?

?

崔大寶 ｜ 節點財經創始人?

進入2024年，大模型似乎有熄火之勢：資本市場，與之關聯的概念炒不動了，英偉達股價動輒暴跌重挫，引發“泡沫戳破”的擔憂；

消費市場，BATH們的推新活動少了，產品更新迭代的速度慢了，民眾的關注度降了……

熱鬧的大概只剩下兩場酣仗：自5月15日字節跳動宣布“以厘計費”，打響國內大模型“價格戰”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、機場等白領人群密集區域，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，其現金流大概率在一年內耗盡。

而在一篇題為《How does OpenAI Survive》的長文中，作者對OpenAI的商業模式產生了質疑：? ?

“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需要更多的數據和算力，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《節點財經》觀察，市面上的大模型，大部分都采取To C+To B，即會員訂閱+開發者API調用“兩條腿”走路。

但無論是To C，還是To C，能一上來就產生付費的寥寥無幾，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，其云業務收入為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相關服務，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。

這是國內唯一披露大模型收益的廠商，本身又是家大業大，有底氣拼到底的巨擘。但只談創收，忽略創利，就是耍流氓。

可想而知，其余不敢明示賬目的選手，內心有多迷茫、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”，第四次工業革命，新一代的“火”和“電”，但坦率地講，當下大模型還有很多局限性，包括認知偏差、能動性欠缺、泛化性能弱、幻覺等。

比如，數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”，做數學題的智商可能連二、三年級的小學生都不如。

《節點財經》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

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“一本正經地胡說八道”的尷尬。

前幾天刷屏的SearchGPT，就在各地網友興致勃勃等待灰測展現AI搜索的“洪荒之力”時，《大西洋月刊》澆了一盆冷水，眼尖的記者發現：? ?

問的是關于“八月份北卡羅來納州的布恩音樂節”的細節，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“復讀機”，一遍一遍重復相同的話術。

而在B端，因為實戰經驗不足，生分于對方的Know-How，加之環境的復雜多變性，大模型面臨的挑戰更艱巨。某業內人士表示，迄今大模型在行業中尚沒有一個成熟的案例。

?

02 卡點：數據、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：數據、算力、成本息息相連。

??卡在數據

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、多寡、新鮮度、多樣性等，決定了大模型的迭代進度和學習效果。

無疑，這對數據的挖掘、獲取提出嚴峻考驗，關系到各方的權益保障、利益分配、版權歸屬等，通常涉及到敏感信息時，數據的清洗、標注、脫敏又會很繁雜。

前陣，免費網文APP番茄小說因一份“AI協議”引發軒然大波。根據該份協議，平臺可以將簽約作品，含名稱、大綱、簡介、章節等，作為“哺育”AI大模型的素材，用于各種應用場景，如智能對話、智能文本創作等。

不過，這一舉動遭到作者的普遍反對，認為其不僅威脅網絡寫手的生計，還損害了原創內容的價值，甚至發起聯合斷更以示抗議。

??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，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。后續調優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。

按照廣發證券的測算，在暫不考慮軟件層面算法優化的前提下，本土AI大模型在訓練與判斷、預測階段所需算力，相當于1.1萬臺或3.8萬臺（樂觀假設下）高端AI服務器，大致對應約126億元到434億元的資金體量。

進一步地，隨著大模型規模狀大，算力需求會倍數遞增，已然超越硬件的摩爾定律。據悉，ChatGPT從1.0到3.0，參數量從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”，內部建設又相對落后，碎片化、傳輸慢、協同難、人才緊缺等“痼疾”亟待突破，導致大模型的實效遜于國外。

“大模型只有兩個梯隊，OpenAI和Others，國產用哪家都一樣”，多位AI從業者談道。

??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，是科技發展和工業文明進步共同作用下，制造效率、運算精度提升，人均產值拔高，各類物料愈發便宜等因素集結的強大驅動力，進而減輕C端、B端“太貴了，買還不買”的糾結。

大模型同理，浩大的開支也是其成長途中的“絆腳石”。試想，當生態里只有唯一的“賣鏟人”（英偉達）賺錢，賺頭還不小，怎么可能持續呢？

好消息是，今年2月末，李彥宏透露，自發布以來，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 節點：在產業里“種植”大模型

毋庸置疑，大模型仍有諸多“短板”和缺陷，但新技術的魅力向來在于探索“無人區”，跋涉“深水區”。

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，但我們已經看到，其正逐步向產業邁進，嘗試扮演了一些淺層的Agent的角色。

最醒目的標識便是，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、政務、金融、醫藥、金融、物流等具體領域，努力兌現自己的終極使命。

比如，在礦區，下井工人常年深陷光線昏暗、浮塵彌漫的環境，疊加經年累月高強度的勞碌，使不少人都患上了風濕、耳鳴等職業病，更甚者，還可能遭遇瓦斯、透水等意外，但礦區作業又十分依賴人力，特別是主運系統巡檢。

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測系統的眼睛，能夠精準識別大塊煤、錨桿等異常情況，異物識別準確率達98%，動作規范識別準確率超過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出來的，企業大模型是靠人用出來的。

物流領域，攬收、派送、分揀、輔助，應對突發事件等，快遞員每天都背負著繁重的任務，還要熟悉貨物處理規程、安全操作標準、客服要求等多達上百個規范，把這些統統記牢，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，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、自主撰寫創意賣點、種草文案、直播腳本等。

總的來說，把大模型“種植”在產業里，讓大模型在產業里生長、發芽，儼然是現在大廠的共識，必須攻克的難關。長遠看，該共識亦如“星星之火”終會燎原曠野。? ?

寫在最后?

當喧囂過后，大模型這場豪華游戲，能留在牌桌的玩家，注定只是少數。

面對數據、算力、成本等現實問題，供需兩端漸漸回歸理性。可以預見，在真“好用”和能“吸金”之間，大模型還有很長的路要走。

*題圖由AI生成