文|連線Insight 王慧瑩
編輯|子夜
這個五月，全球科技圈異常熱鬧。
先是OpenAI和谷歌掰手腕，后有微軟、蘋果的開發(fā)者大會即將召開；反觀國內(nèi)，大廠和創(chuàng)業(yè)公司也都在拼場景、卷技術(shù)。
5月15日，谷歌舉辦了2024年I/O開發(fā)者大會，AI是全場的主題，谷歌發(fā)布了Gemini 1.5 Pro的新版本，谷歌CEO皮查伊宣布谷歌已經(jīng)全面進(jìn)入Gemini時代。
原本打算掀起全球的科技狂歡的谷歌沒想到被OpenAI搶了先。
就在谷歌發(fā)布會前一天，OpenAI舉行了春季發(fā)布會，發(fā)布最新多模態(tài)大模型GPT-4o，相較于GPT-4 Trubo速度更快、價格也更便宜。更重要的是，該大模型響應(yīng)速度更接近人類水平，無限接近現(xiàn)實。
OpenAI這場空降的發(fā)布會，被市場看作是對谷歌的“截胡”和“狙擊”。雙方“掰手腕”的核心競爭點在于AI，這個令全球科技市場興奮的技術(shù)，一場關(guān)于AI技術(shù)的比拼再度開啟。
大洋彼岸的中國，也聚集了一眾參與大模型軍備競賽的玩家，正努力縮小與國外科技公司的差距，并在場景、價格、落地上有更多的探索。
5月15日，字節(jié)近期推出豆包大模型，日均處理1200億Tokens文本，生成3000萬張圖片；5月14日，騰訊混元大模型升級開源，采用與Sora同款DiT架構(gòu)；5月9日，阿里云正式發(fā)布通義千問2.5，模型性能全面趕超GPT-4 Turbo……
經(jīng)過一年多的發(fā)展，大模型技術(shù)不斷提高，玩家們要面對的不僅是技術(shù)上的差距，更重要的是如何通過場景落地、商業(yè)化覆蓋大模型高昂的訓(xùn)練成本以及研發(fā)成本。
新一輪的技術(shù)大爆炸開始了，新一輪的競賽也開始了。
1、OpenAI 與谷歌的AI競賽，拉開新一輪技術(shù)大爆炸的序幕
連著兩天，大洋彼岸的OpenAI和谷歌掀起了新一輪的AI軍備競賽。
5月14日凌晨，繼上周預(yù)告了ChatGPT和GPT-4“就像魔法一樣”的重大更新后，OpenAI揭開了最新大模型的神秘面紗。
會上，OpenAI發(fā)布了新旗艦?zāi)Ｐ汀癎PT-4o”，這里的“o”代表“omni”，意為“全能”。顧名思義，最新的GPT-4o是款全能型大模型，也是OpenAI CEO阿爾特曼口中“很有意思的東西?！?/p>
為了彰顯“全能”，OpenAI首席技術(shù)官米拉·穆拉蒂用大量篇幅介紹GPT-4o的先進(jìn)程度。比如，GPT-4o可以綜合利用語音、文本和視覺信息進(jìn)行推理；GPT-4o在GPT-4的基礎(chǔ)上，新增語音處理能力，掌握多國語言；GPT-4o還可接受文本、音頻和圖像的任意組合作為輸入，并生成文本、音頻和圖像的任意組合輸出。
用OpenAI官網(wǎng)的話來解釋，GPT-4o在文本、推理和編碼智能方面達(dá)到了GPT-4 Turbo級別的性能，同時在多語言、音頻和視覺功能上也達(dá)到了新高水位線。
整場發(fā)布會最大的亮點，也是最特別之處莫過于GPT-4o更像人。
圖源OpenAI官網(wǎng)
一方面，GPT-4o幾乎可以做到即時回應(yīng)，沒有停頓。OpenAI表示，在GPT-4o推出之前，用戶使用語音模式與ChatGPT進(jìn)行對話時，延遲時間分別為GPT-3.5的2.8秒和GPT-4的5.4秒，GPT-4o將這一延遲被大幅縮短為320毫秒。
另一方面，GPT-4o能在與人的對話中，通過圖表、圖像等形式判斷用戶的情緒、狀態(tài)，并給出“情緒化”的回應(yīng)——夸張的、戲劇的、低沉的……
當(dāng)電影《Her》中的畫面照進(jìn)現(xiàn)實，GPT-4o的“擬人化”給了市場足夠多驚喜。GPT-4o驅(qū)動下的ChatGPT，已不再是一個單純追求性能的AI工具，而是可以主動給予用戶情緒價值的AI助理。
這一次，GPT-4o的出現(xiàn)，是OpenAI向本就不平靜的池水中投擲了一枚極具殺傷力的炸彈，并直指同在硅谷的科技巨頭谷歌，谷歌必須直面勁敵。
就在OpenAI開發(fā)布會的第二天，谷歌年度I/O開發(fā)者大會主題演講上，谷歌CEO皮查伊發(fā)布數(shù)十款Google和 AI 結(jié)合產(chǎn)品，堪稱“全家桶”級別，全力對戰(zhàn)OpenAI。
其中包括支持200萬Tokens長文本的Gemini 1.5 Pro和 Gemini 1.5 Flash、谷歌版Sora技術(shù)Veo，最強開源模型Gemma 2，支持生成式搜索的AI Overviews、第六代TPU等。
圍繞AI，皮查伊及同事進(jìn)行了長達(dá)110分鐘的演講，據(jù)谷歌統(tǒng)計，皮查伊提及AI的次數(shù)高達(dá)121次。
不過，有GPT-4o“擬人”在前做標(biāo)桿，谷歌發(fā)布會最受關(guān)注的莫過于AI助手Project Astra。
相比于谷歌上一代AI助手Google Assistant，Project Astra是一個實時、多模式的AI助手，通過接收信息、記住它所看到的內(nèi)容、處理該信息和理解上下文細(xì)節(jié)來與周圍的世界進(jìn)行交互，沒有延遲或延遲，可以回答問題或幫助你做幾乎任何事情。
演示視頻中，Project Astra可以通過手機攝像頭識別現(xiàn)實環(huán)境，實現(xiàn)了能看、能說、能聽。這與前一天GPT-4o的功能不謀而合。
圖源谷歌官網(wǎng)
相比于GPT-4o提供情緒價值，Project Astra更強調(diào)指向人、機器與現(xiàn)實世界的三重交互。用谷歌Deepmind負(fù)責(zé)人哈薩比斯的話說，這是真正通向AGI的萬能助手項目。
此外，谷歌還針對生成式AI大模型Gemini進(jìn)行了多功能拓展。
谷歌在Gemini Advanced中加入新模型成員Gemini 1.5 Pro，稱它擁有的上下文窗口在全球消費類聊天機器人中最長，窗口起始就有100萬個Tokens；今年年底，這個數(shù)字將被擴大到200萬Tokens，最終目標(biāo)是無限上下文；Gemini 1.5 Pro將向150 多個國家地區(qū)的Gemini Advanced訂閱者提供，支持超過35 種語言。
在多模態(tài)功能方面，今年夏季谷歌將擴展Gemini用語音進(jìn)行深入雙向?qū)υ挼哪芰?，該功能被稱為Live。通過 Gemini Live，用戶可以與 Gemini 交談，并可以從各種自然的聲音中選擇它回應(yīng)的聲音，用戶甚至可以按照自己的節(jié)奏說話；谷歌還表示，今年年內(nèi)將加入相機功能，實現(xiàn)實時視頻。
全面接入 Gemini 的“谷歌辦公全家桶”，也將在未來幾個月內(nèi)陸續(xù)上線“智能問答”“智能郵件回復(fù)”“表格圖像化總結(jié)”等新功能。
在谷歌最擅長的搜索上，谷歌在一周內(nèi)將在美國推出“AI概覽”（AI Overviews）功能，搜索引擎會直接歸納總結(jié)搜索結(jié)果；谷歌還推出了新的TPU，第六代TPU芯片Trillium，較上一代芯片的算力表現(xiàn)翻4.7倍。
可以看到，在全球技術(shù)的中心硅谷，OpenAI與谷歌的“廝殺”正如火如荼地進(jìn)行著。更重要的是，GPT-4o的限量免費抬高了這場競爭的維度，未來的谷歌如何應(yīng)戰(zhàn)，還要看市場后續(xù)的表現(xiàn)。
2、卷技術(shù)、拼落地、比價格，國內(nèi)大廠競逐大模型風(fēng)口
大模型風(fēng)口之下，AI重構(gòu)了邊界，也掀起了一眾創(chuàng)業(yè)者和巨頭們探索新業(yè)務(wù)的熱情。
當(dāng)這樣的熱情來到大洋彼岸的中國，絲毫沒有減少。和硅谷的公司幾乎同步，國內(nèi)大廠也在大模型風(fēng)口上你追我趕。
一個明顯的變化是，去年國內(nèi)大廠還處在大模型軍備競賽的初期，競相推出大模型產(chǎn)品；今年，經(jīng)過一年的技術(shù)發(fā)展，大廠們的競爭點不僅限于技術(shù)，還有價格，更重要的是落地場景。
5月9日，阿里云正式發(fā)布通義千問2.5，宣布模型性能全面趕超GPT-4Turbo，成為地表最強中文大模型。
在阿里云AI峰會上，阿里云首席技術(shù)官周靖人介紹，阿里云大模型API日調(diào)用量已經(jīng)過億；除了日常2C應(yīng)用外，也服務(wù)了9萬家企業(yè)客戶；尤其在開源場景中，周靖人強調(diào)，開源是阿里云的戰(zhàn)略。目前通義開源模型下載量已超過700萬。
同樣選擇對外開源的還有騰訊混元文生圖大模型。5月14日，騰訊宣布其旗下混元文生圖大模型全面升級，并對外開源。這也是首個中文原生的類 Sora 架構(gòu)開源模型，支持中英文雙語輸入及理解，參數(shù)量15億。
放眼市場，當(dāng)下的文生圖開源生態(tài)，比如Stable Diffusion基本圍繞英文語義理解，要先把中文翻譯成英文才能生成圖片。騰訊混元文生圖大模型的出現(xiàn)，打破了這一現(xiàn)狀，讓文生圖生態(tài)更了解中文。
值得注意的是，騰訊在大模型上的打法有著明顯的產(chǎn)品思維。自去年9月混元大模型上線以來，騰訊采取的就是“大模型全家桶”策略，其內(nèi)部目前已有超400個業(yè)務(wù)在接入騰訊混元大模型。比如，此次混元大模型升級后，既可以是微信讀書的“AI問書”，也可以是騰訊會議的“AI小助手”。
事實上，關(guān)于開源還是閉源，行業(yè)的討論由來已久。百度創(chuàng)始人李彥宏曾表示，“大模型開源的意義其實不是很大，這些開源模型都是在外頭零零散散小規(guī)模地去做各種各樣的驗證應(yīng)用，它沒有經(jīng)過大算力的驗證?！?/p>
“對百度而言，開源還得自己去維護(hù)一套開源的版本，這是不劃算的；相反，同等能力下，閉源模型的推理成本一定是更低的，響應(yīng)速度一定是更快的?！崩顝┖暾J(rèn)為。
這樣的路徑之下，百度文心一言采用了閉源模式。近期，百度推出多個輕量級大語言模型，并上線Agent Builder、App Builder和Model Builder三大開發(fā)工具，幫助開發(fā)者和企業(yè)創(chuàng)建智能體、開發(fā)AI原生應(yīng)用和定制模型。
據(jù)百度2024年一季度財報披露，發(fā)布一年多，“文心一言”用戶數(shù)突破2億，文心大模型日調(diào)用量也達(dá)2億。
本質(zhì)上，開源還是閉源，是大模型廠商在成本和技術(shù)上衡量。尤其是在大模型應(yīng)用市場，大家都試圖推出更普惠的大模型應(yīng)用。
最突出的是字節(jié)豆包大模型。5月15日，盡管沒有公布榜單成績和參數(shù)規(guī)模，但豆包大模型靠價格出圈了。
豆包主力模型pro-32k版的模型推理輸入價格僅為 0.0008 元 / 千 Tokens，相當(dāng)于一元錢就能買到125 萬Tokens，比行業(yè)價格低 99.3%；在處理 128K 長文本時，豆包通用模型 pro 的推理輸出價格為 0.005/ 千 Tokens。
這堪稱是行業(yè)“地板價”。以O(shè)penAI發(fā)布的全新模型GPT-4o為例，GPT-4o的價格已經(jīng)來到輸入5美元 / 百萬Tokens（約為0.035 元/千Tokens），輸出15美元 / 百萬 Tokens（約為0.1元/千Tokens）；而像阿里、騰訊等國內(nèi)大模型均價在0.12元/千Tokens左右。
火山引擎總裁譚待在接受媒體采訪時提到，“降價是用技術(shù)優(yōu)化成本來實現(xiàn)的。如果只是補貼，用虧損換收入是不可持續(xù)的，火山引擎不會走這條路?！?/p>
如何進(jìn)行技術(shù)優(yōu)化，據(jù)介紹，模型本身就有優(yōu)化的空間，模型結(jié)構(gòu)、訓(xùn)練方法都可以持續(xù)改進(jìn)，包括業(yè)界很關(guān)注的MoE（混合專家模型），就是優(yōu)化推理成本很好的解決方案。
其次是工程上的優(yōu)化。大模型的調(diào)用量越大，優(yōu)化推理成本的空間也越大。以前的模型都是單機推理，大模型用的是分布式推理。所以如果能把各種各樣的底層算力用得更好，推理成本就會大大降低。事實上，為了讓用戶可以低成本地使用AI，并推動應(yīng)用的發(fā)展，降價是國內(nèi)大模型廠商的共識。
今年2月份，阿里云宣布全線下調(diào)云產(chǎn)品官網(wǎng)售價，平均降價幅度超過20%，最高降幅達(dá)55%，涉及100多款產(chǎn)品、500多個產(chǎn)品規(guī)格，4月份，阿里云將降價策略擴大至海外公有云產(chǎn)品。
大廠們之所以打起價格戰(zhàn)，是因為大模型價格越低，使用的人越多；使用量越大，大模型才能被調(diào)用得越來越好。簡言之，價格力的出現(xiàn)，才能推動大模型更好地落地。
2024年，被行業(yè)看作是大模型落地元年，推出大模型已不再是新鮮事，重要的是充分釋放大模型的生產(chǎn)力，如何真正實現(xiàn)落地。
對于大模型廠商而言，如何真正服務(wù)好企業(yè)，是考驗各家AI產(chǎn)品是否是個好商品的重要標(biāo)準(zhǔn)。
3、火熱和洗牌并行，資本市場更冷靜看待大模型
從ChatGPT橫空出世后，大模型的火熱有目共睹。面對大模型帶來的技術(shù)革命，不僅是微軟、谷歌、百度、字節(jié)、阿里、騰訊等大廠下場做大模型，眾多與AI相關(guān)的創(chuàng)業(yè)公司涌現(xiàn)出來。
在我國，更是誕生了“新AI四小龍”：百川智能、月之暗面、MiniMax、智譜AI。從估值上看，除百川智能估值超百億元外，月之暗面、MiniMax目前估值分別為超23億美元和超25億美元，智譜AI估值超百億元。
“新AI四小龍”快速成長的背后，是資本的助推。CBInsights數(shù)據(jù)顯示，2023全年生成式AI新創(chuàng)在全球獲得約204億美元融資，是2022年36億美元的5倍以上。
火熱的背后，也有一些現(xiàn)象值得思考。最為明顯的一點是，與上一代移動互聯(lián)網(wǎng)創(chuàng)業(yè)潮相比，這場AI掀起的創(chuàng)業(yè)潮，資本和創(chuàng)業(yè)者都顯得更為冷靜謹(jǐn)慎。
從創(chuàng)業(yè)者角度看，大模型創(chuàng)業(yè)從研發(fā)大模型，到落地應(yīng)用場景，這條路的成功不僅依賴資金的投入和人力的積累，更需要過硬的技術(shù)和清晰的落地路徑，缺一不可。
從資本角度看，創(chuàng)業(yè)公司燒錢換增長在大模型行業(yè)是行不通的，投資者不會因為短暫的增長就不遺余力地押注真金白銀。
市場研究機構(gòu)CB Insights發(fā)布的《2023年人工智能行業(yè)現(xiàn)狀報告》指出，2023年中國AI領(lǐng)域的投融資案例數(shù)量約為232起，與去年同期相比下降了38%；融資總額約為20億美元，同比大幅下降了70%。
肉眼可見的是，市場冷靜下來了，在錢少的時候，對于創(chuàng)業(yè)公司而言，活下來更加重要。尤其是到了今年，商業(yè)化、落地等關(guān)鍵詞成為大模型新的競賽點后，商業(yè)模式不清晰，營收增長乏力的企業(yè)或面臨危機，行業(yè)或?qū)⒂瓉碚嬲磁齐A段。
從新變化看，今年，場上大模型玩家都從圍繞模型層的“參數(shù)之爭”，轉(zhuǎn)變?yōu)榘l(fā)力應(yīng)用層的“用戶之爭”，百度創(chuàng)始人李彥宏也多次表示“卷模型不如卷應(yīng)用”。
海外市場和國內(nèi)類似，投資Facebook和Salesforc的Meritech Capital，以及TCV、General Atlantic、Blackstone等機構(gòu)紛紛暫停對生成式AI的關(guān)注。Gartner分析師John-David Lovelock稱，大模型數(shù)十億美元的投資數(shù)量已經(jīng)放緩且?guī)缀跻呀?jīng)結(jié)束，熱錢涌向AI 應(yīng)用。
今年5月這波技術(shù)大爆炸后，玩家們都瞄準(zhǔn)了“更像人”的方向，即推出互動能力更強的AI助手。
過去一周內(nèi)，創(chuàng)業(yè)公司月之暗面和零一萬物接連發(fā)布Kimi+和萬知，兩款產(chǎn)品定位均為AI專業(yè)助手。其中，Kimi+搭建了一套智能體商店，包含辦公助手、研報生成、學(xué)術(shù)搜索、提示詞設(shè)計、輔助寫作等場景；萬知則是一套一站式AI工作平臺，覆蓋寫作助手、文件解讀、PPT圖文制作等功能。
同時，也有一些企業(yè)從加入“百模大戰(zhàn)”開始，就將應(yīng)用落地放在重要位置。舉例而言，“技術(shù)頂天，應(yīng)用落地”是科大訊飛在發(fā)展大模型過程中始終遵循的兩項準(zhǔn)則，在研發(fā)技術(shù)的同時，思考場景落地與商業(yè)化。
近期，科大訊飛披露投資者關(guān)系活動記錄表顯示，其多模態(tài)大模型能力已廣泛應(yīng)用在教育、醫(yī)療、工業(yè)、汽車、機器人等領(lǐng)域。此外，科大訊飛與人保集團(tuán)聯(lián)合發(fā)布了人保首個百億級參數(shù)的專屬問答領(lǐng)域大模型“人保大模型”；在軟件等 IT 行業(yè)，科大訊飛的 AI 程序員不僅在公司內(nèi)部使用，也已經(jīng)在軟通動力、交通銀行等100 多家企業(yè)“上崗”。
從爆火至今，大模型經(jīng)歷了很多個重要節(jié)點，其中最重要的是從參數(shù)到應(yīng)用的演變，大模型跑得快的標(biāo)準(zhǔn)正變成好用和實用。
行業(yè)的共識在于，通用大模型公司的能力水平再高，最終也要依靠商業(yè)化造血，底層通用大模型可能最終僅剩少數(shù)玩家，但應(yīng)用層的創(chuàng)業(yè)生態(tài)會相對繁榮。
從這點上看，新一輪的AI應(yīng)用競賽或許不會出現(xiàn)一家獨大的情況，巨頭和創(chuàng)業(yè)公司都將有機會突圍。不過，硅谷掀起的這場席卷全球的科技競賽，已經(jīng)呈現(xiàn)出更內(nèi)卷的態(tài)勢，這考驗著各個玩家的技術(shù)實力和賺錢能力，想不被淘汰，只能跑得更快。