有個著名咨詢公司曾經(jīng)預測過：未來只有兩種公司，有人工智能的和不賺錢的。

(資料圖片)

它可能沒想到，還有第三種——不賺錢的AI公司。

去年我們報道過“正在消失的機器視覺公司”，昔日的“AI四小龍”（ 商湯、曠視、云從、依圖），在商業(yè)化盈利上各有各的不順。不過，隨著GPT系列產(chǎn)品又掀起一股“大煉模型”的熱潮，這些AI公司又支棱起來了。

商湯科技此前曾披露，下一步的發(fā)展戰(zhàn)略是通用人工智能（AGI），繼續(xù)推進“大裝置+大模型”，并發(fā)布了1800億參數(shù)的中文語言大模型 “商量”。

曠視科技也表態(tài)，會堅定投入生成式大模型的研發(fā)，保持核心技術(shù)能力長期領(lǐng)先。

云從科技公開的定增預案中，為云從“行業(yè)精靈”大模型研發(fā)項目，募集資金不超過36.35億元。

依圖科技沒有公開消息，但在此前的融資中曾因AI大模型和國產(chǎn)芯片等被看好。

無論是上一輪，以BERT、GPT-3為代表的“預訓練+精調(diào)”大模型，還是此刻正紅火的，以ChatGPT、GPT-4、文心一言等為代表的“預訓練+精調(diào)+提示+RLHF（人類反饋）”的大語言模型，已經(jīng)成為各大頭部科技公司“秀肌肉”、相互競爭的重要工具。

谷歌、百度等大廠跑著入場，各路大模型“神仙斗法”。這場狂歡派對，成了機器視覺公司不得不玩、又玩不起的游戲。

尷尬的“長衫”

最近，CV公司參與到大模型這局游戲中，出現(xiàn)了這樣的畫風：語氣一會兒大，一會兒慫。

在公開信息中，都表示自己會加大投入，去解決基礎(chǔ)技術(shù)、基礎(chǔ)問題。云從的管理者說要“投一二十億解決算力問題”“我們是技術(shù)公司，研發(fā)投入不會低”；商湯的有關(guān)人士稱，要做“統(tǒng)一化標準化的大模型”“加速構(gòu)建通用人工智能的核心能力”；曠視也對標OpenAI，要“做影響物理世界的 AI 技術(shù)創(chuàng)新”。

談到大模型技術(shù)和產(chǎn)品本身，底氣又不足了。

這個說“基礎(chǔ)大模型要有長期布局，NLP難點很多，短期內(nèi)與境外領(lǐng)先企業(yè)會存在較大差距”，那個說“中國AI公司有商業(yè)化的壓力，不能像OpenAI那樣不計代價的創(chuàng)新”。

“預期管理”算是被你們玩明白了。

年輕人流行說自己是“脫不下長衫的孔乙己”，CV公司對于大模型這種不尷不尬的處境，其實也和“孔乙己”有相似之處。

CV公司在底層技術(shù)、基礎(chǔ)設(shè)施、人才、資金、生態(tài)等領(lǐng)域的積累，不如頭部科技企業(yè)優(yōu)勢顯著。所以，自然也不可能真的跟谷歌、OpenAI、BATH（百度、阿里、騰訊、華為）正面打擂臺，燒錢去做通用的基礎(chǔ)大模型（foundation model）。

新一輪大語言模型，完整技術(shù)棧、工程實現(xiàn)能力、算力成本、數(shù)據(jù)積累等都有極高的門檻，AI公司自研大語言模型的難度前所未有。 OpenAI 在2022年就花掉了5.44億美元，收入只有3600萬美元，這是國內(nèi)CV公司不具備的家底兒。

當然，外界也不應(yīng)該過度放大CV公司的責任，非要將巨頭才能承擔的創(chuàng)新壓力放在CV公司身上。

但是，CV公司又有著“AI-native原生企業(yè)”的光環(huán)，也確實積累了很多技術(shù)儲備， 所以也不能直接躺平，像ISV集成商、軟件公司一樣依附大廠，歡欣鼓舞地等著集成或調(diào)用API就好。

昔日的“AI四小龍”還是要撐起“技術(shù)自立”的架子，努力融入這波煉大模型的熱潮里，于是，又將模型數(shù)量和參數(shù)規(guī)模的比拼，拉升到了新的競爭水平。

比如云從有NLP、視覺領(lǐng)域的預訓練模型，商湯在“AI大裝置SenseCore”的基礎(chǔ)上，構(gòu)建的日日新大模型體系就包含了通用視覺模型、中文語言模型、圖片生成模型……其中，僅“商量”大模型的參數(shù)規(guī)模，就和GPT-3差不多。

今天大家都感慨，孔乙己脫下長衫不容易，換個角度，“大模型”這件長衫，CV公司是不是有必要穿上呢？

玩不起的游戲

從2018年的預訓練大模型到2023年的大語言模型，大模型走過了一個從萌芽到繁榮的小周期，種類、功能也豐富起來，我們已經(jīng)見過很多AI企業(yè)、高校和科研機構(gòu)、行業(yè)公司所打造的各種各樣的大模型。

問題來了：

第一，大模型的“智能涌現(xiàn)”，需要在超大規(guī)模的數(shù)據(jù)和充分的訓練才能出現(xiàn)，只有不計投入的基礎(chǔ)模型能做到。

很多面向行業(yè)的預訓練大模型，由于數(shù)據(jù)和訓練不足，無法達到“智能涌現(xiàn)”的臨界點，這也是為什么此前預訓練大模型那么多，卻只有ChatGPT的到來，才證實了“通用人工智能”的可行性。

在基礎(chǔ)模型的魯棒性、泛化性極大提升的今天，一味盲目地“訓大模型”，結(jié)果就是“大小班同上”，基礎(chǔ)大模型和行業(yè)大模型一起，消耗本就不充沛的算力，進一步推高計算成本，讓AI企業(yè)背上更重的負擔。

第二，大模型的商業(yè)化路徑，標準化API是比較基礎(chǔ)的一種，而基礎(chǔ)模型API有虹吸效應(yīng)。

簡單來說，通過API接入AI能力，技術(shù)是決定性因素，基礎(chǔ)模型的能力強、受眾廣泛，很容易通過API經(jīng)濟完成商業(yè)化，而行業(yè)大模型面對的領(lǐng)域較窄，很難通過“規(guī)模效應(yīng)”來攤薄研發(fā)成本。

隨著一個又一個大模型被推向市場，大家恍然發(fā)現(xiàn)：原來我們并不缺大模型，缺的是商業(yè)化路徑。

目前，大模型的商業(yè)化還比較有限，C端通用產(chǎn)品貼成本定價，B端盈利前景不明朗，根據(jù) A16Z 對美國 LLM 創(chuàng)業(yè)調(diào)研，純模型廠商只能拿走0-10%的價值，并且要長期對標OpenAI的定價策略，會面臨很大的商業(yè)化壓力。

通用基礎(chǔ)模型和行業(yè)大模型一起面向市場和客戶，結(jié)果就是，在商業(yè)價值分配上產(chǎn)生博弈。AI巨頭“神仙斗法”，打造出的通用基礎(chǔ)大模型會吸引產(chǎn)業(yè)和用戶的最多關(guān)注。

而大量行業(yè)大模型，要么在訓完后無人問津，浪費了前期投入；要么無法滿足產(chǎn)業(yè)需求，商業(yè)化前景受限；或者跟通用基礎(chǔ)大模型的能力有沖突，導致商業(yè)化達不到預期。

同為AI創(chuàng)業(yè)型公司的出門問問創(chuàng)始人李志飛，就在一次采訪中直言：“不是所有人都要去做通用大模型，貿(mào)然進入，難度很大，商業(yè)競爭很激烈，想不清商業(yè)模式到最后會很痛苦。”

所以，大煉模型，可能是CV公司目前玩不起的一局游戲。

輕裝上陣的路

你可能會問，現(xiàn)在大模型這么火，不訓大模型怎么能吃到這波紅利，在新一輪AI熱潮里建立優(yōu)勢呢？

CV公司要輕裝上陣，可能要嘗試這樣幾條路，去探索大模型熱潮中的機會：

1.跟基礎(chǔ)大模型平臺建立更緊密地聯(lián)系。

自己開發(fā)大模型難度太大，訓練成本、存算成本過高，社區(qū)生態(tài)支持也不夠充足?？梢哉驹诰奕说募绨蛏?，接入基礎(chǔ)模型的能力打造小模型，與基礎(chǔ)模型的商業(yè)模式形成差異。

此前CV公司盈利難的一個挑戰(zhàn)是：機器視覺要進入腰尾市場，存在著海量的碎片化需求，客戶體量比較小、數(shù)量多，項目規(guī)模不大，這對CV公司的開發(fā)效率提出了很高的要求。

通用的成熟型算法，無法滿足細分需求，但全靠算法工程師來定制開發(fā)不現(xiàn)實，也不夠經(jīng)濟劃算。基礎(chǔ)大模型，將算法開發(fā)推進到工業(yè)化階段，減少了編程工作量，提高了開發(fā)效率，定制化算法的性價比提高，也就更容易為企業(yè)所接受。

對于CV公司來說，算法進入工業(yè)化大生產(chǎn)階段，將碎片化需求全面覆蓋、規(guī)?；瘡陀茫w營收能力自然也就上來了。

2.深入到具體行業(yè)中去，構(gòu)筑能產(chǎn)生差異化的應(yīng)用產(chǎn)品。

基礎(chǔ)模型要走向產(chǎn)業(yè)，必須進一步精調(diào)，CV公司就有相應(yīng)的優(yōu)勢。

很多高度專業(yè)化或復雜的工作，比如金融、建筑設(shè)計、編程、辦公、客服等，需要精準的垂類知識；一些特定領(lǐng)域，比如醫(yī)療、司法，非結(jié)構(gòu)化數(shù)據(jù)比較稀缺。沒有足夠的語料來“投喂”，基礎(chǔ)模型在這些場景就會欠缺一些“常識”，比如GPT-4就寫不好中文詩。

據(jù)說，GPT-3.5的訓練數(shù)據(jù)集全部為私有數(shù)據(jù)集，其中關(guān)鍵的SFT訓練集，有89.3%的數(shù)據(jù)是定制的。

CV公司大多有自己聚焦的垂直領(lǐng)域，比如依圖的智能醫(yī)療，曠視的物聯(lián)網(wǎng)，云從的智慧園區(qū)，商湯的智慧城市、智慧出行等，可以結(jié)合在相關(guān)領(lǐng)域沉淀的差異化數(shù)據(jù)集，利用精調(diào)或prompt的方式，打造出更加精確、可靠的小模型，更容易部署，為AI應(yīng)用加速AI的快速落地。

3.建立更具韌性的生態(tài)合作護城河。

CV公司在大模型技術(shù)上的積累，就會變成AI 2.0時代的底牌，也可以作為與AI巨頭、算力提供商的生態(tài)合作籌碼。

比如這一輪大模型，對提示學習、人類反饋的強化學習RLHF等提出了很高的要求，讓模型在人類的引導下，發(fā)現(xiàn)知識的使用方式，理解人類的偏好，這在國內(nèi)都屬于很新的領(lǐng)域，提示師、專業(yè)標注師很少。有媒體報道，OpenAI的標注員，本科學歷52.6%，碩士學歷36.8%，這就不能全部靠眾包模式來進行數(shù)據(jù)標注，必須擁有自己的垂直領(lǐng)域的標注團隊。

比如醫(yī)療領(lǐng)域，醫(yī)學圖像還沒有建立起自然圖像那么大級別的數(shù)據(jù)庫，而對醫(yī)學圖像的標注是很難的，不像自然圖像標注，普通人一看就知道是什么，醫(yī)學圖像的數(shù)據(jù)標注涉及到器官、癌變等專業(yè)知識，就需要針對性地積累。

這樣的高水平技術(shù)人員，恰恰是CV公司這種AI-native原生企業(yè)的重要資源，可以與產(chǎn)業(yè)鏈上下游開展更緊密地合作，從而保障產(chǎn)品和服務(wù)的競爭力和可持續(xù)性，吸引客戶更多地將數(shù)據(jù)放入自己的產(chǎn)品中，形成馬太效應(yīng)。

大模型開辟了一條蘊藏著極大價值和可能性的新路，被寄托了太多期待和野心。要有大模型能力，不代表要自己訓大模型。

重復建設(shè)的熱潮終會褪去，屆時，大模型商業(yè)化的考驗才剛剛開始。

對于CV公司來說，脫下“大模型”的長衫，是為了留住商業(yè)化的“底褲”。集體弄潮只是只是一時熱鬧，保存實力才能在AI江湖中走得更遠。

標簽：