“百模大戰”即將迎來一輪應用淘汰賽金融
2023-08-02 21:02
大模型商業化應用首先會改變的一定是廣告、營銷行業，模型數據、數據為核心的技術驅動階段，大模型邁進應用驅動階段 大模型賽道。
文：互聯網江湖 作者：志剛
這年頭，不做大模型就不好意思說自己是科技公司。
這不，“百模”大戰打了幾個月之后，又有新玩家入場了，京東、攜程都加入了大模型“戰場”。
相比京東、攜程發發布大模型布，這兩天的大模型發生了一個更重量級的事情：Meta發布新一代AI模型LLama V2，并宣布LLama V2開源，并可直接商用。
傅盛發朋友圈評論：“這一下不知道多少公司笑醒在深夜，多少公司哭暈在廁所……”
據傳，LLama V2性能超過了GPT-4、Microsoft和Google的AI模型，能夠生成語言、代碼和圖像。最重要的，相比GPT4，LLama V2開源，并且可以直接商用。
消息一出，不少人都在感慨：一夜之間大模型變天了。
要說大模型行業變天，恐怕還有點早，但LLama V2開源可商用、再加上國內這么多大模型落地，“百模”大戰，恐怕要迎來第一個“淘汰賽”階段。
“百模”大戰之后，大模型邁進應用驅動階段
大模型賽道，做通用模型的都是大公司。
Open AI背后站在微軟，文心一言背后是百度，通義千問背后是阿里，混元大模型背后是騰訊……再加上商湯、訊飛等“本土”玩家，留給后來者的舞臺其實并不大。
而這個不大的舞臺，如今卻顯得有些擁擠。此前一份國產大模型列顯示，目前國內的大模型已經有近百家。
這么多大模型落地，說明AI大模型可能即將進入產品驅動階段。
互聯網江湖認為，大模型的發展會經過三個階段。
第一階段，模型數據、數據為核心的技術驅動階段。
從ChatGPT 到GPT3階段，大模型是由技術驅動，這時候關鍵是算法，和數據訓練。
GTP3之后，差距就在于數據量，這不難理解，這好比是一個有著超強學習能力的孩子，在咿呀學語之前，進步不大，一旦掌握了世界的“數據語言”，那么大模型的進展是飛速的。
而做通用大模型的玩家，需要盡快度過這個階段，并建立自己的核心優勢。
目前來看，百度文心、騰訊混元、阿里通義千問、商湯大模型、以及訊飛火星等，國產主要大模型都走到這一階段。
這些大模型，都是大公司做出來的，能走到這個階段的大模型，要么算法更先進，要么有足夠的數據參數和訓練量。
以百度為例，5月份上線的文心大模型3.5，能力已經超出ChatGPT 3.5，雖然官方沒有公布具體的數據量級，但大量的數據、算法優化訓練是必經之路。
這個階段，拼的其實就是硬實力，拼的是數據生態，人才技術和資金投入，創業公司很難真的從底層做起來。
第二階段，是產品驅動階段。
當國產大模型不斷涌現，“百模”大戰的格局上演之后，行業其實就已經走到了產品驅動階段。
產品驅動階段，“百?！贝髴饡洑v一輪淘汰賽。
大模型從業者普遍認為，400 億-500億參數量級是模型能力“質變”的門檻。 換言之，對于資本市場來說，百億參數量級之前，一些大模型項目很可能會首先遇到“生存問題”。也就是說，對于一些后來者、在遇到生存問題之前，必須要有足夠應用落地。
也因此，產品階段的大模型，核心在落地場景。
大模型其實沒有什么路線之爭，垂直或者通用，與其說是路線之爭，倒不如說是落地的場景之爭。
我們認為產品驅動階段，大模型落地的重點在于，大公司底層做起，打造行業大模型基礎設施，在此之上，垂類的創業公司去做應用端的垂直創新。
其實現在已經有企業走在這條道路上了，比如商湯SenseChat大模型，在不少領域已經開始與品牌合作落地。
“表面上看通用大模型和垂直大模型代表了兩種技術方向，但實際上兩者相輔相成，可以并行發展。更強的通用大模型具備更強大的學習能力，可以快速融合不同行業領域的知識，支持垂直大模型的訓練和開發。”商湯科技相關人士表示。
在大模型領域，商湯扎根很深。
4月份，商湯“日日新SenseNova”大模型體系公布，并迅速落地。在自動駕駛行業，商湯構建了業內首個感知決策一體化的端到端自動駕駛解決方案UniAD，，使車道線的預測準確率提升了30%，預測運動位移的誤差降低了近40%，規劃誤差降低了近30%。
天眼查APP顯示，商湯科技2021年在香港上市，彼時上市募資55億港元。
科大訊飛落地也很快。此前科大訊飛曾表示，隨著星火認知大模型的不斷迭代，其診后康復管理平臺將逐步實現對所有病種、病程的精細化管理等能力?？拼笥嶏w的大模型最大的特點是更C端，有自己的產品矩陣，接入大模型之后，更容易觸達C端用戶。
大模型領域，最先產生商業價值不一定是通用的ChatGPT4，反而更可能產生在應用端走得更快的領域。
實際上，在科技進步的浪潮中，并不是所有的價值都會被先發的企業拿走，技術商業化的價值，往往會被更成熟的企業拿走的更多。
就像微信不是最先出現的社交應用，但無疑是最成功的。
第三個階段，是用戶驅動階段。
有了場景之后，最重要的是能夠獲得用戶的認可。從過去AI技術的落地來看，由ToB到ToC，是大模型落地的最終路徑。所以，首先為大模型買單的一定是B端。
不過，從底層商業邏輯上，誰是最終的“受益者”，也就會是最終的“買單者”，說到底，大模型應用的最終結果還是要服務用戶。長期來看，也最終會走到用戶驅動的階段。
只不過，與現在大家所熟知的移動應用不同，“大模型應用”的用戶驅動會更快更直接，因此，有大量C端用戶的公司（百度、阿里、騰訊）的進展速度可能會超出想象。
大模型應用爆發的黎明，商業化拐點已至？
雖然大模型很火，但真正躬身下沉的玩家都是大公司，投資市場的交易數量與去年淡季沒有什么變化。
很明顯，市場有顧慮。
比如，現在下場了，將來如何退出？大模型畢竟是個需要長期投入的項目，募資難，想要退出也難。再比如，比較有潛力的大模型項目其實都在大公司手里，這不是說創業公司沒有機會，但市場還是在觀察。
“大模型的終局會是什么呢？我認為對于大模型來說，終局會集中在少量的幾個大模型”。百度集團副總裁吳甜表示。
吳甜認為，大模型產業生態可類比芯片代工廠，把大數據、大算力、大算法都封裝，建設自動化、數字化、標準化的生產模式。
一方面，從底層做起來的大模型，成本非常高，需要多年積累。另一方面，應用層面，幾個少量大模型，就會有非常廣泛的應用生態。換句話來說，其實并不需要那么多大模型來做重復的應用。
大模型領域，可能也會有一個新的“二八定律”：兩成的大模型玩家掌握真正的底層核心技術，而八成的大模型企業都在各個領域創新，去做大模型的應用。
可以預見的是，Meta的LLama V2大模型開源、放開商業化之后，大模型應用端的創新會迎來一個高潮，而國內大模型產品集中爆發，應用端也會迎來許多的新變化。
過去的十年，以用戶關系為中心，互聯網完成了內容消費、服務消費、商品消費的中心化。
大家看視頻到抖音、快手、B站，買東西到淘寶京東拼多多，本地生活到餓了么美團。于是，搜索廣告之后，短視頻、本地生活、電商，成了互聯網技術創造價值的主要方式。
而大模型，正在用新技術和新交互，重新改變價值的創造方式。
這種改變分為幾個方面：
一、過去的互聯網是分發內容，而大模型則是在分發的過程中創造內容；
你向大模型發出一個提問，AI不是事先給出答案，而是在實時生成答案，這樣的信息交互方式，本身是分發，也是在創造。
如果應用到廣告領域，就可以通過大模型實時生成廣告，廣告內容、呈現方式觸達用戶更精準，不再是所謂的“精準投放”而是真正意義上的“一對一”的制作、傳播廣告。
在過去，一千讀者心中有一千個哈姆雷特，而在未來，一千個用戶面前同時展示的，則是一千個不同定制的品牌廣告。用戶更能接收到品牌關鍵信息，廣告的轉化率也就更高。
在廣告領域，已經有相關的嘗試，百度基于大模型推出“擎舵"、騰訊推出“混元”，阿里媽媽的AIGB出價模型，都是這個方向上的應用嘗試。
進一步來看，這種“黑鏡”式的信息分發、創造，可能會改變整個互聯網的內容生產邏輯。
二、大模型的交互設計，有新的商業化機會；
大模型的應用，淺層的是強調功能性，深層的是改變成本結構。
一個基本的判斷是，大模型商業化應用首先會改變的一定是廣告、營銷行業，因為廣告行業對用戶獲取信息的方式變化更敏感。
因此，在營銷、內容創造等行業，一些新的商業機會可能會被發現。
幾乎可以確定的是，在初期的應用階段，商業化的機會一定與交互有關。
比如，Copy.AI和Jasper這兩個營銷創意工具，以GPT-3作為底層接口實現了持續的規?；儸F。他們提供了交互界面和插件、API接口，讓大模型能更好的去服務某個領域的客戶。
當然，這只是解決最基本的功能性問題，大模型真正的價值在于改變垂直行業的成本結構，比如自動駕駛大模型的商業化價值，就是在于改變了人們的出行成本結構。
營銷只是一個方面，商業化方面，其實還是得看具體細分領域的應用。
對于不同的領域，大模型會不斷的被垂直細分，去滿足更小、更細微的場景應用。而這些更細微，更小的場景，可能會有率先商業化的機會。
比如，文本生成，比如圖片生成。能夠先讓編劇、漫畫家的工作變得更容易？能不能把文案從做PPT的日常循環中給解放出來，這些細小的場景，能夠率先變現。
大公司，和創業公司，在應用層差別可能不是很大，應用層是創業機會最多的大模型領域，未來行業內也可能會跑出幾家專注于大模型應用的公司。
互聯網江湖認為，新技術應用，找到專有價值鏈要素，嵌入行業，是一個必經之路。因此在應用上，找場景的公司，比練算法、堆參數的公司更有機會。
大模型的成功有階段性質變，就像是GPT3到GPT4，但接下來這種變化會越來越不明顯。也就是說，數據訓練的邊際收益會降低，
大模型能力的進階需要數據量做支撐，而商業化則需要考慮成本問題，如何解決這個問題，頗為關鍵。
商業化拐點已至，大模型的商業化短期看B端，長期機會可能還是在C端。
大模型，有點像前幾年火的ToB，不僅是要看自身的成熟度，也得看行業端的適配。
大模型的成本很高，商業化首先就要到合適的場景中，并且能夠真正賺到錢，只有真正在AI應用場景中掙到錢，并且能夠真正與行業適配，大模型才有商業化的競爭力。
能夠承載大模型商業化的，只有降本需求更迫切的B端。
事實也的確如此，以商湯為例，在金融領域，商湯與銀行、保險、券商等客戶展開合作，利用數字人進行智能客服、智慧營銷等工作，并通過接入大語言模型能力，提供投研分析、研報撰寫等新功能，試圖幫助銀行金融機構降本增效。
在醫療領域，商湯中文醫療語言大模型“大醫”，也能夠提供導診、問診、健康咨詢、輔助決策等多場景多輪會話能力。
進一步來看，B端之外，未來的大模型也可能會承載更多的商品和服務分發。
移動生態中，觸達用戶的方式其實就是網頁、APP、小程序，那么未來的大模型生態中，如果用大模型來分發內容，那么流量的分發會更加去中心化。
實際上，一旦語言大模型成熟，并且有了足夠多的用戶習慣，那么，承載商品與服務分發的APP、小程序，可能就會被大模型取代。
也就是說，在ToB應用的階段之后，未來大模型長期的價值和商業化機會，更多其實還是在C端。
只不過，以當下的視角來看，很難去定義AI應用的“新場景”，這就像是當你身處90年代，你不可能預測到如今的微信、抖音崛起。
如今的大模型也同樣如此。
結語：
從公元元年到18世紀，人類經濟增長曲線幾乎是平的，也只有在近三百年才出現工業革命，近幾十年才有了信息技術。
人類歷史上第一臺計算ENIAC最初誕生，并不是用于個人計算，而是用于大量軍用數據的計算，但數十年后，它卻徹底改變了人們的生活方式。
如今的大模型，就如同當年的ENIAC。
當泡沫散去，大模型究竟是不是“比互聯網更偉大”的機會？或許人們心中早已有了答案。
1.TMT觀察網遵循行業規范，任何轉載的稿件都會明確標注作者和來源；
2.TMT觀察網的原創文章，請轉載時務必注明文章作者和"來源：TMT觀察網"，不尊重原創的行為TMT觀察網或將追究責任；
3.作者投稿可能會經TMT觀察網編輯修改或補充。
