中国大模型产业的五个真题目

大模型创业潮汹涌，撇开热闹的表象，才能看清大模型带来的新机会
2023年科技领域最热的话题就是AI大模型。这股热潮由美国创业公司OpenAI引领，ChatGPT发布后几个月，中国公司密集发布自己的大模型，整个2023年，中国公司发布的大模型数目已经超过130个。
OpenAI可以或许实现技术突破，和许多科技创新领域公司的特点类似。有充足优秀的人才，海量资金支持，多年持续投入，以及对目的坚定。在ChatGPT发布之前的很长一段时间里，产业界和投资界大多不看好OpenAI，但并未动摇该公司的方向。2023年，险些全部人都承认了大模型的方向，各人认为，OpenAI已经把结果摆出来了，其他公司要做的就是尽快跟进，不断优化，确保能参与未来。
一些人把过去没有大规模投入大模型的原因归咎于不确定结果。如今已经确定了，算力、数据、人才都可以加大投入，中国公司擅长工程优化，做出能实际应用的大模型产物指日可待。
但究竟真的如此吗？对于OpenAI来说，大模型从来都是确定的方向，OpenAI的大部分资金都花在了算力上，当时英伟达的A100（AI专用芯片）代价比本日低许多。据第三方数据机构SemiAnalysis估计，OpenAI使用了约3617台HGX A100服务器，包罗近3万块英伟达GPU。光有GPU还不够，投资方微软资助OpenAI搭建了大模型定制化的算力集群，可以或许进一步提升这些GPU的效率。在数据方面，OpenAI从数据收集、数据标注、数据清洗、数据整理、数据优化等每个环节都有持续投入。OpenAI团队中大部分人，都来自顶尖的科研机构或科技巨头。
也就是说，在这种气力和投入力度下，OpenAI依然用了超过八年的时间，才打造出突破性产物GPT4，且存在“幻觉”（也就是答非所问、胡说八道等环境）。
为什么中国公司在几个月的时间里，就能做出号称匹敌GPT4的大模型？这是谁的幻觉？
2023年下半年，连续有部分大模型被指出是“套壳”，直接套用了国外的开源大模型，在一些检验大模型能力的榜单上排名靠前，不少指标都靠近GPT4。多位业内人士告诉《财经》记者，榜单表现越好，套壳比例越高，略有调整表现就会变差。
**“套壳”只是中国大模型产业现状的冰山一角，这背后折射生产业发展的五个题目，它们之间互为因果，每个题目都无法独立解决。**到本日，大模型的大众热度已经显着下滑，2024年，中国大模型产业的题目会进一步袒露。但在热闹、题目之下，大模型已经在产业中发挥代价。

模型：原创、拼装还是套壳？
2023年11月，阿里巴巴前技术副总裁、AI科学家贾扬清发文称，某国内大厂做的大模型用的是Meta的开源模型LLaMA，只是修改了几个变量名。贾扬清表示，由于改名导致他们需要做许多工作来适配。
此前，就有国外开发者称，李开复创办的“零一万物”使用的就是LLaMA，只是重定名了两个张量，因此，业内质疑零一万物就是“套壳”。随后，李开复和零一万物均有回应，称在训练过程中沿用了开源架构，出发点是充实测试模型，执行对比实行，如许能快速起步，但其发布的Yi-34B和Yi-6B模型都是从0开始训练，并做了大量原创性优化和突破工作。
2023年12月，媒体报道称，字节跳动秘密研发的大模型项目中，调用了OpenAI的API（应用程序接口），并使用ChatGPT输出的数据举行模型训练。而这是OpenAI的使用协议中明确禁止的行为。
随后，OpenAI暂停了字节的账号，表示会进一步调查，如果属实将要求更改或终止账户。
字节对此的回应是，2023年初，技术团队在大模型探索初期，有部分工程师将GPT的API服务应用于较小模型的实行性项目研究中。该模型仅为测试，没有计划上线，也从未对外使用。在2023年4月公司引入GPT API调用规范检查后，这种做法已经停止。且字节大模型团队已经提出了明确的内部要求，不得将GPT模型天生的数据添加到字节大模型的训练数据集，并培训工程师团队在使用GPT时服从服务条款。
**目前国产大模型中，主要分为三类：**一是原创大模型；二是套壳国外的开源大模型；三是拼装大模型，也就是把过去的小模型们拼在一起，变成参数目看起来很大的“大模型”。
此中，原创大模型数目最少，做原创大模型需要有很强的技术积累，且要有持续的高投入，风险很大，由于一旦模型没有充足强的竞争力，这些大规模投入就打了水漂。大模型的代价需要商业化来证明，当市场上已经出现充足好的底子大模型，其他公司应该去发掘新的代价点，好比大模型在差别领域的应用，或是中央层，好比帮大模型训练、数据处理、算力服务等。
**但现状是，大部分参与者都在“卷”所谓的“原创大模型”，又担心风险太高，于是有了大量套壳、拼装的大模型。**无论是直接使用开源模型或是拼装模型，只要符合相干规范，都没有题目。到商业化落地阶段，客户也不太会在意是否原创，有用就行，甚至不少客户会由于本钱更低，更愿意选择非原创的技术。
题目在于，即使是拼装和套壳，各人也要不断强调“原创”，为了证明“原创”，就需要调整修改，而这又会影响大模型的迭代能力，陷入内耗。

算力：卡脖子还是不想买？
大模型的底子之一是海量算力，且是先进算力，因此大模型也被称为暴力美学。英伟达的A100此前被认为是最得当训练大模型的，近期英伟达又推出了更先进的算力芯片H100，但还未在中国市场开售。
一位英伟达的长期合作同伴告诉《财经》记者，2023年，A100的售价涨了约1倍，据他相识，2023年密集购买A100的中国公司主要是自身有业务需求的大厂，包罗阿里巴巴、腾讯、字节跳动、百度等，创业公司很少。有一些知名大模型创业公司会主动要求和他建立战略合作关系，以此来对外证明自己在投入算力，“不给钱的那种”。

2023年密集购买A100的中国公司主要是自身有业务需求的大厂，创业公司很少。 图/IC
尽管有美国政府的“出口管制规则”，中国公司想要得到英伟达的算力，并非不大概，目前有许多方式可以选择。除了直接购买，还可以通过英伟达在中国的合作同伴们购买。GPU本身很贵，买来之后的部署、运营、调试、使用，都是本钱。此前业内传播的一句话是，中国不少科研机构连A100的电费都付不起。
由八张A100组成的DGX服务器最大功率是6.5kW，也就是运行一小时需要6.5度电，同时要搭配大约同等电量的散热设备。按照均匀工业用电每度0.63元盘算，一台服务器开一天（24小时）的电费约200元。如果是1000台服务器，一天的电费就是约20万元。
因此，除了大厂，创业公司很难大规模购买、部署GPU。
GPU资源还可以租用，在阿里云、腾讯云或是亚马逊AWS等云服务平台上，都可以直接租用A100算力服务。租金同样在过去一年涨了不少。
但实际环境是，不少大模型公司并不想在算力上做大规模投入。多位关注AI的投资人告诉《财经》记者，一旦创业公司开始部署算力，会出现两个“题目”，一是这个投入没有上限，没有尽头，谁也不知道要烧到什么水平。OpenAI到本日还会由于算力跟不上而出现宕机。二是公司会因此变成重资产公司，这对于公司未来的估值有不利影响，会直接影响到投资人的收益。
2023年，中国不少投资人会直接告诉大模型创业者，先招一些名校背景的人，抓紧开发布会，发布大模型产物，然后做下一轮融资，不要去买算力。
创业公司们在风口期拿到大量融资，高薪招人，高调发布产物，推高估值。一旦风口过去，继承融资或是上市就需要收入，到时间再通过此前融到的钱，去低价甚至亏本竞标项目，或是直接对外投资来并表收入。
这就有大概陷入一个恶性循环：不肯意负担算力高投入的风险，就很难在大模型领域有突破性发展，也就难以和那些真正在这个方向上大规模投入的巨头们竞争。

数据：低质数据怎么解决？
数据和算力都是大模型的底子，在数据方面，中国大模型产业面临和算力同样的题目：是否值得大规模投入？
在中国，一样寻常的数据获取门槛很低，过去主要是用爬虫工具来收集数据，如今可以直接用开源的数据集。中国大模型以中文数据为主，业内广泛认为中文互联网数据的质量较低。
一位AI公司创始人形容，当他需要在互联网上搜刮专业信息时，他会用谷歌搜刮，或是上YouTube。国内的网站或App上，并非缺少专业信息，而是广告内容太多，找到专业内容需要的时间更久。
OpenAI用于训练大模型的中文数据同样来源于中国互联网平台，但它额外做了许多工作来提升数据质量，这不是普通的数据标注工作能完成的，需要专业团队对数据举行清洗、整理。
此前就有AI创业者表示，在中国很难找到相对标准化的数据服务商，大多是定制化服务，定制服务又很贵。
这和是否要大规模投资算力的逻辑有些类似，这笔投入对于许多公司，尤其是创业公司来说，看起来并不划算。如果大规模投入，一旦最后的模型效果不理想，同样是“打水漂”，还不如用开源数据训练，直接开发布会。
**此外，中国市场缺乏有用的数据保护本领，**一位大厂AI负责人说，“在中国，你能拿到的数据，别人也能拿到”，“如果你花许多钱去做高质量数据，别人可以用很低的本钱拿到，反过来也一样。”
包罗数据处理在内的大模型中央环节，在2024年会是一个相对明确的新发展方向。无论是哪种模型，在落地到具体应用场景中时，必须要用专业数据做优化调试，这对于数据处理的要求更高，此外还需要有模型调试、工程优化等环节参与。
但如果此中的环节又变成了投资人眼里的“新风口”，那又是另一个故事了。

资本：只有资本短视吗？
以上的三个题目，背后都指向一个共同的方向：资本短视。
尽管OpenAI已经蹚出一条明确的道路，对于绝大部分公司来说，想从零开始做出成熟的大模型，需要耗费的本钱和时间并不会短许多。
**对于大部分投资人来说，每笔投资的目的很明确：退出、赢利。**OpenAI火了，估值一起攀升，未来还会继承增长。2023年4月，该公司估值约280亿美元，到2023年12月，据美国媒体报道，OpenAI最新一轮估值或将超过1000亿美元。这在投资人眼里是一个非常确定的信号，如果以符合的代价投资中国大模型创业公司，也能在很短时间内做到估值成倍增长。
**中国投资人的耐心只有三五年，这是资本运作模式决定的。**投资人从LP手里募资，需要在肯定年限内退出并拿到可观的收益。投资人退出的渠道包罗项目并购、上市，或是在后续融资中把自己手里的股份卖给新投资方。
早期融资可以靠风口和讲故事，但走到中后期甚至上市，就必须有肯定规模的商业化能力。投资人们发现，拖得越久，项目上市或被并购的难度就越高，由于AI领域主要的商业模式是做B端的定制化项目，这条路径就决定了创业公司很难做出高增长的收入。投资人只能趁风口还在，迅速推动公司完成多轮融资，抬高估值，之后哪怕打折出售手里的股份，也是划算的。
这也是为什么2023年大模型相干的发布会层出不穷，各种大模型榜单百花齐放且排名各不相同，这些都是有助于融资的“故事”。类似的路径在几年前的AI产业已经出现过一次，谁人阶段的代表公司是AI四小龙。2023年的大模型创业只是把过去三年走完的路在一年时间里加速完成。
但短视绝不是投资人单方面的题目。在本日的商业环境下，大部分人都追求短期的、确定性的结果，十年，甚至五年后的未来都似乎难以把握。

商业化：谁是符合的买单人
2023年，中国大模型产业迅速从比拼大模型参数进入到比拼商业化的阶段。2024年1月的CES（消费电子展）上，两位著名的AI科学家李飞飞和吴恩达均表示，接下来AI商业化会有显着发展，会深入到更多行业。
**目前看来，大模型的主要应用方向有两个：**一是通过大模型技术为C端用户提供新的工具，好比付费版GPT4、百度用文心大模型重构的百度文库、新的AI视频剪辑工具、文生图工具等。但C端付费短期内很难有大规模增长，对于大模型工具有刚需的人群相对较少。
**更有希望的商业化方向是B端服务。**在中国市场，做B端软件服务一直是一个“老浩劫”的生意业务。多位投资人和业内人士都提到，中国市场最大的B端客户是政府和国企，大模型做为先进的生产力工具，会有一个直接影响是减少人力。而在政府和国企，减少人力在许多时间反而会变成阻力。
如果退而求其次，选择中小B客户，在2024年恐怕也很难。一位AI大模型创业者说，他近期扣问了不少企业客户，得到的回应是：“大模型能做什么？能帮我裁人还是能帮我赢利？”
到本日，即使是最先进的大模型也依然存在“幻觉”题目，这在C端应用上还可以忍受，但在一些专业的B端场景中，有“幻觉”就意味着难以真正落地。过去比对式AI，比方人脸辨认，如果辨认错误，人工辅助、调整的本钱很低，但大模型擅长“不苟言笑地胡说八道”，具有肯定迷惑性。
但大模型已经切实在实际应用了。多位业内人士都提到，由于大模型的出现，许多过去无法解决的题目都有了新方法可以解决，且效率有显着提升。比方前文提到的拼接大模型，在过去很少有人尝试，如今不少AI公司都开始把多个差别场景的小模型拼在一起，在解决大部分同类题目时，不需要再单独训练模型，可以直接调取使用。
此外，在一些有巨大业务的公司里，大模型也已经落地使用。类似于上一轮AI视觉技术动员AI算法的发展，这些AI算法迅速在内容保举、电商、打车、外卖等领域发挥紧张代价。如今，腾讯的游戏业务、阿里的电商业务、字节的内容业务等，都已经用上了大模型。
**2024年，AI大模型的发展会有几个相对确定的趋势：**一是融资热度下滑，2023年出现的一家公司完成多轮数亿美元融资的环境会显着减少，大模型创业公司需要探求新的出路。目前看来，大厂们更有气力做大模型底子设施的工作，创业公司可以思量调整方向，填补底子大模型到应用之间的空白。
二是大模型的应用会持续深入，但这主要会集中在数字化水平很高且业务体量非常大的领域。在C端，大模型也会进一步遍及，不外对于中国公司来说，不能只依赖C端用户付费，C端应用场景中会加入其他变现模式，主要是广告。
三是国产算力会进一步得到重视，得到重视并不意味着短期内会有显着进步，这是一个漫长的过程。国产算力能力提升的同时，会有更多乘隙炒作、造势、圈钱的征象。
风口会刺激产业迅速扩张，泡沫随之而生，机会越大，泡沫就越大。只有撇开泡沫，才能看清产业发展的新机会。

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。