首页 > 科技未来 > 内容

对于在大模型中“挖金”的创业者来说，阵痛是否比红利来得早？

发布于：2024-06-17 编辑：匿名来源：网络

根据北京市经济和信息化局公布的数据，截至今年10月初，全国发布的大型AI模型数量已达1个。

虽然参数数量没有明确标准在学术界的大型模型中，许多具有数十亿参数的模型无法与GPT4相比。

国产大车型的爆发式增长无疑揭示了一个既定事实：每次趋势出现都是一样的。

，总有人涌入，试图在新的创业浪潮中抓住机会。

正如创新工场董事长李开复所说：AI大模型是一个不容错过的历史机遇。

因为这将是历史上最大的平台革命。

它将比 Windows 和 Android 大 10 倍甚至更多。

它将重写每一个应用程序，重构人类的工作，并发挥创意人的聪明才智。

放大10倍甚至更多……为了不错过这个“百年一遇”的历史机遇，一场“百款之战”正在上演，但问题是：目前大模型的战场确实属于创业者的机会吗？ 01 “插件”更像是一个过渡性大模型的爆发，是多种因素叠加的结果。

其中，有两个标志性事件给大多数人留下了深刻的印象：一是ChatGPT的火爆，两个月内月活跃用户突破1亿；二是ChatGPT的火爆，月活跃用户在两个月内突破1亿；另一个是英伟达CEO黄仁勋的比喻，他认为“AI的iPhone时刻已经到来”。

冷静下来想一想，这两起事件都有着鲜明的移动互联网味道。

月度活跃度被视为产品成败的标准，某款产品的爆发性增长被视为市场需求激活的晴雨表。

这个逻辑是否合理不得而知，但它深刻影响了大规模商业模式的构建。

于是，很多大型车型都在建设自己的“应用中心”。

OpenAI推出了ChatGPT插件。

付费用户可以调用插件来解决某些类型的需求。

目前ChatGPT上有近3个插件。

国内百度也在积极筹划发布文心一言插件生态平台“灵晶矩阵”，并计划提供数百个插件。

亿流量、亿元基金等激励支持插件生态。

原因并不难理解。

无论是站在移动互联网顶端的苹果，还是出货量稳居前五的安卓厂商，都建立了应用市场的变现模式，并衍生出多种盈利方式例如广告排名、支付共享、游戏互通等。

即便是微信这样的超级APP，也通过小程序实现类似的机制。

现阶段，像手机厂商那样运营“插件生态系统”或许是目前大机型平台的最佳选择，开发者也乐于看到这样的结果。

就像移动互联网产生的流量红利，灌溉了大大小小的应用。

如果大机型能够沿着移动互联网的轨迹成长，大概率会带来新一轮的红利。

为大模型平台开发插件，可能会获得平台的流量倾斜，进入大模型时代，甚至通过“降维来袭”颠覆固有的市场格局。

问题是，大模型平台能否成为捕捉用户习惯的入口？在互联网和移动互联网时代，门户这个词被频繁提及，它可以细分为内容、应用、操作系统、硬件四个维度。

它是用户获取信息、解决问题的第一接触点。

目前面临的挑战是，人们普遍认为一般大型车型会出现寡头垄断，最终只剩下两三个公司。

对于开发者来说，选择加入哪个大模型插件生态系统就像是一场豪赌。

毕竟，ChatGPT 的访问量已连续三个月下降，而具有类似功能的聊天机器人应用仍在层出不穷。

在大多数用户形成习惯之前，很难说哪款大机型会成为最终的赢家。

如果再放大，聊天机器人可能并不是大模型的唯一应用，而更像是一个启蒙产品。

例如，华为已将大型机型与其语音助手小艺集成。

不排除越来越多的智能手机、智能音箱、智能家居厂商也有同样的计划。

语音助手逐渐成为人们唤醒大模特的主流方式；又比如，人们所提倡的一些Agent是一种智能代理，可以独立地理解、计划和决策，并执行复杂的任务，并自动帮助其主人处理一些繁琐的流程任务。

无论是哪种情况，都意味着插件只是一个过渡。

用户所需要的只是连接到某个服务，而不需要知道该服务来自哪个插件。

先调用插件来获得某种能力的交互，注定是大模型初级阶段的产物。

02 立式大机型是金矿吗？情况似乎确实如此。

无论是ChatGPT还是类似产品，插件的主要贡献者都集中在独立开发者和人数较少的小团队。

那些拥有千万用户和海量数据的产品似乎对插件背后的机会窗口不太感兴趣。

毕竟，插件生态系统的领导者是通用大模型。

插件的作用可以归入AI+的范畴，目的是扩展大模型的多样化能力。

借用百度集团高级副总裁何俊杰的观点：“如果说大模型是聪明的大脑，那么外挂就是大模型的手脚。

”一个典型的例子就是文档处理插件。

调用大模型的能力非常重要。

处理用户的文档，然后根据文档完成总结、问答、创作等任务。

插件毕竟扮演着工具的角色，而工具产品的命运普遍并不乐观：它们在风潮期间获得了大量流量，但大多数工具却未能走上变现的道路。

趋势过去后，他们不得不购买流量来维持增长。

雄心勃勃的开发者不愿意做通用大模型的插件和“寄生虫”，而是瞄准了更有吸引力的选择：一是基于大模型的能力开发独立的应用程序，或者为自己的应用程序接入大模型。

制造商API，提升产品服务能力；另一种是基于通用大模型或开源大模型，训练适合垂直场景的模型。

据说，北京已经有一个大型AI模型，其中垂直大型模型就占了一个。

前者的挑战在于，目前的产品主要以会话类和绘画类产品为主，并且主要基于To C场景。

但C端用户仍以聊天、娱乐为主，尚未产生真正的生产力，导致付费意愿普遍较低。

同时，还存在产品同质化现象。

以聊天产品为例。

早期的产品一般都是基于公共语料库的。

如果很难从用户的问题中生成有价值的数据，那么差异化就不可能实现。

To B已逐渐成为行业内的默认选择。

大模型的能力听起来很棒，但大多数公司都用不到，因为一般的大模型无法很好地解决垂直问题。

对于B端企业来说，可以将服务行业的专业知识灌输到大模型中，进行进一步的训练和微调。

经过培训后，他们可以在本地进行私有部署，然后解决相应的垂直问题。

这为大型垂直模式提供了充足的想象空间，也是创业者聚集的赛道。

B端企业场景相对清晰，积累了海量数据，不仅可以为大模型训练提供数据，也可以为大模型效果提供试验场。

相对不太乐观的是，现阶段只有以金融为首的少数场景愿意为大机型买单，很多行业还在观望。

以金融大模型为例。

目前，发布大型金融模型的公司有蚂蚁集团、彭博社、摩根士丹利、Lemonade、苏黎世保险、度小满、瑞穗金融集团等，他们要么拥有海量金融数据，要么拥有自主开发的大型模型。

背景是，他们都不是满怀激情闯入市场的企业家。

总之，大模型的想象力越大，就越有企业想在里面寻找机会，而留给创业者的机会之窗已经不多了。

而且，还有一个不可回避的问题：创业者有资本在与大厂商竞争的同时不断试错吗？通向大模型的道路有千万条，这也意味着百万条死胡同。

03 企业家的“难以忍受的痛苦”首当其冲的是合规问题。

我国7月初出台大模型注册要求，依靠API接口获取海外大模型能力的模式受到挑战。

导致年初接入OpenAI进行应用的团队都不同程度地陷入了困境。

例如，在线设计平台是国内最早推出AI绘图的产品之一，并围绕AI绘图构建了社区生态系统。

但9月初，这个平台突然宣布“网站维护”。

直到一个多月后，仍处于“网站升级中”的状态。

在每天都有新事物出现的大型行业中，早期的先发优势不可避免地会随着时间的推移而消失。

与以往的“风口”不同，面对大模式的曙光，企业家很兴奋，但监管却很理性。

为防止大型车型市场重蹈野蛮增长的局面，防止大型车型失控，相关政策法规密集出台。

不久前，科技部、工信部、教育部等10个部门联合下发《科技伦理审查办法（试行）》，明确提到算法、模型、技术的设计、实现和应用。

制度应当遵循公平、公正、透明、可靠、可控的原则。

符合国家相关要求，伦理风险评估审查和应急预案合理，用户权益保护措施全面适当。

几乎同一时间，国家信息安全标准化技术委员会发布了《生成式人工智能服务安全基本要求》（征求意见稿），涵盖了语料库安全、模型安全、安全措施、安全评估等多个方面。

其中，在语料库安全要求中，不仅明确语料库来源可追溯，包括开源语料库和自采语料库，而且还要求建立语料库来源黑名单，黑名单中的数据来源不应用于培训。

“应对每个语料来源进行安全评估。