崔大宝：大模型降温背后的难点、卡点、节点

　　本文来自于微信公众号节点财经，作者:崔大宝。

　　进入2024年，大模型似乎有熄火之势:资本市场，与之关联的概念炒不动了，英伟达股价动辄暴跌重挫，引发“泡沫戳破”的担忧;

　　消费市场，BATH们的推新活动少了，产品更新迭代的速度慢了，民众的关注度降了……

　　热闹的大概只剩下两场酣仗:自5月15日字节跳动宣布“以厘计费”，打响国内大模型“价格战”的第一枪，百度文心、讯飞星火、阿里通义、腾讯元宝等纷纷跟进;

　　同时，地铁、写字楼、机场等白领人群密集区域，百度文心、讯飞星火、阿里通义、腾讯元宝、华为盘古的Slogan，你方唱罢我登台，贴脸营销如枪林刀树。

　　“海水”与“火焰”交融的场面，不得不让人思考，大模型的出路究竟在哪里?难点、卡点、节点又是什么?

　　难点:盈利难&落地难

　　强如OpenAI，也面临“恰饭”的难题。

　　援引外媒报道，OpenAI预估亏损50亿美元，全年运营总成本高达85亿美元，照此估算，其现金流大概率在一年内耗尽。

　　而在一篇题为《How does OpenAI Survive》的长文中，作者对OpenAI的商业模式产生了质疑:

　　“OpenAI的营收在35亿至45亿美元之间，但其运营亏损可能高达50亿美元，其收入远远无法覆盖成本。而为了推出下一代的大模型GPT5，OpenAI需要更多的数据和算力，这又是一大笔花费。”

　　说千道万，靠着“碎钞式”的大力出奇迹后，大模型却仍未找到一条合理的盈利路径。

　　据《节点财经》观察，市面上的大模型，大部分都采取To C+To B，即会员订阅+开发者API调用“两条腿”走路。

　　但无论是To C，还是To C，能一上来就产生付费的寥寥无几，若再刨除重负的减项，多半是鼻子大过脸。

　　以本土大模型先行者百度为例，2024年Q1，其云业务收入为47亿元，同比增长12%，其中6.9%来自外部客户使用大模型及生成式AI相关服务，约为3.24亿元。

　　而在2023年Q4，大模型为百度云贡献了6.6亿元增量收入。

　　这是国内唯一披露大模型收益的厂商，本身又是家大业大，有底气拼到底的巨擘。但只谈创收，忽略创利，就是耍流氓。

　　可想而知，其余不敢明示账目的选手，内心有多迷茫、煎熬。

　　不挣钱，难挣钱的背后，是大模型落地难的窘境。

　　虽然大佬们高呼“ChatGPT”的问世是“iPhone时刻”，第四次工业革命，新一代的“火”和“电”，但坦率地讲，当下大模型还有很多局限性，包括认知偏差、能动性欠缺、泛化性能弱、幻觉等。

　　比如，数值运算就是大模型明显的弱项，或者说大模型是妥妥的“文科生”，做数学题的智商可能连二、三年级的小学生都不如。

　　《节点财经》亲测，在Kimi输入:“9.11和9.8哪个大?”一顿啰嗦后，Kimi给出了完全不正确的答案。

　　比如，大模型资料更新不及时，必须外挂知识库才能在一定程度上缓解这个痛点，并且还是无法完全解决“一本正经地胡说八道”的尴尬。

　　前几天刷屏的SearchGPT，就在各地网友兴致勃勃等待灰测展现AI搜索的“洪荒之力”时，《大西洋月刊》浇了一盆冷水，眼尖的记者发现:

　　问的是关于“八月份北卡罗来纳州的布恩音乐节”的细节，SearchGPT的回答分为5条，3条里包含事实错误——有的是把举办日期弄错，有的是把距离和车程搞混，有的是把场馆网址张冠李戴。

　　再如，大模型绝对是“健忘症”患者，我们在和它对话时，尤其是多轮对话时，难免要化身“复读机”，一遍一遍重复相同的话术。

　　而在B端，因为实战经验不足，生分于对方的Know-How，加之环境的复杂多变性，大模型面临的挑战更艰巨。某业内人士表示，迄今大模型在行业中尚没有一个成熟的案例。

　　卡点:数据、算力、成本

　　深入肌理地分析，大模型的“落地难”又与自身的三大卡点:数据、算力、成本息息相连。

　　➊卡在数据

　　如果把大模型比作一头巨兽，那它的显著特征之一便是“不停进食”:需要高质量、大面积的语料做长久期、高频次地投喂、催肥。

　　换言之，“食物”的品质、多寡、新鲜度、多样性等，决定了大模型的迭代进度和学习效果。

　　无疑，这对数据的挖掘、获取提出严峻考验，关系到各方的权益保障、利益分配、版权归属等，通常涉及到敏感信息时，数据的清洗、标注、脱敏又会很繁杂。

　　前阵，免费网文APP番茄小说因一份“AI协议”引发轩然大波。根据该份协议，平台可以将签约作品，含名称、大纲、简介、章节等，作为“哺育”AI大模型的素材，用于各种应用场景，如智能对话、智能文本创作等。

　　不过，这一举动遭到作者的普遍反对，认为其不仅威胁网络写手的生计，还损害了原创内容的价值，甚至发起联合断更以示抗议。

　　➋卡在算力

　　如果把AI链路比作一间工厂，那么算力便是维持工厂运转，量级夸张且进价不菲的“燃料”(煤、石油、电力等)。

　　公开资料显示，初始ChatGPT匹配的算力是1万块英伟达A100(AI芯片)，花费超过7亿元。后续调优每天消耗的算力大概是3640PFLOPS，即7至8个算力达500PFLOPS的Data Center的支撑，整体基建开支以百亿计。

　　按照广发证券的测算，在暂不考虑软件层面算法优化的前提下，本土AI大模型在训练与判断、预测阶段所需算力，相当于1.1万台或3.8万台(乐观假设下)高端AI服务器，大致对应约126亿元到434亿元的资金体量。

　　进一步地，随着大模型规模状大，算力需求会倍数递增，已然超越硬件的摩尔定律。据悉，ChatGPT从1.0到3.0，参数量从1.17亿狂飙到1750亿。

　　而目前，我们在算力这块既面临外部“卡脖子”，内部建设又相对落后，碎片化、传输慢、协同难、人才紧缺等“痼疾”亟待突破，导致大模型的实效逊于国外。

　　“大模型只有两个梯队，OpenAI和Others，国产用哪家都一样”，多位AI从业者谈道。

　　➌卡在成本

　　大模型“桎梏”于算力，实际也是“桎梏”于成本。

　　计算机飞入千家万户，售价下探，变得亲民、接地气，很关键;智能手机能人手一部，物美价廉的小米功不可没;新能源汽车的热卖，离不开动力电池的“跳水式”降价……

　　从人类历史的进程看，任何一项新技术的推广、普及，都离不开对成本的有效、大力压缩、控制。

　　硬币的背面，是科技发展和工业文明进步共同作用下，制造效率、运算精度提升，人均产值拔高，各类物料愈发便宜等因素集结的强大驱动力，进而减轻C端、B端“太贵了，买还不买”的纠结。

　　大模型同理，浩大的开支也是其成长途中的“绊脚石”。试想，当生态里只有唯一的“卖铲人”(英伟达)赚钱，赚头还不小，怎么可能持续呢?

　　好消息是，今年2月末，李彦宏透露，自发布以来，百度不断降低文心大模型在推理方面的成本，已降至去年3月版本的1%。

　　节点:在产业里“种植”大模型

　　毋庸置疑，大模型仍有诸多“短板”和缺陷，但新技术的魅力向来在于探索“无人区”，跋涉“深水区”。

　　很多眼下看似微弱的“火种”，往往都孕育着日后“纳须弥于芥子”的宏壮。尽管迄今为止的大模型，大家都是拿着锤子找钉子，但我们已经看到，其正逐步向产业迈进，尝试扮演了一些浅层的Agent的角色。

　　最醒目的标识便是，大模型不再坐而论道，只会聊天、写诗、作画，而是起而动之，走出实验室，去往矿区、政务、金融、医药、金融、物流等具体领域，努力兑现自己的终极使命。

　　比如，在矿区，下井工人常年深陷光线昏暗、浮尘弥漫的环境，叠加经年累月高强度的劳碌，使不少人都患上了风湿、耳鸣等职业病，更甚者，还可能遭遇瓦斯、透水等意外，但矿区作业又十分依赖人力，特别是主运系统巡检。

　　华为的盘古矿山大模型这时候便派上用场了。其覆盖煤矿的采、掘、机、运、通、洗选等流程下的1000多个细分场景，用AI取代人成为主运智能监测系统的眼睛，能够精准识别大块煤、锚杆等异常情况，异物识别准确率达98%，动作规范识别准确率超过95%，且全时段巡逻助力工作人员，避免因漏检造成的安全事故，缩短停机时间。

　　京东表示，基座大模型是靠卡训出来的，企业大模型是靠人用出来的。

　　物流领域，揽收、派送、分拣、辅助，应对突发事件等，快递员每天都背负着繁重的任务，还要熟悉货物处理规程、安全操作标准、客服要求等多达上百个规范，把这些统统记牢，肯定要耗费大把功夫，还容易混淆。

　　京东言犀大模型的小哥终端助手大大化解了上述烦恼。它告别了只“动脑”的境界，能直接“下手”，快递员动动嘴，小哥终端助手就能立即将送货通知发给客户。如今，小哥终端助手为JD商城近35万自有配送员“效劳”。

　　再如，零售行业，基于京东言犀大模型的AIGC营销工具“京点点”，不仅可以帮助商家一键出商品图，还支持了超过2000种视觉元素道具;不仅可以丰富吸睛资源和表现力，还能依循商品属性、特点和宣传想要的个性化布局，实时、自主撰写创意卖点、种草文案、直播脚本等。

　　总的来说，把大模型“种植”在产业里，让大模型在产业里生长、发芽，俨然是现在大厂的共识，必须攻克的难关。长远看，该共识亦如“星星之火”终会燎原旷野。