進入 2024 年，大模型似乎有熄火之勢：資本市場，與之關(guān)聯(lián)的概念炒不動了，英偉達股價動輒暴跌重挫，引發(fā) " 泡沫戳破 " 的擔(dān)憂；
消費市場，BATH 們的推新活動少了，產(chǎn)品更新迭代的速度慢了，民眾的關(guān)注度降了……
熱鬧的大概只剩下兩場酣仗：自 5 月 15 日字節(jié)跳動宣布 " 以厘計費 "，打響國內(nèi)大模型 " 價格戰(zhàn) " 的第一槍，百度文心、訊飛星火、阿里通義、騰訊元寶等紛紛跟進；
同時，地鐵、寫字樓、機場等白領(lǐng)人群密集區(qū)域，百度文心、訊飛星火、阿里通義、騰訊元寶、華為盤古的 Slogan，你方唱罷我登臺，貼臉營銷如槍林刀樹。
" 海水 " 與 " 火焰 " 交融的場面，不得不讓人思考，大模型的出路究竟在哪里？難點、卡點、節(jié)點又是什么？
01 難點：盈利難＆落地難
強如 OpenAI，也面臨 " 恰飯 " 的難題。
援引外媒報道，OpenAI 預(yù)估虧損 50 億美元，全年運營總成本高達 85 億美元，照此估算，其現(xiàn)金流大概率在一年內(nèi)耗盡。
而在一篇題為《How does OpenAI Survive》的長文中，作者對 OpenAI 的商業(yè)模式產(chǎn)生了質(zhì)疑：
"OpenAI 的營收在 35 億至 45 億美元之間，但其運營虧損可能高達 50 億美元，其收入遠遠無法覆蓋成本。而為了推出下一代的大模型 GPT5，OpenAI 需要更多的數(shù)據(jù)和算力，這又是一大筆花費。"
說千道萬，靠著 " 碎鈔式 " 的大力出奇跡后，大模型卻仍未找到一條合理的盈利路徑。
據(jù)《節(jié)點財經(jīng)》觀察，市面上的大模型，大部分都采取 To C+To B，即會員訂閱 + 開發(fā)者 API 調(diào)用 " 兩條腿 " 走路。
但無論是 To C，還是 To C，能一上來就產(chǎn)生付費的寥寥無幾，若再刨除重負的減項，多半是鼻子大過臉。
以本土大模型先行者百度為例，2024 年 Q1，其云業(yè)務(wù)收入為 47 億元，同比增長 12%，其中 6.9% 來自外部客戶使用大模型及生成式 AI 相關(guān)服務(wù)，約為 3.24 億元。
而在 2023 年 Q4，大模型為百度云貢獻了 6.6 億元增量收入。
這是國內(nèi)唯一披露大模型收益的廠商，本身又是家大業(yè)大，有底氣拼到底的巨擘。但只談創(chuàng)收，忽略創(chuàng)利，就是耍流氓。
可想而知，其余不敢明示賬目的選手，內(nèi)心有多迷茫、煎熬。
不掙錢，難掙錢的背后，是大模型落地難的窘境。
雖然大佬們高呼 "ChatGPT" 的問世是 "iPhone 時刻 "，第四次工業(yè)革命，新一代的 " 火 " 和 " 電 "，但坦率地講，當(dāng)下大模型還有很多局限性，包括認(rèn)知偏差、能動性欠缺、泛化性能弱、幻覺等。
比如，數(shù)值運算就是大模型明顯的弱項，或者說大模型是妥妥的 " 文科生 "，做數(shù)學(xué)題的智商可能連二、三年級的小學(xué)生都不如。
《節(jié)點財經(jīng)》親測，在 Kimi 輸入："9.11 和 9.8 哪個大？" 一頓啰嗦后，Kimi 給出了完全不正確的答案。
圖源：Kimi 官網(wǎng)
比如，大模型資料更新不及時，必須外掛知識庫才能在一定程度上緩解這個痛點，并且還是無法完全解決 " 一本正經(jīng)地胡說八道 " 的尷尬。
前幾天刷屏的 SearchGPT，就在各地網(wǎng)友興致勃勃等待灰測展現(xiàn) AI 搜索的 " 洪荒之力 " 時，《大西洋月刊》澆了一盆冷水，眼尖的記者發(fā)現(xiàn)：
問的是關(guān)于 " 八月份北卡羅來納州的布恩音樂節(jié) " 的細節(jié)，SearchGPT 的回答分為 5 條，3 條里包含事實錯誤——有的是把舉辦日期弄錯，有的是把距離和車程搞混，有的是把場館網(wǎng)址張冠李戴。
再如，大模型絕對是 " 健忘癥 " 患者，我們在和它對話時，尤其是多輪對話時，難免要化身 " 復(fù)讀機 "，一遍一遍重復(fù)相同的話術(shù)。
而在 B 端，因為實戰(zhàn)經(jīng)驗不足，生分于對方的 Know-How，加之環(huán)境的復(fù)雜多變性，大模型面臨的挑戰(zhàn)更艱巨。某業(yè)內(nèi)人士表示，迄今大模型在行業(yè)中尚沒有一個成熟的案例。
02 卡點：數(shù)據(jù)、算力、成本
深入肌理地分析，大模型的 " 落地難 " 又與自身的三大卡點：數(shù)據(jù)、算力、成本息息相連。
卡在數(shù)據(jù)
如果把大模型比作一頭巨獸，那它的顯著特征之一便是 " 不停進食 "：需要高質(zhì)量、大面積的語料做長久期、高頻次地投喂、催肥。
換言之，" 食物 " 的品質(zhì)、多寡、新鮮度、多樣性等，決定了大模型的迭代進度和學(xué)習(xí)效果。
無疑，這對數(shù)據(jù)的挖掘、獲取提出嚴(yán)峻考驗，關(guān)系到各方的權(quán)益保障、利益分配、版權(quán)歸屬等，通常涉及到敏感信息時，數(shù)據(jù)的清洗、標(biāo)注、脫敏又會很繁雜。
前陣，免費網(wǎng)文 APP 番茄小說因一份 "AI 協(xié)議 " 引發(fā)軒然大波。根據(jù)該份協(xié)議，平臺可以將簽約作品，含名稱、大綱、簡介、章節(jié)等，作為 " 哺育 "AI 大模型的素材，用于各種應(yīng)用場景，如智能對話、智能文本創(chuàng)作等。
不過，這一舉動遭到作者的普遍反對，認(rèn)為其不僅威脅網(wǎng)絡(luò)寫手的生計，還損害了原創(chuàng)內(nèi)容的價值，甚至發(fā)起聯(lián)合斷更以示抗議。
卡在算力
如果把 AI 鏈路比作一間工廠，那么算力便是維持工廠運轉(zhuǎn)，量級夸張且進價不菲的 " 燃料 "（煤、石油、電力等）。
公開資料顯示，初始 ChatGPT 匹配的算力是 1 萬塊英偉達 A100（AI 芯片），花費超過 7 億元。后續(xù)調(diào)優(yōu)每天消耗的算力大概是 3640PFLOPS，即 7 至 8 個算力達 500PFLOPS 的 Data Center 的支撐，整體基建開支以百億計。
按照廣發(fā)證券的測算，在暫不考慮軟件層面算法優(yōu)化的前提下，本土 AI 大模型在訓(xùn)練與判斷、預(yù)測階段所需算力，相當(dāng)于 1.1 萬臺或 3.8 萬臺（樂觀假設(shè)下）高端 AI 服務(wù)器，大致對應(yīng)約 126 億元到 434 億元的資金體量。
進一步地，隨著大模型規(guī)模狀大，算力需求會倍數(shù)遞增，已然超越硬件的摩爾定律。據(jù)悉，ChatGPT 從 1.0 到 3.0，參數(shù)量從 1.17 億狂飆到 1750 億。
而目前，我們在算力這塊既面臨外部 " 卡脖子 "，內(nèi)部建設(shè)又相對落后，碎片化、傳輸慢、協(xié)同難、人才緊缺等 " 痼疾 " 亟待突破，導(dǎo)致大模型的實效遜于國外。
" 大模型只有兩個梯隊，OpenAI 和 Others，國產(chǎn)用哪家都一樣 "，多位 AI 從業(yè)者談道。
卡在成本
大模型 " 桎梏 " 于算力，實際也是 " 桎梏 " 于成本。
計算機飛入千家萬戶，售價下探，變得親民、接地氣，很關(guān)鍵；智能手機能人手一部，物美價廉的小米功不可沒；新能源汽車的熱賣，離不開動力電池的 " 跳水式 " 降價……
從人類歷史的進程看，任何一項新技術(shù)的推廣、普及，都離不開對成本的有效、大力壓縮、控制。
硬幣的背面，是科技發(fā)展和工業(yè)文明進步共同作用下，制造效率、運算精度提升，人均產(chǎn)值拔高，各類物料愈發(fā)便宜等因素集結(jié)的強大驅(qū)動力，進而減輕 C 端、B 端 " 太貴了，買還不買 " 的糾結(jié)。
大模型同理，浩大的開支也是其成長途中的 " 絆腳石 "。試想，當(dāng)生態(tài)里只有唯一的 " 賣鏟人 "（英偉達）賺錢，賺頭還不小，怎么可能持續(xù)呢？
好消息是，今年 2 月末，李彥宏透露，自發(fā)布以來，百度不斷降低文心大模型在推理方面的成本，已降至去年 3 月版本的 1%。
03 節(jié)點：在產(chǎn)業(yè)里 " 種植 " 大模型
毋庸置疑，大模型仍有諸多 " 短板 " 和缺陷，但新技術(shù)的魅力向來在于探索 " 無人區(qū) "，跋涉 " 深水區(qū) "。
很多眼下看似微弱的 " 火種 "，往往都孕育著日后 " 納須彌于芥子 " 的宏壯。盡管迄今為止的大模型，大家都是拿著錘子找釘子，但我們已經(jīng)看到，其正逐步向產(chǎn)業(yè)邁進，嘗試扮演了一些淺層的 Agent 的角色。
最醒目的標(biāo)識便是，大模型不再坐而論道，只會聊天、寫詩、作畫，而是起而動之，走出實驗室，去往礦區(qū)、政務(wù)、金融、醫(yī)藥、金融、物流等具體領(lǐng)域，努力兌現(xiàn)自己的終極使命。
比如，在礦區(qū)，下井工人常年深陷光線昏暗、浮塵彌漫的環(huán)境，疊加經(jīng)年累月高強度的勞碌，使不少人都患上了風(fēng)濕、耳鳴等職業(yè)病，更甚者，還可能遭遇瓦斯、透水等意外，但礦區(qū)作業(yè)又十分依賴人力，特別是主運系統(tǒng)巡檢。
華為的盤古礦山大模型這時候便派上用場了。其覆蓋煤礦的采、掘、機、運、通、洗選等流程下的 1000 多個細分場景，用 AI 取代人成為主運智能監(jiān)測系統(tǒng)的眼睛，能夠精準(zhǔn)識別大塊煤、錨桿等異常情況，異物識別準(zhǔn)確率達 98%，動作規(guī)范識別準(zhǔn)確率超過 95%，且全時段巡邏助力工作人員，避免因漏檢造成的安全事故，縮短停機時間。
京東表示，基座大模型是靠卡訓(xùn)出來的，企業(yè)大模型是靠人用出來的。
物流領(lǐng)域，攬收、派送、分揀、輔助，應(yīng)對突發(fā)事件等，快遞員每天都背負著繁重的任務(wù)，還要熟悉貨物處理規(guī)程、安全操作標(biāo)準(zhǔn)、客服要求等多達上百個規(guī)范，把這些統(tǒng)統(tǒng)記牢，肯定要耗費大把功夫，還容易混淆。
京東言犀大模型的小哥終端助手大大化解了上述煩惱。它告別了只 " 動腦 " 的境界，能直接 " 下手 "，快遞員動動嘴，小哥終端助手就能立即將送貨通知發(fā)給客戶。如今，小哥終端助手為 JD 商城近 35 萬自有配送員 " 效勞 "。
再如，零售行業(yè)，基于京東言犀大模型的 AIGC 營銷工具 " 京點點 "，不僅可以幫助商家一鍵出商品圖，還支持了超過 2000 種視覺元素道具；不僅可以豐富吸睛資源和表現(xiàn)力，還能依循商品屬性、特點和宣傳想要的個性化布局，實時、自主撰寫創(chuàng)意賣點、種草文案、直播腳本等。
總的來說，把大模型 " 種植 " 在產(chǎn)業(yè)里，讓大模型在產(chǎn)業(yè)里生長、發(fā)芽，儼然是現(xiàn)在大廠的共識，必須攻克的難關(guān)。長遠看，該共識亦如 " 星星之火 " 終會燎原曠野。
寫在最后
當(dāng)喧囂過后，大模型這場豪華游戲，能留在牌桌的玩家，注定只是少數(shù)。
面對數(shù)據(jù)、算力、成本等現(xiàn)實問題，供需兩端漸漸回歸理性?？梢灶A(yù)見，在真 " 好用 " 和能 " 吸金 " 之間，大模型還有很長的路要走。
來源：節(jié)點財經(jīng)
