構筑健康的大模型產業生態

高考期間，除了考場上奮筆疾書的莘莘學子和考場外的翹首以盼的家長，還有一個忙碌的身影，那就是各個大廠的大模型。押題，寫作，答題，它們忙得不亦樂乎，也讓大家看到一片欣欣向榮的景象。然而，這一表象的背后卻是暗流涌動，甚至硝煙四起。

價格大戰

產品之爭，價格往往首當其沖。

5月15日，字節對外宣布豆包大模型正式開啟對外服務，豆包通用模型pro-32k版、pro-128k版在企業市場的推理輸入價格僅為0.0008元/千tokens、0.005元/千tokens，比市場價格低了99.3%、95.8%，并聲稱已經擊穿了大模型行業的底價。

也許是受到豆包大模型的價格刺激，5月21日，阿里云宣布通義千問GPT-4級主力模型Qwen-Long的API輸入價格降至0.0005元/千Tokens，直降97%。而隨后，百度通過官方微信發文稱，文心大模型兩款主力模型ENIRE Speed和ENIRE Lite全面免費。

隨著技術的進步和規模經濟的實現，大模型的開發和運維成本可能有所下降，這為廠商提供了降價的空間。而且降價是廠商用來激活市場和吸引用戶注意力的一種手段。通過降低價格門檻，廠商可以吸引更多的用戶試用其大模型服務，從而增加市場的認知度和接受度，在此基礎上進行商業模式的探索。

不管怎樣，價格大戰反映了我國大模型市場競爭的激烈程度，也反映了大模型技術在我國的商業化進程。這種價格大戰可能會為用戶帶來更多選擇和更具競爭力的產品和服務。然而，需要注意的是，價格大戰可能會導致一些問題，例如產品與服務質量的降低以及研發投入的減少。

政策利好

我國大模型的價格大戰反映了市場競爭的激烈程度，也表明了我國大模型的商業化程度。近年來，我國始終高度重視人工智能發展機遇和頂層設計，發布多項人工智能支持政策。國務院于2017年發布《新一代人工智能發展規劃》，科技部等六部門于2022年印發《關于加快場景創新以人工智能高水平應用促進經濟高質量發展的指導意見》對規劃進行落實。2024年《政府工作報告》中提出開展“人工智能+”行動。

伴隨人工智能領域大模型技術的快速發展，我國不少地方政府出臺相關支持政策，加快大模型產業的持續發展。當前，北京、上海、廣東、安徽、福建和深圳、杭州、成都等地均發布了AI大模型的相關產業政策。

以上海為例。為深入貫徹國家發展新一代人工智能的戰略部署，落實《上海市促進人工智能產業發展條例》，推動上海大模型創新發展，營造通用人工智能創新生態，加快打造世界級人工智能產業集群，上海市經濟信息化委、市發展改革委、市科委、市委網信辦、市財政局聯合制定了《上海市推動人工智能大模型創新發展若干措施（2023-2025年）》，提出要支持引進高水平創新企業，支持本市創新主體打造具有國際競爭力的大模型，鼓勵形成數據飛輪，加速模型迭代，對取得重大成果的予以專項獎勵。

在技術趨勢和政策利好的驅使下，我國大模型產業蓬勃發展。根據相關統計，截至2024年3月，已有117個大模型在中央網信辦成功備案，顯示出我國大模型發展的迅速和激烈的競爭態勢。這些大模型來自不同的地區和企業，其中北京、上海、廣東等地的大模型數量占據顯著位置，合計占全國大模型總數量的64%。所以，百模大戰是名副其實的。

多重挑戰

在大模型的發展過程中，政府通過制定政策、優化營商環境、支持大模型重大項目和創新平臺等方式，為產業發展提供全方位支撐。同時，企業也積極投入大模型的研發，推出新品，探索產業發展新路徑，加快形成人工智能大模型產業競爭優勢。但我國大數據產業仍面臨算力、數據、應用和能耗等多方面的挑戰。

算力瓶頸：隨著AI大模型規模的指數級增長，訓練大模型越發依賴高性能AI芯片。然而，國內AI高性能芯片市場受進口限制和國內技術瓶頸的雙重影響，導致大模型產業發展在算力層面受到制約。主流大模型架構消耗的算力資源較大，對存儲設備的要求也更高，這進一步加劇了算力挑戰。

數據質量與類型：國內AI大模型數據主要來自互聯網、電商、社交、搜索等渠道，存在數據類型不全面、信息可信度不高等問題?？捎糜诖竽Ｐ陀柧毜闹形臄祿祗w量嚴重不足，這影響了大模型的訓練效果和應用范圍。

應用場景與商業化：盡管大模型數量眾多，但目前我國大模型產業尚未出現爆款級應用。這主要是因為尚未找到明確的商業化思路，缺乏滿足客戶需求的個性化應用。

能耗問題：大模型對算力的巨大需求也帶來了能耗問題。人工智能服務器的功率較普通服務器高，訓練大模型所需的能耗是常規工作的數倍，這對能源供應和環境保護帶來了挑戰。

發展建議

為了構建健康、可持續和創新的大模型產業生態，我國應在技術創新、數據安全、應用落地、人才培養和國際合作等多個方面下功夫，不斷提升我國在大模型領域的競爭力和影響力。

持續推進技術創新是關鍵。大模型技術的發展日新月異，要想在國際競爭中保持領先地位，我們必須不斷加大在算法優化、模型性能提升等方面的研發投入，推動技術創新和突破。同時，也要關注新興技術的發展趨勢，如量子計算、神經形態計算等，以便將這些先進技術應用于大模型領域，進一步提升模型的性能和效率。

加強數據安全和隱私保護至關重要。大模型需要大量的數據進行訓練和優化，因此數據安全和隱私保護問題不容忽視。我們應該建立完善的數據安全管理制度和技術防護措施，確保用戶數據安全和隱私得到充分保護。同時，也要加強相關法律法規的制定和執行，為數據安全和隱私保護提供有力的法律保障。

推動大模型在各行業的應用落地。大模型技術的應用場景非常廣泛，可以應用于自然語言處理、計算機視覺、智能推薦等多個領域。我們應該積極與各行業合作，推動大模型技術在各個領域的應用落地，解決實際問題，提升行業的智能化水平。同時，也要關注不同行業的需求和特點，定制化開發適用于特定場景的大模型解決方案。

培養大模型領域的專業人才。大模型技術的發展需要大量的專業人才支持，包括算法工程師、數據科學家、產品經理等。我們應該加強相關人才的培養和引進工作，建立完善的人才培養體系，為大模型領域的發展提供充足的人才保障。

最后，加強國際合作與交流。大模型技術的發展是全球性的，各國都在積極研究和應用相關技術。我們應該加強與其他國家在技術創新、人才培養、應用落地等方面的合作與交流，共同推動大模型技術的發展和應用。