国产大模型Kimi有了商业化大动作。
8月2日，Kimi母公司月之暗面宣布Kimi企业级API正式发布；8月7日，Kimi开放平台的上下文缓存Cache存储费用降低50%，从10元/1M tokens/min降低至5元/1M tokens/min，上下文缓存技术适用于频繁请求、重复引用大量初始上下文的情形，此举有助于Kimi开放平台的用户降低大模型使用成本。
2024年8月2日，Kimi母公司月之暗面宣布Kimi企业级API正式发布/图源：Kimi开放平台
月之暗面是“90后”汕头青年杨植麟创立的AI独角兽公司。与此同时，8月有消息称，腾讯参投了月之暗面最新一轮融资，此轮融资后，月之暗面估值提升至33亿美元，成为国内大模型初创企业中估值最高的一家。
不过，面临一众虎视眈眈的国产大模型，Kimi是否能笑到最后，仍是未知数。
Kimi母公司月之暗面创始人：“90后”汕头青年杨植麟
巨额的投入成本与尚不清晰的商业模式，是如今如火如荼的人工智能行业面前一道无法忽视的阴影。美国的AI巨头同样为此焦虑，在寻找落地场景方面，它们不比中国公司更具优势。
2023年，OpenAI以断崖式领先的姿态，睥睨所有它的同行。现在是2024年，情况已经很不一样。
文生视频的AI产品Sora发布已近半年，海外的Runnway、Pika、HeyGen，国内的“可灵”等同类产品已经应用得火热，Sora仍然未见光明；同样处境的还有GPT4o新的语音及多模态交互功能。有人嘲讽说，OpenAI从做AI的变成了卖期货的。
GPT-4o演示现场
有外媒披露，由于高额人工智能培训成本及人员经费，OpenAI在今年可能面临50亿美元亏损。
先笑的人，不一定能笑到最后。半导体时代初启时，“仙童八叛逆”取代了半导体之父肖克利，成为硅谷真正的话事人；计算机时代初启时，“八叛逆”陆续出走，创立英特尔、微软等一众公司，摘光了仙童所有的“桃子”；互联网时代初启时，网景浏览器一家独大，不过四五年光景，一鲸落而万物生……
说到底，AI的时代才刚刚拉开序幕，群雄逐鹿，成败未定。
小型“鲸落”
今年6月，OpenAI上演了一场小型“鲸落”：大量用户被告知，OpenAI“将停止对某些未受支持的国家和地区提供API服务”，包含中国大陆和中国香港，业内着实震动了一番。
OpenAI对中国地区停止提供API服务
API是指应用程序编程接口（Application Programming Interface），由它定义不同软件应用程序之间的通信方式和交互规则。一部分开发者使用OpenAI的API提供AI服务，也就是俗称的“套壳”，一旦断供则武艺尽失。
这场震动持续了不到半天。很快，国内一众大模型公司大开方便之门，抢着“收留”这些开发者，智谱、百度文心、零一、Minimax等一拥而上，很快升级成为“一键搬家”式的服务。
智谱是最快作出反应的大模型厂商，一名智谱AI内部人员告诉盐财经，开发者将应用迁移到智谱大模型，过程很简单，“如果仅仅是切换，仅需修改一个base_url，其他参数都不需要改变”。涉及提示词等内容的适配，操作也不复杂。
技术方面，国内大模型丝毫不虚。国内目前一线水平的大模型能力已经全面逼近OpenAI，甚至有些方面，比如很多中文任务能力已有超越。
以智谱AI的GLM-4大模型为例，评估结果显示，GLM-4在MMLU、GSM8K、MATH、BBH、GPQA和HumanEval等多个通用指标上的表现与GPT-4非常接近，甚至在某些方面超过了GPT-4。
成本上，国内大模型价格远低于OpenAI，“物美价优”一向是制胜法宝。
OpenAI“断供”行为的背后，无论它是作何考虑，最后一定会意识到“挑错了对手”。中国不是它予取予夺的对象。事实上，中美两国是全球唯二的大模型重量级玩家，各有优势。
2024全球数字经济大会上，中国信通院院长余晓晖发布的《全球数字经济白皮书（2024年）》显示，截至2024年第一季度，全球AI企业近3万家，美国占全球的34%，中国占全球的15%。
从全球范围看，美国和中国发布的通用大模型总数占全球发布量的80%，两国成为大模型技术领域的引领者。
根据 SuperCLUE 2024年4月的「大模型跑分排行榜」：在全球排名前22位、可通过 API 调用的大模型中，中国大模型占据了16席/图源：SuperCLUEAI
AI企业数量，体现的是一国在AI领域的活跃度，而大模型的数量更加彰显“硬实力”。众所周知，训练大模型是一件烧钱的活儿，但一切与AI有关的功能都建立在大模型的能力上。大模型考验一国的经济实力、资本市场活力、技术水平，还有人才教育程度。当前，只有中美两国可以掰一掰手腕。
变大变强
ChatGPT发布于2022年11月底，真正引起广泛关注则是在2023年3月。当时，微软宣布将为旗下办公套件引入ChatGPT的AI功能，这是AI第一次被认可拥有可泛化的实际用途。
曾经的AI当然也有用途，但它们是专用AI，一个模型只有一个用处—人脸识别的模型负责识别人脸，自动驾驶的模型负责开车。OpenAI的GPT系列模型，走向了通用人工智能（AGI），一举声名鹊起。
OpenAI的GPT系列模型
ChatGPT的成功一度引起“反思”：为什么中国没有这样的产品？及至国内大模型井喷而出，又有评论认为，其中技术水平的差距甚大。如今再看，并不属实。OpenAI最初的光芒过于耀眼，连谷歌等也成为其“乱拳”下被打死的老师傅，这样的评价并不公允。
简单回顾AI的发展历程，即可发现，中国从未错过关键时刻。
按AI的世界发展史，目前共有四个阶段。第一阶段是上世纪50年代，美国提出AI概念，研发多层感知机。中国并未参与这一阶段，不过，多层感知机后被证实“毫无用处”，但它奠定了一些机器学习概念。
第二阶段，上世纪80年代，“AI教父”之一辛顿等人提出“反向传播”这一训练机器的方法。中国也在这一时期介入AI，1986年，国务院通过《国家高技术研究发展计划纲要》，这一系列计划被称为“863”计划，其中，“863-306”代表智能计算机主题。
“863-306”是中国AI的摇篮，也是曙光、科大讯飞、中科星图、寒武纪等一大批高技术公司的源头。国内目前AI行业中的领军人物也多与此计划有关。
“863计划”四位倡议者合影（左起：王大珩、王淦昌、杨嘉墀、陈芳允）
第三阶段，上世纪90年代，“神经网络”大行其道。第四阶段，就是从2010年至今的这一时期。大模型的概念，就来自第四阶段。
细看第四阶段。
首先是“AI教母”李飞飞，其和团队制作了一个大规模的图像数据集，取名ImageNet，其中包含了数百万张有标记的高分辨率图像，极大促进了CV（计算机视觉）发展。
2012年，AlexNet在当年的ImageNet大规模视觉识别挑战赛（ILSVRC）中取得了显著成绩，大幅超越了传统的机器学习方法。自此，卷积神经网络（CNN）成为主流架构。
这一时期，CV的高速发展孕育出中国的“AI四小龙”，商汤、旷视、依图、云从。已故的前商汤科技董事长汤晓鸥，在2014年3月发布GaussianFace人脸识别算法，在LFW数据库上准确率达98.52%，在全球首次突破人眼识别能力。
CV狂飙的同时，自然语言处理（NLP）乏善可陈，转折点的推动者是谷歌。2016年，谷歌提出如今取代了CNN的新架构Transformer。在此基础上，谷歌在2018年推出预训练模型BERT。
不同于公众，从2018年起，AI业内人士就意识到了“大事发生”。
接下来，交接棒到了OpenAI手里。在“老师傅”谷歌的框架和“预训练”思路上，OpenAI开始它的暴力美学，并在2020年推出1750亿参数的大模型GPT-3。
GPT3的训练是将模型暴露在大量文本中的过程
在OpenAI之前，没有科研人员想过堆算力、堆参数，也没人想到“暴力”堆出的大模型会出现“涌现智能”，也就是模型的能力可泛化，从而脱离专用思路。
这一时期，“中国队”没有落下。从“大炼模型”到“炼大模型”，在五道口的智源研究院内，研究者的目光始终追随。2021年3月，智源推出中国第一个系列大模型，因“五道口”的谐音，取名“悟道”。
寻找“弯道”
GPT-3出现的2020年，即是AI业内研究转向的分水岭，也是OpenAI风格转变的节点。自那以后，OpenAI收起了所有与训练大模型有关的数据、技术文档更新，每当发布新产品，都只有可怜的技术简介与几张PPT，逐渐成为被嘲讽的“CloseAI”。
后来的事大家都清楚了，OpenAI的确憋了个大招。
自2022年11月底发布ChatGPT，OpenAI将大模型或说AGI，从研究室带到了公众所在的现实生活，一时风光无限，将内功深厚的“老师傅”们统统打趴下。2023年的“百模大战”，始终是在山姆·奥特曼活跃的阴影之下。
OpenAI的CEO，Sam Altman
“老师傅”们自然不服输，比OpenAI更新的势力也在寻求出头，AI生态仍在剧烈地洗牌。
海外市场，最引人注目的是OpenAI的“二叛逆”创办的AI公司Anthropic。今年6月，Anthropic发布AI模型Claude 3.5 Sonnet，在多个关键指标上“反超”ChatGPT，新的交互方式“Artifacts”广受好评，社媒X上的许多技术博主号召“逃离ChatGPT”。
谷歌动作频频，从Bard、Gemma 到Gemini，一个个模型排队上场，打不过就“换名”再来。不说反超了OpenAI，至少谷歌最重要的搜索市场，如今还是固若金汤。
Meta走的路子更野，其核心大模型Llama系列，尽数开源，如今已是全球开源类AI生态位中的第一名。新的Llama3.1（405B）更是在指标上对齐了GPT-4，凭借开源生态，有望成为新王。
放眼国内，AI各个生态位中，选手摩肩接踵，品类齐备。以“出身”为别，可以分为三类：一类是AI初创，有智谱、月之暗面、MiniMax、百川智能等；一类是大厂出身，如百度文心、阿里通义、腾讯混元、字节豆包等；一类是研究型机构的大模型产品，如智源等。
“血战”在所难免，不必忙于封神。如前文所说，AI的时代才刚刚开启。
故事仍要从OpenAI讲起，如今，它的尴尬之处在于，“期货”与“现货”之间的落差太大。
OpenAI的“期货”，如Sora，如GPT4o的新语音交互，在推出时总是刷屏网络，让人以为“未来已来”。Sora生成的电影质感小视频仍历历在目，GPT4o的语音交互俨然《Her》中的阿曼达；可惜，仍停留在“发布会阶段”。
在GPT4o的发布会直播中显示，性能方面，GPT-4o 能在 232 毫秒内对音频输入做出反应，平均反应时间为 320 毫秒，这与人类在对话中的反应时间相近
比起科幻未来，OpenAI的“现货”很骨感。7月18日，OpenAI终于推出的新东西是“GPT-4o mini”，一个入门级别的AI模型，号称“功能最强、性价比最高的小参数模型”。
7月18日，OpenAI推出“GPT-4o mini”，并号称其为“功能最强、性价比最高的小参数模型”
按惯例，OpenAI没有公开新模型的参数量，不过，目前小模型参数大都在1.5B到13B。OpenAI强调它的“廉价”： 每百万个输入Token为15美分（约合人民币 1.09 元），每百万个输出Token为60美分（约合人民币4.36元）。这一价格相较GPT-3.5 Turbo便宜超 60%。
是的，OpenAI也必须加入“价格战”，加入当下最实际的端侧模型赛道来了。“未来”与“理想”，都得放放。
新的规则
业内关注OpenAI出了什么问题，本质上，就是在关注AI大模型的发展会出现什么问题。
一般认为，驱动大模型发展的三要素，分别是算法（人才）、算力和数据。不过，三要素真正形成驱动力，还需满足一个前提，即“Scaling Law”（缩放法则）依然有效。
“Scaling Law”是指，大模型的能力随着参数的增加、训练数据的增加而增加。这就是OpenAI的“暴力美学”，倡导大力出奇迹。
Scaling Law最重要的公式表明随着参数增加及训练数据的增加，大模型能力也随之增强/图源：零一万物
尽管OpenAI自GPT-3以后不再公开模型参数量，但业界普遍的推断是，GPT-4的参数量有1.8万亿（1800B）。而人脑中有10万亿神经元，这一跨界而来的数据，给很多AI从业者以“Scaling Law”仍有突破空间的信心。
但现在，越来越多模型赶上GPT-4的水平，依然不见GPT-5的发布，是不是“Scaling Law”已经遇到瓶颈？
另有观点认为，OpenAI不推新品，并非Scaling Law失效，可能是因为收不回成本。昆仑万维董事长兼CEO方汉在今年5月曾说：“根据我得到的消息，OpenAI已经训出来了（GPT-5），也不是能力不行，但是它现在没有把握在工程上把这个东西效益最大化。”
换言之，当前AI仍没有找到合适的场景变现。如Sora，可能技术已经达标，但成本太高，不适合大范围地推广。
智能上限和应用场景，是当前大模型公司的两个焦虑源泉。这一点上，中美公司殊途同归。
智能上限的方面，“暴力美学”的上限仍未见顶，但与此同时，“知识密度”被看作未来大模型新的智力增长曲线。
该概念由智源出身、现面壁智能创始人刘知远提出，由此出发，其提出“AI时代的摩尔定律”为，平均每8个月，大模型的知识密度提升一倍。
该路径下，扩大参数不再是唯一解，小模型也能有大能力。这正是主打性价比的GPT4o Mini提倡的，面壁为其的诞生发文称，“欢迎一起Mini”。
在寻找AI落地场景方面，国内大模型公司明显更具优势。
首先，国内大模型较早地、更专注于做垂直的基础大模型。这似乎是从中国第一个大模型系列“悟道”而生的一种传统，“悟道1.0”包含“文源”“文澜”“文汇”“文溯”四个模型，各有专攻。再到华为，今年6月发布的盘古大模型5.0，包含盘古自然语言大模型、多模态大模型、视觉大模型、预测大模型、科学计算大模型等。
盘古大模型5.0能够重塑媒体内容生产和应用领域
其次，国内对新技术的接受度一向较高，“AI+”的风潮已吹向各行各业，这在日常生活中就能感受到，无须列举。
最后也最重要的是，中国本土强大且完备的制造业供应链，能够提供给AI更多的空间。
以自动驾驶为例，中国市场的新能源汽车渗透率已接近过半，“下半场”的智能化已经开打，以大模型为基础的“端到端”新一代智驾技术，如今在中国已有多家公司研发并开始上车试验。而在美国，仅有特斯拉一家。
依托制造业，中国对新技术的吸收和开发速度极为灵敏。这是中国大模型公司相比美国同行的一大优势。AI时代的序幕拉开后，真正的决战战场必在于此。
