“百模大戰”打了一年： 應用企業仍在摸着石頭過河

“百模大戰”過去近一年，最初涌入基礎大模型領域的潮水，漸漸向大模型應用領域傾斜。

僅在過去一個月，就發生了太多事情：國內大模型廠商掀起價格戰，嚮應用開發者拋出橄欖枝，聯發科等芯片廠商向開發者開放合作，OpenAI和谷歌發佈會上，能聽會看的AI助手則搭載於電腦和手機，引發關於多模態應用的想象。

但時至今日，能轉起大模型商業化齒輪的，似乎仍以互聯網大廠既有業務爲主。典型如谷歌，其搜索引擎並未如業界最初估計的一般被大模型顛覆，既有的廣告業務則率先受益於大模型，第一季度廣告收入增長約70億美元。大廠之外，原生的大模型爆款應用依舊稀缺。

隨着大模型價格戰燃起，創業基礎大模型團隊不得不面臨更激烈的競爭環境。商業化行之有效地應用將會是制勝的關鍵。而對於有意在大模型創業潮中分一杯羹的應用開發者而言，不僅選擇基礎模型是一個挑戰，要構建什麼樣的商業模式、切入什麼細分市場也是考驗。

近日第一財經記者採訪多名大模型應用開發者和技術人員瞭解到，開發者已在不同細分領域尋找機會，但大模型本身的能力和算力限制仍形成阻力。相比文本大模型，視頻生成模型邁向成熟將是一條更遠的道路。

摸着石頭過河

AI客服創業團隊創始人章程（化名）告訴記者，今年客戶需求明顯提升，對大模型的認知從完全沒有，到能形成一定的判斷，大模型B端的商業效果一定程度上被證明，說明今年可能是大模型應用爆發的元年。但C端的很多場景，現在還沒看到核心的產品。

一些大模型應用企業還在摸着石頭過河。

杭州萌嘉網絡科技有限公司創始人、CEO盧向東去年年底開始創業，公司的產品TorchV AI主要幫助企業客戶建立基於大模型的應用。因爲團隊熟悉相關市場且有經驗，開始創業後，公司很快拿下第一個客戶訂單，目前試用客戶已超200家，產品接入近10個國內大模型，包括開源和閉源。

盧向東感受到，市場需求旺盛，但不少潛在客戶對大模型還處在學習和了解階段。“有一類客戶需求很明確，他們佈局得早，想明白要什麼，大部分則是處於FOMO（害怕錯過）心態，他們更多想聽其他案例的解決方案，在可接受的情況下推進合作。”

盧向東表示，很多潛在客戶想看到案例，希望團隊可以幫企業“頭腦風暴”或做創意性方案，而不是隻提供開箱即用的技術。

同樣面向To B市場，近期接受第一財經等媒體採訪時，騰訊雲副總裁、騰訊雲智能負責人吳運聲也講到大模型能力與市場認知之間的割裂，他發現，在過去一年間遇到的很大困難在於，企業客戶對大模型有過高預期。“技術發展有階段性，而業務處理會遇到很多具體問題。這是客戶業務需求和大模型能力匹配的問題。客戶希望我們可以一下子滿足所有需求，而我們應該一步一步來。”他表示。

除了市場還在逐漸接受大模型之外，對於大模型應用會在什麼賽道跑出來，投資機構似乎也不是很肯定。盧向東告訴記者，去年投資機構更偏向對頭部公司做較大額度投資，今年對於較小的創業公司也有分配策略。已有20多個投資機構前來接觸公司，他了解到，有些機構直接表明還是前期瞭解階段，他們手裡握有的資金不多，又不能錯過機會，當下是在持續關注市場。相比於有國資背景的投資機構，風投機構如今出手速度不會很快。

“我對於大模型應用是謹慎的。從基本面看，生成式AI絕對有價值。但一個新的科技突破發生後，行業裡大部分人都能賺錢嗎？並不是。”在互聯網大廠和創投機構有多年從業經歷的王先（化名）告訴記者。他的考慮是，這一波大模型浪潮跟上一波AI浪潮很像，上一波即便是AI“四小龍”，已上市的邁向盈利依然艱難。以往AI創業公司得到血淋淋的教訓，例如曾賣得很好的AI產品受開源衝擊後變成“白菜價”。這一波大模型創業公司有步後塵的可能，同時面臨互聯網巨頭的競爭。

“生成式AI的投資沒有形成共識。”王先告訴記者，未來大部分需求可能會被互聯網巨頭吞掉，同等條件下，客戶傾向於選擇大公司的機率更高，創業公司要在垂直賽道有深厚背景，拿到足夠且便宜的數據，未來才更有機會跟巨頭拉開差距。

進入市場後，要怎麼樣才能撬開需求並構建競爭壁壘，盧向東如今也在思考這個問題。“上個月之前，我們沒考慮過要做什麼細分市場。當時各行各業的需求都找上來，‘海納百川’是好的選擇。我們的團隊以往對一些行業瞭解不深，所以先拋一個基礎產品吸引客戶，再逐漸瞭解行業痛點和剛需。”盧向東告訴記者，後續團隊還是要收窄關注領域，讓產業方向更明確，也有利於人員調配和品牌勢能建立。目前初步選的兩個領域是能源和銀行，考慮了客戶支付能力和落地前景。

成本足夠低了嗎？

除了“做什麼”的問題，大模型應用開發者目前感受到主要掣肘仍是在於算力、成本和模型能力。

盧向東告訴記者，現在最大的問題不是模型本身，而是顯卡。國內高端顯卡缺乏，團隊希望部署多模態模型，受制於現有顯卡能力不夠。辦公室只有幾塊消費級的英偉達4090顯卡，而現在可替代的其他品牌AI芯片易用性還不如英偉達。如果不自己購置顯卡而選擇在雲上租賃，價格則太貴。

綠聯科技近期也嘗試在私有云NAS（網絡附加存儲）系統內置本地自學習AI模型，用於輔助圖片整理等。綠聯NAS私有云產品總監魏婷告訴記者，NAS可存大量數據且長時間運行，用戶可用自己的數據調校AI，訓練不需聯網。這是搭載大模型的好處。但該公司同時對擴大AI應用較爲謹慎，除了文生視頻等功能未達到能穩定使用階段的原因外，爲了凸顯AI功能而堆砌高性能顯卡，價格可能也不爲用戶所接受。

章程則告訴記者。目前其感受到的難點在於大模型能力還不夠、成本偏高。

“大模型剛出來時，我們有過高期待，認爲它什麼都能做，後來發現，大模型只能達到一個初級專業客服的水平。大模型可以解決百分之五六十的問題，剩餘的還要人協助。”章程表示，該團隊用了GPT-4、Claude 3和谷歌、Mistral旗下模型，一個月爲調用大模型花費數萬美元，成本壓力不小。從近期大模型廠商的進展看，他認爲多模態能力有了進步，但落地應用時若使用多模態能力，面臨成本過高的問題。

近期國內多款大模型雲端API（接口）調用價格下降甚至免費，這是否會明顯降低成本？盧向東認爲效果有限，一個原因是國內不少企業希望數據存留在本地，在本地部署模型，團隊更多客戶也是如此，這種情況下使用開源模型，無須雲端調用。

隨着更多國內大模型降價，章程近期則計劃建一套測試體系，以測試免費或更便宜的模型能否達到GPT-4六七成的水平，再考慮更換模型。“免費或者變成原本50%、30%的價格，我們就有動力用這個模型，我最擔心的是這些模型性能不夠好，例如回覆返回時間過長、返回結果不符合期待。”章程告訴記者，公司已採用的大模型包括開源和閉源，在嚴苛的商業場景中，閉源收費的GPT-4因其較強的推理能力還是難以取代。

相比文生文大模型，業內分析人士認爲視頻生成模型要做好不僅更難，開放應用的成本也更高。“Sora一直沒出來，大家推測是因爲跟文本大模型一樣開放使用的話，成本太高。視頻大模型的體量至少是文本的10倍。”萬興科技董事長吳太兵告訴記者，公司的大模型產品天幕近期也只是公測，且是邀請公測，基於成本原因，現階段完全放開不太現實。

多模態應用落地有多遠？

在近日一場行業活動上，記者看到了多模態大模型應用搭載於端側設備的嘗試。走到一臺手機面前，選擇一個模板，手機攝像頭拍下的人物將可以成爲另一種風格，或是“女扮男裝”，或是套上明星臉，或是更換髮型。行業人士告訴記者，這種簡單的圖片生成功能在手機端側就可以實現，現在手機算力可支持70億參數大模型，再往上可能是100多億。但相比雲端，手機算力始終有限。

算力之外，要推動多模態應用落地，模型本身也要達到一定的成熟度。今年年初OpenAI推出Sora，從當時放出的視頻看，Sora還未能很好地展現一些物理世界的特性，例如視頻中杯子摔倒了卻不會碎。至今Sora未開放公測，Sora演示視頻是否有人爲參與、是否經歷多次調整剪輯，則多次受到質疑。

“視頻生成大模型算法成熟度還有限，此外，視頻生成大模型要真‘算’，沒有開源的模型，需要實打實對數據進行處理。”就爲何企業對視頻生成模型的市場參與度低於文本大模型，吳太兵告訴記者。他認爲，Sora把大家的期望值拉得很高，但做好視頻大模型很難。相比文本大模型理解人類，視頻大模型需要理解的是世界，即便是人類自身，也沒有完全理解世界。

企業投入做視頻生成模型並不簡單，一個例證是，一年多前國內掀起大語言模型“百模大戰”，但Sora面世後，跟進視頻生成大模型的玩家卻不多。吳太兵表示，相比文本大模型花幾千萬元就可以做，對於視頻模型而言，幾個億的資金估計纔剛剛能起步。目前，視頻大模型的商業模式還沒有完全跑通，付費意願也是需要考慮的問題。視頻大模型與應用深度捆綁、不做通用型模型，採用漸進式做法，將是比較可持續的路線。

“除了架構需要成熟外，視頻大模型相比圖片大模型維度更多，要求的計算資源也更多，這是目前比較大的困難。Sora要生成一個視頻需要分鐘級的時間，而且良品率沒那麼高。” 騰訊混元大模型文生圖技術負責人蘆清林告訴記者，視頻大模型一個要點是如何生成質感很好的視頻，目前的情況是生成時間還很短、視頻分辨率不足，以至於很多場景很難應用。

從應用上看，多模態中的文生圖模型似乎更容易落地。今年五一期間，一款提供黏土濾鏡的AI圖像軟件Remini走紅。據七麥數據，5月1日該應用在國內iPhone上的下載量達28萬，但5月下旬起每日下載量下滑至1萬以下，沒有顯現出大爆款的潛質。旗下有Stable Diffusion文生圖明星產品的初創公司Stability AI，似乎也未找到很好的商業模式，頻頻傳出團隊動盪、資金緊張、考慮被收購的消息。

“文生圖模型的應用點比較多，但我不認爲它的商業化應用會比較清晰。很多玩法已經出來了，但這不代表它未來有很強的商業化能力，我們還在摸索階段。目前我們沒有看到一個很強的AI原生產品能有很好的商業化表現。” 蘆清林告訴記者。

記者瞭解到，與文本大模型技術路線逐漸收斂至Transformer不同，文生圖技術仍在迭代過程，從Stable Diffusion向Diffusion、Transformer融合的技術路線（如DiT）演進，業內公司和產品仍在探索與適應。

或許不得不承認，從大模型智能涌現的閃亮一刻到大模型真正改變世界，這段路上更多的是棘手的工程化和商業化問題，這些具體的問題如何解決，才決定了爆款應用何時到來。