)格，很難做，真要做也要配備龐大的團(tuán)隊(duì)去確保安全合規(guī)，投入并不小。

toB市場(chǎng)也有很大的差異，國(guó)內(nèi)企業(yè)大多不信任SaaS模式，更傾向于私有化部署，行業(yè)市場(chǎng)分散，中小客戶眾多，需求紛繁復(fù)雜，高薪的算法工程師到一線做一個(gè)幾十萬的項(xiàng)目很常見。

至于toG市場(chǎng)，智能化項(xiàng)目競(jìng)爭(zhēng)激烈，而且事多錢少利潤(rùn)薄，上一輪機(jī)器視覺公司基本在做自動(dòng)駕駛、智慧城市、安防等業(yè)務(wù)，都掙的是辛苦錢。一般來說，CV計(jì)算機(jī)視覺類項(xiàng)目費(fèi)用，是比NLP自然語言處理類高的，所以大語言模型想要靠項(xiàng)目制獲得高客單價(jià)，也是很困難的。

究其原因，ToB/ToG市場(chǎng)的AI項(xiàng)目，大多以解決方案式落地，政企機(jī)構(gòu)更希望打包式引入AI、云、IoT等軟硬件，針對(duì)自身打造定制化方案，AI產(chǎn)品無法以標(biāo)準(zhǔn)化、模塊化的形式快速交付，前期要投入很高的成本。

從這個(gè)角度看，整體投入更大、單個(gè)項(xiàng)目收益更小，大模型的商業(yè)化挑戰(zhàn)，比上一波機(jī)器視覺公司更嚴(yán)峻。

那么，“大模型四小龍”，會(huì)重蹈覆轍嗎？

龍躍于淵大模型盈利出路在哪里？

悟已往之不諫，知來者之可追。面對(duì)AI商業(yè)化難題，也不必悲觀，事實(shí)上，我們看到大模型“四小龍”預(yù)備役們，大多能開始吸取經(jīng)驗(yàn)開新局。我們也發(fā)現(xiàn)了一些共同點(diǎn)：

共同點(diǎn)一：降本，但不“增笑”。

對(duì)內(nèi)“節(jié)流”，提高人效。相比上一輪AI創(chuàng)業(yè)熱潮中“高薪挖算法/科學(xué)家”，這些大模型“潛龍”從一開始就會(huì)注重“人效比”。

此前科技行業(yè)的高流動(dòng)性、高估值，也催生了“獨(dú)角獸”們隨意擴(kuò)張，反而造成了大量的低效現(xiàn)象，比如硅谷“神員工”精通各種編程語言，原來是把工作外包給多個(gè)中國(guó)工程師，幾年都沒被發(fā)現(xiàn)。這種環(huán)境也導(dǎo)致創(chuàng)新大幅度收縮，初創(chuàng)企業(yè)招人成本奇高。

而這波大模型創(chuàng)業(yè)熱潮中，企業(yè)對(duì)于人員擴(kuò)張都是比較謹(jǐn)慎的。周明曾對(duì)媒體說過，開始創(chuàng)業(yè)時(shí)團(tuán)隊(duì)只有他自己，后來擴(kuò)展到5個(gè)人，慢慢開始訓(xùn)練模型，以一個(gè)“輕量化”的團(tuán)隊(duì)做出的孟子模型，未來應(yīng)該長(zhǎng)期穩(wěn)定在百人的規(guī)模。百川智能、智譜AI也是類似的思路。

對(duì)外降本，提升大模型企業(yè)的盈利潛力。幫助企業(yè)和用戶“節(jié)流”，降低應(yīng)用大模型的成本。很多客戶的痛點(diǎn)是，用大模型的成本壓力很大，希望大小模型結(jié)合，來提高投入產(chǎn)出比。比如百川、智譜AI都推出了多種參數(shù)的大模型，來綜合不同需求。

共同點(diǎn)二：聚焦toB，重視現(xiàn)金流。

這些大模型企業(yè)從一開始就聚焦在toB市場(chǎng)，智譜AI的CEO張鵬、瀾舟科技創(chuàng)始人周明都曾明確表示過，優(yōu)先發(fā)展toB企業(yè)服務(wù)業(yè)務(wù)。

從數(shù)字化到智能化，傳統(tǒng)AI廠商需要從零開始做用戶教育，去講述AI技術(shù)降本增效的價(jià)值。與之相比，大模型的認(rèn)知度和接納度，都是非常高的。各行各業(yè)對(duì)生產(chǎn)力的渴求、對(duì)應(yīng)用AI的共識(shí)，都非常充沛。這給大模型企業(yè)帶來了非常好的增長(zhǎng)基礎(chǔ)。

百煉智能發(fā)布的《大模型招標(biāo)需求分析簡(jiǎn)報(bào)（2023年1月-11月)》顯示，7月起，隨著國(guó)內(nèi)130個(gè)大模型相繼問世，大模型招標(biāo)需求量開始呈現(xiàn)明顯上升趨勢(shì)。11月迎來增長(zhǎng)高峰，需求量較前月翻至近3倍。其中選擇投入10萬-50萬預(yù)算進(jìn)行小規(guī)模嘗試的企業(yè)最多，同時(shí)也有不少以國(guó)央企為代表的企業(yè)開始釋放百萬級(jí)項(xiàng)目預(yù)算。

如前所說，toB的錢也未必好賺。企業(yè)客戶雖然付費(fèi)意愿比C端用戶高，但toC應(yīng)用可以標(biāo)品化、大規(guī)模地吸引用戶付費(fèi)，而toB智能化項(xiàng)目卻需要定制化，投入更大。此前機(jī)器視覺公司也曾想將AI模型跨場(chǎng)景、泛化應(yīng)用，但發(fā)現(xiàn)現(xiàn)實(shí)世界的商業(yè)模式依然是強(qiáng)定制，成本居高不下。

這個(gè)問題，在大模型創(chuàng)業(yè)者中有比較廣泛的共識(shí)，也都在積極探索解法。百川智能CEO王小川曾對(duì)媒體透露，要突破toB定制化問題，通過可配置、可調(diào)整的搜索增強(qiáng)知識(shí)庫，以產(chǎn)品化的方式，通過不同的產(chǎn)品組合，來解決客戶的定制化需求。

共同點(diǎn)三：廣交朋友，積極開源。

“定制化”之所以成為企業(yè)的天然需求，一個(gè)主要原因是AI落地業(yè)務(wù)場(chǎng)景，是從零開始的，AI要和業(yè)務(wù)一起磨合才能發(fā)揮作用，很多場(chǎng)景是無法用一個(gè)通用產(chǎn)品來解決的。智能化是一門長(zhǎng)期的慢生意，是離不開生態(tài)合作伙伴，去深入行業(yè)，做大量定制化工作的。

這些年，我們團(tuán)隊(duì)實(shí)地走訪了不少AI+工廠、AI+養(yǎng)豬、AI+巡檢、AI+煤礦、AI+碼頭等智能化項(xiàng)目，最常見的一個(gè)場(chǎng)景就是：AI企業(yè)的科學(xué)家、算法工程師、產(chǎn)品運(yùn)營(yíng)人員、項(xiàng)目經(jīng)理等各色人等，有的在田間地頭碼頭倉庫，一待就是幾個(gè)月，去了解基層人員的工作需求，去從頭設(shè)計(jì)作業(yè)流程。

而智能化往往也伴隨著“去人化”，有的時(shí)候一線工作人員也會(huì)不理解、不配合，大大延緩項(xiàng)目進(jìn)度。有一年冬天，某煤礦智能化團(tuán)隊(duì)在陜北某場(chǎng)站調(diào)研時(shí)，工作人員不想搭理他們，就故意不開暖氣爐，想讓他們大冷天的自己知難而退。還有一次，在一家養(yǎng)豬場(chǎng)，管理方希望用智能攝像頭來實(shí)時(shí)感知豬的體溫，防范豬瘟等傳染病，但算法性能一直提不上去，最后技術(shù)人員在現(xiàn)場(chǎng)反復(fù)調(diào)研，發(fā)現(xiàn)是因?yàn)樨i皮太厚了，導(dǎo)致體溫識(shí)別準(zhǔn)確率下降……

不難看到，這些十萬、幾十萬的中小微企業(yè)的小項(xiàng)目，可能客單價(jià)比不了大B/政府類客戶，但數(shù)量多、規(guī)模大，以基礎(chǔ)大模型作為底座，進(jìn)行定制化開發(fā)，可以極大地提高基座模型廠商的使用率，吸引更多伙伴/ISV服務(wù)商去打造商業(yè)版。

吸引行業(yè)伙伴，百川智能、智譜AI、昆侖萬維、瀾舟科技都相繼開源了數(shù)個(gè)模型。

但我們都知道，開源容易，做生態(tài)難。一個(gè)大模型開源之后，生態(tài)繁榮不起來，沒有開發(fā)者來持續(xù)貢獻(xiàn)、打造商業(yè)版，無法形成正循環(huán)。

要吸引開發(fā)者，一是基座模型的能力還是要過硬，理解分析邏輯不能有硬傷。奧特曼就曾經(jīng)說過，GPT-4的很多問題會(huì)在GPT-5得到解決，希望開發(fā)者基于AGI通用人工智能去設(shè)計(jì)業(yè)務(wù)。換句話說，更強(qiáng)大的新模型，可能會(huì)將舊模型的商業(yè)價(jià)值一筆勾銷，讓開發(fā)者徹底白干。所以，開發(fā)者一定會(huì)選擇將時(shí)間精力放在那些最先進(jìn)的基座模型上，避免被卷得太快。

此外，需要良好完備的工具棧。大模型要用好，軟件也要做一定的適配和改造，則考驗(yàn)的是大模型廠商的工程化能力，軟件是否對(duì)開發(fā)者友好。而“四小龍”中比較多初創(chuàng)公司，工程團(tuán)隊(duì)在規(guī)模、人才、經(jīng)驗(yàn)、積累等方面可能與BAT這類成熟企業(yè)有差距。比如任務(wù)調(diào)度、代碼可讀性、技術(shù)文檔、標(biāo)準(zhǔn)數(shù)據(jù)集等，減輕開發(fā)者和伙伴們的負(fù)擔(dān)，共同把大模型用好。

無論是曾經(jīng)輝煌的“AI四小龍”，還是正在崛起的“大模型四小龍”，這些企業(yè)用銳利的技術(shù)和昂揚(yáng)的理想，一次又一次地推高創(chuàng)新的“天花板”，是中國(guó)科技不可或缺的一支力量。

智能中國(guó)正打開更寬廣的天地，這些大模型“潛力股”，一定會(huì)有龍躍于淵，遨游九天。