大厂养不起大模型?

红杉资本的结论似乎更为直接,在其分析师大卫卡恩的报告中认为 AI 产业泡沫正在加剧,年产值超过 6000 亿美元,才够支付数据中心、加速GPU卡等AI基础设施费用。而之前的分析中,大卫假设即每年,谷歌、微软、苹果和Meta能从新产生的AI相关收入中获利100亿美元。同时,甲骨文、字节跳动、阿里、腾讯、X和特斯拉每家能产生50亿美元的全新AI收入。即便如此,关于AI盈利的需要的缺口,仍然在不断扩大。

而回归到国内,在经历了年初的大降价之后,大厂对于大模型的态度,似乎也开始变得暧昧,诸多大厂在财报电话会中,声称会对人工智能加大投资力度,但实际来看,投入却开始变得谨慎。最明显的征兆就是,大厂的负责人开始弱化基础大模型迭代,强调应用的落地。“没有应用,开源闭源模型都一文不值。”其实,反应到当下,应用落地较为成熟如文生图,文生视频等,成了整齐划一的方向。

但需要清醒认识到的是,由于客观条件的限制,最简单的货币化手段,如OpenAI对GPT收费每月20-25美元的方式,在国内几乎无法复制,基于API调度的商业模式也被内卷到利润空间稀薄,而各大厂期待的AI应用,落地时间以及效率也远不及预期。面对未来越来越大的投入,以及遥遥无期的回报,大厂的焦虑似乎不断上升。

而另一方面,AGI的路径越往前走,共识也开始被打破,OpenAI全新的O1模型,采用的Self-play RL(自博弈强化学习),与之前传统以scaling law为主的训练方式又有全新的变化。而对于国产大模型,GPT4还未完全赶超,新的范式又出现。

前后夹击之下,形成了流言的土壤,也意味着国产大模型到了关键的时刻,到底是孤注一掷的投入,还是观望等待技术陡峭走平后,发挥后发优势,似乎决定着未来竞争格局的走势,大厂依然能够依托大模型,赋能场景,将自家的门看好,但如若想要更进一步,一连串的问题,都急需一个明确的答案。

Part.1 越来越昂贵的“游戏”

从各个角度来看,AI都在成为一场富人的游戏。

根据第一财经的报道,在最近的季度财报电话会议上,谷歌、微软和Meta都强调了在AI上的巨大投资。Meta将今年的支出预测提高了至多100亿美元,谷歌计划每季度资本支出约120亿美元。微软最近一个季度花费了140亿美元,预计这一支出将“显著”增加。以数据中心为例,根据美国市场研究机构Synergy研究集团预计,未来每年将有120-130个超大规模数据中心上线。而每座数据中心的造价都以亿美元为单位。

与此同时,据彭博报道,OpenAI正以1500亿美元估值,洽谈65亿美元融资,并计划通过循环信贷筹措50亿美元债务融资。

本轮融资将由 Thrive Capital领投,OpenAI最大的投资者微软将参与其中,苹果、英伟达等巨头也一直在就投资进行谈判。

而AI以及大模型赛道的昂贵,不仅在于越来越快的烧钱速度,还在于,短期难以回本的现实。据报道显示,2024年年初,OpenAI的年收入已超过34亿美元,但因为AI太烧钱,加上日益激烈的对手竞争,OpenAI仍在亏损,据行业内估计到2024年底,OpenAI的亏损将接近50亿美元。

天量的资金需求,靠融资过活的现实,几乎决定了AI赛道对于商业化的渴求:一个残酷的现实是,如果融不到钱,被大厂收购已然是正在发生的事实。8月3日,Google官宣“收购”Character AI并收编团队,而Adept和Inflection AI在不久前分别卖身亚马逊和微软。

与海外的情形类似,国产AI也在压力中艰难前行,从最新的消息来看,百川与月之暗面分别完成了数十亿人民币的融资,估值也来到了200亿以上的区间,但从实际盈利来看,这些明星独角兽似乎依旧乏善可陈。

与海外大厂激进的投资策略不同,国内大厂对于AI的态度似乎开始转向。从早期的FOMO(fear of missing out)中回过神,国内大厂并没有选择进一步夸张的投入,而是逐渐开始对AI应用以及商业化的挖掘。

价格战之后,拥有智能云业务以及场景优势的大厂,分别以此为基线开始了全新的探索,以阿里为例,据业内人士表示,阿里云在芯片禁令收紧以前进口了大批英伟达大卡(H系列、A系列),总数超过了10万张(包括其海外分支机构的卡)。其中只有一部分是用于内部训练,大部分则以出租的形式提供给外部平台。有投资人直接表示“很多云厂商的大模型业务都是搭着免费送的。”似乎也显示出了,当下赛道内的实际情形。

与此同时,豆包的逐渐走红,也让字节看到了自身在产品方向上的优势。近日,抖音搜索的出现,也让外界浮想联翩。与此同时,据业内人士表示,腾讯除了混元大模型,微信自己还搞了一个大模型,与混元团队完全分开。目前只能通过微信搜一搜:有时候微信会帮你总结你的搜索内容(灰度测试,不保证所有人都被测试到),其背后的大模型一半是混元的,一半是微信的。

由此可见,面对这场越来越昂贵的游戏,大厂并没有选择大规模投资,而是开始了更多的选择赋能自身业务,商业化的诉求和克制的投入,可能成为未来一段时间,大厂对于大模型以及AI赛道主要的策略。

而从此基础上来看百度的流言,似乎又有了一重不同的视角,对于AI影响最为深远的赛道,主营业务为搜索的百度,显然面对的压力更大。从财报来看,第二季度百度最大的收入来源线上广告业务收入为192亿元,同比下滑2%。而另一个业务重心,百度云当季收入为51亿元,其中,9%的收入来自外部客户对大模型和生成式AI相关服务的需求。显然AI对于业务的赋能,似乎助推力度并不能令人满意。

在自媒体市象的报道之中,百度内部的态度,似乎也与主流厂商一致“或者这么说吧,训练下一代模型不是百度的第一优先级。”但“老板明确表示,我们绝不会下table。”

AI虽好,但单纯以ROI来看,似乎并不适合孤注一掷,而何时打破当下的格局,抛开客观条件限制,AI应用就成了最重要的变量。

Part.2 AI应用的纠结和逆风期

关于AI应用的风口,从年初以来,似乎从未停止。

金句不断地投资人朱啸虎,无疑是这波AI应用的旗手之一。在2024年初的演讲中,AI应用肯定爆发,每轮周期最后,应用赚的钱是前面的10倍。作为曾经投出过滴滴、饿了么的成功投资人,朱啸虎的逻辑非常直接,大模型的商业模式很差,未来盈利主要在AI应用。

“每一代模型你都要重新去砸钱,而且你变现周期可能就两三年,这比发电厂还要差。”朱啸虎对于大模型的态度并不乐观,但对于可以直接变现,由用户买单的AI应用,却始终称赞有加。

而另一个在AI应用的支持者,则是百度创始人李彦宏,在7月的演讲中,大模型的重点还是“卷应用”,“没有应用,光有基础模型,不管是开源还是闭源都一文不值。”

两个旗手虽然都支持AI应用,但从路线上,似乎并不相同,朱啸虎偏爱PMF(product market fit)明确,直接可以TOB变现的尖叫应用,如垂直于AI面试的近屿智能,或是垂直于视觉类产品的FancyTech,用他的话说“以前中国软件市场为什么规模化很慢,因为销售周期很长,要6-12个月,不可能很快的。 但现在能让企业用户有这种尖叫效应的话,它变现周期也很快。从微信拉群介绍到签单,一两个月时间。 ”

而李彦宏则更钟爱agent智能体,他认为,医疗、教育、金融、制造、交通、农业等各行业领域,未来都会依据自身场景和特有经验、规则、数据等,做出各种智能体,将会出现数百万量级的智能体,形成庞大生态。

但朱啸虎却对智能体保持怀疑态度,在与界面的访谈之中,朱啸虎坦言,AI Agent不能落地,因为大模型天然有幻觉,单步的错误率可能在10%-20%,5步推理以后可能错误率就50%以上了,就完全没法用。那你高50%同样也没用,错误率百分之二三十还是没法落地,不改变本质问题。

AI应用的路线争端还在继续,从更宏观的维度,似乎AI应用也遭遇了逆风期,在摩根士丹利的名为《中国AI面临更大的变现问题》中,大摩表示,AI应用发展慢于预期,货币化更加艰难。

在报告中显示,在宏观环境的背景之下,企业和消费者难以接受AI功能带来的价格上涨。同时,免费AI服务的竞争加剧了盈利压力。与此同时,AI产品与客户期望存在差距。缺乏高质量的领域数据训练、特定场景下表现不佳、产品尚未成熟等因素制约了AI应用的价值实现。不仅国内,在海外,行业领先指标不佳,AI远未实现货币化。美国软件公司今年以来业绩令人失望,AI相关收入贡献有限。AlphaWise调查显示CIO(首席信息官)对AI应用投产时间表,每次调查预期都在延后。

而在国内,金山办公和万兴科技在推出AI产品后收入增长令人失望,反映出基础AI功能竞争激烈,高级应用尚未成熟。两家公司表示将继续加大研发投入,意味着盈利前景仍不明朗。

总结来看,AI应用仍还在探索期,无论大厂还是投资人,似乎还在挖掘其内在的潜力,共识并未达成之下,从变现来看,也许投资人追逐的商业模式更为安全,但技术的进步,似乎也在逐渐让变量进一步加深,以当下的视角来看,AI应用的爆发期,仍然没有到来,这也意味着,试图通过AI应用爆发达成的商业计划,正在被延迟。

Part.3 越来越复杂的路线之争

9月13日,Open AI发布了全新一代的大模型预览版,这个在内部代号为“草莓”的模型,在问世的一瞬间,还是激起了业内的震动。

从模型效果反馈上来看,这个名为Open AI o1的产品可以说是石破天惊的存在。作为首个具有“推理”能力的大模型,它能通过类似人类的推理过程来逐步分析问题,直至得出正确结论。

根据OpenAI官网的评测,这款模型尤其擅长处理数学和代码问题,甚至在物理、生物和化学问题基准测试中的准确度超过了人类博士水平。

而从业内人士的反馈来看,此次Open AI o1的出现,则可能代表了硅谷在AGI范式正在发生转移,纯靠语言模型预训练的Scaling Law这个经典物理规律在遭遇到算力与参数无法大幅提升等瓶颈后,多家硅谷明星公司已经把它们的资源重心押宝在一条新路径上:self-play RL(自博弈强化学习)。而Open AI o1似乎就是这样一款产品。

具体来说,根据业内人士解释来看,o1模型就像在不同的可能性中反复“抽样”,每次推导出一个更好的结果。打个比方,你问它一个复杂的数学问题,它不会一秒钟给你答案,而是像个认真思考的人,先把问题分解成好几步,一步步推理。这样做的好处是,答案通常更准确、更有逻辑,尤其是在科学推理、编程和数学题目上表现非常好。比如,在国际数学奥林匹克测试中,o1的解题正确率达到83%,而之前的GPT-4o只有13%。这说明它在处理复杂问题时,确实有了质的提升。

今年以来,多模态、10万卡集群的超级模型,以及自博弈强化学习等多条路径开始在硅谷AI界发生变革,共识被打破之后,当下来看依旧没有标准答案。

从当下的信息来看,未来如何能达到AGI原本的共识似乎正在被打破。尽管o1模型还有诸多疑问,但从AGI进化的步伐来看,似乎出现了多重可能性。当然,这对于资金与人才优势明显的硅谷来说,是好事,但相反对于追随者而言,则意味着挑战难度正在加大。

从终局思维来看,国产AI在未来将不得不再次面临技术方向的选择,而更大规模地投入似乎也势在必行。烧钱打仗虽然不会发生在当下,但在未来却是成功的关键。

从这个角度来看,无法造血的公司,淘汰的几率显然会更大,国产大厂可以通过现金奶牛业务继续维持跟随战略,但成本的逐渐增加,以及方向不明的变现路径,都可能成为阻碍发展的绊脚石。类似于百度今天面对的谣言,似乎也正是其需要应对的问题。但解法如何,似乎仍并不明朗。

作者:科技新知
读懂硬核科技,记录产业革新。

版权声明

本文来自互联网用户投稿,文章观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符,请点击 举报 进行投诉反馈!

相关文章

立即
投稿

微信公众账号

微信扫一扫加关注

返回
顶部