年末的大模型賽道靜悄悄。

既沒有電商領(lǐng)域的drama反轉(zhuǎn),，也沒有游戲行業(yè)那般的連續(xù)地震,，除了行業(yè)媒體的零星解讀外，相對突破賽道圈層而進入大眾視野的消息,，還是字節(jié)跳動與百度兩家頭部與海外大模型相互套殼的新聞,。

或因大模型在商業(yè)化天平的兩端都未曾誕生足夠引領(lǐng)潮流的產(chǎn)品，即使國內(nèi)“百模大戰(zhàn)”熱鬧了一整年,，但預(yù)想中的“iPhone時刻”仍未到來,，以致于市場對相關(guān)消息出現(xiàn)了脫敏現(xiàn)象——大模型的推出與后續(xù)的刷榜難以再獲取市場關(guān)注。

在落地成果出現(xiàn)之前,，市場進入了明顯的冷靜期,。但不可否認(rèn)的是,，國內(nèi)的創(chuàng)新仍在發(fā)生。過去一年,，我們見證了國內(nèi)大模型從無到有再到枝繁葉茂,，其中文領(lǐng)域能力持續(xù)爬坡，以及各玩家在商用落地道路上的諸多探索,。

說白了,，我們踏上這條道路也僅僅一年時間。得與失的討論更應(yīng)該集中在“得”而非“失”之上,。

頭部公司帶領(lǐng)的三次轉(zhuǎn)向

亞里士多德提出的第一性原理認(rèn)為,，萬事萬物都有一個根基性命題或假設(shè)，不能缺省,，也不能被違背,。以此來淺析當(dāng)下的大模型行業(yè)，其數(shù)據(jù),、算力,、能力等維度的攀升顯然是題中之義。

因此,，領(lǐng)跑中國大模型速度的是頭部科技企業(yè),，數(shù)據(jù)與算力儲備為他們踏入新時代風(fēng)口提供了不小的先發(fā)優(yōu)勢。

據(jù)不完全統(tǒng)計,，國內(nèi)大模型數(shù)量已達(dá)200以上,。共同締造“中國速度”的先行者是百度、阿里,、字節(jié)等頭部互聯(lián)網(wǎng)公司,。先行者效應(yīng)下，他們的一舉一動也一定程度上牽動行業(yè)的發(fā)展方向,。

自百度三月發(fā)布文心一言起,，直至年中時期如騰訊、京東,、華為等大廠搭上大模型的班車,，這段時間可以說是國內(nèi)大模型賽道的混沌期。

所謂混沌,，是初生的無序狀態(tài),。平臺類大廠、互聯(lián)網(wǎng)大佬與高?？蒲袌F三股勢力在ChatGPT3.5的爆點后迅速達(dá)成“生成式AI代表未來”的共識,，以搗鼓出自家的大模型為第一要務(wù)。彼時的業(yè)內(nèi)語境中,，訓(xùn)練模型被戲稱為“煉丹”,，然而煉的什么丹,、給誰吃、有什么用以及怎么用,，大多都還處于盲目的狀態(tài),。

有人向往AGI的星辰大海,，有人希望重塑千行百業(yè),，有人僅僅只是炒作拉股價。

這段時期內(nèi),，大模型的中文領(lǐng)域能力大部分不及GPT3.5,，其價值停留在紙面上，有待發(fā)掘,。自用戶層看,，“松鼠鱖魚法”與不少開放測試的大模型一直重復(fù)初次回答的糟糕體驗亦是混沌期的小小注腳。

年中,，距離開源“英雄”LLaMA為業(yè)界提供了模型結(jié)構(gòu),、訓(xùn)練方法等標(biāo)準(zhǔn)答案已有4個月，夠多個大廠復(fù)用其成果,。這進一步縮小了國內(nèi)模型能力代差,，GPT3.5的里程碑被越來越多的玩家觸及，通用大模型發(fā)展進入相對平穩(wěn)的瓶頸期

與此同時,，GPU供不應(yīng)求下的算力緊張,、大模型廠商的造血內(nèi)需推動將大模型落在實處的清風(fēng)逐漸吹起。

在商業(yè)化落地不明朗,，成本,、周期難把控等問題下，大干快上通用模型被描繪為春秋筆法,。此后兩個月是行業(yè)大模型的集中發(fā)布期,。騰訊云的MaaS解決方案、京東產(chǎn)業(yè)大模型與華為盤古大模型為賽道的垂直轉(zhuǎn)向定下基調(diào),。

一時間,，金融、工業(yè),、教育等主要產(chǎn)業(yè)的垂直模型如雨后春筍般出現(xiàn),。

在PMF（產(chǎn)品市場匹配）的第一性要求下，主流范式是只取基礎(chǔ)模型的理解能力與少量對話,、推理能力“一瓢飲”,，調(diào)用大模型時代前的AI模型與數(shù)據(jù)庫獲取結(jié)果，最后再由大模型“組裝結(jié)果”,。

這一模式雖相較基礎(chǔ)模型的萬卡規(guī)格相去甚遠(yuǎn),，亦一定程度上緩解幻覺問題,，但精調(diào)、部署的基本流程下依舊剛需數(shù)百張GPU和不短的時間成本,。因而其更像是廠商對大模型落地的迫切與客戶企業(yè)的降本需求“一拍即合”的權(quán)宜之計,。

此外，一個值得思考的問題是AI生產(chǎn)力工具,，為我們帶來的究竟是降本還是增效,？

針對不同發(fā)展階段的企業(yè)，AI工具的能力偏向?qū)@著影響接受度和滿意度,。通過SFT（精調(diào)）行業(yè)大模型的范式以快速落地看,，企業(yè)購買大模型能力并未給業(yè)務(wù)帶來本質(zhì)上的增效，而是為既有AI工具和模型配上一個大腦,。

換言之,，此前的行業(yè)大模型更偏向于降本而非增效，更適用于收縮期的企業(yè),，尤其是已建立起AI工具體系的大型企業(yè),。那么行業(yè)大模型相對更易向上滲透，抓住大B而非小B的現(xiàn)狀也就不難理解了,。

此后,，垂直模型的技術(shù)底座持續(xù)演進，目前以調(diào)用向量數(shù)據(jù)庫和RAG（檢索增強生成）兩個“外掛”為中心軸,，不過這是后話了,。

今年9月，大模型管理辦法實施,，聚光燈漸漸有從產(chǎn)業(yè)向用戶轉(zhuǎn)移的趨勢,。直至以PC為首的消費電子賽道抱上了大模型前進的大腿，既是載體也是入口的智能設(shè)備,，為大模型在C端的商業(yè)落地找到全新場景,。

自脫離混沌期起，國內(nèi)大模型玩家就一同走上了產(chǎn)品化的道路,。但總體來看,，早在3月末便提出的主線任務(wù)——MaaS還處于未發(fā)力的狀態(tài)。就像早期的行業(yè)大模型一般,，賽道向外兜售的只是模型能力,，而非模型服務(wù)。

兩字之差,，指向大模型未能從技術(shù)價值轉(zhuǎn)換為生態(tài)價值,。做個不算恰當(dāng)?shù)谋扔鳎贏I高速公路上，各廠商只能象征性地建幾所收費站,。

目前基礎(chǔ)模型底座能力無人稱王,，大家同臺競技之下無人能站穩(wěn)生態(tài)高位。整體情況導(dǎo)向了兩條2024年的大模型掘金之路——模型服務(wù)創(chuàng)新與應(yīng)用,。

大廠創(chuàng)企,，機會均等

逐鹿九州，是大模型廠商試圖沖擊生態(tài)位置的現(xiàn)狀,。

只是目前看來,，追求模型能力已不是沖擊高位的最優(yōu)解，就像Sam·Altman所言：“擴大模型規(guī)模的收益在遞減”,。

首當(dāng)其沖的是愈發(fā)緊張的AI算力,，據(jù)Omdia統(tǒng)計數(shù)據(jù)，今年Q3也就是英偉達(dá)發(fā)布GPU禁令前,，騰訊、百度,、阿里三家購入100系GPU的數(shù)量分別為50K,、40K與25K，三者相加也不及微軟和OpenAI其一,。

另一方面,，OpenAI雖給出 Scaling Law（模型能力雖訓(xùn)練計算量提升的擴展定律）來解釋大模型之“大”，但包括算力,、人力,、電力等在內(nèi)的成本側(cè)已無法容忍過多資源投入僅為百尺竿頭更進一步，這一點基本已是業(yè)內(nèi)共識,。

大力不能出奇跡,，意味著大廠先發(fā)的算力、規(guī)模等優(yōu)勢正在逐漸消弭,。

從AI infra來看,，規(guī)模效應(yīng)遞減的根源在于算力緊張與數(shù)據(jù)敝帚自珍。但自技術(shù)層面,，更多問題已經(jīng)成為南墻：有毒內(nèi)容與幻覺尚未有解法,、AI前沿為商業(yè)公司把持后，開源程度日益遞減等,。

參數(shù)量的頂級規(guī)格已經(jīng)停留在萬億量級許久,，玩家們開始思考如何通過巧思而非大力來推動AI行業(yè)向前。

一條路徑是“小而美”,，曾有傳言稱GPT4是由十?dāng)?shù)個MOE小模型聚合而成,，MOE也成為當(dāng)下微軟、谷歌等頭部企業(yè)競逐的新領(lǐng)域。尤其是其和端側(cè)設(shè)備的結(jié)合,，新時代AI硬件有著足夠的想象空間,。

大模型的軟硬件生態(tài)從結(jié)合到協(xié)同的發(fā)展速度令人咂舌。今年初,，大模型語境中的模型訓(xùn)練還是萬卡集群,，年末時候，高通驍龍8 Gen3便展現(xiàn)了百億參數(shù)模型的端側(cè)運行能力,。國內(nèi)已有OPPO,、vivo、小米等手機廠商推出端側(cè)模型,，其服務(wù)與應(yīng)用或?qū)⒂?024年全面爆發(fā),。

另一條路徑是Long Context，模型能力突破艱難的情況下,，讓模型底座發(fā)揮作用的慣常范式是SFT,，然而訓(xùn)練成本掣肘，長文本的Prompt有可能在向量數(shù)據(jù)庫與檢索增強生成的基礎(chǔ)上徹底消磨精調(diào)的存在,。

回首創(chuàng)企,，智譜AI、月之暗面,、百川智能等創(chuàng)業(yè)獨角獸也攜AgentTuning（智能體增強）,、Long Context、RAG等獨特的模型服務(wù)創(chuàng)新嶄露頭角,。

創(chuàng)業(yè)公司的“破壞性創(chuàng)新”能力早在此前的商業(yè)史上便屢有驗證,。由“生成式AI”代表未來這一基本共識發(fā)散開來的不同技術(shù)路線昭示著更多樣化的AI未來圖景。

重塑開發(fā)生態(tài)

OpenAI塑造了2023年AI賽道關(guān)于大模型的共識,，追趕的旋律就此開始譜寫,。此后的GPT4以及GPT4V的出現(xiàn)更讓人深感大山似乎不可逾越。

但近來發(fā)生的兩件事情,，終歸給到國內(nèi)玩家們希望,。

先有《The Verge》報道字節(jié)跳動因使用ChatGPT的API以訓(xùn)練自家大模型，因而遭OpenAI予以“封號”處理,；后有谷歌最新發(fā)布的Gemini-Pro承認(rèn)在中文領(lǐng)域訓(xùn)練中使用了百度文心一言的數(shù)據(jù),。

不出意外，重復(fù)造輪子的基礎(chǔ)模型之爭于此踩了一下剎車,，而數(shù)據(jù)集的價值再次被放大,。隨著推特、Reddit 等移動平臺關(guān)閉免費的API接入點,，在不遠(yuǎn)的未來,，或許通過數(shù)據(jù)采集器搜集平臺數(shù)據(jù)用于AI訓(xùn)練的 Pretrain 模式將徹底成為歷史,。

進一步說，字節(jié)套殼GPT亦或是谷歌套殼文心一言,，本質(zhì)上是模型架構(gòu)的趨同與數(shù)據(jù)價值的躍升,。那么中文高質(zhì)量數(shù)據(jù)實際上也是國內(nèi)大模型的護城河。

在此基礎(chǔ)上,，我們更不需要擔(dān)心模型層會落后于海外過多,。反而是在應(yīng)用層面，百花齊放才是AI時代應(yīng)有的面貌,。如此來看,，李彥宏一直反復(fù)嘮叨，“我們不需要這么多基礎(chǔ)大模型,，我們需要更多應(yīng)用”的說法有其合理性,。

應(yīng)用本身是商業(yè)化落地的終極載體之一，更重要的是應(yīng)用的開發(fā)過程——率先構(gòu)筑完善AI Native應(yīng)用開發(fā)生態(tài)的基礎(chǔ)模型廠商將搶占生態(tài)價值的高位,，推動自家大模型的價值從技術(shù)價值轉(zhuǎn)為生態(tài)價值,。

典型的案例便是蘋果稅，或是手游行業(yè)眾所周知的安卓渠道商,。只是移動生態(tài)早已固化,，遠(yuǎn)非當(dāng)下“百模大戰(zhàn)”的混亂可比。

如果我們沿用上文的比喻,，當(dāng)下大模型廠商加碼模型能力，試圖做AI高速公路收費站,，或許現(xiàn)在更需要的是收費站中間的服務(wù)站,。完善的應(yīng)用開發(fā)工具鏈所構(gòu)筑的開發(fā)生態(tài)能極快加速爆款應(yīng)用的出現(xiàn)時間。

12月20日,，百度副總裁侯震宇將AI原生應(yīng)用開發(fā)新范式定義為AI Native 應(yīng)用生態(tài)的關(guān)鍵組件之一,，百度亦再次迭代應(yīng)用開發(fā)工具鏈并推出了AppBuilder，正如文心一言發(fā)布時一般搶先了一個身位,。

可以預(yù)見的是,，我們也將很快看到除百度外的玩家通過新場景、新系統(tǒng)共同打造新的開發(fā)生態(tài),。

即使AI應(yīng)用開發(fā)生態(tài)的必然性前置會讓應(yīng)用爆發(fā)的時間節(jié)點稍為后置,，但考慮到今年大模型的“中國速度”，2024年基本可以確定是AI應(yīng)用噴涌之年,。

目前來看,，國內(nèi)AI社交、AI游戲的發(fā)展已初具規(guī)模,，更多賽道正在接受AI的改造,，重塑應(yīng)用的生產(chǎn)力與生命力。AI加入后是否會變更賽道既往的商業(yè)模式，是產(chǎn)品經(jīng)理迫切需要解決的Konw How ,。

我們確定,，2023年的結(jié)束并非大模型周期的結(jié)束?；蛟S我們?nèi)詴镚PT等海外大模型的能力提升而感到壓力,，但我們也能還之以應(yīng)用層的創(chuàng)新。而不再時刻盯著OpenAI的中國大模型,，也將真正走出屬于自己的道路,。