文 | 光錐智能，作者｜郝鑫
Kimi 有多火爆？憑一己之力攪亂 A 股和大模型圈。
Kimi 概念股連日引爆資本市場，多個概念股随之漲停。在一片看好的态勢中，誰都想來沾個邊，據光錐智能不完全統計，目前，至少有包括讀客文化、掌閱科技、萬興科技等在内的十家上市公司發布公告透露正在了解或接入了 Kimi 智能助手。
眼看着 Kimi 的火越燒越旺，大廠也垂涎三尺，連夜加入了大模型 " 長文本 " 的四國大戰。
對标月之暗面 Kimi 智能助手的 200 萬字參數量，百度文心一言将在下個月開放 200 萬～500 萬字長文本處理功能，較此前最高 2.8 萬字的文檔處理能力提升上百倍；阿裏通義千問宣布升級，開放最高 1000 萬字的長文本處理能力；360 智腦正在内測 500 萬字，功能正式升級後将入駐 360AI 浏覽器。
四家中國大模型公司把長文本能力 " 卷 " 出了新高度。作爲參考，目前，大模型最強王者 OpenAI 的 GPT-4 Turbo-128k 可處理文本能力約爲 10 萬漢字，專攻長本文的 Claude3-200K 上下文處理能力約爲 16 萬漢字。
但同樣都是 " 長 "，有人是孫悟空，有人是六耳猕猴。
一位大模型行業的人士向光錐智能表示：" 确實有一些公司用 RAG（檢索增強）來混淆視聽。無損的長文本和 RAG，兩項技術各有優勢，也有結合點，但歸根到底還是不同的技術……很容易就用‘長本文’來混淆視聽。"
" 百度、阿裏、360，大概率都使用了 RAG 方案 "，該業内人士表示道。
無論是 RAG 還是長文本，一味地 " 長 " 并不能代表所有。如同上一輪，大模型廠商 " 卷 " 參數，大模型參數不是越大就越好，文本長度，也不是越長，模型效果就越好。除了上下文長度，記憶能力、推理能力、算力都是共同的決定性因素。（詳細觀點請參考《卷完參數後，大模型公司又盯上了 " 長文本 "？》一文）
進入 2024 國産大模型落地元年，大模型應用千千萬，爲什麽是長文本能率先掀起波瀾？基于長文本的特性，又能解決哪些 AI 應用落地的實際問題呢？
長文本，真的越長越好嗎？
自 ChatGPT 誕生以來，國外一直在持續不斷地湧現出新的 AI 應用，産生流量的同時，也令人看到了商業化的可能性。
據風險投資公司 a16z 近期發布的《GenAI 消費應用 Top100 報告》顯示，用戶月訪問量最大的應用網站中，類 ChatGPT 的效率助手占據了榜單前十的大壁江山，ChatGPT 的每月網絡訪問量接近 20 億次，第二名 Gemini 的每月訪問量約爲 4 億次。
但同樣 AI 應用活躍而繁榮的場景卻并沒有在中國成功上演。在月之暗面的 Kimi 智能助手憑借流量和人氣出圈之前，國内能夠達到一定體量的應用隻有兩個，一個是百度推出的文心一言 App，另一個是字節跳動推出的豆包。
據相關數據統計，截至 2023 年 9 月，百度文心一言 App 的月活量達到最高峰值 710 萬；同年 12 月，字節豆包月活達到 200 萬，2024 年 1 月在此基礎上翻了一番達到 400 萬。
文心一言憑借百度的大模型先發優勢和搜索流量優勢，一度成爲國内流量最大的 AI 應用；而豆包背靠抖音流量轉化池，雖然發布時間稍晚一步，但在後期實現了反超。
在這樣背景之下，Kimi 的爆火顯得尤爲特殊，某種意義上可以說，Kimi 是國内第一個靠産品能力和用戶自來水破圈的 AI 應用。
月之暗面創始人楊植麟曾告訴光錐智能，其團隊發現正是由于大模型輸入長度受限，才造成了許多大模型應用落地的困境，這也是月之暗面聚焦長文本技術的原因所在。
站在用戶角度來看，好不好用是檢驗 AI 應用産品最關鍵的指标，而這都依賴于 Kimi 背後的長文本技術。
若将長文本的能力進一步拆解，大緻可以包括長度、記憶、理解、推理幾個能力。
越來越長的文本長度，可以進一步提升現在 AI 應用的可用性和專業性。
對普通用戶而言，與 AI 助手簡短的閑聊能夠引起興趣，但不能解決問題，特别對于法律、醫學、金融等一些專業領域，需要前期 " 喂 " 給大模型特定的數據和知識，才能精準地輸出答案；對企業而言，更需要一個 " 專家型 " 的助手，大量的企業數據、行業數據都需要提前導入，沒有損耗地輸入和輸出，從而保證最後的分析結果具有可參考性。Claude 就是一個典型的例子，憑借長文本的優勢與 ChatGPT 走出不同的路線，收獲了大量的 2B 垂直行業的企業用戶。
多輪對話和記憶能力可以直接應用到現在大部分的場景中，比如遊戲場景中的 NPC，通過長文本輸入給予其角色設定，玩家每一次的對話都會被記錄，并且能夠生成個性化的遊戲檔案，避免了重新登錄而需要反複喚醒的問題；在執行 Agent（智能體）任務場景，能夠增強記憶能力，輔助 Agent 形成清晰的行動步驟，避免出現 Agent 打架的現象。
長文本的理解和推理能力體現在兩個方面，一類是對想象類的應用理解生成，一類是對邏輯類應用的生成。例如在對 AI 小說的應用中，長文本的能力體現在能夠理解用戶輸入的 prompt，對其想象性的擴寫；在編程、醫療問答等領域，則需要調用其邏輯的推理能力，合理化地續寫編程，根據用戶描述推理病狀。
月之暗面副總裁許欣然曾表示，大模型無損上下文長度的數量級提升，将進一步打開對 AI 應用場景的想象力，包括完整代碼庫的分析理解、自主完成多步驟複雜任務的智能體 Agent、不會遺忘關鍵信息的終身助理、真正統一架構的多模态模型等。
所以，長文本從來都是一項綜合性的能力，而非越長就越好。相反，過分追求長，可能引發算力匮乏的問題。
大模型公司卷 " 投流 "，一天獲客成本 20 萬
流量狂飙、宕機後五次擴容；日活用戶數達百萬，月環比增長率 107.6%；趕超微信、殺進 App Store 免費版應用第五名，月之暗面交出了一份漂亮的成績單。
但這也隻是一個開始，多位業内人士在今年剛開年曾向光錐智能透露，走過高速技術叠代的 2023 年，大模型來到了産業落地和商業化的下半場。
去年，各家已經相繼亮劍，智譜、百川、面壁不同程度上都開啓了商業化。月之暗面稍慢，目前還未公布商業化的方案，但急切地開始了商業化加速進程，B 站、抖音等社交平台都能看到 Kimi 助手投流的廣告。
盡管，各家都從未将 2C 的變現路線排除在外，但是延續 2016 年 AI 1.0 時代的思路，多數還是将 2B 作爲了首要的突破口。有了技術，去找技術和産業落地方向，探索落地方案似乎成爲了理所應當。
月之暗面則是大模型公司的另類，去年 10 月份第一次公開露面後，就瞄準了 2C 的應用市場。楊植麟曾表示，長文本是月之暗面根技術，在這技術之上可以分裂出不同場景和領域的 2C 應用。
在 Kimi 效應爆發前，就有很多普通和企業用戶反饋，"Kimi 是國内最好的 AI 助手，沒有之一 "，從一開始就注重産品效果和用戶體驗的 Kimi，現在爆發似乎帶有一定的必然性。
商業化壓力之下，大模型公司大概率會選擇 2B、2C 兩條腿走路。對比其他大模型公司，月之暗面則又提供了另一種商業化的路徑參考，其他玩家從先 2B 再 2C，以 2B 拉動 2C，而月之暗面則屬于先 2C 後 2B，再以 2C 的産品拉動 2B 的單子。
畢竟，除了國外的 ChatGPT，之前在國内根本看不到 2C 産品增長的案例。Kimi 靠近半年的積累，憑一己之力在 2C 撕開了一道口子，衆多大廠或許是看到了 2C 更多的可能性，才急于下場向市場證明自身具備長文本能力。
但回到商業化賺錢的本質，仍要思考如何将一時的流量轉化成實打實的付費率。
光錐智能觀察發現，現在大部分的大模型公司在推産品時還是互聯網推流的那一套，舊瓶裝新酒，抖音、B 站、小紅書投流推廣，在線下的寫字樓電梯、機場、地鐵打廣告。
一通操作下來的實際轉化率有多少尚未可知，但爲獲客花出去的都是真金白銀。據新浪科技報道，有投資人透露，目前 Kimi 用戶獲客成本達到 12 元～13 元。根據下載量預估，Kimi 近一個月來日均下載量爲 17805。按此計算，Kimi 每天的獲客成本至少 20 萬元。
現在市面上大部分的 AI 助手都是免費下載使用，基于網絡負外部效應，當用戶越來越多的時候，其資源的耗損就越來越大。此次的 Kimi 宕機事件就是最好的例證，順時暴漲的用戶量給算力和服務器都造成了壓力，與之帶來的還有大量的 token 成本的消耗。
對大模型公司而言，規模化、付費率和成本的三方拉扯問題，短時間内無法得到解決，即使是流量吊打其他應用的 ChatGPT 也面臨盈虧平衡的困境。
據 data.ai 數據顯示，截至 2023 年 6 月 19 日，ChatGPT iOS 端上線首月的日活付費率約爲 4.36%。OpenAI 預測，對于壓縮成本後的 GPT-3.5 模型和 GPT-4 模型，若月付費率每月提升 0.25% 或不能持續；若月付費率每月提升 0.5% 或能扭虧。
月付費率不斷提升聽起來很性感，但現實卻是 " 未老先衰 "，爆發性的增長還未迎來，增長停滞先一步到來。
對大模型廠商，特别是創業公司來說試錯的機會并不多，不能剛從技術的坑出來，又一頭紮進投流的坑，跟風長文本不能解決所有問題，跑出商業化模式才是。
