作者 | 辰纹

来源 | 洞见新研社

“面对AI时代，所有产品都值得用大模型重做一次。”

这是阿里巴巴集团董事会主席兼CEO、阿里云智能集团CEO张勇在2023阿里云峰会上对AIGC（生成式AI）进化的判断，在这背后则是由ChatGPT为起始点，而引发的大模型“涌现”。

其中，既包括正在中国大陆上发生的“百模大战”，科技大厂、创业公司乃至科研机构在过去的1个月时间内争先恐后的推出或宣布即将推出自己的大模型，也包括模型在突破某个规模时，出现了意想不到的能力。

图源：民生证券研究院

打响“百模大战”第一枪的是百度文心一言，随后华为盘古、360智脑、商汤日日新、阿里通义千问、京东灵犀、昆仑万维天工等大模型先后登场，后续还有腾讯混元、科大讯飞星火等大模型排队等着上线。

与此同时，美团联合创始人王慧文、搜狗创始人王小川、出门问问创始人李志飞等科技大佬重出江湖，并且带动了一批资金，开始了大模型方向的再创业。

拨开行业竞争中真假难辨的迷雾，在张勇的语境中，大模型要用怎样的方式来再造AI，对于每个参与者来说，如何才能拿到通向大模型时代的船票呢？

互联网是有记忆的，从“蔚小理”带起过的新造车大战，到滴滴快的带起过的网约车大战，从摩拜和ofo带起过的共享单车大战，再到如今由ChatGPT带起的“百模大战”，牵引着玩家扎堆入局的逻辑都是由价值驱动的FOMA心理。

“FOMA”是“Fear of Missing Out（错过恐惧）”的缩写，在营销领域特指一种营销策略，即通过制造“紧迫感”或“错过”的感觉，来促使人们参与某件事情。

大模型竞争中，参与者大多害怕错过行业起势的时间窗口，抱着“我可以不强，但不能没有”的心态上车，特别是由于包括GPT 3.5在内的大模型技术都已开源，进入门槛的障碍基本被扫平，更是吸引了大量的创业公司入局，抢着与科技大厂同时起跑。

当然，更大的内驱力还是来自于大模型的价值。

首先是来自资本市场的热炒，今年2月初时，东方财富上的“ChatGPT”板块还只有29只股票，到4月份就已经攀升到60多家。

随便点几个受益公司，360受AI、信创、数据安全和ChatGPT等概念持续轮动的影响，今年以来股价上涨超过150%，昆仑万维则从AIGC+游戏进一步拓展到“天工”3.5的发布，当前市值也较年初上涨超过260%。

更加夸张的是，华为盘古大模型4月8日发布前后，带动常山北明、川大智胜、拓维信息、麒麟安信等产业链公司股价集体上涨。此外像AI标签属性较强的科大讯飞、商汤科技在公布大模型相关业务布局后，今年股价也都有不错的表现。

东方证券就表示，ChatGPT题材是超越元宇宙、虚拟现实的大风口，资本市场今年可能会反复炒作。

大模型题材在炒作的过程中，不排除个别公司确实有投机心理存在，但对于科技大厂而言，更看中大模型对自身业务推动的价值。

比如，字节跳动无论是今日头条还是抖音，内容分发在其业务布局中处于绝对核心，其内容平台的属性同时又有内容生成的需求，这与大模型主要应用的匹配度极高。

一方面能够降低创作门槛，吸引更多的创作者加入平台，另一方面，内容分发的体验能够得到持续提升，字节跳动是不可能对大模型视而不见的。

阿里在发布通义千问时，张勇就表示，包括天猫、钉钉、高德地图、淘宝、优酷、盒马等在内的所有产品都要接入大模型，进行全面改造。

以最先接入通义千问的钉钉为例，在钉钉文档中，可借助通义千问自动配图、创作文章、撰写邮件、生成方案；在会议中，可以完成记录、总结、生产待办事项；甚至还能帮助总结未读群聊信息中的要点......

这些肉眼可见的进化，让钉钉进一步加深了在协同办公场景竞争的护城河。

从云计算业务的角度，BAT、华为、字节跳动这种体量的科技巨头算力资源是现成的，跟进训练自己的大模型顺理成章，如果大模型后续成长走在行业前列，在一定程度上也能对云计算业务造成正向推动，实现双赢。

微软为OpenAI大模型训练提供云服务的成功就在眼前，贴上全世界第一个训出GPT-4云平台的标签，或多或少会加深Azure在客户心中的印象，在与AWS 的拔河拉锯中为自己又争取了些许优势。

回到大模型竞争的现实，如何才能在“百模大战”中胜出？

目前跑在前面的科技大厂给出的统一答案是与产业的融合，谁的速度更快，谁的成本更低，谁的竞争就更有优势。

事实上，在大模型“涌现”之前，AI一直在探索与产业的融合，特别是像计算机视觉、语音识别、自然语言识别这类识别型AI技术，普遍采用小模型来解决一些行业中的问题，像流水线上的工业质检、交通管理中的违章识别等都是AI识别的典型能力。

这些AI在产业中有落地，但渗透的速度很慢，很大一个原因就是，小模型确实能够很好的完成指定任务，但缺点也同样明显，一个AI只能解决一个问题。

闯红灯、超速、逆行等都是交通违章，若要识别这三种违章行为，则需要对这三个场景进行三次训练，由于不具备通用性，小模型的应用范围被限定在一个很小的空间内，同时落地成本也居高不下。这也是国内AI企业一直亏钱，财报业绩长期赤字的原因所在。

大模型的出现，给AI有了一次再造的机会，其方式就是用更快的速度融入到更广阔的产业土壤之中。

阿里宣布旗下所有产品都要接入通义千问的同时，也面向企业广泛邀请参与测试，在发布会当天，阿里云就宣布将与OPPO安第斯智能云联合打造OPPO大模型基础设施，基于通义千问完成大模型的持续学习、精调及前端提示工程，未来建设服务于其海量终端用户的AI服务。

同时，中兴通讯、吉利汽车、智己汽车、奇瑞新能源、毫末智行、太古可口可乐、波司登、掌阅科技等多家企业也表示，将与阿里云在大模型相关场景展开技术合作的探索和共创。

在通义千问之前，百度的文心一言也是将B端“生态圈”作为宣传和业务重点，华为云盘古大模型则提出了“AI for Industries”理念。

曾有机构对BAT和华为大模型的核心差异做过总结：

百度：文心大模型涵盖基础大模型、任务大模型、行业大模型的三级体系，打造大模型总量约40个，产业应用覆盖了电力、燃气、金融、航天等行业。

腾讯：大模型产业化应用方向主要为腾讯自身生态的降本增效服务，其中广告类应用表现出色。

阿里：M6大模型基于阿里云、达摩院打造的硬件优势，可将大模型所需算力压缩到极致；另外其底层技术优势还有利于构建AI的统一底层。

华为：训练出业界首个2000亿参数以中文为核心的预训练生成语言模型。目前发布了盘古气象大模型、盘古矿山大模型、盘古OCR大模型三项较为重磅的行业大模型。

很显然，各家的特点都很鲜明，呈白花齐放之势，但万变不离其宗，产业融合是唯一共识。

事实上，在大模型的影响下，有些行业已经开始发生变化。

4月12日，蓝色光标发布邮件，决定无期限全面停止创意设计、方案撰写、文案撰写、短期雇员四类相关外包支出。此前，蓝色光标曾宣布将接入百度文心一言的能力。

更早之前，心动游戏CEO黄一孟发文说，已有游戏团队把原画外包和翻译外包团队砍掉，当人类被替换，大模型已经开始对行业产生实际影响了。

如今，大模型的竞争混沌初开，创业公司与科技巨头同台竞争，市场的最终走向将会如何？参照云计算的发展过程，我们或许已经找到答案。

众所周知，云计算市场在海外有AWS（亚马逊）、Azure（微软）和GCP（Google）三巨头，在国内则有BAT和华为，之所以是科技巨头成为云计算的绝对主角，主要在于云计算的特点，需要达到一定的规模才能产生边际效应，而在此之前，需要投入大量资源进行基础设施建设。

阿里云直到成立13年后，才在2022财年首次实现年度盈利，在其背后是遍布全球的上百个数据中心与超200万台服务器构建的云服务基础设施体系。

与云计算类似，大模型也需要耗费大量的算力资源与海量的数据成本，曾有机构估算，OpenAI训练GPT-3的成本为几百万到千万美元；训练GPT-4时，调用了上万片英伟达A100显卡，耗费的成本大约为数千万至一亿美元。

随着GPT的迭代，其训练花费将成指数级增长，有传闻，百度在训练文心一言时，调用了几乎所有的A100显卡，由此可见，大模型终究也将是少数人的游戏。

出门问问创始人李志飞在接受媒体采访时，也表达过通用AI大模型有时间窗口的观点，“人才壁垒、时间壁垒、数据壁垒、资金壁垒一旦建立起来，小的团队就没有戏了。”

李彦宏说，“重新做一个ChatGPT没有多大意义，基于语言大模型开发应用机会很大，但没有必要再重新发明一遍轮子”，表达的也是同样一个意思。

话已经说到这个份上了，大模型创业还有机会吗？半导体行业的一些有趣现象或许可以打开我们的思路。

英特尔一直在孜孜不倦的尝试突破摩尔定律的物理极限，经常会花费数倍于前一代产品的成本来推动CPU的更新与迭代，市场上经常会出现新一代CPU的价格是上一代产品的10倍，甚至百倍的情况。

追求性能的用户固然会追捧新一代CPU，可是在巨大的价差面前，仍然会有相当数量的用户选择使用上一代产品。

同样的道理，GPT-3和GPT-4在训练成本上有差距，同时随着大模型向前进化，训练成本的差距会更大，科技巨头探索在大模型的最前沿，在其身后会存在若干有代差、精度要求较低、“够用就行”的大模型，而这或许就是创业公司的机会，在成本、市场需求、技术进步的三者之间找到平衡，不断调整策略。

另外一个方面，深入行业的垂类大模型也值得一试，王小川表示，尽管垂类模型的通用性没法与OpenAI抗衡，但可以通过针对具体场景优化，在细分场景里达到与OpenAI相近的效果，从而积累用户、构建起生态，跑通小闭环。

关于大模型创业，360创始人周鸿祎就很乐观，“中国不会只有一个大语言模型，将来每个行业，企业甚至每个人都有自己定制的GPT大模型。”

从长期来看，大模型是一场持久战，因而无论是现在入局，还是几个月或是几年后再入局，在本质上并没有什么区别，大模型竞争的核心不是抢速度，争第一，而是要沉下心来想清楚，在这场长跑中如何分配体力，如何获取资源，顺顺利利的跑到终点。