來源：連線Insight

文/王慧瑩

編輯/子夜

這個五月,，全球科技圈異常熱鬧。

先是OpenAI和谷歌掰手腕,，后有微軟、蘋果的開發(fā)者大會即將召開,；反觀國內(nèi),，大廠和創(chuàng)業(yè)公司也都在拼場景、卷技術(shù),。

5月15日,，谷歌舉辦了2024年I/O開發(fā)者大會，AI是全場的主題,，谷歌發(fā)布了Gemini 1.5 Pro的新版本,，谷歌CEO皮查伊宣布谷歌已經(jīng)全面進入Gemini時代。

原本打算掀起全球的科技狂歡的谷歌沒想到被OpenAI搶了先,。

就在谷歌發(fā)布會前一天,，OpenAI舉行了春季發(fā)布會，發(fā)布最新多模態(tài)大模型GPT-4o,，相較于GPT-4 Trubo速度更快,、價格也更便宜。更重要的是,，該大模型響應(yīng)速度更接近人類水平,，無限接近現(xiàn)實。

OpenAI這場空降的發(fā)布會,，被市場看作是對谷歌的“截胡”和“狙擊”,。雙方“掰手腕”的核心競爭點在于AI，這個令全球科技市場興奮的技術(shù),，一場關(guān)于AI技術(shù)的比拼再度開啟,。

大洋彼岸的中國，也聚集了一眾參與大模型軍備競賽的玩家,，正努力縮小與國外科技公司的差距,，并在場景、價格,、落地上有更多的探索,。

5月15日,，字節(jié)近期推出豆包大模型，日均處理1200億Tokens文本,，生成3000萬張圖片,；5月14日,，騰訊混元大模型升級開源，采用與Sora同款DiT架構(gòu),；5月9日,，阿里云正式發(fā)布通義千問2.5，模型性能全面趕超GPT-4 Turbo……

經(jīng)過一年多的發(fā)展,，大模型技術(shù)不斷提高,，玩家們要面對的不僅是技術(shù)上的差距，更重要的是如何通過場景落地,、商業(yè)化覆蓋大模型高昂的訓(xùn)練成本以及研發(fā)成本,。

新一輪的技術(shù)大爆炸開始了，新一輪的競賽也開始了,。

1,、OpenAI 與谷歌的AI競賽，拉開新一輪技術(shù)大爆炸的序幕

連著兩天,，大洋彼岸的OpenAI和谷歌掀起了新一輪的AI軍備競賽,。

5月14日凌晨，繼上周預(yù)告了ChatGPT和GPT-4“就像魔法一樣”的重大更新后,，OpenAI揭開了最新大模型的神秘面紗,。

會上，OpenAI發(fā)布了新旗艦?zāi)Ｐ汀癎PT-4o”,，這里的“o”代表“omni”,，意為“全能”。顧名思義,，最新的GPT-4o是款全能型大模型,，也是OpenAI CEO阿爾特曼口中“很有意思的東西?！?/p>

為了彰顯“全能”,，OpenAI首席技術(shù)官米拉·穆拉蒂用大量篇幅介紹GPT-4o的先進程度。比如,，GPT-4o可以綜合利用語音、文本和視覺信息進行推理,；GPT-4o在GPT-4的基礎(chǔ)上,，新增語音處理能力，掌握多國語言,；GPT-4o還可接受文本,、音頻和圖像的任意組合作為輸入，并生成文本,、音頻和圖像的任意組合輸出,。

用OpenAI官網(wǎng)的話來解釋,，GPT-4o在文本、推理和編碼智能方面達到了GPT-4 Turbo級別的性能,，同時在多語言,、音頻和視覺功能上也達到了新高水位線。

整場發(fā)布會最大的亮點,，也是最特別之處莫過于GPT-4o更像人,。

一方面,，GPT-4o幾乎可以做到即時回應(yīng)，沒有停頓,。OpenAI表示,，在GPT-4o推出之前，用戶使用語音模式與ChatGPT進行對話時,，延遲時間分別為GPT-3.5的2.8秒和GPT-4的5.4秒,，GPT-4o將這一延遲被大幅縮短為320毫秒。

另一方面,，GPT-4o能在與人的對話中,，通過圖表、圖像等形式判斷用戶的情緒,、狀態(tài),，并給出“情緒化”的回應(yīng)——夸張的、戲劇的,、低沉的……

當電影《Her》中的畫面照進現(xiàn)實,，GPT-4o的“擬人化”給了市場足夠多驚喜。GPT-4o驅(qū)動下的ChatGPT,，已不再是一個單純追求性能的AI工具,，而是可以主動給予用戶情緒價值的AI助理。

這一次,，GPT-4o的出現(xiàn),，是OpenAI向本就不平靜的池水中投擲了一枚極具殺傷力的炸彈，并直指同在硅谷的科技巨頭谷歌,，谷歌必須直面勁敵,。

就在OpenAI開發(fā)布會的第二天，谷歌年度I/O開發(fā)者大會主題演講上,，谷歌CEO皮查伊發(fā)布數(shù)十款Google和 AI 結(jié)合產(chǎn)品,，堪稱“全家桶”級別，全力對戰(zhàn)OpenAI,。

其中包括支持200萬Tokens長文本的Gemini 1.5 Pro和 Gemini 1.5 Flash,、谷歌版Sora技術(shù)Veo,，最強開源模型Gemma 2，支持生成式搜索的AI Overviews,、第六代TPU等,。

圍繞AI，皮查伊及同事進行了長達110分鐘的演講,，據(jù)谷歌統(tǒng)計,，皮查伊提及AI的次數(shù)高達121次。

不過,，有GPT-4o“擬人”在前做標桿,，谷歌發(fā)布會最受關(guān)注的莫過于AI助手Project Astra。

相比于谷歌上一代AI助手Google Assistant,，Project Astra是一個實時,、多模式的AI助手，通過接收信息,、記住它所看到的內(nèi)容,、處理該信息和理解上下文細節(jié)來與周圍的世界進行交互，沒有延遲或延遲,，可以回答問題或幫助你做幾乎任何事情,。

演示視頻中，Project Astra可以通過手機攝像頭識別現(xiàn)實環(huán)境,，實現(xiàn)了能看,、能說、能聽,。這與前一天GPT-4o的功能不謀而合,。

相比于GPT-4o提供情緒價值,，Project Astra更強調(diào)指向人、機器與現(xiàn)實世界的三重交互,。用谷歌Deepmind負責人哈薩比斯的話說,，這是真正通向AGI的萬能助手項目。

此外,，谷歌還針對生成式AI大模型Gemini進行了多功能拓展,。

谷歌在Gemini Advanced中加入新模型成員Gemini 1.5 Pro，稱它擁有的上下文窗口在全球消費類聊天機器人中最長,，窗口起始就有100萬個Tokens；今年年底,，這個數(shù)字將被擴大到200萬Tokens,，最終目標是無限上下文,；Gemini 1.5 Pro將向150 多個國家地區(qū)的Gemini Advanced訂閱者提供，支持超過35 種語言,。

在多模態(tài)功能方面,，今年夏季谷歌將擴展Gemini用語音進行深入雙向?qū)υ挼哪芰Γ摴δ鼙环Q為Live,。通過 Gemini Live,，用戶可以與 Gemini 交談，并可以從各種自然的聲音中選擇它回應(yīng)的聲音,，用戶甚至可以按照自己的節(jié)奏說話,；谷歌還表示，今年年內(nèi)將加入相機功能,，實現(xiàn)實時視頻,。

全面接入 Gemini 的“谷歌辦公全家桶”，也將在未來幾個月內(nèi)陸續(xù)上線“智能問答”“智能郵件回復(fù)”“表格圖像化總結(jié)”等新功能,。

在谷歌最擅長的搜索上,，谷歌在一周內(nèi)將在美國推出“AI概覽”（AI Overviews）功能，搜索引擎會直接歸納總結(jié)搜索結(jié)果,；谷歌還推出了新的TPU,，第六代TPU芯片Trillium，較上一代芯片的算力表現(xiàn)翻4.7倍,。

可以看到,，在全球技術(shù)的中心硅谷，OpenAI與谷歌的“廝殺”正如火如荼地進行著,。更重要的是,，GPT-4o的限量免費抬高了這場競爭的維度，未來的谷歌如何應(yīng)戰(zhàn),，還要看市場后續(xù)的表現(xiàn),。

2、卷技術(shù),、拼落地,、比價格，國內(nèi)大廠競逐大模型風口

大模型風口之下,，AI重構(gòu)了邊界,，也掀起了一眾創(chuàng)業(yè)者和巨頭們探索新業(yè)務(wù)的熱情。

當這樣的熱情來到大洋彼岸的中國,，絲毫沒有減少,。和硅谷的公司幾乎同步，國內(nèi)大廠也在大模型風口上你追我趕。

一個明顯的變化是,，去年國內(nèi)大廠還處在大模型軍備競賽的初期,，競相推出大模型產(chǎn)品；今年,，經(jīng)過一年的技術(shù)發(fā)展,，大廠們的競爭點不僅限于技術(shù)，還有價格,，更重要的是落地場景,。

5月9日，阿里云正式發(fā)布通義千問2.5,，宣布模型性能全面趕超GPT-4Turbo,，成為地表最強中文大模型。

在阿里云AI峰會上,，阿里云首席技術(shù)官周靖人介紹,，阿里云大模型API日調(diào)用量已經(jīng)過億；除了日常2C應(yīng)用外,，也服務(wù)了9萬家企業(yè)客戶,；尤其在開源場景中，周靖人強調(diào),，開源是阿里云的戰(zhàn)略,。目前通義開源模型下載量已超過700萬。

同樣選擇對外開源的還有騰訊混元文生圖大模型。5月14日,，騰訊宣布其旗下混元文生圖大模型全面升級,，并對外開源。這也是首個中文原生的類 Sora 架構(gòu)開源模型,，支持中英文雙語輸入及理解,，參數(shù)量15億。

放眼市場,，當下的文生圖開源生態(tài),，比如Stable Diffusion基本圍繞英文語義理解，要先把中文翻譯成英文才能生成圖片,。騰訊混元文生圖大模型的出現(xiàn),，打破了這一現(xiàn)狀，讓文生圖生態(tài)更了解中文,。

值得注意的是,，騰訊在大模型上的打法有著明顯的產(chǎn)品思維。自去年9月混元大模型上線以來，騰訊采取的就是“大模型全家桶”策略,，其內(nèi)部目前已有超400個業(yè)務(wù)在接入騰訊混元大模型,。比如，此次混元大模型升級后,，既可以是微信讀書的“AI問書”，也可以是騰訊會議的“AI小助手”,。

事實上,，關(guān)于開源還是閉源，行業(yè)的討論由來已久,。百度創(chuàng)始人李彥宏曾表示,，“大模型開源的意義其實不是很大，這些開源模型都是在外頭零零散散小規(guī)模地去做各種各樣的驗證應(yīng)用,，它沒有經(jīng)過大算力的驗證,。”

“對百度而言,，開源還得自己去維護一套開源的版本,，這是不劃算的；相反,，同等能力下,，閉源模型的推理成本一定是更低的，響應(yīng)速度一定是更快的,?！崩顝┖暾J為。

這樣的路徑之下,，百度文心一言采用了閉源模式,。近期，百度推出多個輕量級大語言模型,，并上線Agent Builder,、App Builder和Model Builder三大開發(fā)工具，幫助開發(fā)者和企業(yè)創(chuàng)建智能體,、開發(fā)AI原生應(yīng)用和定制模型,。

據(jù)百度2024年一季度財報披露，發(fā)布一年多,，“文心一言”用戶數(shù)突破2億,，文心大模型日調(diào)用量也達2億。

本質(zhì)上,，開源還是閉源,，是大模型廠商在成本和技術(shù)上衡量。尤其是在大模型應(yīng)用市場，大家都試圖推出更普惠的大模型應(yīng)用,。

最突出的是字節(jié)豆包大模型,。5月15日，盡管沒有公布榜單成績和參數(shù)規(guī)模,，但豆包大模型靠價格出圈了,。

豆包主力模型pro-32k版的模型推理輸入價格僅為 0.0008 元 / 千 Tokens，相當于一元錢就能買到125 萬Tokens,，比行業(yè)價格低 99.3%,；在處理 128K 長文本時，豆包通用模型 pro 的推理輸出價格為 0.005/ 千 Tokens,。

這堪稱是行業(yè)“地板價”,。以O(shè)penAI發(fā)布的全新模型GPT-4o為例,，GPT-4o的價格已經(jīng)來到輸入5美元 / 百萬Tokens（約為0.035 元/千Tokens），輸出15美元 / 百萬 Tokens（約為0.1元/千Tokens）,；而像阿里,、騰訊等國內(nèi)大模型均價在0.12元/千Tokens左右。

火山引擎總裁譚待在接受媒體采訪時提到,，“降價是用技術(shù)優(yōu)化成本來實現(xiàn)的,。如果只是補貼，用虧損換收入是不可持續(xù)的,，火山引擎不會走這條路,。”

如何進行技術(shù)優(yōu)化,，據(jù)介紹,，模型本身就有優(yōu)化的空間，模型結(jié)構(gòu),、訓(xùn)練方法都可以持續(xù)改進,，包括業(yè)界很關(guān)注的MoE（混合專家模型），就是優(yōu)化推理成本很好的解決方案,。

其次是工程上的優(yōu)化,。大模型的調(diào)用量越大，優(yōu)化推理成本的空間也越大,。以前的模型都是單機推理,，大模型用的是分布式推理。所以如果能把各種各樣的底層算力用得更好,，推理成本就會大大降低,。

事實上,，為了讓用戶可以低成本地使用AI，并推動應(yīng)用的發(fā)展,，降價是國內(nèi)大模型廠商的共識,。

今年2月份，阿里云宣布全線下調(diào)云產(chǎn)品官網(wǎng)售價,，平均降價幅度超過20%,，最高降幅達55%，涉及100多款產(chǎn)品,、500多個產(chǎn)品規(guī)格,，4月份，阿里云將降價策略擴大至海外公有云產(chǎn)品,。

大廠們之所以打起價格戰(zhàn)，是因為大模型價格越低,，使用的人越多,；使用量越大，大模型才能被調(diào)用得越來越好,。簡言之,，價格力的出現(xiàn)，才能推動大模型更好地落地,。

2024年,，被行業(yè)看作是大模型落地元年，推出大模型已不再是新鮮事,，重要的是充分釋放大模型的生產(chǎn)力,，如何真正實現(xiàn)落地。

對于大模型廠商而言,，如何真正服務(wù)好企業(yè),，是考驗各家AI產(chǎn)品是否是個好商品的重要標準。

3,、火熱和洗牌并行,，資本市場更冷靜看待大模型

從ChatGPT橫空出世后，大模型的火熱有目共睹,。面對大模型帶來的技術(shù)革命,，不僅是微軟、谷歌,、百度,、字節(jié)、阿里,、騰訊等大廠下場做大模型,，眾多與AI相關(guān)的創(chuàng)業(yè)公司涌現(xiàn)出來,。

在我國，更是誕生了“新AI四小龍”：百川智能,、月之暗面,、MiniMax、智譜AI,。從估值上看,，除百川智能估值超百億元外，月之暗面,、MiniMax目前估值分別為超23億美元和超25億美元,，智譜AI估值超百億元。

“新AI四小龍”快速成長的背后,，是資本的助推,。CBInsights數(shù)據(jù)顯示，2023全年生成式AI新創(chuàng)在全球獲得約204億美元融資,，是2022年36億美元的5倍以上,。

火熱的背后，也有一些現(xiàn)象值得思考,。最為明顯的一點是,，與上一代移動互聯(lián)網(wǎng)創(chuàng)業(yè)潮相比，這場AI掀起的創(chuàng)業(yè)潮,，資本和創(chuàng)業(yè)者都顯得更為冷靜謹慎,。

從創(chuàng)業(yè)者角度看,，大模型創(chuàng)業(yè)從研發(fā)大模型，到落地應(yīng)用場景,，這條路的成功不僅依賴資金的投入和人力的積累,，更需要過硬的技術(shù)和清晰的落地路徑，缺一不可,。

從資本角度看,，創(chuàng)業(yè)公司燒錢換增長在大模型行業(yè)是行不通的，投資者不會因為短暫的增長就不遺余力地押注真金白銀,。

市場研究機構(gòu)CB Insights發(fā)布的《2023年人工智能行業(yè)現(xiàn)狀報告》指出,，2023年中國AI領(lǐng)域的投融資案例數(shù)量約為232起，與去年同期相比下降了38%,；融資總額約為20億美元,，同比大幅下降了70%。

肉眼可見的是,，市場冷靜下來了,，在錢少的時候,，對于創(chuàng)業(yè)公司而言，活下來更加重要,。尤其是到了今年,，商業(yè)化、落地等關(guān)鍵詞成為大模型新的競賽點后,，商業(yè)模式不清晰,，營收增長乏力的企業(yè)或面臨危機，行業(yè)或?qū)⒂瓉碚嬲磁齐A段,。

從新變化看,，今年，場上大模型玩家都從圍繞模型層的“參數(shù)之爭”,，轉(zhuǎn)變?yōu)榘l(fā)力應(yīng)用層的“用戶之爭”,，百度創(chuàng)始人李彥宏也多次表示“卷模型不如卷應(yīng)用”。

海外市場和國內(nèi)類似,，投資Facebook和Salesforc的Meritech Capital,，以及TCV、General Atlantic,、Blackstone等機構(gòu)紛紛暫停對生成式AI的關(guān)注。Gartner分析師John-David Lovelock稱,，大模型數(shù)十億美元的投資數(shù)量已經(jīng)放緩且?guī)缀跻呀?jīng)結(jié)束,，熱錢涌向AI 應(yīng)用。

今年5月這波技術(shù)大爆炸后,，玩家們都瞄準了“更像人”的方向,，即推出互動能力更強的AI助手。

過去一周內(nèi),，創(chuàng)業(yè)公司月之暗面和零一萬物接連發(fā)布Kimi+和萬知,，兩款產(chǎn)品定位均為AI專業(yè)助手。其中,，Kimi+搭建了一套智能體商店,，包含辦公助手、研報生成,、學術(shù)搜索,、提示詞設(shè)計、輔助寫作等場景,；萬知則是一套一站式AI工作平臺,，覆蓋寫作助手、文件解讀,、PPT圖文制作等功能,。

同時,，也有一些企業(yè)從加入“百模大戰(zhàn)”開始，就將應(yīng)用落地放在重要位置,。舉例而言,，“技術(shù)頂天，應(yīng)用落地”是科大訊飛在發(fā)展大模型過程中始終遵循的兩項準則,，在研發(fā)技術(shù)的同時,，思考場景落地與商業(yè)化。

近期,，科大訊飛披露投資者關(guān)系活動記錄表顯示,，其多模態(tài)大模型能力已廣泛應(yīng)用在教育、醫(yī)療,、工業(yè),、汽車、機器人等領(lǐng)域,。此外,，科大訊飛與人保集團聯(lián)合發(fā)布了人保首個百億級參數(shù)的專屬問答領(lǐng)域大模型“人保大模型”；在軟件等 IT 行業(yè),，科大訊飛的 AI 程序員不僅在公司內(nèi)部使用,，也已經(jīng)在軟通動力、交通銀行等100 多家企業(yè)“上崗”,。

從爆火至今,，大模型經(jīng)歷了很多個重要節(jié)點，其中最重要的是從參數(shù)到應(yīng)用的演變,，大模型跑得快的標準正變成好用和實用,。

行業(yè)的共識在于，通用大模型公司的能力水平再高,，最終也要依靠商業(yè)化造血,，底層通用大模型可能最終僅剩少數(shù)玩家，但應(yīng)用層的創(chuàng)業(yè)生態(tài)會相對繁榮,。

從這點上看,，新一輪的AI應(yīng)用競賽或許不會出現(xiàn)一家獨大的情況，巨頭和創(chuàng)業(yè)公司都將有機會突圍,。不過,，硅谷掀起的這場席卷全球的科技競賽，已經(jīng)呈現(xiàn)出更內(nèi)卷的態(tài)勢,，這考驗著各個玩家的技術(shù)實力和賺錢能力,，想不被淘汰，只能跑得更快,。