文|藍洞商業(yè) 趙衛(wèi)衛(wèi)
老對手，新戲碼。
過去一周，美國 GPT 熱潮的主角是 OpenAI 和谷歌，國內(nèi)大模型市場的主角則是字節(jié)跳動和騰訊。
一方進攻，另外一方往往就是防守反擊。趕在谷歌 i/o 發(fā)布一系列 AI 新產(chǎn)品之前，OpenAI 發(fā)布了能看能聽的智能助手「GPT-4o」，o 代表「omnimodel」（全能模型）。
與過往的語音助手不同，GPT-4o 可以實現(xiàn)更自然流暢的語音交互，相當于給大模型裝上了眼睛、耳朵和嘴巴，這被視為徹底改變了人機交互的歷史。
大洋彼岸的國內(nèi) AI 市場也在發(fā)生類似的競逐。
在開源與閉源的站隊中，騰訊混元大模型選擇了將 AI 文生圖功能版本開源，并公布了混元大模型在 AI 產(chǎn)業(yè)上一系列落地應(yīng)用。
而搶在 5 月 17 日的騰訊云生成式 AI 應(yīng)用峰會之前，字節(jié)宣布通過火山引擎為豆包大模型對外提供服務(wù)，并用遠低于行業(yè)的使用定價掀起了價格戰(zhàn)。
金沙江創(chuàng)投基金主管合伙人朱嘯虎評論說，一下子都從卷scaling law 180 度轉(zhuǎn)彎變成卷價格卷免費了，說好的AGI夢想呢？
從國外到國內(nèi)，卷價格還是技術(shù)應(yīng)用，正成為當前中美 AI 科技行業(yè)競逐中的最大看點。
1、字節(jié)掀價格戰(zhàn)
國內(nèi)大模型在應(yīng)用產(chǎn)品層落地上，字節(jié)的豆包已經(jīng)成為用戶量第一的 APP。
根據(jù) QuestMobile 最新公布的數(shù)據(jù)，截止到 2024 年 3 月，AIGC APP 行業(yè)用戶已經(jīng)突破 7380 萬，同比增長了 8 倍，其中，抖音旗下的豆包、百度旗下的文心一言以及天工、訊飛星火、Kimi 智能助手月活躍用戶分別為 2328.2 萬、1466.1 萬、966.1 萬、620.4 萬、589.7 萬 。
而根據(jù)火山引擎公布的最新數(shù)據(jù)，豆包 APP 的月活已經(jīng)超過了 2600 萬。豆包的成績已經(jīng)肉眼可見，而且豆包開始取代云雀，成為字節(jié)跳動旗下火山引擎對外提供大模型服務(wù)的統(tǒng)一名字。
在 5 月 15 日火山引擎的原動力大會上，豆包大模型正式開啟對外服務(wù)，其中最抓人眼球的就是遠遠低于行業(yè)標準的使用價格。
以豆包通用模型 pro-32k 版為例，模型推理輸入價格僅為 0.0008 元/千 Tokens。市面上，同規(guī)格模型的定價一般為 0.12 元/千 Tokens，所以醒目的標題是 32k 版本的豆包模型價格比行業(yè)低了 99.3%，128k 版本的豆包大模型比行業(yè)價格低了95.8%。
豆包大模型的價格無疑震動了行業(yè)，但對于真正打算使用豆包大模型的開發(fā)者來說，他們更在意的一個是模型質(zhì)量，一個則是使用范圍?！缸鳛?API 為客戶生成內(nèi)容則需接受良心的拷問，所以 800 元/10 億 token 的價格雖然香，也要看質(zhì)量」，有開發(fā)者表示。
「人人用得起的才是好模型」，這是豆包大模型低價戰(zhàn)略的一個賣點，但有開發(fā)者表示，他看到價格之后計劃開始使用豆包大模型，卻發(fā)現(xiàn)需要企業(yè)認證。也就是說，豆包大模型的價格雖然很香，但只是針對企業(yè)用戶，而不是個人開發(fā)者。
此外，很重要的一點就是「豆包大模型家族」的亮相，這讓字節(jié)在 AI 大模型領(lǐng)域的布局已經(jīng)初步成型。
豆包大模型旗下模型數(shù)量有 9 個，分別是豆包通用模型 Pro、豆包通用模型 liti、豆包 角色扮演模型、豆包 語音合成模型、豆包 聲音復(fù)刻模型、豆包 語音識別模型、豆包 文生圖模型、豆包 Function Call 模型?？梢悦黠@看出，豆包大模型在卡位不同的賽道，在應(yīng)用場景的豐富度上已經(jīng)初具規(guī)模。
但歸根結(jié)底，能贏得更多優(yōu)質(zhì)的客戶，才是當下國內(nèi)大模型競逐的方向。
原動力大會上，展示出豆包大模型的合作伙伴有 18 家，包括招商銀行、蒙牛、OPPO等，此外，現(xiàn)場還分別成立了手機、汽車兩個生態(tài)伙伴聯(lián)盟，尤其是當下競逐激烈的汽車領(lǐng)域，合作伙伴包括吉利、長城等 20 余家廠商。
但這也側(cè)面反映出目前 AI 應(yīng)用市場的發(fā)展還處于早期，比如作為案例的奇瑞汽車子品牌捷途汽車，其使用豆包大模型的范圍是打造智能客服，還通過豆包大模型與數(shù)字營銷相結(jié)合，成為廣告投放的導(dǎo)航，加深了企業(yè)對用戶的理解。
價格戰(zhàn)是表面，實際目的是把降價作為賣點，吸引更多用戶和企業(yè)使用，進一步探索面向未來的大模型應(yīng)用。找到大模型用戶使用場景，這成為豆包大模型當下的思路。
2、騰訊終于提速
去年年底，「藍洞商業(yè)」在《大模型「混亂期」：謹慎如騰訊，激進如字節(jié)》一文已經(jīng)點明，騰訊和字節(jié)在大模型之路上背道而馳，騰訊當時在 C 端用戶市場沒有做獨立 APP，只選擇利用微信小程序這一方式，而字節(jié)跳動的大模型在國內(nèi)和國際市場都做了廣泛產(chǎn)品布局。
進入到 2024 年年中，騰訊混元大模型終于開始提速。
其中最引人注意的兩個動作，一個是宣布混元文生圖大模型對外開源，未來確定還會開源文生文大模型；另一個則是將在 5 月 30 日正式發(fā)布元寶 APP，這個大模型產(chǎn)品中集合了搜索、文檔總結(jié)、翻譯官和口語陪練等功能。
元寶 APP 是騰訊混元大模型第一款面向 C 端的獨立產(chǎn)品。在豆包和文心一言等 APP 占領(lǐng)的國內(nèi)市場中，騰訊還能拿下多少 AI 用戶規(guī)模？顯然是一件值得期待的事情，畢竟豆包 APP 2600 萬的月活并不是一個很高的天花板。
而混元大模型開源的技術(shù)路線，也標志著騰訊在大模型之路上開始站隊。
值得注意的是，騰訊混元大模型選擇開源的文生圖大模型，是與 OpenAI 發(fā)布的文生視頻模型 Sora 相同的 DiT（Diffusion Models with transformer）架構(gòu)，是業(yè)內(nèi)首個中文原生的 DiT 架構(gòu)，不僅能夠支持文生圖，也能作為視頻等多模態(tài)視覺生成的基礎(chǔ)。此外，混元文生圖大模型支持中英文雙語輸入及理解，參數(shù)量 15 億。
騰訊在最新一季的財報會提到，騰訊在微信和 QQ 等很多服務(wù)中都部署了混元大模型。
廣告可能是大模型最先見效的業(yè)務(wù)，正如 Meta 基于大型語言模型 Advantage+ 改進了他們的廣告工具。騰訊混元文生圖能力，已經(jīng)廣泛被用于素材創(chuàng)作、商品合成、游戲出圖等多項業(yè)務(wù)及場景中。
今年年初，基于騰訊混元大模型，騰訊發(fā)布了一站式 AI 廣告創(chuàng)意平臺騰訊廣告妙思，可為廣告主提供文生圖、圖生圖、商品背景合成等多場景創(chuàng)意工具，有效提高了廣告生產(chǎn)及投放效率。
但目前看來，混元大模型對騰訊核心的游戲業(yè)務(wù)幫助度并不高。財報會上提到游戲上尚未用上生成式 AI，混元可以利用 NPC 創(chuàng)造某種互動體驗，但還不能取代現(xiàn)有的游戲內(nèi)容創(chuàng)作。目前游戲業(yè)務(wù)中是使用混元最大的場景是客服。
OpenAI 選擇閉源大模型，谷歌則是開源路線。國內(nèi)市場，除了百度是閉源路線，阿里的通義千問、百川智能、昆侖萬維等公司都屬于開源路線，發(fā)布過不同參數(shù)的開源大模型。如今，騰訊也站隊開源，只能說明開源大模型大概率是未來大勢所趨。
當下，開源和閉源的路線之爭還難見分曉，「在開源和閉源的問題上，我們認為兩者都有其獨特的價值和作用。我們已經(jīng)有計劃在未來開源更多的模型，同時我們也在積極地開發(fā)通用人工智能，并探索如何廣泛地分配其帶來的利益。」OpenAI 創(chuàng)始人奧特曼最近表態(tài)說。
智源研究院副院長林詠華也曾對《財新》指出，模型需要的是機構(gòu)持續(xù)投入迭代創(chuàng)新，一旦落后很容易被替代，而軟件工具鏈則是技術(shù)積累、不斷做加法，不會突然間被取代?！改Ｐ鸵恢睍呛罄送魄袄?，最開始熱鬧的未必能笑到最后，反而是工具鏈通過生態(tài)的不斷積累能夠建起護城河。」
3、OpenAI 進攻，谷歌反擊
GPT-4o 讓人眼前一亮的，就是其生動的交互體驗。
在其展示的視頻中，GPT-4o 作為一個大模型語音助手，可以隨時被用戶的指令打斷，在不同的情緒和語調(diào)中切換自然、實時響應(yīng)，這讓 GPT-4o 大大超越了以往的人工智能語音助手。
而之所以命名為 o，就是因為其可以處理文本、音頻和圖像的組合。GPT-4o 可以通過手機攝像頭看到現(xiàn)實世界的情況，例如可以給一位視障男子叫一輛出租車，告訴他車輛在靠近以及何時揮手。GPT-4o 還可以是一個數(shù)學(xué)老師，在識別數(shù)學(xué)問題之后，通過語音指令一步步循循善誘的告訴孩子如何解答這道題。
GPT-4o 在翻譯、會議場景、語言培訓(xùn)方面的用途顯然極具想象力，「GPT4 的實際可用性太強了，現(xiàn)在開發(fā)者面前有個以小博大的機會，就是立刻做一個 GPT-4o 的套殼，去吊打市面上所有的 AI 陪伴類產(chǎn)品，這是一個典型的新技術(shù)帶來 10 倍好體驗 x OpenAI 不會做的方向?！褂袊鴥?nèi)的大模型開發(fā)者這樣認為。
更重要的是，大模型裝上了眼睛、耳朵和嘴巴，勢必會帶來 ChatGPT 在用戶層面的進一步滲透。
行業(yè)分析人士認為，從 OpenAI 的產(chǎn)品路線看，「當下發(fā)布的 GPT-4o 大概率只是 GPT-4.5 的一部分，估計 GPT-4.5 拆成兩個版本發(fā)完才會到 GPT-5」，而 GPT-5 將在當前的技術(shù)基礎(chǔ)上實現(xiàn)巨大的飛躍。
要想在未來幾周內(nèi)體驗 GPT-4o，仍需要成為付費 ChatGPT-Plus（該公司每月 20 美元的功能）的用戶，而對于企業(yè)用戶來說，GPT-4o 的速度將是其當前頂級產(chǎn)品 GPT-4 Turbo 的兩倍，成本僅為其一半。
這也擺明了一個事實，那就是好東西都不會免費，GPT-4o 的推出意味著科技巨頭們越來越急迫的擴大付費用戶規(guī)模，以平衡在研發(fā)上投入的巨大資金和費用。
華爾街最新公布的數(shù)據(jù)是，預(yù)計今年谷歌和 OpenAI 在人工智能服務(wù)的技術(shù)基礎(chǔ)建設(shè)上，二者合計的支出高達 970 億美元，這個數(shù)字比去年增長了 42%。這種高投入的模式無疑讓大模型成為大廠之間的競逐游戲，也讓玩家們面臨如何平衡投資回報之間的挑戰(zhàn)。
人工智能競賽中的大模型進化，更像是一個燒錢機器的比賽。
谷歌與 OpenAI 背后的微軟已經(jīng)在 AI 行業(yè)形成對壘之勢，表面上看是 OpenAI 一直處于攻勢，而谷歌處于防守之勢，但美國的投資公司更愿意相信，在人工智能的這場競賽中，獲勝者不可能只有一個，谷歌依然是人工智能競賽中的領(lǐng)先者。
在 Google I/O 開發(fā)者大會上，針對 OpenAI 的發(fā)布但遲遲沒能開放的視頻模型 Sora，谷歌發(fā)布了視頻生成模型 Veo；針對語音助手模型的 GPT-4o，谷歌發(fā)布了同樣針對人工智能語音智能的 Project Astra；在文生圖模型上發(fā)布了最新的 Imagen 3；更重要的是，升級版的最強大AI模型 Gemini 將重塑傳統(tǒng)搜索模式，通過「人工智能概述」功能，自動推理回答用戶的需求。
大模型的進化之路依舊漫長，當下沒有標準答案。
今年以來，谷歌的股價上漲了 22%，這是微軟同期的兩倍。所以，OpenAI 與谷歌之間的對壘，將成為大模型第一梯隊未來很長一段時間的重要看點。
國內(nèi)不論字節(jié)的豆包還是騰訊的混元，都在深挖內(nèi)部需求的同時，極力招攬外部客戶，進而構(gòu)建自己的應(yīng)用層能力。各家的每一個動作，都可能被看作對手間的攻防之戰(zhàn)。
審校|陳秋霖