OpenAI的開發(fā)者日活動后，GPTs模式引發(fā)了新一輪的AI熱潮，開發(fā)者調用過分火爆，甚至導致OpenAI服務器一度宕機。隨后，花式把玩GPTs的經驗，以及圍繞這種新形態(tài)的巨大爭議開始涌現。中國的IT從業(yè)者、軟件開發(fā)者與AI工程師也積極參與討論，迎來了一場新的AI狂歡。

但在這種氛圍下，卻有一種沉默顯得像個顯眼包。那就是絕大多數大模型公司，似乎都沉默了。為了模仿類GPT的大模型，中國AI圈用了一年時間，雨后春筍般打造了上百個大模型。但其中能夠誕生明星應用，能夠推動產品創(chuàng)新，甚至能夠擁有規(guī)?；脩舻乃坪醵剂攘葻o幾。當OpenAI的飛輪效應顯現，這些大模型公司就有種越是模仿差距越大的感覺。于是干脆不去追新的熱點，埋頭把眼前能做的先做完。

記得今年年初的時候，社交網絡和媒體都在討論中國能否有大模型？

當時我們說過，這其實是個偽命題，因為中國早就有大模型。而在ChatGPT爆火之后，中國AI遇到的問題一定不是大模型太少，而是大模型過剩。

今天，這種問題開始浮現了出來。此刻中國AI行業(yè)最大的問題，就是大模型太多，而且還挺亂。

摩肩接踵的大模型

中國到底有多少AI大模型？經過一年的井噴式發(fā)展，這已經變成了一筆糊涂賬。上半年的時候，答案大概是幾十個。時間來到11月，有人說是一百多個，有人說是二百多個?？傊?，中國此刻必然是全世界擁有大模型最多的國家，遠遠超過美國。

但是，這一百多個大模型有人用過嗎？有人對比、評測過嗎？恐怕沒有。因為除了幾個頭部大模型形成了用戶規(guī)模外，其中大部分存在于開源社區(qū)，還有一部分只存在通稿里。

這就像什么呢？其實很多人不知道，根據相關數據，中國有2600萬足球人口，同樣居世界第一。我們無從考證數據從何而來，反正周圍踢足球的人看著是不多，而國足的成績有目共睹。

為什么會出現這么多大模型呢？

首先是今年大模型賽道好，機會難得。雖然科技板塊的VC市場非常低迷，但在其他互聯網創(chuàng)投項目普遍失效，虛擬貨幣被嚴格限制的情況下，AI大模型成為今年近乎唯一的故事。因此即便熱錢不多，但還是集中涌向了大模型創(chuàng)業(yè)。

其次，與很多人設想的不同，大模型創(chuàng)業(yè)并沒有真正意義上的高門檻。一旦以股權、期權等方式吸引到了合適的人才，大模型創(chuàng)業(yè)公司過多的費用支出。相比于其他科技領域有產品研發(fā)、用戶推廣、硬件化等燒錢選項，在擁有大量開放數據集、免費工具的情況下，僅僅是訓練大模型并沒有過高的成本門檻，并且所謂大模型項目，往往一個科研團隊就可以支撐，不需要像互聯網創(chuàng)業(yè)公司搭建較為復雜的業(yè)務體系。

此外，還有一種“刷業(yè)績”式的大模型，極大程度增加了大模型數量。這種一般是高校、科研機構相關團隊，選報大模型方面課題更容易獲得立項。其結項結果發(fā)布后，大模型數量就又增加了一個?；蛘呤谴笮推髽I(yè)上級要求做大模型，于是IT部門會根據開源的模型框架搭建一個出來，即使效果不佳，落地困難，也要進行對內對外宣傳。

賽道好、成本低、需要完成任務，這幾種動力，導致中國大模型越來越多，且產生效率越來越快。

但問題在于，足球人口規(guī)模可能確實很重要，但更重要的是有一支能踢進世界杯的球隊。

沒有希望的窄賽道

那么有人或許要問了。大模型數量說難道不能成為優(yōu)勢嗎？我們靠數量出奇跡，說不定數量一多就能選出拔尖的來？

這恐怕并不現實。因為從種種理由來看，今天龐大的大模型規(guī)模，都是不可能持續(xù)存在。通稿打造類GPT模型而擠入下一個科技時代的美好想法，已經將AI大模型變成了一條沒有希望的窄賽道。

我們可以來正視這樣幾個問題：

1.大模型的數量多，其實和大模型本質背道而馳。

提起大模型，我們會說它的優(yōu)點是模型的泛化性、高魯棒性，繼而帶來了“智能涌現”效果。我們總是驚嘆OpenAI的成績，就是因為GPT系列始終在深度挖掘模型的泛化性。也就是說，大模型的優(yōu)勢就是一個頂一群，用一個模型代替一堆模型，結果反而出現了數量過剩的大模型，這與大模型初衷南轅北轍，并且浪費了海量的社會資源。

2.大模型是底層技術，底層技術的玩家不可能很多。

僅僅以AI開發(fā)為例，模型之上還有AI芯片、AI框架。在過去幾年，這些領域也有很多廠商布局，但最后大多不了了之。AI芯片無法出貨，AI框架無人問津，能夠剩下的只有頭部一兩家而已。大模型也是同樣的道理，這是一個注定洗牌到存量很少的賽道。

大模型，距離開發(fā)者很遠。

絕大多數初創(chuàng)大模型，都會選擇開源吸引開發(fā)者的模式。但現實情況是，這些模型無論是與國外開源大模型，還是國內頭部大模型相比，都沒有實際競爭力，無法形成規(guī)?；拈_發(fā)者聚合效應。這些大模型普遍是開源時大力宣傳一波吸引關注，但開發(fā)者實際體驗后馬上遇冷。

4.大模型，距離用戶很遠。

在可見的場景中，絕大多數大模型都缺乏商業(yè)化支撐，是這個賽道最大的問題。對應大模型創(chuàng)業(yè)型企業(yè)來說，一開局就是最艱難的局面。后來廣受詬病的機器視覺公司，在開局階段還有智能安防市場作為支撐。但大模型公司擁有的只是算法，甚至連一條可行的商業(yè)化通道都找不到。

這些問題，導致堆積了巨大數量的大模型賽道開始變得并不美好。它今天的情況是，說算法，各個創(chuàng)新；說參數，各個龐大；說調用，根本沒人用；說商業(yè)，根本沒去想。

模型一多，亂象也多

大模型一多，產業(yè)賽道開始熱絡起來，也必不可免出現一些問題。這就是我們說的，大模型不僅有點多，還有點亂。

由于目前階段，有一股“大模型用不用不重要，先要擁有大模型”的思潮。因此就開始有各種方式降低大模型的開發(fā)成本，通過話術夸大價值，甚至硬蹭大模型熱度，把不是大模型技術的項目包裝成大模型，進而導致大模型圈子里，開始出現良莠不齊、魚龍混雜的態(tài)勢，我們可以列舉其中的幾種：

1.打榜刷分型大模型。由于大模型數量龐大，且實現思路基本一致，這就導致不同公司之間的差異化微乎其微。而為了凸顯自己的差異化與領先性，目前通用方式是硬造一個技術術語，然后宣傳通過這項技術自身項目刷新了某榜單紀錄，在某測試中跑出了多少分。

事實上，大部分榜單都只測試模型的某個維度，可以進行針對性調參。打榜刷分并不難，且有比較大的操作空間。類似的，社區(qū)開發(fā)者打多少顆星，發(fā)了多少篇頂會，也都是慣用的包裝方案。

2.結項為主型大模型。有很多用作課題結項，或者企業(yè)數字化成果結項的大模型。評審結束，結項成功，開源開放，這三條做到就是它們的生命終點。這類大模型不考慮應用場景與后續(xù)更新，有某種朝生夕死的精神特質。

3.動輒開源型大模型。軟件開源當然是大勢所趨，但隨著這幾年中國開源事業(yè)的興旺發(fā)展，AI模型開源似乎變成了某種“時尚”。加上一些企業(yè)更愿意將大模型的開源與免費作為流量聚攏工具。開源，逐漸成為了低質量、低維護大模型的遮羞布。

4.冒名頂替型大模型。大模型火了之后，開始有公司打起了蹭熱點的主意。于是，用并非標準預訓練大模型技術冒充大模型，甚至干脆把古早的對話機器人、應用軟件包裝成大模型的案例屢見不鮮。用大模型的瓶子，裝其他老酒，也成為了一門生意。

5.套殼變身型大模型。最近，一些創(chuàng)業(yè)公司套殼國外開源模型的事件引起爭議。其實業(yè)界類似手法并不少見，將開源大模型進行改寫和包裝，搖身一變，成為自研大模型的例子非常多。

這些大模型隊伍里的妖魔鬼怪，也紛紛可以通過發(fā)明術語、加強定語的方式，來宣傳自己的創(chuàng)新能力和差異化。最終導致把真正的技術創(chuàng)新，淹沒在了一系列的“偽裝創(chuàng)新”當中。

中國AI之春，在去掉90%的大模型之后

如果我們看美國的大模型產業(yè)結構，會發(fā)現它處在一個每層數量差異不大的金字塔結構里。即OpenAI一家獨大，谷歌、微軟、Meta、X保持持續(xù)競爭力，此外還有20幾個較為常用，開發(fā)者群落比較活躍的大模型。

當然咱們不是說一定要照搬美國，但從中大概可以看見一個科技大國，在目前情況下大模型產業(yè)體量是什么。

中國大模型，已經在短時間內發(fā)展出了遠遠超過本身應有存量的大模型。數量過于龐大的大模型，一方面浪費了極大的研發(fā)、算力，以及數據資源；另一方面也蘊藏了一場并不會太久的“危機”。

在資本泡沫相對冷卻之后，我們很容易看到這樣的情況：忽然之間，眾多大模型開始停止更新，緊接著大模型領域的公司大量倒閉。伴隨著資本退場，員工待遇下降等問題開始發(fā)生，于是媒體開始唱衰大模型寒冬，社交媒體上開始冷嘲熱諷AI這門技術。

這種行業(yè)猛然轉冷，大概率會給真正具有競爭力、創(chuàng)新能力的中國AI企業(yè)帶來巨大的麻煩。

但是請記住，這并不是AI不行了，而是這些AI公司和大模型項目本來就不行。

這不是AI寒冬，而是中國AI的春天剛剛要真正開始。產業(yè)優(yōu)化重組后的大模型產業(yè)形態(tài)，才是真正能發(fā)揮出中國在應用創(chuàng)新、產品打磨、產業(yè)智能化落地等領域的優(yōu)勢。

在中國，相對良性的大模型產業(yè)形態(tài)，應該是有5家左右可以互相競爭的主流大模型，1到2個能夠進行底層技術創(chuàng)新，保持全球競爭力的大模型體系，同時有一系列開源大模型作為補充，以及一些學術領域的大模型作為AI for sience的支撐。此外，還要具備較為完善的大模型配套設施，包括AI芯片、AI計算、深度學習開發(fā)框架、AI開發(fā)工具，并且這些領域都有較高的自主化程度。換言之，必須要淘汰今天超過90%的大模型。

在這些底層軟硬件基礎之上，應該有大量創(chuàng)業(yè)公司、AI開發(fā)者去探索C端和B端的大模型落地。在大模型與行業(yè)結合的垂直領域，組成推廣和復制行業(yè)大模型的產業(yè)生態(tài)；在主要的C端市場，比如大模型+辦公、大模型+娛樂、大模型+信息獲取方面，涌入成千上萬家公司，形成互聯網經濟之后的AI經濟奇跡。

而從“百模大戰(zhàn)”中能夠留到那時的只有三種公司：具備核心技術創(chuàng)新的、形成平臺型產業(yè)鏈的以及能夠快速找到商業(yè)出口，形成正向資金循環(huán)的。

我們依舊篤信，有一天AI技術上會出現新的抖音、微信、office，甚至更多此前無法想象的東西。

但今天絕大多數的大模型，結局恐怕只能是躺在歷史空隙與開源平臺上，成為大時代的小腳注。

審核編輯 黃宇