文 | 節點财經，作者 | 崔大寶
進入 2024 年，大模型似乎有熄火之勢：資本市場，與之關聯的概念炒不動了，英偉達股價動辄暴跌重挫，引發 " 泡沫戳破 " 的擔憂；
消費市場，BATH 們的推新活動少了，産品更新叠代的速度慢了，民衆的關注度降了……
熱鬧的大概隻剩下兩場酣仗：自 5 月 15 日字節跳動宣布 " 以厘計費 "，打響國内大模型 " 價格戰 " 的第一槍，百度文心、訊飛星火、阿裏通義、騰訊元寶等紛紛跟進；
同時，地鐵、寫字樓、機場等白領人群密集區域，百度文心、訊飛星火、阿裏通義、騰訊元寶、華爲盤古的 Slogan，你方唱罷我登台，貼臉營銷如槍林刀樹。
" 海水 " 與 " 火焰 " 交融的場面，不得不讓人思考，大模型的出路究竟在哪裏？難點、卡點、節點又是什麽？
01 難點：盈利難＆落地難
強如 OpenAI，也面臨 " 恰飯 " 的難題。
援引外媒報道，OpenAI 預估虧損 50 億美元，全年運營總成本高達 85 億美元，照此估算，其現金流大概率在一年内耗盡。
而在一篇題爲《How does OpenAI Survive》的長文中，作者對 OpenAI 的商業模式産生了質疑：
"OpenAI 的營收在 35 億至 45 億美元之間，但其運營虧損可能高達 50 億美元，其收入遠遠無法覆蓋成本。而爲了推出下一代的大模型 GPT5，OpenAI 需要更多的數據和算力，這又是一大筆花費。"
說千道萬，靠着 " 碎鈔式 " 的大力出奇迹後，大模型卻仍未找到一條合理的盈利路徑。
據《節點财經》觀察，市面上的大模型，大部分都采取 To C+To B，即會員訂閱 + 開發者 API 調用 " 兩條腿 " 走路。
但無論是 To C，還是 To C，能一上來就産生付費的寥寥無幾，若再刨除重負的減項，多半是鼻子大過臉。
以本土大模型先行者百度爲例，2024 年 Q1，其雲業務收入爲 47 億元，同比增長 12%，其中 6.9% 來自外部客戶使用大模型及生成式 AI 相關服務，約爲 3.24 億元。
而在 2023 年 Q4，大模型爲百度雲貢獻了 6.6 億元增量收入。
這是國内唯一披露大模型收益的廠商，本身又是家大業大，有底氣拼到底的巨擘。但隻談創收，忽略創利，就是耍流氓。
可想而知，其餘不敢明示賬目的選手，内心有多迷茫、煎熬。
不掙錢，難掙錢的背後，是大模型落地難的窘境。
雖然大佬們高呼 "ChatGPT" 的問世是 "iPhone 時刻 "，第四次工業革命，新一代的 " 火 " 和 " 電 "，但坦率地講，當下大模型還有很多局限性，包括認知偏差、能動性欠缺、泛化性能弱、幻覺等。
比如，數值運算就是大模型明顯的弱項，或者說大模型是妥妥的 " 文科生 "，做數學題的智商可能連二、三年級的小學生都不如。
《節點财經》親測，在 Kimi 輸入："9.11 和 9.8 哪個大？" 一頓啰嗦後，Kimi 給出了完全不正确的答案。
圖源：Kimi 官網
比如，大模型資料更新不及時，必須外挂知識庫才能在一定程度上緩解這個痛點，并且還是無法完全解決 " 一本正經地胡說八道 " 的尴尬。
前幾天刷屏的 SearchGPT，就在各地網友興緻勃勃等待灰測展現 AI 搜索的 " 洪荒之力 " 時，《大西洋月刊》澆了一盆冷水，眼尖的記者發現：
問的是關于 " 八月份北卡羅來納州的布恩音樂節 " 的細節，SearchGPT 的回答分爲 5 條，3 條裏包含事實錯誤——有的是把舉辦日期弄錯，有的是把距離和車程搞混，有的是把場館網址張冠李戴。
再如，大模型絕對是 " 健忘症 " 患者，我們在和它對話時，尤其是多輪對話時，難免要化身 " 複讀機 "，一遍一遍重複相同的話術。
而在 B 端，因爲實戰經驗不足，生分于對方的 Know-How，加之環境的複雜多變性，大模型面臨的挑戰更艱巨。某業内人士表示，迄今大模型在行業中尚沒有一個成熟的案例。
02 卡點：數據、算力、成本
深入肌理地分析，大模型的 " 落地難 " 又與自身的三大卡點：數據、算力、成本息息相連。
➊ 卡在數據
如果把大模型比作一頭巨獸，那它的顯著特征之一便是 " 不停進食 "：需要高質量、大面積的語料做長久期、高頻次地投喂、催肥。
換言之，" 食物 " 的品質、多寡、新鮮度、多樣性等，決定了大模型的叠代進度和學習效果。
無疑，這對數據的挖掘、獲取提出嚴峻考驗，關系到各方的權益保障、利益分配、版權歸屬等，通常涉及到敏感信息時，數據的清洗、标注、脫敏又會很繁雜。
前陣，免費網文 APP 番茄小說因一份 "AI 協議 " 引發軒然大波。根據該份協議，平台可以将簽約作品，含名稱、大綱、簡介、章節等，作爲 " 哺育 "AI 大模型的素材，用于各種應用場景，如智能對話、智能文本創作等。
不過，這一舉動遭到作者的普遍反對，認爲其不僅威脅網絡寫手的生計，還損害了原創内容的價值，甚至發起聯合斷更以示抗議。
➋ 卡在算力
如果把 AI 鏈路比作一間工廠，那麽算力便是維持工廠運轉，量級誇張且進價不菲的 " 燃料 "（煤、石油、電力等）。
公開資料顯示，初始 ChatGPT 匹配的算力是 1 萬塊英偉達 A100（AI 芯片），花費超過 7 億元。後續調優每天消耗的算力大概是 3640PFLOPS，即 7 至 8 個算力達 500PFLOPS 的 Data Center 的支撐，整體基建開支以百億計。
按照廣發證券的測算，在暫不考慮軟件層面算法優化的前提下，本土 AI 大模型在訓練與判斷、預測階段所需算力，相當于 1.1 萬台或 3.8 萬台（樂觀假設下）高端 AI 服務器，大緻對應約 126 億元到 434 億元的資金體量。
進一步地，随着大模型規模狀大，算力需求會倍數遞增，已然超越硬件的摩爾定律。據悉，ChatGPT 從 1.0 到 3.0，參數量從 1.17 億狂飙到 1750 億。
而目前，我們在算力這塊既面臨外部 " 卡脖子 "，内部建設又相對落後，碎片化、傳輸慢、協同難、人才緊缺等 " 痼疾 " 亟待突破，導緻大模型的實效遜于國外。
" 大模型隻有兩個梯隊，OpenAI 和 Others，國産用哪家都一樣 "，多位 AI 從業者談道。
➌ 卡在成本
大模型 " 桎梏 " 于算力，實際也是 " 桎梏 " 于成本。
計算機飛入千家萬戶，售價下探，變得親民、接地氣，很關鍵；智能手機能人手一部，物美價廉的小米功不可沒；新能源汽車的熱賣，離不開動力電池的 " 跳水式 " 降價……
從人類曆史的進程看，任何一項新技術的推廣、普及，都離不開對成本的有效、大力壓縮、控制。
硬币的背面，是科技發展和工業文明進步共同作用下，制造效率、運算精度提升，人均産值拔高，各類物料愈發便宜等因素集結的強大驅動力，進而減輕 C 端、B 端 " 太貴了，買還不買 " 的糾結。
大模型同理，浩大的開支也是其成長途中的 " 絆腳石 "。試想，當生态裏隻有唯一的 " 賣鏟人 "（英偉達）賺錢，賺頭還不小，怎麽可能持續呢？
好消息是，今年 2 月末，李彥宏透露，自發布以來，百度不斷降低文心大模型在推理方面的成本，已降至去年 3 月版本的 1%。
03 節點：在産業裏 " 種植 " 大模型
毋庸置疑，大模型仍有諸多 " 短闆 " 和缺陷，但新技術的魅力向來在于探索 " 無人區 "，跋涉 " 深水區 "。
很多眼下看似微弱的 " 火種 "，往往都孕育着日後 " 納須彌于芥子 " 的宏壯。盡管迄今爲止的大模型，大家都是拿着錘子找釘子，但我們已經看到，其正逐步向産業邁進，嘗試扮演了一些淺層的 Agent 的角色。
最醒目的标識便是，大模型不再坐而論道，隻會聊天、寫詩、作畫，而是起而動之，走出實驗室，去往礦區、政務、金融、醫藥、金融、物流等具體領域，努力兌現自己的終極使命。
比如，在礦區，下井工人常年深陷光線昏暗、浮塵彌漫的環境，疊加經年累月高強度的勞碌，使不少人都患上了風濕、耳鳴等職業病，更甚者，還可能遭遇瓦斯、透水等意外，但礦區作業又十分依賴人力，特别是主運系統巡檢。
華爲的盤古礦山大模型這時候便派上用場了。其覆蓋煤礦的采、掘、機、運、通、洗選等流程下的 1000 多個細分場景，用 AI 取代人成爲主運智能監測系統的眼睛，能夠精準識别大塊煤、錨杆等異常情況，異物識别準确率達 98%，動作規範識别準确率超過 95%，且全時段巡邏助力工作人員，避免因漏檢造成的安全事故，縮短停機時間。
京東表示，基座大模型是靠卡訓出來的，企業大模型是靠人用出來的。
物流領域，攬收、派送、分揀、輔助，應對突發事件等，快遞員每天都背負着繁重的任務，還要熟悉貨物處理規程、安全操作标準、客服要求等多達上百個規範，把這些統統記牢，肯定要耗費大把功夫，還容易混淆。
京東言犀大模型的小哥終端助手大大化解了上述煩惱。它告别了隻 " 動腦 " 的境界，能直接 " 下手 "，快遞員動動嘴，小哥終端助手就能立即将送貨通知發給客戶。如今，小哥終端助手爲 JD 商城近 35 萬自有配送員 " 效勞 "。
再如，零售行業，基于京東言犀大模型的 AIGC 營銷工具 " 京點點 "，不僅可以幫助商家一鍵出商品圖，還支持了超過 2000 種視覺元素道具；不僅可以豐富吸睛資源和表現力，還能依循商品屬性、特點和宣傳想要的個性化布局，實時、自主撰寫創意賣點、種草文案、直播腳本等。
總的來說，把大模型 " 種植 " 在産業裏，讓大模型在産業裏生長、發芽，俨然是現在大廠的共識，必須攻克的難關。長遠看，該共識亦如 " 星星之火 " 終會燎原曠野。
寫在最後
當喧嚣過後，大模型這場豪華遊戲，能留在牌桌的玩家，注定隻是少數。
面對數據、算力、成本等現實問題，供需兩端漸漸回歸理性。可以預見，在真 " 好用 " 和能 " 吸金 " 之間，大模型還有很長的路要走。
