今天小编分享的科技经验：智谱AI狂对标OpenAI，有勇气没实力？，欢迎阅读。
1 月 16 日，AI 知识智能技术开发商智谱 AI 举办了首届技术开放日（Zhipu DevDay），全面展示了其投身大模型事业三年多以来所积累的技术成果，并发布了新一代基座大模型 GLM-4。
智谱 AI CEO 张鹏表示，GLM-4 的整体性能相比上一代大幅提升，逼近 GPT-4，可以支持更长的上下文，具备更强的多模态能力。同时，GLM-4 的推理速度更快，支持更高的并发，大大降低推理成本。
图源：智谱 AI
除此之外，GLM-4 大幅提升了智能体能力，GLM-4 All Tools 实现自主根据用户意图，自动理解、规划复杂指令，自由调用网页浏览器、Code Interpreter 代码解释器和多模态文生图大模型以完成复杂任务。GLMs 个性化智能体定制功能亦同时上线，用户用简单的提示词指令就能创建属于自己的 GLM 智能体，大幅降低了大模型使用门槛。
" 追赶 OpenAI"" 对标 Open AI 是智谱 AI 成立以来的目标 "，是张鹏在对外分享时屡次提及的几句话，目前大模型的竞争已经不再是从 0 到 1 的有与无之争，而是落地之争，各家大模型开始贴身肉搏，被称为 " 中国 OpenAI" 的智谱 AI，究竟能否在大模型角逐战中顺利突围？
01. 暂时难以对标 OpenAI
智谱 AI 作为国内第一开源大模型，有着较强的技术架构，但对标 OpenAI 仍有一些距离。
张鹏坦言，和国外大模型相比，国内的大模型发展起步晚了一些，加上高性能算力限制、数据质量的差距等，国内大模型在规模和核心能力上都与世界先进水平存在一定差距，这样的差距大约在一年左右。
从技术路线来看，OpenAI 则更加注重通用性、可移植性和可扩展性，其 GPT 系列模型可以在多个场景下应用，并且具有高度的可定制性。相比之下，智谱 AI 的技术路线是 " 大模型 + 小模型 "，通过大模型的预训练和微调，来适应不同场景和任务的需求。这种技术路线可以提高模型的泛化能力和应用范围，但也存在着模型复杂度高、计算量大、训练时间长等问题。
在模型规模，OpenAI 的 GPT 系列模型规模较大，可以处理大量的自然语言数据，从而获得更好的模型性能。相比之下，智谱 AI 的模型规模可能较小，处理数据的能力有限，这可能会影响其模型性能和泛化能力。而在数据资源方面，OpenAI 拥有大量的自然语言数据资源，可以用来训练和优化其模型。相比之下，智谱 AI 的数据资源可能相对较少，导致其模型训练的效果和性能受到限制。
这意味着，想要尽快弥补与 OpenAI 之间的差距，智谱 AI 必须要持续提升大模型能力，训练参数自然也需要提升，但硬币的另一面是，智谱 AI 在资金方面也将面临着一个巨大的难题。
首先，硬體是一笔巨额投入，根据美国市场研究机构 TrendForce 推算，处理 ChatGPT 的训练数据需要 2 万枚 GPU 芯片，而随着 OpenAI 进一步展开 ChatGPT 和其他 GPT 模型的商业应用，其 GPU 需求量将突破 3 万张（该报告计算以 A100 芯片为主）。
此外，训练大模型的成本也不容小觑，根据国盛证券发布的《ChatGPT 需要多少算力》估算，GPT-3 训练一次的成本约为 140 万美元，对于一些更大的 LLM ( 大型语言模型 ) ，训练成本介于 200 万美元至 1200 万美元之间。
巨额资金从哪里来，以及能换回多少价值，对于智谱 AI 而言是一个未知数。
不过，好在智谱 AI 备受投资机构青睐。2023 年 10 月，智谱 AI 称年内已成功融资超过 25 亿人民币。这一重要的融资里程碑得到了多家知名机构的积极支持，主要参与方包括社保基金、中关村自主创新基金、以及美团、蚂蚁、阿里、腾讯、小米、金山、顺为资本、Boss 直聘、好未来、红杉、高瓴等多家机构，同时也包括一些老股东的跟投。
图源：天眼查
尤其是 2023 年至今，智谱 AI 接连拿下 5 轮融资，估值超过 100 亿元，跻身国内 AI 领網域 " 独角兽 " 企业。智谱 AI 表示，融资将被用于进一步推动其基座大模型的研发，以更好地支持广泛的行业生态，促进与合作伙伴一起实现高速增长的愿景。
02. 商业化高墙难越
商业化落地是验证一项新技术价值的最直接的方式。现阶段来看，国内大模型百花齐放，但大部分仍处于讲技术、讲发展的阶段，对于商业化落地，基本上处于探索阶段。
整体而言，大模型企业的盈利方式主要包括大模型、大模型 + 算力、大模型 + 应用。其中，大模型和大模型 + 算力为主要盈利方式。
智谱 AI 盈利方式和行业盈利方式基本一致，一是根据客户需求，提供大模型定制化开发服务，云端私有化本地私有化最高价格分别为 120 万元 / 年和 3690 万元 / 年；二是标准版大模型，提供 API 接入方式，按照 Tokens 使用收费，ChatGLM-Turbo、CharacterGLM、Text-Embedding 收费标准分别为 0.005 元 / 千 Tokens、0.015 元 / 千 Tokens、0.005 元 / 千 Tokens。目前，智谱 AI 的商业化主要面向企业和机构的 B 端用户。
作为对比，OpenAI 的商业化同样分为 C 端和 B 端两个部分，具体而言，针对 C 端市场，OpenAI 推出 ChatGPT Plus 订阅计划，每月收费 20 美元，相较于免费版本，即便在高峰时段用户也能正常访问 ChatGPT，响应时间更快，并且可以优先使用新功能等。而针对 B 端市场，OpenAI 发布了 ChatGPT API，开发者可以将 ChatGPT 集成到产品中，以更加高效地发挥出价值。
值得注意的是，OpenAI 还在 2023 年 8 月推出了企业服务版，该服务版有望每月给 OpenAI 带来 6500 万元的收入。整个 2023 年，OpenAI 推出的多项付费方案已经带来了超过 110 亿元的收入。
一个普遍的现象在于，包括智谱 AI 在内的国内大模型产品，在高投入的同时还难以带来稳定的盈利。虽然大模型商业化之路道阻且长，但曙光已现。三六零 2023 年半年报显示，"360 智腦 " 大模型已经开始创收，金额近 2000 万元；商汤集团也公布，生成式 AI 在 2023 年上半年相关收入增长 670%。
爱分析相关报告指出，目前大模型商业化提速较快的行业为能源和金融，其原因在于这两个行业密集分布的央国企。央国企数据基础设施建设完备、算力投入高、AI 应用场景多且基础强，这些原因促进央国企与大模型的快速融合。
对于智谱 AI 而言，目前大模型商业化的路径已经较为清晰，但能否走通大模型的商业化之路，关键不仅在于商业模式的探索尝试，更在于解决大模型发展的底层问题。
03. 国产大模型何去何从？
根据工信部赛迪研究院最新数据，2023 年我国语言大模型市场规模实现较快提升，应用场景不断丰富。预计 2023 年我国大模型市场规模将达到 132.3 亿元，增长率将达 110%。
未来，随着技术的不断迭代进步，大模型将在具身智能、自动驾驶等领網域开拓新的应用场景。
具体而言，大模型的发展将有三大趋势：首先是大模型智能能力的提升，未来大模型将具有更高的精度、更强的理解能力和更广泛的适用性，这意味着大模型能够更好地理解自然语言，还能够进行更多的复杂任务，比如全網域控制、创作等等；其次是大模型将应用于更多领網域，除了传统的文本处理之外，大模型也将在语音识别、影像生成、视频理解等方面发挥更大的作用，用户可以在更多的场景中享受到 AI 带来的便利。此外，大模型将更加定制化，能够更好地满足用户的个性化需求，用户可以根据自己的实际需求选择合适的模型，并进行定制化配置。
大模型飞速发展，但并不意味着无序发展。未来，针对大模型的监管将愈加严格，2023 年 7 月，网信办等七部门发布了《生成式人工智能服务暂行管理办法》，明确规定大模型产品需注重数据隐私安全，不能非法获取、披露、利用个人信息和隐私、商业秘密，不可侵犯知识产权；大模型生成的内容应当体现社会主义核心价值观，不能生成歧视性的内容等等。
对于大模型的未来，张鹏显得十分乐观，"2024 年，大模型市场将从野蛮生长回归冷静，对于大模型的投资与炒作将会告一段落，行业焦点也将从模型本身转向寻找应用。不过这并不代表大模型的技术演进速度会下降，向上探索的天花板还远远没到。"
