share_log

大厂养不起大模型?

大廠養不起大模型?

雪豹財經社 ·  09/18 02:10

身處於觀望期的大模型賽道,似乎任何風吹草動,都讓市場有了不同以往的波動。

近日,摩根士丹利發佈報告稱,中國AI正在面臨更大的變現問題,文中直接指出AI應用先行者業績不及預期,金山辦公和萬興科技在推出AI產品後收入增長令人失望。

隨後,多家媒體傳言,由於資金投入巨大,以及商業化不及預期,百度可能放棄通用大模型研發。此消息一出,引發市場劇烈波動,百度文心一言市場部負責人迅速出面否認。該負責人稱「文心一言剛完成了功能全面升級,我們將持續加大在通用大模型領域的研發投入。」

但只要簡單算賬,其實當下大模型賽道的尷尬,似乎是一張明牌。

6月末,高盛的一篇名爲《投資太多,收益太少》,將AI泡沫論推到臺前。文章直言,大公司計劃在未來幾年投入1萬億美元在AI相關的東西上,比如數據中心、芯片和電網。但到現在爲止,這些錢除了讓開發人員的工作效率提高了一點,沒看到其他明顯的成果。

紅杉資本的結論似乎更爲直接,在其分析師大衛卡恩的報告中認爲 AI 產業泡沫正在加劇,年產值超過 6000 億美元,才夠支付數據中心、加速GPU卡等AI基礎設施費用。而之前的分析中,大衛假設即每年,谷歌、微軟、蘋果和Meta能從新產生的AI相關收入中獲利100億美元。同時,甲骨文、字節跳動、阿里、騰訊、X和特斯拉每家能產生50億美元的全新AI收入。即便如此,關於AI盈利的需要的缺口,仍然在不斷擴大。

而回歸到國內,在經歷了年初的大降價之後,大廠對於大模型的態度,似乎也開始變得曖昧,諸多大廠在業績電話會中,聲稱會對人工智能加大投資力度,但實際來看,投入卻開始變得謹慎。最明顯的徵兆就是,大廠的負責人開始弱化基礎大模型迭代,強調應用的落地。「沒有應用,開源閉源模型都一文不值。」其實,反應到當下,應用落地較爲成熟如文生圖,文生視頻等,成了整齊劃一的方向。

但需要清醒認識到的是,由於客觀條件的限制,最簡單的貨幣化手段,如OpenAI對GPT收費每月20-25美元的方式,在國內幾乎無法複製,基於API調度的商業模式也被內捲到利潤空間稀薄,而各大廠期待的AI應用,落地時間以及效率也遠不及預期。面對未來越來越大的投入,以及遙遙無期的回報,大廠的焦慮似乎不斷上升。

而另一方面,AGI的路徑越往前走,共識也開始被打破,OpenAI全新的O1模型,採用的Self-play RL(自博弈強化學習),與之前傳統以scaling law爲主的訓練方式又有全新的變化。而對於國產大模型,GPT4還未完全趕超,新的範式又出現。

前後夾擊之下,形成了流言的土壤,也意味着國產大模型到了關鍵的時刻,到底是孤注一擲的投入,還是觀望等待技術陡峭走平後,發揮後發優勢,似乎決定着未來競爭格局的走勢,大廠依然能夠依託大模型,賦能場景,將自家的門看好,但如若想要更進一步,一連串的問題,都急需一個明確的答案。

越來越昂貴的「遊戲」

從各個角度來看,AI都在成爲一場富人的遊戲。

根據第一財經的報道,在最近的季度業績電話會議上,谷歌、微軟和Meta都強調了在AI上的巨大投資。Meta將今年的支出預測提高了至多100億美元,谷歌計劃每季度資本支出約120億美元。微軟最近一個季度花費了140億美元,預計這一支出將「顯著」增加。以數據中心爲例,根據美國市場研究機構Synergy研究集團預計,未來每年將有120-130個超大規模數據中心上線。而每座數據中心的造價都以億美元爲單位。

與此同時,據彭博報道,OpenAI正以1500億美元估值,洽談65億美元融資,並計劃通過循環信貸籌措50億美元債務融資。

本輪融資將由 Thrive Capital領投,OpenAI最大的投資者微軟將參與其中,蘋果、英偉達等巨頭也一直在就投資進行談判。

而AI以及大模型賽道的昂貴,不僅在於越來越快的燒錢速度,還在於,短期難以回本的現實。據報道顯示,2024年年初,OpenAI的年收入已超過34億美元,但因爲AI太燒錢,加上日益激烈的對手競爭,OpenAI仍在虧損,據行業內估計到2024年底,OpenAI的虧損將接近50億美元。

天量的資金需求,靠融資過活的現實,幾乎決定了AI賽道對於商業化的渴求:一個殘酷的現實是,如果融不到錢,被大廠收購已然是正在發生的事實。8月3日,Google官宣「收購」Character AI並收編團隊,而Adept和Inflection AI在不久前分別賣身亞馬遜和微軟。

與海外的情形類似,國產AI也在壓力中艱難前行,從最新的消息來看,百川與月之暗面分別完成了數十億人民幣的融資,估值也來到了200億以上的區間,但從實際盈利來看,這些明星獨角獸似乎依舊乏善可陳。

與海外大廠激進的投資策略不同,國內大廠對於AI的態度似乎開始轉向。從早期的FOMO(fear of missing out)中回過神,國內大廠並沒有選擇進一步誇張的投入,而是逐漸開始對AI應用以及商業化的挖掘。

價格戰之後,擁有智能雲業務以及場景優勢的大廠,分別以此爲基線開始了全新的探索,以阿里爲例,據業內人士表示,阿里雲在芯片禁令收緊以前進口了大批英偉達大卡(H系列、A系列),總數超過了10萬張(包括其海外分支機構的卡)。其中只有一部分是用於內部訓練,大部分則以出租的形式提供給外部平台。有投資人直接表示「很多雲廠商的大模型業務都是搭着免費送的。」似乎也顯示出了,當下賽道內的實際情形。

與此同時,豆包的逐漸走紅,也讓字節看到了自身在產品方向上的優勢。近日,抖音搜索的出現,也讓外界浮想聯翩。與此同時,據業內人士表示,騰訊除了混元大模型,微信自己還搞了一個大模型,與混元團隊完全分開。目前只能通過微信搜一搜:有時候微信會幫你總結你的搜索內容(灰度測試,不保證所有人都被測試到),其背後的大模型一半是混元的,一半是微信的。

由此可見,面對這場越來越昂貴的遊戲,大廠並沒有選擇大規模投資,而是開始了更多的選擇賦能自身業務,商業化的訴求和剋制的投入,可能成爲未來一段時間,大廠對於大模型以及AI賽道主要的策略。

而從此基礎上來看百度的流言,似乎又有了一重不同的視角,對於AI影響最爲深遠的賽道,主營業務爲搜索的百度,顯然面對的壓力更大。從業績來看,第二季度百度最大的收入來源線上廣告業務收入爲192億元,同比下滑2%。而另一個業務重心,百度雲當季收入爲51億元,其中,9%的收入來自外部客戶對大模型和生成式AI相關服務的需求。顯然AI對於業務的賦能,似乎助推力度並不能令人滿意。

在自媒體市象的報道之中,百度內部的態度,似乎也與主流廠商一致「或者這麼說吧,訓練下一代模型不是百度的第一優先級。」但「老闆明確表示,我們絕不會下table。」

AI雖好,但單純以ROI來看,似乎並不適合孤注一擲,而何時打破當下的格局,拋開客觀條件限制,AI應用就成了最重要的變量。

AI應用的糾結和逆風期

關於AI應用的風口,從年初以來,似乎從未停止。

金句不斷地投資人朱嘯虎,無疑是這波AI應用的旗手之一。在2024年初的演講中,AI應用肯定爆發,每輪週期最後,應用賺的錢是前面的10倍。作爲曾經投出過滴滴、餓了麼的成功投資人,朱嘯虎的邏輯非常直接,大模型的商業模式很差,未來盈利主要在AI應用。

「每一代模型你都要重新去砸錢,而且你變現週期可能就兩三年,這比發電廠還要差。」朱嘯虎對於大模型的態度並不樂觀,但對於可以直接變現,由用戶買單的AI應用,卻始終稱讚有加。

而另一個在AI應用的支持者,則是百度創始人李彥宏,在7月的演講中,大模型的重點還是「卷應用」,「沒有應用,光有基礎模型,不管是開源還是閉源都一文不值。」

兩個旗手雖然都支持AI應用,但從路線上,似乎並不相同,朱嘯虎偏愛PMF(product market fit)明確,直接可以TOB變現的尖叫應用,如垂直於AI面試的近嶼智能,或是垂直於視覺類產品的FancyTech,用他的話說「以前中國軟件市場爲什麼規模化很慢,因爲銷售週期很長,要6-12個月,不可能很快的。 但現在能讓企業用戶有這種尖叫效應的話,它變現週期也很快。從微信拉群介紹到簽單,一兩個月時間。 」

而李彥宏則更鐘愛agent智能體,他認爲,醫療、教育、金融、製造、交通、農業等各行業領域,未來都會依據自身場景和特有經驗、規則、數據等,做出各種智能體,將會出現數百萬量級的智能體,形成龐大生態。

但朱嘯虎卻對智能體保持懷疑態度,在與界面的訪談之中,朱嘯虎坦言,AI Agent不能落地,因爲大模型天然有幻覺,單步的錯誤率可能在10%-20%,5步推理以後可能錯誤率就50%以上了,就完全沒法用。那你高50%同樣也沒用,錯誤率百分之二三十還是沒法落地,不改變本質問題。

AI應用的路線爭端還在繼續,從更宏觀的維度,似乎AI應用也遭遇了逆風期,在摩根士丹利的名爲《中國AI面臨更大的變現問題》中,大摩表示,AI應用發展慢於預期,貨幣化更加艱難。

在報告中顯示,在宏觀環境的背景之下,企業和消費者難以接受AI功能帶來的價格上漲。同時,免費AI服務的競爭加劇了盈利壓力。與此同時,AI產品與客戶期望存在差距。缺乏高質量的領域數據訓練、特定場景下表現不佳、產品尚未成熟等因素制約了AI應用的價值實現。不僅國內,在海外,行業領先指標不佳,AI遠未實現貨幣化。美國軟件公司今年以來業績令人失望,AI相關收入貢獻有限。AlphaWise調查顯示CIO(首席信息官)對AI應用投產時間表,每次調查預期都在延後。

而在國內,金山辦公和萬興科技在推出AI產品後收入增長令人失望,反映出基礎AI功能競爭激烈,高級應用尚未成熟。兩家公司表示將繼續加大研發投入,意味着盈利前景仍不明朗。

總結來看,AI應用仍還在探索期,無論大廠還是投資人,似乎還在挖掘其內在的潛力,共識並未達成之下,從變現來看,也許投資人追逐的商業模式更爲安全,但技術的進步,似乎也在逐漸讓變量進一步加深,以當下的視角來看,AI應用的爆發期,仍然沒有到來,這也意味着,試圖通過AI應用爆發達成的商業計劃,正在被延遲。

越來越複雜的路線之爭

9月13日,Open AI發佈了全新一代的大模型預覽版,這個在內部代號爲「草莓」的模型,在問世的一瞬間,還是激起了業內的震動。

從模型效果反饋上來看,這個名爲Open AI o1的產品可以說是石破天驚的存在。作爲首個具有「推理」能力的大模型,它能通過類似人類的推理過程來逐步分析問題,直至得出正確結論。

根據OpenAI官網的評測,這款模型尤其擅長處理數學和代碼問題,甚至在物理、生物和化學問題基準測試中的準確度超過了人類博士水平。

而從業內人士的反饋來看,此次Open AI o1的出現,則可能代表了硅谷在AGI範式正在發生轉移,純靠語言模型預訓練的Scaling Law這個經典物理規律在遭遇到算力與參數無法大幅提升等瓶頸後,多家硅谷明星公司已經把它們的資源重心押寶在一條新路徑上:self-play RL(自博弈強化學習)。而Open AI o1似乎就是這樣一款產品。

具體來說,根據業內人士解釋來看,o1模型就像在不同的可能性中反覆「抽樣」,每次推導出一個更好的結果。打個比方,你問它一個複雜的數學問題,它不會一秒鐘給你答案,而是像個認真思考的人,先把問題分解成好幾步,一步步推理。這樣做的好處是,答案通常更準確、更有邏輯,尤其是在科學推理、編程和數學題目上表現非常好。比如,在國際數學奧林匹克測試中,o1的解題正確率達到83%,而之前的GPT-4o只有13%。這說明它在處理複雜問題時,確實有了質的提升。

今年以來,多模態、10萬卡集群的超級模型,以及自博弈強化學習等多條路徑開始在硅谷AI界發生變革,共識被打破之後,當下來看依舊沒有標準答案。

從當下的信息來看,未來如何能達到AGI原本的共識似乎正在被打破。儘管o1模型還有諸多疑問,但從AGI進化的步伐來看,似乎出現了多重可能性。當然,這對於資金與人才優勢明顯的硅谷來說,是好事,但相反對於追隨者而言,則意味着挑戰難度正在加大。

從終局思維來看,國產AI在未來將不得不再次面臨技術方向的選擇,而更大規模地投入似乎也勢在必行。燒錢打仗雖然不會發生在當下,但在未來卻是成功的關鍵。

從這個角度來看,無法造血的公司,淘汰的幾率顯然會更大,國產大廠可以通過現金奶牛業務繼續維持跟隨戰略,但成本的逐漸增加,以及方向不明的變現路徑,都可能成爲阻礙發展的絆腳石。類似於百度今天面對的謠言,似乎也正是其需要應對的問題。但解法如何,似乎仍並不明朗。

*轉載文章不代表本站觀點。

声明:本內容僅用作提供資訊及教育之目的,不構成對任何特定投資或投資策略的推薦或認可。 更多信息
    搶先評論