“跌跌不休”：大模型怎么不香了？

　　文：向善财经

　　最近，百度美股跌得有点惨。

　　从9月底的130美元，硬是跌到了110美元附近，要知道就在7月底，百度股价还一度超过了150美元。

　　不到三个月，这股价就像坐上了过山车。今年百度世界大会一开，股价还是噌噌往下掉，大会上Robin演讲越是卖力，可二级市场似乎越是不买账。科大讯飞也是如此，人工智能大会一边开，二级市场股价一边往下掉。

　　开会似乎就像是大模型的“魔咒”， 一开会股价就跌，PR上始终是利好，但二级市场却是一直在利空。似乎喊得越起劲儿，市场信心反倒是越弱。

　　国内的大模型，可能是PR做得太好了，毕竟每一次发布会永远都是对标ChatGPT4，宣传上各家的能力不断在提升，但实际应用中翻车的情况也不少。比如这几日沸沸扬扬的讯飞学习机风波。

　　那么，如今的大模型为什么不受待见了?国产大模型还能不能逆势翻盘?不妨来深入研究一番。

　　大模型为啥不香了?

　　二级市场股价下跌这事儿很复杂，但背后的逻辑也有相似性。

　　大模型赛道的几个代表，百度、讯飞、昆仑万维，甚至是后来者360，这些玩家技术积累不同、业务模型不同，但二级市场定价下滑其实都有相似的逻辑。

　　总结起来就是，下滑是结果，导火索是股东减持，但根本原因可能还是在于业务。

　　最近几天，多家机构下调了百度的目标价，并且下调了未来一段时间内的业绩预测。港股方面，大和下调了百度目标价到163港元。美股方面，花旗下调了百度第三季度收入预测，以及下调目标价格到178美元。

　　此外，摩根大通、杰富瑞均调低了百度的目标价。

　　要知道，百度不久前才发布了最新版的文心一言，并且发布会上，Robin充满自信的表示，在部分能力上，新版的文心一言已经超过了GPT4。

　　机构调低预期的原因可能在于两点，一是像报告里说的，对第三季度的业绩不看好，二是对于新版的文心一言的竞争力，可能并没有太多的信心。

　　与第三方机构评估呼应上的，是过去一段时间发生的减持。

　　有雪球社区的博主注意到，国庆期间，百度在美股发布的公告显示，百度股东马东敏卖出了39万股，对应的总金额为5239万美元。值得注意的是，今年7、8、9月，也有几笔减持发生。

　　根据美国证券交易委员会SEC的公告，此前百度曾经计划出售其所持的携程集团股票，出售的股票市值约为1.586亿美元。这几笔减持是否与此有关，还需进一步验证。对此，目前并未见到百度官方对外作出解释。

　　不过即便是如此，减持的哪怕是携程，也可能会给外界造成误解。

　　毕竟时间节点特殊，Robin在世界大会上意气风发信心十足地推销自家大模型，背后马东敏却在减持套现?留给市场的印象总归是不太好的。

　　平心而论，至少在这件事儿上，robin不耍花招，股票该卖还卖，大模型该发布还得发布，倒不像是老周，还得先搞个“花式减持”，引来全网对大佬们离婚的关注。

　　老实讲，减持这事儿其实没什么奇怪的，毕竟大家都在减持。

　　8月14日，刘庆峰减持39956100股，持股比例从7.27%降为5.54%，此前刘庆峰也多次减持，2021年曾款筹集资金23.5亿元认购公司股份，外界分析，如今减持是为了偿还当时欠下的债务。

　　同样减持的还有昆仑万维。今年7月，周亚辉前妻李琼减持昆仑万维套现了13亿元，减持后，李琼女士持股从11.06%降至8.06%。

　　市场担心减持，其实担心还是在股价高位套现离场，如果公司仍然足够的成长性，倒也无妨。可问题在于，老业务成长性不够，押注大模型，还没有到能够开香槟的时候。二级市场表现自然很是尴尬。

　　还是拿百度来说。

　　现金流业务还是移动生态，基本面还是信息流广告，但整个广告行业的大盘都是在向短视频平台倾斜，增长最快的是字节，去年字节整体收入逼近了1000亿美元，由此可见蛋糕其实已经被吃下去了。

　　剩下的蛋糕，视频号会吃走一部分，小红书会分走一些，然后就是各大电商平台，淘宝京东美团，百度自身的信息流业务成长性其实并不多了。

　　天眼查APP信息显示，百度2021年回港上市，回港上市之后，股价也几经波折。

　　的确，大模型的确能拉高AI业务的想象力，但从百度股价的变化来看，2022年11月份触底之后，大模型释放红利，再到2023年利好已经是出尽了。

　　市场冷静之后，人们回过头一看，在大模型上百度那是公关没输过，实战没赢过。Chat GPT是用户自发火起来的，而文心大模型是PR带起来的。就好像前几年的智能汽车行业做PR，只要定语下的够多，个个都是第一名。

　　前段时间举行的百度世界大会上，百度表示最新的文心一言已经在部分能力上超过了GPT4，当然这话是可信的，只不过GPT4版本已经是过去了。现实中的客观差距仍然在，至于文心一言能不能支棱起来，看了发布会之后大家心里都有数。

　　此外，二级市场踌躇不前，可能也是在纠结大模型做出来能不能变现的问题。毕竟资本市场看重营收利润。技术的故事讲得再好，不如实打实的现金进账来得有安全感。毕竟这么多年，做AI大模型烧的钱也不少了，能不能挣到钱，始终是核心问题。

　　产品化、商业化是转折点

　　对于大模型，市场最失望的其实还是没能有一个现象级的产品出现。

　　回过头看当年移动互联网时代的爆发，其实靠的就是一两个核心的现象级的产品去引爆，这个产品是微信、是支付宝，因为有了这俩应用，整个流量商业的逻辑才能跑通。

　　所以，这波大模型市场不看好，一个很关键的原因是并没有这样一个产品出现。

　　要知道，应用意义上的“产品化”是要解决实际问题的。大模型强化一波语音交互应用，能不能做出真正意义上的超级应用?

　　这个问题还需要进一步回答，否则，再大的欢呼，也只是半场开香槟。比如说，某家大看起来很强的大模型，但你真正用它去解决问题的时候，发现并没有什么实际意义，自然就没有持续的爆发增长。

　　产品化的第一步，是生成内容的可信。

　　在体验过各家发布的大模型产品后，有这么一种强烈的感觉，虽然叫不同的名字，但大家的产品并没有太大差异，能够完成的任务类型都差不多。主要的差异其实是内容。

　　对于某些垂直领域的提问，大模型给出的答案无论是从专业度上还是从时效性上都似乎不能满足人们的需要。这可能是因为，无论是文一言，或是星火大模型，大家对垂直领域的数据训练其实还不够。

　　OpenAI、Google 及其支持的 Anthropic 也都有类似的问题，生成式 AI 模型越准确可信，就必须有足够的数据量做支撑，数据的量起来了，首先要解决的内容的潜在的法律问题和合规问题。

　　比如，教育领域的产品，对内容的审核其实就更重要。2021年，新华社“新华视点”曾经调查发现，网易有道词典笔频频出现过拼写、音标、翻译等内容的错误。

　　当然，随着时间的推移以及数据量的增加，错误的内容比例会逐渐降低，准确率也会进一步提高，但对于某些带有倾向性、误导性的内容，如何处理?

　　这也是解决可信问题的关键。

　　产品化的第二步是找到应用场景。

　　一个行业有没有对大模型的需求，跟大模型能不能真正满足真正的需要完成产品化，其实损两回事。比如，一些ToC的产品，技术上看似能够实现应用，但实际的产品应用效果并不理想。

　　比如，图片生成，目前已经做到了根据提示词去从0到1的正常图片，但是，用户想把一张2K分辨率的图片清晰度生成为4K还是很难。

　　技术上并不复杂，但大模型却给不出结果。这就像是以前的AI语音助手，你说它能用吧，也确实能用，但也谈不上好用。苹果SIri发布了这么多年，iPhoen用户真实使用的频率有多高?

　　找不到正确的，恰当的应用场景，就很难真正去完成好产品化。

　　这也是当前国内的大模型落地面临的核心问题之一。因为产品化本身的意义在于满足用户的功能性需求，如果大多数用户还是处于尝鲜的状态，用来解决实际问题的用户不多，不能形成规模，那么大谈特谈应用场景，本质上没有任何意义。

　　由此来看，产品化的关键在于能够精准定义用户需求。这可能恰恰是搞技术的“大模型玩家”所不擅长的。

　　最后，商业化其实是产品化的自然结果。

　　硅谷教父彼得·蒂尔曾说“我对一切主题热点投资都抱有怀疑态度，一般来说这样的投资毫无区分度。大家很喜欢把一大堆完全不同的东西放进一个热点中，标签是，云计算，大数据，人工智能，医疗SaaS等等，但是实际上是底层却完全没有区分度的公司。”

　　什么是有区分度的公司?放到大模型的赛道中，其实就是有技术能力，能精准定义用户需求，擅长细腻挖掘场景的公司。

　　可惜的是，这样的公司少之又少。

　　大模型领域何时才有这样的公司?这可能也是投资者们心中所问。