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。

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！