时代财经

图片来源：Pixabay

大模型热潮已涌动了一年多，站在现在这个节点回看，并没像人们预想的那样带动无数热钱涌入。对专注在这一领域的创业者来说，生存还是他们最先要考虑的问题。

“现在（大模型）创业都很具体，要么帮企业一年内赚钱，要么帮客户三个月内增效，本质上技术都要为这两个目的服务。”特赞创始人兼CEO范凌如是说道。

特赞是一家专注在AIGC领域的科技独角兽企业，身为同济大学设计人工智能实验室主任、教授的范凌希望通过强大的生成式人工智能技术，助力企业降低内容生产、管理和分发的成本，并提升效率。

与月之暗面、阶跃星辰、MiniMax这类信仰AGI（通用人工智能）、追求AGI，并试图改变世界的大模型明星创业公司相比，范凌的愿景并不是一个特别有想象力的故事，但它更实用，也能更快赚钱。

据腾讯科技此前报道，眼下，中国科技行业对大模型的态度已分裂成两派阵营。一派相信技术，认为倘若不追求“更大更强的AI能力”，一旦其他人的模型能力取得飞跃，很快会降维碾碎现有根据地与护城河；另一派更为现实，他们认定只需将“足够的AI能力”投入可以快速变现的商业场景中，就可以用中国市场庞大而独特的数据构筑壁垒。

前者固然令人激动，但后者，或许才是更多中国大模型创业者面对的现实。

小模型难赚钱，大模型太烧钱

近日，围绕“大模型时代的创业生态”的主题，腾讯研究院联合前海国际事务研究院、青腾一同发起了AI&Society人工智能+社会发展高端研讨会，诸如特赞、智谱AI、元象XVERSE、澜码科技等AIGC创业公司及行业知名投资机构发表了演讲。

“大的模型投不起，小的模型还看不到赚钱能力。”在研讨会上，梅花创投创始合伙人吴世春用这样一句话形容当下大模型领域的投资难题。

在吴世春来看，AI领域的投资机会主要是三个，都与快速落地相关：一是投应用场景，如将AI嵌入智能手表；二是投AI配套服务；三是投有造血能力的企业。

事实上，这是多方因素共同导致的结果。

一方面，大模型的“贵”众所皆知，数千万元一次的训练成本注定了这是少数人的游戏。再叠加美元基金黄金时代落幕，风险投资也愈发谨慎。或许正是因此，大模型热潮难以带火一级市场。

研究机构CB Insights发布的《2023年人工智能（AI）行业现状报告》数据显示，2023年，中国AI领域投融资数量约为232笔，同比下降38%；融资总额约为20亿美元，同比下降70%。特别是2023年第一季度，无论是融资额还是融资量，都创下了5年来最低，中国AI行业融资热“降温”尤为明显。

当创业者获取融资的难度增大，难以覆盖长期研究所需成本，它们就必须迅速获得商业成果、完成商业闭环，才能确保项目的可持续发展——这成为了中国与硅谷大模型创业生态之间的最大差异。

姚星曾主导创建了腾讯首个人工智能实验室AI Lab，后离职创业通用大模型公司元象XVERSE。他分享了年初拜访硅谷时收获的感悟：“国内普遍认为做大模型必须先想清楚怎么赚钱，有钱才能活命的。与之相比，硅谷的大模型从业者普遍相信，最重要的事情就是干通用大模型，他们只想‘奔月’。”

但在姚星看来，两种发展方向之间并无优劣之分，只是文化上的区别，做好大模型的应用落地同样重要。

香港中文大学（深圳）教授、前海国际事务研究院院长郑永年同样认为，中国大模型创业公司与OpenA的I发展方向不同，不应该是差距，而是差异化。

他在接受时代财经采访时指出，不同国家（地区）在人工智能发展模式上存在差异，中国已经在大模型监管层面站在世界领先的位置，下一步应当鼓励发展。“既然我们可以造刹车，那我们也可以造速度更快的汽车，所以发展与监管安全我们可以做到两者并存。”

至于如何鼓励创新发展，郑永年认为，应当加强政府部门、学校及企业之间的信息流通，并重新调整资源分配，把更多的资源放在年轻学者、创业者身上，给予他们试错的空间。

ToB仍是商业化主流

不过，要如何将大模型强大的能力落地应用，并从中实现商业闭环，创业者们仍在探索。一些曾经被看好的方向似乎被证明困难重重。

如此前曾备受期待的AI原生应用，百度创始人兼CEO李彦宏曾多次公开表示，卷大模型没意义，卷AI原生应用才有价值。

但大模型热潮鼓动一年之后，吴世春却发现，市场上完全基于AI原生的项目只有30%到40%，绝大部分项目仍是过去已有的产品升级。

“一方面在于AI原生应用要承担教育市场的成本，目前的用户要么是基于好奇，要么是行业内的自消费，难以持续。另一方面，底层大模型能力仍在不断进化升级，AI原生应用很容易被能力升级过后的通用大模型取代。”吴世春分析道。

类似的故事已有发生。OpenAI发布令世人惊艳的视频生成模型Sora之后，Pika、Runway等一众文生视频的创业公司均遭受严重挑战。而依靠文案生成能力跻身独角兽之列的明星创业公司Jasper，也在ChatGPT出现之后迅速陨落。

“ChatGPT毁灭你，与你无关。在这种情况下，创业者很难自己构成一种独立的逻辑，完成用户某一个大的体验服务闭环。”吴世春说。

与之相比，企业服务仍是大模型目前最主流的商业化路径。相比缺乏付费意愿的C端用户，B端客户对先进技术的渴求更为明确。

国际数据公司IDC曾在2023年四季度开展过一次AI应用调研，结果显示，在100家受调企业中，对生成式AI完全没有规划的企业比例只有7%，这也意味着超九成被调查企业已布局了AI应用。已经投资了生成式AI，并已有明确预算的企业有24%；还有34%的企业已经开始制定潜在应用场景；35%的企业开始尝试试点，但暂未明确预算。

其中，最受关注且最希望从中获取价值的前三大应用分别是：智能客服类应用、支持财务和运营决策类应用，以及专注于提升员工生产力的应用。在实际探索中，预计能最先落地的场景则是数字化营销、智能客服，以及支持财务和运营决策的应用。

在范凌看来，大模型创业破局的关键就在于明确知道企业需要什么。“企业需要的就是增长，要短期的降本和长期的增效。用AI做出一些场景创新，他们也是能够接受的，但如果只是纯粹的创新，其实生命力很短暂。”

此外，如算力供应等AI配套服务，也是另一大创业方向。如算力服务企业无问芯穹，就致力于在大模型和芯片之间打造一个更灵活适配的中间层，并利用GPU推理和加速技术降低部署成本。

在无问芯穹联合创始人兼首席科学家戴国浩看来，2024年很有可能成为大模型技术发展的一个转折点。戴国浩发现，在30亿、70亿参数这样特定规模的模型上，开源和闭源的模型差别在变小，反而是应用的人越来越多。这就说明，随着时间的推移，模型能力会逐渐触顶。

“更重要的事情是做落地，怎么在部署的时候把成本打得足够低。”戴国浩表示。

毕竟，价格与应用场景仍是大模型难以大规模落地的主要原因。可见，与AGI的遥远梦想相比，现阶段国产大模型赛道的创业者们必须先考虑的是ROI（投入产出比）。