決戰大模型

時代變了。前一個移動互聯網的時代，代表人物是喬布斯；后一個AI的時代，代表人物可能是山姆·奧特曼，也有可能是別人。

2023年，OpenAI以斷崖式領先的姿態，睥睨所有它的同行。現在是2024年，情況已經很不一樣。

先笑的人，不一定能笑到最后，在硅谷尤其如是。

半導體時代初啟時，“仙童八叛逆”取代了半導體之父肖克利，成為硅谷真正的話事人；計算機時代初啟時，“八叛逆”陸續出走，創立英特爾、微軟等一眾公司，摘光了仙童所有的“桃子”；互聯網時代初啟時，網景瀏覽器一家獨大，不過四五年光景，一鯨落而萬物生……

先驅成先烈的故事，誰能保證不在OpenAI身上重演呢？

山姆·奧特曼既有遠慮，也有近憂。

近憂者，OpenAI起個大早，很可能趕個晚集。文生視頻的AI產品Sora發布已近半年，海外的Runnway、Pika、HeyGen，國內的“可靈”等同類產品已經應用得火熱，Sora仍然未見光明；同樣處境的還有GPT4o新的語音及多模態交互功能。有人嘲諷說，OpenAI從做AI的變成了賣期貨的。

遠慮者，OpenAI的周邊虎狼環伺。美國時間7月23日，Meta更新開源模型至Llama3.1，最大模型的參數達到405B。不久前Claude 3.5技術 “對齊”OpenAI，已經分走不少用戶，如今走開源路線的Meta如同野蠻人，也已經抵達了家門口。何況在大洋彼岸，中國一眾大模型也正虎視眈眈，積極出海，力圖“齊家治國平天下”。

說到底，AI的時代才剛剛拉開序幕，群雄逐鹿，成敗未定。

小型“鯨落”

今年6月，OpenAI上演了一場小型“鯨落”：大量用戶被告知，OpenAI“將停止對某些未受支持的國家和地區提供API服務”，包含中國大陸和中國香港，業內著實震動了一番。

API是指應用程序編程接口（Application Programming Interface），由它定義不同軟件應用程序之間的通信方式和交互規則。一部分開發者使用OpenAI的API提供AI服務，也就是俗稱的“套殼”，一旦斷供則武藝盡失。

這場震動持續了不到半天。很快，國內一眾大模型公司大開方便之門，搶著“收留”這些開發者，智譜、百度文心、零一、Minimax等一擁而上，很快升級成為“一鍵搬家”式的服務。

智譜是最快作出反應的大模型廠商，一名智譜AI內部人員告訴南風窗，開發者將應用遷移到智譜大模型，過程很簡單，“如果僅僅是切換，僅需修改一個base_url，其他參數都不需要改變”。涉及提示詞等內容的適配，操作也不復雜。

技術方面，國內大模型絲毫不虛。國內目前一線水平的大模型能力已經全面逼近OpenAI，甚至有些方面，比如很多中文任務能力已有超越。

以智譜AI的GLM-4大模型為例，評估結果顯示，GLM-4在MMLU、GSM8K、MATH、BBH、GPQA和HumanEval等多個通用指標上的表現與GPT-4非常接近，甚至在某些方面超過了GPT-4。

成本上，國內大模型價格遠低于OpenAI，“物美價優”一向是制勝法寶。

OpenAI“斷供”行為的背后，無論它是作何考慮，最后一定會意識到“挑錯了對手”。中國不是它予取予奪的對象。事實上，中美兩國是全球唯二的大模型重量級玩家，各有優勢。

2024全球數字經濟大會上，中國信通院院長余曉暉發布的《全球數字經濟白皮書（2024年）》顯示，截至2024年第一季度，全球AI企業近3萬家，美國占全球的34%，中國占全球的15%。

從全球范圍看，美國和中國發布的通用大模型總數占全球發布量的80%，兩國成為大模型技術領域的引領者。

AI企業數量，體現的是一國在AI領域的活躍度，而大模型的數量更加彰顯“硬實力”。眾所周知，訓練大模型是一件燒錢的活兒，但一切與AI有關的功能都建立在大模型的能力上。大模型考驗一國的經濟實力、資本市場活力、技術水平，還有人才教育程度。當前，只有中美兩國可以一戰。

變大變強

ChatGPT發布于2022年11月底，真正引起廣泛關注則是在2023年3月。當時，微軟宣布將為旗下辦公套件引入ChatGPT的AI功能，這是AI第一次被認可擁有可泛化的實際用途。

曾經的AI當然也有用途，但它們是專用AI，一個模型只有一個用處—人臉識別的模型負責識別人臉，自動駕駛的模型負責開車。OpenAI的GPT系列模型，走向了通用人工智能（AGI），一舉聲名鵲起。

ChatGPT的成功一度引起“反思”：為什么中國沒有這樣的產品？及至國內大模型井噴而出，又有評論認為，其中技術水平的差距甚大。如今再看，并不屬實。OpenAI最初的光芒過于耀眼，連谷歌等也成為其“亂拳”下被打死的老師傅，這樣的評價并不公允。

簡單回顧AI的發展歷程，即可發現，中國從未錯過關鍵時刻。

按AI的世界發展史，目前共有四個階段。第一階段是上世紀50年代，美國提出AI概念，研發多層感知機。中國并未參與這一階段，不過，多層感知機后被證實“毫無用處”，但它奠定了一些機器學習概念。

第二階段，上世紀80年代，“AI教父”之一辛頓等人提出“反向傳播”這一訓練機器的方法。中國也在這一時期介入AI，1986年，國務院通過《國家高技術研究發展計劃綱要》，這一系列計劃被稱為“863”計劃，其中，“863-306”代表智能計算機主題。

“863-306”是中國AI的搖籃，也是曙光、科大訊飛、中科星圖、寒武紀等一大批高技術公司的源頭。國內目前AI行業中的領軍人物也多與此計劃有關。

第三階段，上世紀90年代，“神經網絡”大行其道。第四階段，就是從2010年至今的這一時期。大模型的概念，就來自第四階段。

細看第四階段。

首先是“AI教母”李飛飛，其和團隊制作了一個大規模的圖像數據集，取名ImageNet，其中包含了數百萬張有標記的高分辨率圖像，極大促進了CV（計算機視覺）發展。

2012年，AlexNet在當年的ImageNet大規模視覺識別挑戰賽（ILSVRC）中取得了顯著成績，大幅超越了傳統的機器學習方法。自此，卷積神經網絡（CNN）成為主流架構。

這一時期，CV的高速發展孕育出中國的“AI四小龍”，商湯、曠視、依圖、云從。已故的前商湯科技董事長湯曉鷗，在2014年3月發布GaussianFace人臉識別算法，在LFW數據庫上準確率達98.52%，在全球首次突破人眼識別能力。

CV狂飆的同時，自然語言處理（NLP）乏善可陳，轉折點的推動者是谷歌。2016年，谷歌提出如今取代了CNN的新架構Transformer。在此基礎上，谷歌在2018年推出預訓練模型BERT。

不同于公眾，從2018年起，AI業內人士就意識到了“大事發生”。

接下來，交接棒到了OpenAI手里。在“老師傅”谷歌的框架和“預訓練”思路上，OpenAI開始它的暴力美學，并在2020年推出1750億參數的大模型GPT-3。

在OpenAI之前，沒有科研人員想過堆算力、堆參數，也沒人想到“暴力”堆出的大模型會出現“涌現智能”，也就是模型的能力可泛化，從而脫離專用思路。

這一時期，“中國隊”沒有落下。從“大煉模型”到“煉大模型”，在五道口的智源研究院內，研究者的目光始終追隨。2021年3月，智源推出中國第一個系列大模型，因“五道口”的諧音，取名“悟道”。

尋找“彎道”

GPT-3出現的2020年，即是AI業內研究轉向的分水嶺，也是OpenAI風格轉變的節點。自那以后，OpenAI收起了所有與訓練大模型有關的數據、技術文檔更新，每當發布新產品，都只有可憐的技術簡介與幾張PPT，逐漸成為被嘲諷的“CloseAI”。

后來的事大家都清楚了，OpenAI的確憋了個大招。

自2022年11月底發布ChatGPT，OpenAI將大模型或說AGI，從研究室帶到了公眾所在的現實生活，一時風光無限，將內功深厚的“老師傅”們統統打趴下。2023年的“百模大戰”，始終是在山姆·奧特曼活躍的陰影之下。

“老師傅”們自然不服輸，比OpenAI更新的勢力也在尋求出頭，AI生態仍在劇烈地洗牌。

海外市場，最引人注目的是OpenAI的“二叛逆”創辦的AI公司Anthropic。今年6月，Anthropic發布AI模型Claude 3.5 Sonnet，在多個關鍵指標上“反超”ChatGPT，新的交互方式“Artifacts”廣受好評，社媒X上的許多技術博主號召“逃離ChatGPT”。

谷歌動作頻頻，從Bard、Gemma到Gemini，一個個模型排隊上場，打不過就“換名”再來。不說反超了OpenAI，至少谷歌最重要的搜索市場，如今還是固若金湯。

Meta走的路子更野，其核心大模型Llama系列，盡數開源，如今已是全球開源類AI生態位中的第一名。新的Llama3.1（405B）更是在指標上對齊了GPT-4，憑借開源生態，有望成為新王。

放眼國內，AI各個生態位中，選手摩肩接踵，品類齊備。以“出身”為別，可以分為三類：一類是AI初創，有智譜、月之暗面、MiniMax、百川智能等；一類是大廠出身，如百度文心、阿里通義、騰訊混元、字節豆包等；一類是研究型機構的大模型產品，如智源等。

“血戰”在所難免，不必忙于封神。如前文所說，AI的時代才剛剛開啟。

故事仍要從OpenAI講起，如今，它的尷尬之處在于，“期貨”與“現貨”之間的落差太大。

OpenAI的“期貨”，如Sora，如GPT4o的新語音交互，在推出時總是刷屏網絡，讓人以為“未來已來”。Sora生成的電影質感小視頻仍歷歷在目，GPT4o的語音交互儼然《Her》中的阿曼達；可惜，仍停留在“發布會階段”。

比起科幻未來，OpenAI的“現貨”很骨感。7月18日，OpenAI終于推出的新東西是“GPT-4o mini”，一個入門級別的AI模型，號稱“功能最強、性價比最高的小參數模型”。

按慣例，OpenAI沒有公開新模型的參數量，不過，目前小模型參數大都在1.5B到13B。OpenAI強調它的“廉價”：每百萬個輸入Token為15美分（約合人民幣 1.09 元），每百萬個輸出Token為60美分（約合人民幣4.36元）。這一價格相較GPT-3.5 Turbo便宜超 60%。

是的，OpenAI也必須加入“價格戰”，加入當下最實際的端側模型賽道來了。“未來”與“理想”，都得放放。

新的規則

業內關注OpenAI出了什么問題，本質上，就是在關注AI大模型的發展會出現什么問題。

一般認為，驅動大模型發展的三要素，分別是算法（人才）、算力和數據。不過，三要素真正形成驅動力，還需滿足一個前提，即“Scaling Law”（縮放法則）依然有效。

“Scaling Law”是指，大模型的能力隨著參數的增加、訓練數據的增加而增加。這就是OpenAI的“暴力美學”，倡導大力出奇跡。

盡管OpenAI自GPT-3以后不再公開模型參數量，但業界普遍的推斷是，GPT-4的參數量有1.8萬億（1800B）。而人腦中有10萬億神經元，這一跨界而來的數據，給很多AI從業者以“Scaling Law”仍有突破空間的信心。

但現在，越來越多模型趕上GPT-4的水平，依然不見GPT-5的發布，是不是“Scaling Law”已經遇到瓶頸？

另有觀點認為，OpenAI不推新品，并非Scaling Law失效，可能是因為收不回成本。昆侖萬維董事長兼CEO方漢在今年5月曾說：“根據我得到的消息，OpenAI已經訓出來了（GPT-5），也不是能力不行，但是它現在沒有把握在工程上把這個東西效益最大化。”

換言之，當前AI仍沒有找到合適的場景變現。如Sora，可能技術已經達標，但成本太高，不適合大范圍地推廣。

智能上限和應用場景，是當前大模型公司的兩個焦慮源泉。這一點上，中美公司殊途同歸。

智能上限的方面，“暴力美學”的上限仍未見頂，但與此同時，“知識密度”被看作未來大模型新的智力增長曲線。

該概念由智源出身、現面壁智能創始人劉知遠提出，由此出發，其提出“AI時代的摩爾定律”為，平均每8個月，大模型的知識密度提升一倍。

該路徑下，擴大參數不再是唯一解，小模型也能有大能力。這正是主打性價比的GPT4o Mini提倡的，面壁為其的誕生發文稱，“歡迎一起Mini”。

在尋找AI落地場景方面，國內大模型公司明顯更具優勢。

首先，國內大模型較早地、更專注于做垂直的基礎大模型。這似乎是從中國第一個大模型系列“悟道”而生的一種傳統，“悟道1.0”包含“文源”“文瀾”“文匯”“文溯”四個模型，各有專攻。再到華為，今年6月發布的盤古大模型5.0，包含盤古自然語言大模型、多模態大模型、視覺大模型、預測大模型、科學計算大模型等。

其次，國內對新技術的接受度一向較高，“AI+”的風潮已吹向各行各業，這在日常生活中就能感受到，無須列舉。

最后也最重要的是，中國本土強大且完備的制造業供應鏈，能夠提供給AI更多的空間。

以自動駕駛為例，中國市場的新能源汽車滲透率已接近過半，“下半場”的智能化已經開打，以大模型為基礎的“端到端”新一代智駕技術，如今在中國已有多家公司研發并開始上車試驗。而在美國，僅有特斯拉一家。

依托制造業，中國對新技術的吸收和開發速度極為靈敏。這是中國大模型公司相比美國同行的一大優勢。AI時代的序幕拉開后，真正的決戰戰場必在于此。