大模型商业模式再遭质疑，有的项目已沦落为“劳动力密集型”

近日，OpenAI发布了“ o1”以及更小更便宜的“mini”新一代大模型。以上模型一经发布，引得全网测试风潮，成为了AI圈最新的“国民事件”。

很快，业界对该项产品得出了结论：它在代码、数学、科学等强逻辑领域的能力大幅提升。在新产品中，更强的Agent性能得以体现。

但不幸的是，OpenAI的此次升级，可能“溅射”到了国内大模型公司。在以OpenAI主导的标准下，大模型公司或将更难生存。

业界似乎正在期待更强的创新诞生。

01 蒸馏法的前途

在AI界，用蒸馏法训练自己的大模型，较为普遍。

本质上，这是一种模型压缩技术，允许将大型且复杂的模型转换到更小、更高效的模型之中。以往，这条技术通路并未被特定限制，而现在，在“o1”模型推出后，这种训练新模型的模式将可能受到影响。

一位大模型企业高管对数科星球DigitalPlanet这样说：“目前，o1输出接口限制是每周30条（mini为每周50条），这就是对蒸馏的限制。”

在行业内，GPT-4以“教师模型”的存在示人。它的训练数据集包含13万亿个token、1.8万亿的参数量和6个专家模型构成。以它为基准，行业中诞生了诸多“学生模型”，即可利用“蒸馏法”等技术手段训练自身模型。

而如今，如何优化蒸馏过程、提升大语言模型生成能力的技术手段较为风靡，甚至这些技术已成为某些大模型公司的核心技术。

“你知道，为什么这么多大模型公司热衷于’刷榜’？”一位从业者向我们提问。行业内，“刷榜”是基于榜单企业提供的标准化问题，测试各大模型技术能力的手段。

在他看来，在行业未建立更公正、透明的评估机制前，“刷榜”一定程度上提供了大模型的基准测试场景，也是行业里评价模型性能、成本、部署便利性、安全性等评估结果的方式。

但随着测试问题的公开化，“学生模型”的能力逐渐提升。以至于，在目前，行业内的新晋模型的能力也越来越趋近于GPT4o（OpenAI推出的具有多模态能力的产品）。

商业层面上，“蒸馏”的背后是暴利。

原理上，后起的大模型公司通过“蒸馏法”省去了一定的数据、算力和训练成本，所以对于行业内排名稍后的大模型产品而言，“只需要两三千万就能蒸馏个七七八八，”一位技术人员提到。商业上，过度蒸馏的结果是，排名在后面的大模型公司反而商业前景更强。

不过，以上的玩法，可能在GPT4-o1上有所变化。

02 “薄利多销”的前途

在大模型行业内流传着一句话：先发被人制，后发才能制人。

一段时间内，从业者们凭借“蒸馏法”以上文形容OpenAI。而对于国内的一些大厂，这句话也同样适用：因为其硬件的采购成本把价格“买在了山顶上”。而如今，硬件成本在刚性下滑，后入者更有优势。

所以，行业间便开始了价格战。

商业实操上，和国内的大多数行业一样，用低价打造了高端的（仅从造价考虑）产品后，这些公司自然而然地进入到了第二阶段：即薄利多销环节。

当然，在理论上，薄利多销并不是利益最大化的选择。然而，很不幸，在大模型领域，价格战正在上演。

“我看到河南的一个项目，一个国内头部大模型公司中标了，标价246万，包括2900多个人的人天工作量，平均人天费用800元。”一位大模型公司的联合创始人这样说。

他直呼，“这实际上已经把AI玩成了劳动密集行业”。他猜测，这个头部大模型公司所提供的产品“卖不出去，估计都是送的”，甲方客户只愿意以人天的方式支付开发费用。加之这家头部大模型公司的算力采买、人力成本，这个项目总体算下来“应该是亏的”。

若换做“刷榜”型企业，薄利多销或许还有利可图。而若换做这家企业，可能只得用“痛并快乐着”来形容。

03 屎上雕花与可能存在的突破

“不敢相信，OpenAI也开始’屎上雕花’了。”这是一位从业者的惊呼。不过，在深聊之后，他解释，这里‘屎上雕花’是褒义。其深层次的意思是，OpenAI的架构已不需要大改。

但对国内的蒸馏大模型而言，显然这并不是好消息。

一些从业者指出实质：国内的大模型公司基本都是同质化公司、没有核心技术也难以超越OpenAI架构。

而蒸馏不到东西，意味着模型的差距将会被甩开。对于大多数大模型公司而言，则意味着，企业的发展潜力将被永远桎梏在低价竞争的怪圈之中。

“除了少数资本化有保证的公司，大部分难以获得资本青睐”，一位投资人透露。据他透露，国内的几家具备明确资本结果的公司，其背后实质是LP（可以理解为基金的出资人）推动进行投资的。

对于GP（基金的管理人）而言，投了也不用担责。

在他看来，这些公司之所以备受重视，是三条资本故事尤为引人瞩目：一是，OpenAI能干的事，我（们）都能干，我（们）就是中国的OpenAI；二是，我（们）可以持续不断地得到AI领域人才；其三是，有庞大的客户资源背书，AI可以卖给核心企业圈层。

但也有人质疑这三条，这些不愿意透露姓名的行业高管给出的理由是：OpenAI架构必须突破，而前沿科学家应重视质量而不是数量，靠“源源不断”的人才估计无济于事。

“重要的是算法架构，通常是三两个人决定的，他们能突破，那么就突破了，他们突破不了，再多人也是白搭。”他补充。

他苦笑：“人再多，也是800人天。”

这位企业高管目前正在尝试进行算法突破，虽然很难，但值得一试。在询问原因后，对方表示：“我们总不能永远处在价值链低端吧”。

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！