在21世紀的技術競賽中，AI大模型的發(fā)展無疑是最受矚目的焦點之一。這場競賽不僅展示了信息時代的技術進步速度，也體現(xiàn)了全球范圍內(nèi)的技術聯(lián)動和競爭。

這場轟轟烈烈的大模型之戰(zhàn)，是21世紀迄今為止最重要的技術競賽，沒有之一。

這場技術競賽具有強烈的21世紀的特征：

1. 信息公開及時，任何參賽選手的動作都會隨時被全世界的選手了解并跟進，一個選手的技術優(yōu)勢保持的時間只能以天計。
2. 上下游高度聯(lián)動，只是開發(fā)出一項絕技是不夠的，還要找到上下游的幫手來將這個絕技貫通到用戶端和上游基建端，一個維度不夠有優(yōu)勢都有可能被偷家。

主流視野內(nèi)，這場競賽已經(jīng)開始2年了。我們有必要對這場競賽做一個復盤，看看它進入哪個階段了，有哪些還在緊跟和引領的選手，甚至有可能大膽的猜一猜這場競賽最終將以何種形式結(jié)束，誰是最終的勝出者。

一、三個階段

首先很有必要給這場競賽一個階段性劃分，方便我們有明確的時間戳來梳理競賽過程。如果給這場競賽一個階段性劃分，按照傳統(tǒng)的方法，我們可以找個標志性的產(chǎn)品來粗略判斷，而當前有個最佳參考標的：OpenAI旗下的ChatGPT。

它既是這場競賽的發(fā)起者，也是截止目前最佳的參賽選手，更是其他選手的追趕和對齊的目標。我們用OpenAI作為參考和分析對象，觀察其技術和產(chǎn)品動態(tài)可以大略把迄今為止的競賽分為三個階段——但考慮未來大模型最重要走入終端應用，也可以把這場競賽分成四個階段。

第一階段：參數(shù)比拼，先上牌桌

一個模型是否好用，沒有上億個參數(shù)基本上不了臺面。

2023年關于大模型的新聞報道，參數(shù)指標以及大規(guī)模多任務語言理解基準測試的得分基本模型面世的“見面禮”。GPU成了大廠拼搶的目標，記得有段時間GPU倒賣比挖礦還要火熱。

這個階段表面是比誰家的模型參數(shù)多，誰家的模型評分更高，誰家模型效果好。背后何嘗不是算力的比拼，而算力背后又是GPU的比拼。這一層層的比拼中造就了多少的贏家和輸家。

這個階段的畢業(yè)的贏家，基本會形成自己的模型“調(diào)性”和特長方向。

通過對OpenAI的GPT模型的迭代梳理，我們發(fā)現(xiàn)這是一個需要一步步消除歷史問題，并改進準確度，提高智能性并逐漸增加更多模型能力的過程。

2019年2月，GPT-2發(fā)布，這僅是一款無監(jiān)督的Transformer語言模型，完整版本的GPT-2僅有15億個參數(shù)，隨后的2020年6月份GPT-3發(fā)布，參數(shù)爆發(fā)性上漲到】1750億個，標志著自然語言處理技術的飛躍，也給之后的大模型設定了入門門檻。

隨后2022年11月，OpenAI發(fā)布了基于GPT-3的對話產(chǎn)品ChatGPT，同月發(fā)布了GPT-3的改進版本GPT-3.5這個改進版本，具備近似自然人的語言生成能力，隨著ChatGPT的發(fā)布驚艷全球。

2023年3月，OpenAI發(fā)布第四代語言模型GPT-4，其參數(shù)有1.8萬億個，甚至媒體報道訓練一次的成本在6300萬美元，從這個版本開始ChatGPT具有了圖像作為輸入的處理能力。但用戶對ChatGPT啰里啰嗦，編故事的抱怨不斷升級。

2024年5月，OpenAI發(fā)布了GPT-4o，它可以處理和生成文本、圖像和音頻，從這個版本開始語音加入了大模型擂臺。GPT-4o在大規(guī)模多任務語言理解基準測試中的得分為88.7%，高于GPT-4的86.5%，用戶對ChatGPT胡說八道編故事的抱怨大大減少了。

2024年7月，OpenAI發(fā)布了GPT-4omini，這是GPT-4o的較小版本，使用這個版本可以在犧牲部分模型效果的前提下大大降低應用成本。其API每百萬輸入令牌成本為0.15美元，每百萬輸出Token成本為0.60美元，而GPT-4o的成本分別為5美元和15美元。OpenAI已經(jīng)在考慮讓大模型成為企業(yè)和開發(fā)者產(chǎn)品功能的基礎組成部分。

2024年9月，OpenAI發(fā)布了o1-preview和o1-mini模型，進一步提高模型的準確率。

2024年12月，GPT-o1完整版發(fā)布。o1可以根據(jù)不同的prompt有不同的相應速度，對于復雜的問題會提供更加智能的回應，我們親測o1的解答明顯更加具備邏輯性，這意味著大模型幻覺問題得到一定程度解決。同時o1處理圖像作為輸入時的準確度進一步提升，測試一章模糊的柱形圖圖片，o1不僅可以識別數(shù)字，還會自行生成對柱形圖的分析。

OpenAI走過的這一個個階段，幾乎也成了其他廠商模型改進的重要參考，OpenAI的改進方向也成了其他廠商努力的目標。

傳統(tǒng)的互聯(lián)網(wǎng)大廠，Meta、微軟、谷歌和亞馬遜對于AI模型的研究并不晚于OpenAI，只是后者最快有了突破。

Meta不僅推出了自家的大模型，并且開源了。12月9日Meta發(fā)布了Llama最新成員：Llama3.370B，該模型能夠以更低的成本擁有Llama3.1405B的性能。該模型優(yōu)化了多語言支持，上下文長度拓展到了128k。

除了開源模型，Meta還推出了廣告推薦設計的廣告檢索引擎Andromeda。Andromeda通過利用最先進的深度神經(jīng)網(wǎng)絡，結(jié)合ML、系統(tǒng)和硬件的協(xié)同，有效提升了廣告檢索階段的效率，為Meta廣告系統(tǒng)提供更個性化的廣告投放，提升了廣告花費回報率。

谷歌一直在深度學習和人工智能方面學術研究領先，但在大語言模型方面似乎有些亂了陣腳，初代Gemini給谷歌帶來的是更多的質(zhì)疑聲。12月12日谷歌發(fā)布Gemini2.0Flash，這是谷歌首款實現(xiàn)原生多模態(tài)輸入輸出的模型，不僅在模型精準度方面相比1.5pro完成大跨度提升，還可直接生成圖片。

微軟和亞馬遜自研的大模型進度落后，但通過曲線救國完成了大模型布局。微軟是OpenAI的最大金主，獲得了OpenAI的大模型獨家授權，同時微軟Azure云也是OpenAI的服務提供者，微軟旗下的Microsoft365商業(yè)軟件、CopilotAI都已經(jīng)上線了基于GPT模型的AI產(chǎn)品，2024年Q3的財報前瞻中微軟預期Azure云營收245~250億美元，同比增35%~36%，AI的應用對收入的貢獻約為13個百分點。

亞馬遜則是通過多次投資Anthropic進入大模型賽場，截止目前，亞馬遜的投資金額已經(jīng)達到了80億美元。

Anthropic旗下的Claude之于Amazon，就像ChatGPT至于微軟，Anthropic成為了亞馬遜在這場競賽中對抗OpenAI和微軟的重要棋子。亞馬遜是一加注重InfoInfra的巨頭，即使在推進大模型業(yè)務方面，亞馬遜也是全鏈條推進。12月3日“re:Invent”大會上，亞馬遜發(fā)布了6款大模型，并計劃在2025年再發(fā)布2款大模型，還推出了AI訓練芯片Trainum3以及AI服務器Trn2UltraServer。幾乎是一次性完成了從模型訓練到應用的布局。

盡管發(fā)布時間明顯落后，但亞馬遜對于大模型的應用反而是很徹底的。三季度財報顯示，面向購物者亞馬遜推出了生成式人工智能專家購物助手Rufus以及面向B端商家推出了人工智能助手ProjectAmelia。

Anthropic旗下的Claude，在2024年二季度迭代以后，在變成和對話方面的能力可以與GPT-4比肩。2022年8月創(chuàng)立的基于大模型的搜索產(chǎn)品PreplexityAI，推翻了傳統(tǒng)搜索引擎超鏈接的展示方式，直接將關鍵詞的搜索結(jié)果通過AI總結(jié)摘要展示給用戶，免去了挨個點擊鏈接并自行判斷的過程。PreplexityAI甚至在四季度已經(jīng)開始嘗試AI結(jié)果頁面的廣告變現(xiàn)。

馬斯克旗下的xAI推出開源大模型產(chǎn)品Grok以及圖像生成模型Aurora……

在2023-2024年這2年內(nèi)不止國外大模型突飛猛進，國內(nèi)也是百模大戰(zhàn)好不熱鬧，一時間幾乎所有的互聯(lián)網(wǎng)公司都在研發(fā)大模型。

有專注大模型的垂直創(chuàng)業(yè)公司六小龍，智譜AI、MiniMax、月之暗面、百川智能、零一萬物和階躍星辰。以及老牌BAT出品的，阿里的通義千問、百度的文心一言、騰訊的混元模型。

由于具備豐富的業(yè)務和數(shù)據(jù)積累，BAT的大模型產(chǎn)品一開始就姥姥抓住了用戶，特別百度不僅模型推出的早，還創(chuàng)造性的提出了“模型即服務”MAAS概念，一時間幾乎定義了國內(nèi)的大模型研發(fā)的范式。

互聯(lián)網(wǎng)新貴字節(jié)和快手分別推出了豆包和可靈大模型。豆包更是后來居上，據(jù)晚點披露，字節(jié)豆包App今年9月的日活已達760萬，MAU超過4000萬，成為眾多大模型C端產(chǎn)品中獨一檔的存在。

不同于通用性大模型，一些互聯(lián)網(wǎng)公司根據(jù)自己業(yè)務特性開發(fā)的針對性較強的大模型，如B站index大模型、網(wǎng)易的子曰、360的奇元。大廠中尚無明確大模型產(chǎn)品和策略的只剩下美團和拼多多。

對自家模型功能的描述猶如另一套互聯(lián)網(wǎng)黑話，其用詞堪比房地產(chǎn)公司的宣傳語，總結(jié)起來就是強大，強大還是強大。

王小川曾斷言，未來國內(nèi)大模型市場第一梯隊或僅有五家存活，大廠占據(jù)主導地位，小型創(chuàng)業(yè)公司能存活的寥寥無幾。今天來看，這一結(jié)論似乎正一步步驗證，缺乏有效的商業(yè)變現(xiàn)機制以及對模型訓練持續(xù)投入的熱情正在下降，六家公司真正直接依靠大模型能力打正成本的幾乎沒有。

總體來看，經(jīng)過2年的醞釀和淘汰賽，仍然穩(wěn)定在牌桌上的廠商都有過硬的技術和產(chǎn)品了。各家面對的最大問題戰(zhàn)略層面是變現(xiàn)，技術層面是向拓展模型邊界，發(fā)展多模態(tài)。樂觀的是，這個階段我們也看到了一個積極的信號，即大模型不再是贏家通吃的市場了，沒有一家有能力壟斷技術和市場。

第二階段：多模態(tài)拓展和變現(xiàn)并行

除了大語言模型（LLM）外，文生圖、文生視頻，語音對話，甚至3D生成極大的拓展了大模型的應用邊界。多模態(tài)之爭中，最有應用前景的當屬視頻生成，OpenAI推出了視頻生成模型Sora、圖片生成模型DALL-E、Meta發(fā)布文生視頻工具MovieGen、谷歌的Gemni2.0可以直接從文字生成視頻。

國內(nèi)方面快手正式推出了視頻生成模型可靈AI，字節(jié)推出了視頻生成模型PixelDance和Seaweed，以及基于模型的視頻生成平臺即夢AI，六小龍中MiniMax發(fā)布了其首款AI高清視頻生成模型技術abab-video-1。

百度在這場多模態(tài)競賽中表現(xiàn)的格外另類，曾有消息傳出李彥宏并不認可像OpenAI一樣去做視頻生成模型Sora，另一方面又強調(diào)百度需要發(fā)展多模態(tài)，但百度在這方面的動作緩慢。

與多模態(tài)發(fā)展并行的是盡快將大模型能力變現(xiàn)。面向C端用戶國內(nèi)外主流的變現(xiàn)方式采用類似視頻網(wǎng)站的“每日限次使用+會員訂閱”模式，20美金/月成了大部分大模型的入門價位。仍然以OpenAI為例，推出了團隊版Team、每月20美金的Plus版本以及每月200美金的Pro版本。國內(nèi)Kimi創(chuàng)造性的采用“打賞”模式，“打賞”金額不同可獲得不同時長的高峰期優(yōu)先使用權。

B端的變現(xiàn)模式則增加多樣化，也代表著大模型真正發(fā)揮實力方向。Meta、谷歌將大模型能力應用在在線廣告業(yè)務中，通過驅(qū)動廣告業(yè)務增長來拉動營收。國內(nèi)除騰訊并未透露大模型的收入提效外，阿里和百度的云業(yè)務都已經(jīng)應用AI大模型，并產(chǎn)生部分受益。

2024年10月31日谷歌發(fā)布三季度財報，其中谷歌云營收從去年同期的84.11億美元增長至113.53億美元，同比增長近35%，谷歌將其強勁的云業(yè)務表現(xiàn)歸因于旗下的AI產(chǎn)品如面向企業(yè)客戶的訂閱服務增長驅(qū)動營收提速。

另一巨頭Meta在同期三季度財報中透露，核心廣告業(yè)務的得益于大模型改進打來收入增長，已有超過100萬廣告主使用Meta的生成式AI廣告工具。

大模型創(chuàng)業(yè)公司的營收則更為直接的展示了其營收能力。從OpenAI和Perplexity AI的收入來看還遠遠不夠驚艷，但巨大的用戶體量還是給投資人以變現(xiàn)的耐心。

OpenAI目前周活2.5億，C端付費用戶貢獻約75%的營收，2024年公司總收入約34億美元，但在刨除運營、人工和管理成本之后虧損50億美元。6月份其首位CFO到位，其透露OpenAI將努力增加消費端訂閱人數(shù)，努目標是將周活的5%-6%轉(zhuǎn)化為付費用戶。

AI搜索公司Perplexity近期在尋求新一輪融資，據(jù)The Information報道其在融資材料中披露，預計其年化收入將在2025年達到1.27億美元，較目前水平翻倍。

國內(nèi)方面，百度在第三季度財報中透露文心大模型日均調(diào)用量達15億次，比2023年四季度的5000萬次，增長了30倍，相比去年Q4披露的5000萬次，一年內(nèi)增長30倍，百度智能云營收達49億元，同比增長11%，AI相關收入占比持續(xù)提升至超11%。阿里云季度營收增長至265.49億元人民幣，同比增長6%。其中，AI相關產(chǎn)品收入實現(xiàn)三位數(shù)增長。

兩年的時間，對于一個技術應用來說還不夠長，最重要的是模型還需要打磨并滲透到現(xiàn)有的業(yè)務中，推向用戶。這需要一定的短期的技巧和長期的耐心。

第三階段：推薦到應用層的變革

但如果說大模型的牌桌最終可能屬于實力巨頭，那么在經(jīng)過3-5年的技術發(fā)展之后，各家始終要面對的就是讓更多的下游企業(yè)運營大模型，實現(xiàn)成本回收，更重要的是真正讓大模型經(jīng)受來自最終端用戶的檢驗。

已經(jīng)有多個模型的實際應用方向吸引眾多公司嘗試，如AI Coding，側(cè)重模型的邏輯思維和編碼能力，大大降低互聯(lián)網(wǎng)產(chǎn)品開發(fā)門檻。

AI Agent，突破Chatbot框架，更廣泛的發(fā)揮大模型的能力走入實際應用中，谷歌的Project Mariner是一個AI代理，能夠幫助用戶查找航班和酒店、購買家庭用品和尋找食譜。

AI代理概念被業(yè)內(nèi)普遍看好，但具體定義尚未達成統(tǒng)一共識，一個普遍的觀點是，AI代理除了能回答問題，還需要能跨越多個系統(tǒng)執(zhí)行復雜任務。AI機器人，通過人機對話接口來輔助失能人群和替代勞動密集型崗位。

其中尤其以AI Agent最受關注，甚至微軟和谷歌也已經(jīng)在進行相關部署。畢竟有了代理，能極大的將用戶從PromptEnginering中解放出來，讓模型能力的發(fā)揮不再受制于輸入方式的限制。

就像一場奧林匹克運動會，有些賽場會吸引大多數(shù)人的目光，有些賽場小眾人群關注，但不管哪個賽場都可以決出實實在在的金牌。

大模型賽場在巨頭你來我往的爭奪之外，還有一個“應用賽場”也格外值得關注。AI教育，以Duolingo、Speak等明星企業(yè)為藍本，AI語音+大模型完美替代了“外教”這一角色，為用戶提供了完美的口語訓練和單詞記憶功能。

AI陪伴成為了收入和用戶體量上受益最大的賽道。盡管上不了大臺面，但這個賽道內(nèi)的公司紛紛賺得盆滿缽滿，AI Dating（Rizz、Blush）、Talkie、Character AI名利雙收。

AI營銷：僅是LLM就足以在投放素材上大大解放營銷人員，Meta早就在其營銷神態(tài)產(chǎn)品中應用了AI創(chuàng)意生成，Pinterest也上線了自己的大模型產(chǎn)品PinterseCanvas幫助廣告主進行創(chuàng)意和素材生成。

除了生成素材，大模型還可以幫助廣告主從縝密的營銷活動設置中解放出來，Applovin和Meta的投放流程自動化產(chǎn)品已經(jīng)做到了廣告主只需要設置推廣產(chǎn)品和預算、投放地區(qū)和人群等基本營銷條件，大模型自動生成營銷活動、廣告投放以及最終的投放數(shù)據(jù)分析，甚至連具有一定門檻的AB測試都可以用模型實現(xiàn)，大大解放了廣告主的人力配置。

最有“錢景”的方向——SAAS。如果要選擇一個第二賽場的最大受益者，那中小創(chuàng)業(yè)公司必然在列。Reddit論壇和HackerNews上，不斷有個人開發(fā)者個小團隊利用大模型技術，這類應用簡單小巧應用覆蓋的范圍窄，一般都是基于成熟大模型，解決特定的效率問題，如廣告文案修改和腳本潤色、故事思維拓展等。

未來還可能有第四階段，大模型的應用已經(jīng)推進到終端，在各種應用層面掀起一場自上而下的效率改革，這恐怕不是三五年的時間可以實現(xiàn)的了。

二、起飛的枷鎖：算力和成本

我們劃分大模型的發(fā)展階段，卻始終沒提到伴隨這股風潮而再次火起來的算力問題。

2023年，OpenAI奧特曼指出，全球AI運算量每隔18個月就會提升一倍，英偉達黃仁勛在2024年宣布，摩爾定律已經(jīng)失效，GPU效能每兩年將增加一倍以上。

除了算力還有模型訓練成本問題。

大模型訓練的成本有多高？

根據(jù)報道2024年，Anthropic的模型訓練和擴展成本超過27億美元，盡管大模型相關的融資屢見不鮮，融資金額也屢創(chuàng)新高，但隨著可預見的未來越來越清晰，以及各大模型廠商幾乎同步的遇到算力和應用問題，不少企業(yè)無法再無門檻的拿到融資，由此出現(xiàn)了資金吃緊和運營困難的情況。

文生圖模型StableDiffusion的面世讓StabilityAI廣為認知，但在2024年也出現(xiàn)財務困境，公司幾乎難以為繼。

三、國內(nèi)大模型隱憂隱憂之一，漫長的投入期，要還是不要？

國內(nèi)的大模型賽場用幾個詞形容最為合適，起步晚，趕得緊，走得急，落的快。

時至今日，可以說大模型競賽進入了第三階段，多模態(tài)能力的比拼正在慢慢進入尾聲，可以說在這個階段國內(nèi)廠商并不落后。但我們同時又可以看到，國外即使是基礎的大模型仍然在迭代中，參數(shù)增強、算力優(yōu)化等等。甚至Google在經(jīng)歷了Gemini被各種諷刺后，仍然推出了Gemni2.0，實現(xiàn)原生多模態(tài)輸入輸出，讓一眾使用者贊嘆不已。根據(jù)我們多次對比使用來看Gemini2.0比1.5完成了質(zhì)的飛躍，甚至在某些應用中比ChatGPT-o1更令人滿意，真正讓人體驗到了“推理模型”的魅力，在給出應答結(jié)果的時候還會同時給出next level的參考。

回到國內(nèi)無論是六小龍還是新舊BAT似乎同步遇到了瓶頸——預訓練還要不要做，推理模型還要投入多久？這漫長看不到頭的投入期，讓前幾年紛紛降本增效的各大公司猶豫不決。

國內(nèi)的商業(yè)環(huán)境以及上市公司的股東們是否會允許大模型近乎看不到回報的投入？

早在2023年下半年以及2024年上半年的多次財報電話會議中Meta、微軟、谷歌等公司的分析師就多次詢問大模型投入回報率，以及投入是否足夠的時候，各個公司的管理層頂住了投資者的壓力沒有在預算上砍價。但國內(nèi)呢，能夠頂住投資者投下來的壓力嗎？要知道國內(nèi)至今沒有一家巨頭在財報中明確給出大模型帶來的收益。隱憂之二，成本回收。

國內(nèi)市場來講，大模型訓練和應用缺乏有效的應用場景來回收投入成本，盡管這點在國外也并不鮮見，但國內(nèi)成本回收問題尤其令人憂心。近期百川智能首席營銷官洪濤離職可能就是這一隱憂的間接體現(xiàn)。

以互聯(lián)網(wǎng)行業(yè)為例，國內(nèi)缺乏一個成熟的在線廣告行業(yè)應用場景。Meta和Applovin已經(jīng)證明了大模型在廣告營銷方面的巨大潛力，并且已經(jīng)在逐漸從底層再次給這個成熟巨大的市場添一把火。國內(nèi)首先缺乏一個有一定覆蓋度的廣告平臺，幾乎都是既當運動員又當裁判，營銷效果透明性較差。

其次，大模型成效明顯的SAAS行業(yè)，在國內(nèi)的發(fā)展也乏善可陳。國外像Salesforce、Snowflake以及剛剛上市的ServiceTitan這樣提供互聯(lián)網(wǎng)云計算、云存儲和信息數(shù)據(jù)服務的saas廠商，這類toB的公司可以融合和觸達更多的中小企業(yè)的云服務和計算需求，給大模型應用提供廣闊的的平臺。

國內(nèi)大模型廠商商業(yè)化有幾個方向：其一會員訂閱，即每日免費次數(shù)使用完之后，結(jié)果更多次數(shù)需要按月付費。

其二，大模型訓練，按token收費。其他企業(yè)使用大模型廠商的模型接口來完成自身功能改善，根據(jù)對話量向模型廠商付費。例如，在社交產(chǎn)品中上線對話機器人，如微博的評論羅伯特，或者供自家用戶文生圖或者文生視頻等UGC場景。這些幾乎都依賴于接口調(diào)用量，這是各大模型廠商競爭最激烈的戰(zhàn)場。

價格戰(zhàn)嘛，并不陌生，這恐怕是國內(nèi)商戰(zhàn)最簡單有效的套路了，放到大模型應用這也同樣好使?？蓡栴}是在價格戰(zhàn)背后，模型的效果的提升還能有保證嗎？甚至于我們認為，字節(jié)在大模型戰(zhàn)場起步晚、追趕快，就是趕上了國內(nèi)大模型價格刺刀戰(zhàn)中，各家都暫時把模型質(zhì)量放到一邊這個時間窗口。

根據(jù)歷史上各類“風口之戰(zhàn)”的經(jīng)驗，沒有有效的商業(yè)模式來收回模型成本，企業(yè)不會持續(xù)投入，甚至理想情況看，國內(nèi)的大模型之戰(zhàn)的結(jié)果可能變成另一個“中國安卓機”市場的現(xiàn)狀。

四、基本結(jié)論

以上，總結(jié)下當前AI大模型的幾個基本事實：

1. 大模型技術發(fā)展至今2年的時間，其應用方向已經(jīng)遍布互聯(lián)網(wǎng)的核心行業(yè)中，其中在線廣告、在線教育、受益最大；
2. 傳統(tǒng)實業(yè)也正在以終端接入模型的方式這一技術革新帶來的提效；
3. 模型進一步發(fā)展的瓶頸在于突破算力的束縛，但當前算力幾乎集中在英偉達一家公司，這是不正?，F(xiàn)象；
4. AI訓練芯片可能是繞過算力瓶頸的另一種更直接高效的方式；
5. 由于大模型越來越集中到巨頭手中，且缺乏有效的第三方業(yè)務平臺，國內(nèi)的應用不會像美國那樣普遍，有可能傳統(tǒng)實業(yè)的應用成效比互聯(lián)網(wǎng)更大；
6. 國內(nèi)大模型應用最終進展，取決于投資人是否有耐心容忍企業(yè)的長期持續(xù)投入。

大模型競賽進展到今天，已經(jīng)不是一場算法比拼，肯定會掀起一場新的產(chǎn)業(yè)變革，這種變革和前段時間的元宇宙以及WEB3不同，是一場實實在在的從上到下又發(fā)起，又從底層到上層應用的競賽。

比人才、拼技術、比算力的競賽，其發(fā)展目標更接近奧林匹克的“更快、更高、更強”，但其中唯一不合理的地方就是這場競賽的速度瓶頸——算力至今仍然只掌握在英偉達一家公司手中。這種現(xiàn)狀肯定不會為科技巨頭所容忍，AI訓練芯片已經(jīng)被亞馬遜和英特爾提到日程上來了，從芯片層級來打破英偉達的壟斷。

所幸大模型競賽已經(jīng)不再是贏家通吃的局面了，甚至擁有某些局部優(yōu)勢的中小創(chuàng)業(yè)公司也有可能在其中分一杯羹。人們短期內(nèi)高估了大模型的影響而長期又低估了其影響，這是一場來勢洶洶又細水長流的競賽。