身處於觀望期的大模型賽道，似乎任何風吹草動，都讓市場有了不同以往的波動。
近日，摩根士丹利發佈報告稱，中國AI正在面臨更大的變現問題，文中直接指出AI應用先行者業績不及預期，金山辦公和萬興科技在推出AI產品後收入增長令人失望。
隨後，多家媒體傳言，由於資金投入巨大，以及商業化不及預期，百度可能放棄通用大模型研發。此消息一出，引發市場劇烈波動，百度文心一言市場部負責人迅速出面否認。該負責人稱「文心一言剛完成了功能全面升級，我們將持續加大在通用大模型領域的研發投入。」
但只要簡單算賬，其實當下大模型賽道的尷尬，似乎是一張明牌。
6月末，高盛的一篇名爲《投資太多，收益太少》，將AI泡沫論推到臺前。文章直言，大公司計劃在未來幾年投入1萬億美元在AI相關的東西上，比如數據中心、芯片和電網。但到現在爲止，這些錢除了讓開發人員的工作效率提高了一點，沒看到其他明顯的成果。
紅杉資本的結論似乎更爲直接，在其分析師大衛卡恩的報告中認爲 AI 產業泡沫正在加劇，年產值超過 6000 億美元，才夠支付數據中心、加速GPU卡等AI基礎設施費用。而之前的分析中，大衛假設即每年，谷歌、微軟、蘋果和Meta能從新產生的AI相關收入中獲利100億美元。同時，甲骨文、字節跳動、阿里、騰訊、X和特斯拉每家能產生50億美元的全新AI收入。即便如此，關於AI盈利的需要的缺口，仍然在不斷擴大。
而回歸到國內，在經歷了年初的大降價之後，大廠對於大模型的態度，似乎也開始變得曖昧，諸多大廠在業績電話會中，聲稱會對人工智能加大投資力度，但實際來看，投入卻開始變得謹慎。最明顯的徵兆就是，大廠的負責人開始弱化基礎大模型迭代，強調應用的落地。「沒有應用，開源閉源模型都一文不值。」其實，反應到當下，應用落地較爲成熟如文生圖，文生視頻等，成了整齊劃一的方向。
但需要清醒認識到的是，由於客觀條件的限制，最簡單的貨幣化手段，如OpenAI對GPT收費每月20-25美元的方式，在國內幾乎無法複製，基於API調度的商業模式也被內捲到利潤空間稀薄，而各大廠期待的AI應用，落地時間以及效率也遠不及預期。面對未來越來越大的投入，以及遙遙無期的回報，大廠的焦慮似乎不斷上升。
而另一方面，AGI的路徑越往前走，共識也開始被打破，OpenAI全新的O1模型，採用的Self-play RL（自博弈強化學習），與之前傳統以scaling law爲主的訓練方式又有全新的變化。而對於國產大模型，GPT4還未完全趕超，新的範式又出現。
前後夾擊之下，形成了流言的土壤，也意味着國產大模型到了關鍵的時刻，到底是孤注一擲的投入，還是觀望等待技術陡峭走平後，發揮後發優勢，似乎決定着未來競爭格局的走勢，大廠依然能夠依託大模型，賦能場景，將自家的門看好，但如若想要更進一步，一連串的問題，都急需一個明確的答案。
越來越昂貴的「遊戲」
從各個角度來看，AI都在成爲一場富人的遊戲。
根據第一財經的報道，在最近的季度業績電話會議上，谷歌、微軟和Meta都強調了在AI上的巨大投資。Meta將今年的支出預測提高了至多100億美元，谷歌計劃每季度資本支出約120億美元。微軟最近一個季度花費了140億美元，預計這一支出將「顯著」增加。以數據中心爲例，根據美國市場研究機構Synergy研究集團預計，未來每年將有120-130個超大規模數據中心上線。而每座數據中心的造價都以億美元爲單位。
與此同時，據彭博報道，OpenAI正以1500億美元估值，洽談65億美元融資，並計劃通過循環信貸籌措50億美元債務融資。
本輪融資將由 Thrive Capital領投，OpenAI最大的投資者微軟將參與其中，蘋果、英偉達等巨頭也一直在就投資進行談判。
而AI以及大模型賽道的昂貴，不僅在於越來越快的燒錢速度，還在於，短期難以回本的現實。據報道顯示，2024年年初，OpenAI的年收入已超過34億美元，但因爲AI太燒錢，加上日益激烈的對手競爭，OpenAI仍在虧損，據行業內估計到2024年底，OpenAI的虧損將接近50億美元。
天量的資金需求，靠融資過活的現實，幾乎決定了AI賽道對於商業化的渴求：一個殘酷的現實是，如果融不到錢，被大廠收購已然是正在發生的事實。8月3日，Google官宣「收購」Character AI並收編團隊，而Adept和Inflection AI在不久前分別賣身亞馬遜和微軟。
與海外的情形類似，國產AI也在壓力中艱難前行，從最新的消息來看，百川與月之暗面分別完成了數十億人民幣的融資，估值也來到了200億以上的區間，但從實際盈利來看，這些明星獨角獸似乎依舊乏善可陳。
與海外大廠激進的投資策略不同，國內大廠對於AI的態度似乎開始轉向。從早期的FOMO（fear of missing out）中回過神，國內大廠並沒有選擇進一步誇張的投入，而是逐漸開始對AI應用以及商業化的挖掘。
價格戰之後，擁有智能雲業務以及場景優勢的大廠，分別以此爲基線開始了全新的探索，以阿里爲例，據業內人士表示，阿里雲在芯片禁令收緊以前進口了大批英偉達大卡（H系列、A系列），總數超過了10萬張（包括其海外分支機構的卡）。其中只有一部分是用於內部訓練，大部分則以出租的形式提供給外部平台。有投資人直接表示「很多雲廠商的大模型業務都是搭着免費送的。」似乎也顯示出了，當下賽道內的實際情形。
與此同時，豆包的逐漸走紅，也讓字節看到了自身在產品方向上的優勢。近日，抖音搜索的出現，也讓外界浮想聯翩。與此同時，據業內人士表示，騰訊除了混元大模型，微信自己還搞了一個大模型，與混元團隊完全分開。目前只能通過微信搜一搜：有時候微信會幫你總結你的搜索內容（灰度測試，不保證所有人都被測試到），其背後的大模型一半是混元的，一半是微信的。
由此可見，面對這場越來越昂貴的遊戲，大廠並沒有選擇大規模投資，而是開始了更多的選擇賦能自身業務，商業化的訴求和剋制的投入，可能成爲未來一段時間，大廠對於大模型以及AI賽道主要的策略。
而從此基礎上來看百度的流言，似乎又有了一重不同的視角，對於AI影響最爲深遠的賽道，主營業務爲搜索的百度，顯然面對的壓力更大。從業績來看，第二季度百度最大的收入來源線上廣告業務收入爲192億元，同比下滑2%。而另一個業務重心，百度雲當季收入爲51億元，其中，9%的收入來自外部客戶對大模型和生成式AI相關服務的需求。顯然AI對於業務的賦能，似乎助推力度並不能令人滿意。
在自媒體市象的報道之中，百度內部的態度，似乎也與主流廠商一致「或者這麼說吧，訓練下一代模型不是百度的第一優先級。」但「老闆明確表示，我們絕不會下table。」
AI雖好，但單純以ROI來看，似乎並不適合孤注一擲，而何時打破當下的格局，拋開客觀條件限制，AI應用就成了最重要的變量。
AI應用的糾結和逆風期
關於AI應用的風口，從年初以來，似乎從未停止。
金句不斷地投資人朱嘯虎，無疑是這波AI應用的旗手之一。在2024年初的演講中，AI應用肯定爆發，每輪週期最後，應用賺的錢是前面的10倍。作爲曾經投出過滴滴、餓了麼的成功投資人，朱嘯虎的邏輯非常直接，大模型的商業模式很差，未來盈利主要在AI應用。
「每一代模型你都要重新去砸錢，而且你變現週期可能就兩三年，這比發電廠還要差。」朱嘯虎對於大模型的態度並不樂觀，但對於可以直接變現，由用戶買單的AI應用，卻始終稱讚有加。
而另一個在AI應用的支持者，則是百度創始人李彥宏，在7月的演講中，大模型的重點還是「卷應用」，「沒有應用，光有基礎模型，不管是開源還是閉源都一文不值。」
兩個旗手雖然都支持AI應用，但從路線上，似乎並不相同，朱嘯虎偏愛PMF（product market fit）明確，直接可以TOB變現的尖叫應用，如垂直於AI面試的近嶼智能，或是垂直於視覺類產品的FancyTech，用他的話說「以前中國軟件市場爲什麼規模化很慢，因爲銷售週期很長，要6-12個月，不可能很快的。 但現在能讓企業用戶有這種尖叫效應的話，它變現週期也很快。從微信拉群介紹到簽單，一兩個月時間。 」
而李彥宏則更鐘愛agent智能體，他認爲，醫療、教育、金融、製造、交通、農業等各行業領域，未來都會依據自身場景和特有經驗、規則、數據等，做出各種智能體，將會出現數百萬量級的智能體，形成龐大生態。
但朱嘯虎卻對智能體保持懷疑態度，在與界面的訪談之中，朱嘯虎坦言，AI Agent不能落地，因爲大模型天然有幻覺，單步的錯誤率可能在10%-20%，5步推理以後可能錯誤率就50%以上了，就完全沒法用。那你高50%同樣也沒用，錯誤率百分之二三十還是沒法落地，不改變本質問題。
AI應用的路線爭端還在繼續，從更宏觀的維度，似乎AI應用也遭遇了逆風期，在摩根士丹利的名爲《中國AI面臨更大的變現問題》中，大摩表示，AI應用發展慢於預期，貨幣化更加艱難。
在報告中顯示，在宏觀環境的背景之下，企業和消費者難以接受AI功能帶來的價格上漲。同時，免費AI服務的競爭加劇了盈利壓力。與此同時，AI產品與客戶期望存在差距。缺乏高質量的領域數據訓練、特定場景下表現不佳、產品尚未成熟等因素制約了AI應用的價值實現。不僅國內，在海外，行業領先指標不佳，AI遠未實現貨幣化。美國軟件公司今年以來業績令人失望，AI相關收入貢獻有限。AlphaWise調查顯示CIO(首席信息官)對AI應用投產時間表，每次調查預期都在延後。
而在國內，金山辦公和萬興科技在推出AI產品後收入增長令人失望，反映出基礎AI功能競爭激烈，高級應用尚未成熟。兩家公司表示將繼續加大研發投入，意味着盈利前景仍不明朗。
總結來看，AI應用仍還在探索期，無論大廠還是投資人，似乎還在挖掘其內在的潛力，共識並未達成之下，從變現來看，也許投資人追逐的商業模式更爲安全，但技術的進步，似乎也在逐漸讓變量進一步加深，以當下的視角來看，AI應用的爆發期，仍然沒有到來，這也意味着，試圖通過AI應用爆發達成的商業計劃，正在被延遲。
越來越複雜的路線之爭
9月13日，Open AI發佈了全新一代的大模型預覽版，這個在內部代號爲「草莓」的模型，在問世的一瞬間，還是激起了業內的震動。
從模型效果反饋上來看，這個名爲Open AI o1的產品可以說是石破天驚的存在。作爲首個具有「推理」能力的大模型，它能通過類似人類的推理過程來逐步分析問題，直至得出正確結論。
根據OpenAI官網的評測，這款模型尤其擅長處理數學和代碼問題，甚至在物理、生物和化學問題基準測試中的準確度超過了人類博士水平。
而從業內人士的反饋來看，此次Open AI o1的出現，則可能代表了硅谷在AGI範式正在發生轉移，純靠語言模型預訓練的Scaling Law這個經典物理規律在遭遇到算力與參數無法大幅提升等瓶頸後，多家硅谷明星公司已經把它們的資源重心押寶在一條新路徑上：self-play RL（自博弈強化學習）。而Open AI o1似乎就是這樣一款產品。
具體來說，根據業內人士解釋來看，o1模型就像在不同的可能性中反覆「抽樣」，每次推導出一個更好的結果。打個比方，你問它一個複雜的數學問題，它不會一秒鐘給你答案，而是像個認真思考的人，先把問題分解成好幾步，一步步推理。這樣做的好處是，答案通常更準確、更有邏輯，尤其是在科學推理、編程和數學題目上表現非常好。比如，在國際數學奧林匹克測試中，o1的解題正確率達到83%，而之前的GPT-4o只有13%。這說明它在處理複雜問題時，確實有了質的提升。
今年以來，多模態、10萬卡集群的超級模型，以及自博弈強化學習等多條路徑開始在硅谷AI界發生變革，共識被打破之後，當下來看依舊沒有標準答案。
從當下的信息來看，未來如何能達到AGI原本的共識似乎正在被打破。儘管o1模型還有諸多疑問，但從AGI進化的步伐來看，似乎出現了多重可能性。當然，這對於資金與人才優勢明顯的硅谷來說，是好事，但相反對於追隨者而言，則意味着挑戰難度正在加大。
從終局思維來看，國產AI在未來將不得不再次面臨技術方向的選擇，而更大規模地投入似乎也勢在必行。燒錢打仗雖然不會發生在當下，但在未來卻是成功的關鍵。
從這個角度來看，無法造血的公司，淘汰的幾率顯然會更大，國產大廠可以通過現金奶牛業務繼續維持跟隨戰略，但成本的逐漸增加，以及方向不明的變現路徑，都可能成爲阻礙發展的絆腳石。類似於百度今天面對的謠言，似乎也正是其需要應對的問題。但解法如何，似乎仍並不明朗。
*轉載文章不代表本站觀點。