中国AI新序章：从百模内卷到应用浪潮
属于科技产业的AI时代正在到来。
自2022年10月ChatGPT面世以来，大模型一路狂奔。
2023年，国内科技行业形成了“百模大战”之势，从基础大模型到行业大模型，各家飞速前行；到了下半年，越来越多的应用涌现，并在垂直行业落地商用。回望过往一年，业界群雄并起，却也伴随着重复建设的争议、面临着产业化的难题。
当竞速进入白热化，行业是否能找到合适的盈利点？如何更好在不同场景落地？又怎么解决算力掣肘的问题？
多名行业专家在接受21世纪经济报道记者采访时认为，虽然目前国内有200多个大模型，但是在2024年将会面临激烈的竞争和淘汰。另一边厢，生成式AI的应用仍将持续创新，其中B端产业应用潜力大，展现出新的商业模式和机会，C端赛道则主要集中在生产力工具和娱乐属性上。
整体而言，从2023年上半年的火热之后，下半年业界对于生成式AI、大模型产业化都更加理性，呈现出创新与谨慎并存的态势。
社科院数量经济与技术经济研究所数字经济研究室主任蔡跃洲认为，百模大战反映的是通用目的技术渗透到方方面面，面对全方位的颠覆式创新，如何迎接背后的挑战并抓住机会是重要课题。比如国内存在算力的问题，但是国内有庞大的需求，包括大模型的需求。“未来应用场景还是我们的优势，牵引国产供给能力的提升、技术能力的优化迭代，孕育着机遇。”他说。
2023：“百模”大战AB面
风投数据分析公司PitchBook数据显示，截至2023年10月15日，全球AIGC领域融资总额达232亿美元（约合人民币1656亿元），比2022年全年增长250.2%，其中AI核心（Al core）领域融资就达50.82亿美元。目前，全球AIGC新兴领域相关公司总数量已超过1500家。
火热之势可见一斑。包括百度、阿里巴巴、腾讯等在内的国内互联网公司相继发布了大模型应用，商汤科技、旷视科技、科大讯飞则发布了基于不同行业的垂直大模型。
公开资料显示，截至今年10月份，国内已经发布了238个大模型。今年6月，腾讯云首次正式公布行业大模型研发进展，并发布了面向B端客户的腾讯云MaaS服务解决方案。今年7月，华为发布“不作诗只做事”的盘古大模型3.0，深耕政务、金融、制造、煤矿、铁路、制药、气象等行业。
而阿里巴巴脚步明显更快。11月23日，阿里巴巴智能信息事业群旗下夸克团队对外发布了基于Transformer架构自主研发的千亿参数级夸克大模型。在此之前，阿里云已经发布了通义千问大模型，并且包括天猫、钉钉等在内的诸多阿里系业务均表示会接入。
阿里巴巴集团CEO吴泳铭表示，“每个人和企业都将具备个性化的智能助理，大模型时代，面向年轻人，夸克有巨大机会创造出革新性搜索产品。”
这些战略级创新业务，在阿里巴巴的组织上将作为独立子公司运营，业务上也将打破以往在阿里集团内的定位限制。
夸克技术负责人蒋冠军在接受21世纪经济报道采访时指出，夸克将是一个集合搜、用、存于一体的智能信息产品，所以夸克大模型的目标，也是对搜、用、存进行智能化升级。
尽管各家都在发布自己的大模型，但是真正成功落地或商用的案例并不多。毕马威中国科技、传媒及电信行业主管合伙人陈俭德在接受21世纪经济报道记者采访时表示，大模型赛道具有技术门槛高、资金投入多、商业模式尚不成熟的特点，尤其是在国内智能算力较为短缺的现状下，各家大模型在持续投入人力、算力、资金并实现商业化落地方面，可能会面临较大挑战。此外，也不排除存在“套壳”“蹭热度”等追风、投机行为。预计未来一段时间内，中国人工智能大模型发展将从拼速度、拼数量转向拼应用、拼质量，各类大模型及相关应用，将在性能差异、易用性、应用广泛性等方面接受市场化检验，实现初步出清。
资本的选择
事实上，在创业领域，AI商业化从来不易，机构们对于投资也是出手谨慎。
“哪怕整个AI赛道在如火如荼地创业，但相比往年，资本给到的扶持还是非常少。”非凡资本合伙人胡小婧对21世纪经济报道记者表示，AI应用层里，今年受机构青睐的是能够快速找到应用场景的企业，有一个非常尖锐的刚需切口，借此打开一个全新的市场，并且在收入层面能快速看到增长。
这些受青睐的应用可以分成“AI+”和“+AI”，今年上半年非常利好“+AI”类的公司，因为在客户的需求基础上再去拓展应用场景，能够看到比较好的效果。在下半年，很多AI原生类的应用也推出产品，开始服务客户。
若从全球视角看，目前则形成了“1+N”的格局，OpenAI的ChatGPT是“1”个超级明星产品，其他“N”款应用在从各个领域进行突破，当然格局也在不断变化之中，国内的企业正在加速追赶。
大模型层面也竞争激烈。Fasion.AI创始人兼CEO程斌告诉记者：“2月份的时候，我们还在讨论国内到底有哪两三家有实力训练真正的大模型，到5、6月份的时候涌现出来100多家大模型企业，每家都觉得需要有一个自己的轮子，某种意义上也造成一定的资源浪费。”
对此，360智脑专家葛灿辉也有同感，他预计，目前国内200多个模型到明年这个时候肯定不会有这么多。“在公有域剩下五到十家已经顶天了，私有域的也是非常残酷的淘汰赛。”他说。
谈及2024年的发展趋势，葛灿辉坦言，合作的效应一定大于自己去把一切搞定，做APP之间的互操作会非常方便，这是趋势。目前，360智脑大模型与OpenAI的API能做到100%兼容，第三方开源生态使用起来也更便利。
“最主要的硬实力追赶还是在底层硬件和底层模型，很多国内创业公司在推进私有模型的追赶，消费级硬件上的私有模型跟国外的差距并不大。”葛灿辉颇有信心地说。
2024：迎来应用浪潮
随着AI技术的不断发展，大模型在C端和B端应用领域展现出丰富的创新，然而，背后也隐藏着诸多挑战。
胡小婧指出，今年国内在C端大模型领域的投资相对较少，主要原因是国内大模型基础层的不确定性。一方面刚开始大家不知道大模型的进步速度，担心C端产品容易被基础模型迭代颠覆；另一方面也担心创业公司竞争不过国内大厂，这种谨慎态度导致机构对C端机会的观望。
但是C端仍有诸多发力点。胡小婧介绍道，C端的创新点主要集中在两个领域：“Save Time”和“Kill Time”。“Save Time”侧重于节约使用者的时间，例如生产力工具和效率工具。“Kill Time”则包括情感陪伴和游戏等，满足了用户在娱乐方面的需求，这两个分类涵盖了整个C端对于生成式AI新范式的主流需求。
B端应用上，大模型的应用呈现出两种主要趋势，一种是在原有的B端软件基础上，用AI工具增强原有解决方案，从而不断增强产品壁垒和客户价值。另一种趋势是AI Agent的崛起，即基于不同的任务解决方案拼接形成完整的工作流。
胡小婧认为，对于从事to B软件服务的公司而言，商业模式发生了巨大变化，在SaaS收费趋势后，兴起了流量式收费，即按照token来计费。这一新兴的收费方式为企业带来了新的盈利机会，但也面临着低价竞争和维持客户使用量的挑战。
小米集团技术委员会AI实验室大模型团队负责人栾剑向记者表示，现在的大模型，对于to B应用来说，正处于一个比较好的发展阶段，因为在提高效率方面看到了真实的效果。“相比之下，C端用户则对大模型的黏性不强，只在娱乐方面的接受程度较高。”他说。
商用艰难进化
生成式AI的产业应用滚滚向前，随之而来的商业化过程也面临着一系列挑战。
澜舟科技合伙人、首席产品官李京梅表示，上半年大家都比较“燥热”，预期非常高，下半年开始理性化，商业化阶段的挑战逐渐凸显。而为了解决商业化问题，寻找标杆客户成为关键一环。通过与标杆客户共同打磨，不仅可以获得真实的用户反馈，还能够在应用过程中发现问题并及时改进迭代。
对于商用难点，达观数据副总经理吕文超表示，目前单个场景能够产生的价值有限，客户的付费意愿与实际投入成本不成正比。
对于to C商业化的挑战，也有AI行业技术负责人对21世纪经济报道记者表示，虽然to C商业化相对较难，但一旦找到了契合的场景，成功仍然是有可能的。“在to B领域，很多龙头公司确实对AIGC有很强的需求，大企业付费意愿会比较高，关键在于我们的功能是不是真的能解决企业真正的痛点。”他说。
除商业模式外，在技术层面，同样存在阻碍生成式AI商业化的难题。
例如“幻觉”的问题。在大模型的生成中，经常会出现一些错误或者被称为“幻觉”的问题，这是在toB场景中目前还没有完全解决的痛点。
此外，IBM实验室数据与人工智能首席架构师徐孝天还提到了安全可信的问题，他表示：“模型的可信是很大的问题，特别是面对to B客户的时候，如果不把模型做成可信，非常难上线。”
上述观点和实践经验，共同描绘出大模型商用面临的复杂格局。商业化路径的探索需要理性思考和与用户紧密合作，同时要解决模型生成中的“幻觉”问题，并且确保可信性也成为商业化过程中的一项关键考量。
