大模型现状：一边速成一边参数内卷

　　当下大模型赛道的现状：一边是创业公司基于开源大模型速成，一边是大厂在各种内卷大模型参数。

　　据机构不完全统计，目前中国10亿参数规模以上的大模型已发布79个。在大参数内卷的过程中，市场开始出现另一种声音“不具备发展方向的参数提升是没有意义的”。

　　为此，在发展方向上，当下一部分大模型已经聚焦到垂类领域应用。基于成千上万的模型发展，底座或许会发生改变，但仔细一想，也总需要有人能够在垂类行业中跑出来。

　　同时，在发展初期，虽然闭源大模型在质量上更优，也相对安全，但大模型生态终究需要一定程度的内卷，开源实际上可以助长大模型的繁荣。另一个角度，基于开源众多企业有了赛道参赛的资格，但也总有人轻易就倒在了第一关匣算力短缺。

　　说到底，大模型数量是在以倍数的数量在增长，但如果片面的看待大模型日益增长的数量，那么某种程度上也会忽略掉背后部分公司对大模型的抉择、挣扎，甚至是选择后放弃的可能性。

　　众所周知，人工智能三要素是：算力、算法和数据。开源只是处于算法阶段，之后企业还需要对其进行大量的算力支持和数据训练，这背后的成本是高昂的。

　　在开源大模型选择上，基于成本和定制开发的原因，选择小参数模型的创业型企业不在少数，甚至是该类企业的首选。

　　国盛证券曾经估算，GPT-3训练一次的成本约为140万美元，对于一些更大的LLM模型，训练成本介于200万美元至1200万美元之间。

　　包括在今年1月，平均每天约有1300万独立访客使用ChatGPT，对应芯片需求为3万多片英伟达A100GPU，初始投入成本约为8亿美元，每日电费在5万美元左右。

　　更何况，在大量资金投入之前，还需要大量的数据资源来支撑模型训练。为此，另一个原因是预训练需求问题。

　　因为如果一旦对大模型的高质量数据筛选和训练得过少，大模型的输出质量问题是很明显的，在体验上，用户的体验感也会大大降低。

　　可以说，在预训练的过程中，仅仅是在数据的积累上就已经花费了大量的资金与时间。

　　更何况，在大模型赛道中，大多数的创业公司都是围绕在行业垂直领域进行发展，付出虽然相对少，但一定不轻松。

　　具体一点来说就是，如果大模型要改变行业的商业模式的话，那么对此最简单的判定标准就是，该类大模型是否具备的行业数据足够多，例如要对藏在暗处的黑产要有足够的了解，才能不被黑产所用，处于安全被动的状态。

　　另一个判定的标准就是，大模型在运行之时所处理的数据，最终输出的质量如何。

　　说到底，想要基于开源模型去打破模型垄断，还需要对大量的数据进行足够的优化提升，并且对基础设施的投入足够完善。

　　如今的开源大模型实际上更像是网络时代的Android，没有大厂的落地场景、数据积累等优势的创业公司，发展起来很不容易，但仍然存在机会。

　　就连创业公司追一科技相信“垂直大模型是坚实的机会，就像发现美洲大陆这件事远不只成就了一人而已”。

　　于是如今我们可以看到众多创业公司开始选择入局大模型赛道，其中包括毫末智行、创新奇智、元语智能等AI创业公司所推出的DriveGPT雪湖海若、奇智孔明、ChatYuan元语等大模型。

　　不过，国内虽然尚未有产品面向C端，但基于B端，大厂已经开始实现初步落地的过程中。

　　据悉，目前大厂都在计划通过云的方式对外输出大模型的能力，云计算成为A大模型落地的最佳方式，模型即服务(MaaS)越发受到关注，而这也将带来大模型成本的降低。

　　根据权威杂志《Fast Company》预测，OpenAI 2023年的收入将达到2亿美元，包括提供API数据接口服务、聊天机器人订阅服务费等。

　　很显然，各行业对大模型的需求是存在的，但基于安全性的考虑，加之to B对大模型亦步亦趋的态度，大模型当下安全系数有限。于是，在相对基础，需求量高的对话、文档内容生成、问答，包括协同办公中对话、文档生成等众多场景，互联网大厂也在优先做。

　　例如，现在人类只需要把商品的信息告诉AI，让AI自动生成多种风格的商品带货脚本和风格，再配个数字人主播，就可以帮企业把货给卖出去。据百度介绍，相比真人直播，数字直播可实现7*24小时不间断直播，转化率为无人直播间的2倍。

　　在云上基础设施作为大模型创业的必要底座下，拥有云计算的互联网大厂具有一定的优势。

　　根据IDC发布的2022年全球云计算IaaS市场追踪数据来看，市场份额TOP10玩家都是中美的大公司，包括美国的亚马逊、谷歌、微软、IBM，中国的阿里、华为、腾讯、百度等。

　　虽然大模型的开闭源之争，终究不会是靠某一个或几个产品的出现而终结，还要更多顶尖人才参与、技术迭代和资金支持。

　　但横做对比，众多AI创业公司也缺少了一份如同创业独角兽公司MiniMax的运气。(不同的是MiniMax注重的是通用大模型)

　　7月20日，腾讯云对外披露助力MiniMax研发大模型的最新进展。目前，腾讯云长期支持MiniMax的千卡级任务稳定运行在腾讯云上，可用性达99.9%。

　　据悉，自2022年6月起，基于算力集群、云原生、大数据、安全等产品能力，腾讯云为MiniMax搭建了从资源层、数据层到业务层的云架构。

　　现实似乎再度证明了，拿到入场券是第一步，接下来考验的是市场玩家们探索商业化和技术升级的能力。直白一点来说，AI创业公司想要在赛道中跑到最后，每一步都不能落下。

　　虽然部分互联网大厂已经实现初步场景落地，亦或是开始售卖服务获得收入，但大厂以及MiniMax的目光更多是聚焦在通用大模型上。

　　而垂直大模型仍然是真空地带。特别是对于传统企业群体来说，考虑到自身业务的IT属性低、投出产比低等问题，选择自研大模型的概率较低。

　　例如创新奇智聚焦在工业大模型产品“奇智孔明”;拥有一定数据优势，往语言上发展的ChatYuan元语大模型;主打自动驾驶生成式大模型DriveGPT雪湖海若。

　　先是元语大模型从零开始做一次训练的成本能做到千万人民币量级。而在自动驾驶生成式领域上，比ChatGPT 多设计一套新的语言，紧接着再把所有的真实道路驾驶数据，并“翻译”成统一的语言的DriveGPT雪湖海若，也存在着一定的成本投入。

　　某种程度上，AI创业公司能够实现对大模型的大量投入，更多的是得益于ChatGPT商业和营销方面的成功，能够瞬间让人们目睹了大模型的可落地性，而不是继续隐匿在漫长的技术迭代中。

　　为此，当下实现落地的第一步，就是大模型的训练成本、推理成本一定能做到比搜索还要低，而且还能保证即时性。

　　简单来说就是，一边在做底层大模型的同时，找准一个模型最终的主应用场景，一边收集用户数据并做出快速的迭代。

　　目测，元语智能更偏向于这一类。总结起来看，在很长的一段时间内元语智能都聚焦在自然语言大模型业务上。

　　元语COO朱雷并表示，“不会为了跟风盲目拓展图片、视频业务，元语的目标是实现ChatGPT等前沿语言大模型的全面国产化。语言大模型的生态已经足够大了，做好业务聚焦很重要。”

　　但对于其他往自动驾驶、工业生产等垂直大模型发展的创业公司来说，或许缺乏对一些特殊的行业数据掌握。

　　毕竟，在垂直大模型赛道，未来企业竞争的一个核心因素，就是私有数据和私有经验，个体公司的流程并不被大模型者知晓时，可能就会有独特的竞争力。

　　目前，生成式人工智能在监管上也正在受到更多关注。近日国内发布了 《生成式人工智能服务管理办法(征求意见稿)》，明确要求不得出现歧视，生成内容应当真实准确、防止生成虛假信息等，如果出现，除内容过滤外，还要通过模型优化等进行优化。

　　此外，在更好的开源模型的出现，保不齐会伴随着更多跃跃欲试的公司会涌进来，这对于创业公司来说，有何尝不是竞争?

　　例如当下的Llama 2，7月18日，Meta公司发布了首个开源人工智能模型Llama的商业版本 Llama 2。有企业认为，根据现在的各种评测文档，除了代码能力差一些，其实很多地方已经开始接近ChatGPT。

　　或许未来开源社区的狂热浪潮会让具备基础能力的大模型普及化，以后私有化大模型就是白菜价。直白一点来说就是，企业可能会非常便宜地使用私有化大模型。

　　更重要的一个点是，汤道生曾表示：“通用大模型有很强的能力，但并不能解决很多企业的具体问题，在100个场景中可以解决70%80%的问题，但未必能100%满足企业某个场景的需求。但企业如果基于行业大模型，再加上自身数据进行精调，可以建构专属模型，打造出高可用的智能服务。”

　　当然，这种私有化大模型还未到来，但赛道中的创业公司，一定是机遇和困境齐具。

　　中国经济新闻网：腾讯云助力MiniMax打造大模型：规模超千卡，可用性达99.9%

　　搜狐AI报道：超30个国产大模型混战：华为百度阿里腾讯，谁能成为“中国的OpenAI”?

　　文章内容仅供阅读，不构成投资建议，请谨慎对待。投资者据此操作，风险自担。

　　6月1日，2023中国科幻大会·元宇宙产业峰会在石景山首钢园一高炉SoReal元宇宙乐园盛大举办。

　　上海车展正在火热进行中，一汽大众在2023上海车展中带来了ID家族的旗舰轿车产品，ID.7 VIZZION，新车基于MEB平台打造而来，预计将于今年下半年正式上市。

　　5月18日，为了帮助中小企业解决定为难、运营难、资金难、人才难、资源难等问题，杭州市市场营销协会组织多家专业机构联合举办“名企游学，走进上市公司”活动，通过学习交流赋能中小企业更好地完成转型升级。此次活动走进“A股互联网第一股”浙江网盛生意宝股份有限公司。

　　5月18日，由京东携手爱空间整装举办的京东装修自营业务新品发布会暨京东联合爱空间整装新品媒体见面会正式召开。