本文来自：表外表里 ，作者：周霄 谭鸠云，编辑：付晓玲 曹宾玲

“当年看不起（互联网的）商业模式创新，觉得没有壁垒：百团大战、百车大战、百播大战；没想到硬科技大模型创业，依然是百模大战……”

今年国内AI创业浪潮激进时，金沙江创投朱啸虎曾如此吐槽业内乱象。

OpenAI创始人山姆·奥特曼也曾发出警示：“我对所有试图培训自己大模型的创业公司，持怀疑态度。”

彼时，很多人不以为然。直到今年10月，国内大模型数量达到惊人的238个，相比6月翻了3倍。

面对这样的现状，李彦宏日前在西丽湖大会上喊话：“我们需要100万量级的AI原生应用，但是不需要100个所谓的大模型。”

毕竟以往的技术周期无数次验证过，底层架构大浪淘沙留下的不多。以PC时代为例，各种软件都基于Windows和苹果系统开发；移动时代，操作系统也只有安卓和iOS两家。

而应用端，才是潜力无限的一方。以安卓为例，其上的应用（包括个人开发）有上百万个，且还在不断增长。

AI时代也表现出类似迹象，可以看到，相比国内清一色的底层架构研发独角兽，海外的AI独角兽接近五成是垂直应用领域，AI原生应用已经超过上千个。

如此来看，目前国内层出不穷的大模型或是在“重复造轮子”，最终不得不面临淘汰，而回归应用层可能才是下一阶段的大势所趋。

近半年来，AI明星创业公司相继陷入了争议。

6月，光年之外因创始人王慧文病休离岗，冲击了市场对大模型创业的信心。前不久，立志研发通用大模型底座的李开复，也陷入了套壳Meta开源大模型LLaMA的质疑之中。

明星公司尚且如此，其他人只会更难。

原因在于业内有个共识：如果没有“智能涌现”能力，专用大模型的价值其实非常有限。

所谓“智能涌现”，是指模型规模、算力水平超过某个参数阈值后，AI效果将迎来质变。

通俗来讲，过去的AI是人类想让机器学会什么就教什么，教过的有可能会，没教过的就不会；到达“智能涌现”后，以前没有教过的技能，机器也可以会。

而据Google、Stanford、DeepMind的论文《Emergent Abilities of Large Language Models》总结：680亿参数（params）的模型规模，是出现“涌现”现象的基础门槛。

而且，上述680亿参数，还只是基于最简单任务（如加减法）而言的基本门槛，对于需要处理大量、复杂问题的大模型，所需参数更是成倍增加。比如，“在提示中利用解释词”模型，需要2800亿参数才能涌现。

说白了，参数量越大，“智能涌现”的可能性就越大，AI准确率也会更高。而这背后，需要数以千亿的成本喂养。

比如，知名计算机专家吴军曾形容过，ChatGPT每训练一次，相当于报废了3000辆特斯拉。

具体拆分来看，不仅有价格昂贵、需求量巨大的服务器和芯片成本，还有不断递增的运行成本、稀缺属性下巨额的人才开支等。

可以看到，百度“文心一言”大模型达到2600亿参数的背后，已经连续10年累计在AI方向投入超1000亿；千亿级参数的360GPT也一样，公司每年30-50亿的研发费用，大部分都用在GPT身上。

如此趋向下，投资人也更倾向于集体押注“大项目”，毕竟大模型的“暴力美学”下，投资越多的创业公司才越有可能跑出来，而撒出去的投资也越有可能得到回报。

企名片数据显示，今年以来，中国AI领域共融资214亿，头部三家创业公司的融资额占比超过30%。也就是说，目前市场融资基本集中在明星创业厂商，中尾部几乎没有空间。

而对绝大部分大模型来说，投入幅度有限，意味着难以达到“智能涌现”的水平，就更别提最终的场景落地了。

举个简单的例子，当你问早期GPT-3.5“林黛玉为什么会倒拔垂杨柳？”它回答说，“因为林黛玉悲伤过度，倒拔垂杨柳缓解悲伤情绪”。

这样一本正经的胡说八道，其实是模型“幻觉”，也是未达到“涌现”水平的自然反映：超过了其训练过的数据库储备，它就不具备触类旁通的能力，只能按理解瞎扯。

而“幻觉”问题越严重，也意味着越难以匹配到现实场景中，市场认可度自然受限。

比如，李彦宏曾提到，“国内有200多个大模型，上了这个榜单、进了那个排名，但其实调用量是很小的。文心大模型一家的调用量比这200多家大模型的调用量加起来还要多。”

而不仅本身跑出来的可能性微乎及微，现有情况下，即便技术达标，中尾部大模型的商业化也很难展开。

目前来看，大模型的商业化主要集中在三个方面：C端API调用，B端付费订阅，B端定制化服务。

C端而言，本身盈利空间就不大。

可以看到，一骑绝尘的OpenAI，在这一块都乏善可陈。方正证券研究显示，ChatGPT如果不下降精度，月度付费率超过12%才能实现盈亏平衡，而目前只有4%。

国内来说，To C一是没有付费习惯，二是大厂实行免费策略，抢占训练与流量入口的“后花园”，中尾部大模型在这里，根本没有话语权。

B端则更难做，付费订阅来说，企业倾向于选择头部大模型，用百度科技与社会研究中心主任余欢的话说：“客户在PoC阶段不会把所有模型都试个遍，费钱费力且不现实，通常会聚焦在几个主流模型之内，并着重参考同行友商的选择。”

定制化服务就更别说了，本身就是个坑，没看到软件领域的金蝶，SaaS领域的金山，甚至阿里、腾讯，都深受定制化服务之苦。

总的来看，成为有价值大模型的投入，不是创业公司能够hold住的，而无法实现“涌现”时刻，就意味着难以落地应用。

这种情况下，不断地重复开发基础大模型，某种程度是对社会资源的极大浪费。

“熬夜看完OpenAI的发布会后，我很庆幸自己在上半年没拿到融资。”AI创业者Jimmy对媒体心有余悸地说道。

令其感到“劫后余生”的，是11月OpenAI创作者大会对大模型领域的“致命颠覆”——随着GPT Store和Assistant API的发布，基于开源模型做中间层的路线，一定程度上被堵死了。

某医疗人工智能公司CTO更是直言：“在大模型领域的任何一点儿进步，都可能被大平台的技术更新，一下迭代掉。”

对主流大模型来说，这也是命运转折的节点——比拼技术不再现实，生态较量或许尚可一搏。

根据测算，未来18个月内，Inflection AI训练的模型比当前的前沿模型大100倍；未来3年内，会比现在大1000倍。

这意味着，大模型巨头们死磕技术的边际成本会越来越高。且当下的通用大模型里，即便是OpenAI也没有达到“秒杀一切”的技术优势，执着于技术只会把路走窄。

而大模型的进化，给焦虑中的大模型公司打开了一扇窗。

上文提到，通用大模型常常闹出“林黛玉倒拔垂杨柳”一类的笑话，很难托举应用落地。然而，GPT-4问世后，再问其“林黛玉为什么会倒拔垂杨柳”，得到的答案是：林黛玉是《红楼梦》的人物，“倒拔垂杨柳”是《水浒传》的情节，二者不能放在一起。

很显然，随着大模型逼近“涌现”临界点，其渐渐学会了触类旁通、举一反三。

据Vectara评测，GPT-4的幻觉率已压缩到了3%。国内的大模型也是如此，表现最好的文心一言，整体无幻觉率已提高到了69%。

上个月，百度发布的文心4.0版本，在理解、生成、逻辑和记忆等各方面，又实现了能力跃升。比如，除文字内容，文心还可以生成图片、视频、数字人等超过200种形态的内容。

“智慧度”发生质变后，头部大模型也就真正具备了承接AI原生应用落地的能力。

以医药研发为例，过去研发一款新药往往需要“花费10年时间、耗资10亿美元”，但AI制药公司英矽智能接入大模型后，一年半就研发出了特发性肺纤维化（IPF）疾病新靶点，且投入低至260万美元，一举震惊药界。

公司层面来说，百度也已经发布了十余款AI原生应用，包括搜索、网盘、地图、文库以及国内首个生成式商业智能产品“百度GBI”。

而正如曾经的PC、移动时代一样，AI应用层的创新旺盛，也要依仗成千上万开发者的灵感碰撞。

站在大模型厂商角度看，抢先建立生态，约等于率先在业内建立话语权。正如谦询智库合伙人龚斌所说，“谁能成功构建起一套应用生态，谁就会变成一个AI时代的产品分发入口，如同苹果App Store的封闭性甚至垄断性。”

更何况，应用生态的壮大，也可以反哺大模型的迭代优化。

OpenAI创始人奥特曼就说过：“初创公司所做的1%训练，对大语言模型技术的实际应用至关重要。”

李彦宏也提到过：“只有通过更多的场景落地应用，才可以形成更大的数据飞轮，才能够让芯片做到够用、好用。”

基于此，大模型巨头集体拥抱开放，掀起了争夺AI开发者的新战事。

一方面，持续降低应用端创业的开发门槛。以OpenAI为例，11月的开发者大会上，其震惊四座的GPTs和Assistants API，就旨在降低应用层开发难度。

国内来说，百度的步伐更快。据透露，目前其已经拥有800万AI开发者，且还在持续吸引玩家。

比如，9月份的联盟大会上，其发布了文心一言插件生态平台“灵境矩阵”——在此之前，开发者大多是通过API调入基础大模型，现在可以直接生成插件，大大降低了使用大模型的学习成本。

另一方面，基于规模、技术、计算优势而拥有更低训练成本的大模型公司们，也在绞尽脑汁降低创业者的开发成本。

文心一言推出一个月后，就通过技术手段将大模型的推理性能提升近10倍，推理成本降到原来的十分之一。今年8月初，在千帆大模型平台接入33个大模型并增强调优后，其推理成本又进一步降低了50%。

OpenAI也是同样，11月的开发者大会上，新推的GPT-4Turbo的收费大幅下降，GPT-3.5Turbo也进行了价格下调。

可以说，迫切建设生态的大模型巨头们，已经彻底敞开了大门。

对于应用层开发者而言，现在或许正是入局的好时机。正如李彦宏所说的：“最好的AI原生应用还没出现，这恰恰就是创业者千载难逢的机会。”

曾经，“先入场再看路”，是大模型公司的常态。

但现实证明，随着“重复造轮子”的追风人加速涌入，大模型会过剩，而熬不到技术涌现的公司，终将面临加速淘汰的残酷命运。

“人类进入AI时代的标志，是出现大量的AI原生应用，而不是出现大量的大模型。”李彦宏的反思和呼吁，正是AI大模型赛道狂飙之后的理性回归。

站在AI应用开发者角度看，现在也正是押注AI时代的好时机。