“

畢竟在全球經(jīng)濟周期性下滑的今天，下一個像AI大模型這么具有想象力的科技商業(yè)機會，不知能在何時又會以何種形式出現(xiàn) 

內(nèi)容：koorvoa 

編輯：TV. 

校對：莽夫 

ChatGPT持續(xù)狂飆，國內(nèi)大模型諸神之戰(zhàn)同樣愈演愈烈。

百度、阿里、360等大科技公司相繼推出大模型產(chǎn)品并高速迭代，加快應用落地；智譜AI、瀾舟科技等創(chuàng)新創(chuàng)業(yè)公司也進一步拓展在大模型上的布局，加速百億、千億級別大模型自研進度。

中國版ChatGPT之爭的背后，事實上是技術（大模型數(shù)據(jù)、算力、算法）、資金、人才各個方面的長期較量。誰能在大模型能力上領先，率先應用落地，布局商業(yè)化，誰就有可能在AI 2.0時代掌握話語權。

Part.1

創(chuàng)業(yè)者們的三大難關：

錢、技術、人才

大模型燒錢是賽道參與者的共識。啟明創(chuàng)投合伙人周志峰在媒體采訪時表示，一家大模型創(chuàng)業(yè)公司從起步到發(fā)布到第一個較成熟的的模型，完成商業(yè)化驗證，至少需要2億美元。

曠視CEO印奇也曾透露，訓練出GPT-3.5至少需要1萬張A100的芯片集群，硬件投入需要20億元。

入局者先備錢。王慧文個人投資5000萬美元成立公司，李開復圈宣布籌組中國版ChatGPT公司“Project AI 2.0”之前，資金就已先到位。此前，李開復相繼減持知乎、美圖套現(xiàn)近1.5億。創(chuàng)業(yè)公司瀾舟科技也在今年完成Pre-A+輪融資，融資額達數(shù)億元。

融到錢才能活下去。資金成為依靠風險投資的大模型創(chuàng)業(yè)者們首先要解決的問題。盡管在ChatGPT的帶動下，資本機構當前看好這一賽道，但主要以明星項目、明星團隊為主。當創(chuàng)業(yè)者短期內(nèi)不能明確營利模式和研發(fā)成果轉(zhuǎn)化，市場對于創(chuàng)業(yè)公司不會有太多的耐心。

頭部科技公司同樣面臨相似問題。在眾多大廠正在或即將迎來組織架構調(diào)整和改革的背景下，除百度將大模型上升為核心戰(zhàn)略外，其余“淺嘗”中的大廠，集團對于大模型的長期投入、業(yè)務場景落地和戰(zhàn)略定位也會有更嚴苛的考核。

這種情緒上的急迫，主要來自于時間窗口期的壓縮。海外科技巨頭在大模型技術和應用上的不斷突破，留給國內(nèi)廠商的追趕時間不會太久。

技術能力是影響大模型競爭格局的核心。大模型對于算法、算力和數(shù)據(jù)的要求都格外高，而互聯(lián)網(wǎng)大廠擁有更為深厚的技術儲備。人才資源上的爭奪也同樣如此。作為大模型競爭中的重要一環(huán)，大廠和資金實力豐厚的企業(yè)對于人才擁有更強的吸引力。

杭州未來科技城曾有一家公司招聘AIGC方向算法工程師，年薪最高可達320萬的消息引起熱議。AIGC人才站上高薪風口，AI企業(yè)展開新一輪搶人大戰(zhàn)。脈脈高聘人才智庫最新調(diào)研數(shù)據(jù)顯示，今年1-2月AIGC人才需求逆勢上漲，崗位數(shù)量同比增長31.3%,創(chuàng)下歷史新高。

AI公司對頂級人才的渴望可見一斑。王慧文表示要拿出新公司光年之外75%的股份用于邀請頂級研發(fā)人才；王小川通過公開信呼喚中國領軍人物、行業(yè)產(chǎn)品經(jīng)理和遠在美國的同仁加入；李開復邀請全球世界范圍內(nèi)的人才一起打造世界級的公司…

大模型瘋狂搶人的背后，是AI公司對于當下轉(zhuǎn)瞬即逝的機會窗口的急迫把握。畢竟在全球經(jīng)濟周期性下滑的今天，下一個像AI大模型這么具有想象力的科技商業(yè)機會，不知能在何時又會以何種形式出現(xiàn)。

Part.2

AI新機會：

通用大模型or應用層垂直模型

擺在國產(chǎn)大模型入局者的機會和選擇有兩個：通用大模型與應用層垂直模型。

大廠更具有開發(fā)通用大模型的野心和能力。當前模式主要是以通過提供底層通用平臺，吸引更多開發(fā)者和合作伙伴一起發(fā)展，打造全新AI生態(tài)為主。不僅惠及云計算業(yè)務，主流商業(yè)模式也從IaaS（基礎設施即服務）轉(zhuǎn)向MaaS（模型即服務）。

在具體應用上，阿里云通義千問大模型將全面接入阿里辦公、購物、語音助手等場景，中興通訊、吉利汽車、波司登、掌閱科技等多家企業(yè)表示將與阿里云在大模型場景展開技術合作。

百度文心一言已經(jīng)覆蓋政務、金融、媒體、電商零售等場景，在醫(yī)藥領域，百度發(fā)布GBI-Bot，成首個落地醫(yī)藥行業(yè)的產(chǎn)品。在汽車領域，長安汽車官宣逸達將成為國內(nèi)首款搭載文心一言的量產(chǎn)車型，后續(xù)將通過軟件升級的形式搭載至新車。

相比通用大模型，垂直大模型對于算力、算法的要求會低一些。作為一種全新的生產(chǎn)力，隨著垂直大模型底層能力的不斷突破，必然能實現(xiàn)企業(yè)的降本增效，帶來上層應用的迭代和變革。

李彥宏曾直言，“中國的OpenAI不是創(chuàng)業(yè)公司的機會，沒有必要再重新發(fā)明一遍輪子。”“有了輪子之后，做汽車、飛機，價值可能比輪子大多了。”

一些不具備技術、資金競爭實力的中小型企業(yè)和創(chuàng)業(yè)者們，在垂直領域積累了大量數(shù)據(jù)和know-how，選擇以開源或合作大模型+外掛領域知識庫的方式，瞄準應用層垂直模型機會，從細分行業(yè)切入解決特定場景的市場需求。

例如深蘭科技已經(jīng)開發(fā)出面向個人數(shù)字化的硅基知識大模型，主要用于進行知識的個性化和專業(yè)化預訓練。

面向教育領域，學而思正在自研數(shù)學大模型，有道發(fā)布了基于“子曰”大模型研發(fā)的AI口語劇透視頻。面向生物領域，上海人工智能研究院、祥符實驗室、轉(zhuǎn)化醫(yī)學國家科學中心（上海）聯(lián)合發(fā)布全國首個DNA存儲領域預訓練大模型“ChatDNA”…

通用大模型和垂直模型將構成新的AI行業(yè)格局。通用模型大而全，能適應千行百業(yè)，擁有更多的商業(yè)場景和更大的商業(yè)市場。垂直領域模型小而專，可以更精準地服務特定行業(yè)和特定人群，更易落地且進行商業(yè)化。

但無論是通用大模型還是應用層垂直模型，AI企業(yè)都有機會跑出來，在“每個行業(yè)都值得用AI重構一遍”的時代變局中。

Part.3

信心之外：

無法回避的殘酷追趕現(xiàn)實

盡管國產(chǎn)大模型研發(fā)全面加速，但無論是百度、阿里這樣的國內(nèi)科技巨頭，還是信心滿滿的創(chuàng)業(yè)者都無法回避的殘酷現(xiàn)實是，自家產(chǎn)品與快速成長和落地OpenAI存在不小差距，即便沒有王小川認為的OpenAI比國內(nèi)領先三年之久，但也遠不到“上來就說能超越”，周鴻祎直言不諱，“那才叫吹牛”。

與海外科技巨頭相比，中國大模型廠商在數(shù)字基建上面臨著硬件條件的“先天不足”，在數(shù)據(jù)和算力等方面存在明顯短板。

在算力層面，英偉達A100芯片構成了ChatGPT訓練大模型的算力底座，目前市面上幾乎沒有英偉達GPU產(chǎn)品在AI大模型訓練上的替代品。但由于GPU出口限令，死死卡住了中國AI算力的脖子，中國企業(yè)只能使用存量的A100和傳輸速率只有A100三分之二的A800。

大模型實現(xiàn)數(shù)量級飛躍離不開GPU算力加持，如果算力跟不上，會導致大模型的差距進一步拉大。

在數(shù)據(jù)層面，大模型的發(fā)展依賴于高質(zhì)量的訓練數(shù)據(jù)集，而國外數(shù)據(jù)集要領先中國很多。目前國內(nèi)基于中文語義的大模型訓練所需要的中文數(shù)據(jù)總量不夠，而且質(zhì)量不高。國外企業(yè)可以直接使用各類整理好的公開數(shù)據(jù)訓練AI，但國內(nèi)企業(yè)還需要付出額外的人力和資金成本來采集、清洗、標注獲得的數(shù)據(jù)。

不久前，騰訊云曾聯(lián)合上海大學舉辦的人工智能數(shù)據(jù)標注大賽，被網(wǎng)友調(diào)侃“思路清奇”，“1.8萬元買到了120位大學生的40個小時用來做數(shù)據(jù)標注”，雖在網(wǎng)絡上引起不小爭議，但活動發(fā)出短短數(shù)小時后便顯示“名額已滿”。

此外，優(yōu)質(zhì)中文大模型訓練語料的稀缺也會加大中國大模型和國外大模型的差距。技術差距下，中國大模型廠商正在通過后天努力，奮力追趕，以期“大力出奇跡”。

一方面，中國科技公司加速自研AI訓練芯片，尋找國產(chǎn)替代化方案，以此來解決算力之困。例如超過英偉達A100八成能力的百度昆侖芯片，目前已經(jīng)更新到第二代，量產(chǎn)幾萬片；第三代則預計于2024年實現(xiàn)量產(chǎn)。

此外，據(jù)華為透露，目前昇騰AI基礎軟硬件平臺已孵化和適配了30多個主流大模型，超過一半的中國原生大模型基于昇騰AI孵化。有消息稱，華為即將推出的昇騰920性能可以達到英偉達H100水平。此消息如果成真，將大大緩解國內(nèi)日益增長的AI算力需求壓力。

另一方面，政府和企業(yè)都在積極尋找破解數(shù)據(jù)之困的方法。政府層面，數(shù)據(jù)要素政策頻出，通過建立國家數(shù)據(jù)局來協(xié)調(diào)推進數(shù)據(jù)基礎制度建設，統(tǒng)籌數(shù)據(jù)資源整合共享和開發(fā)利用。同時，各地積極推動數(shù)據(jù)交易所建設，加速數(shù)據(jù)自由流通，緩解國內(nèi)優(yōu)質(zhì)數(shù)據(jù)集不足的問題。

產(chǎn)業(yè)層面，越來越多的數(shù)據(jù)服務商將數(shù)據(jù)加工處理、數(shù)據(jù)分析服務等方面幫助企業(yè)構建高質(zhì)量數(shù)據(jù)集，提高數(shù)據(jù)質(zhì)量的同時，加快大模型的研發(fā)效率。

國產(chǎn)大模型競賽才剛剛開始，面對這個比移動互聯(lián)網(wǎng)還龐大多倍的AI機會，所有參與者都全情投入，盡銳出戰(zhàn)，緊抓來之不易、稍縱即逝的窗口期。

即便競爭異常激烈，即便難關重重，但都在朝著更創(chuàng)新的技術、更易落地的應用、更明晰的商業(yè)化路徑方向走去。

       原文標題 : 混沌初開:國產(chǎn)大模型在沸騰中“求索”