今天小編分享的互聯網經驗：“百模大戰”即将迎來一輪應用淘汰賽，歡迎閲讀。
圖片來源 @視覺中國
文 | 互聯網江湖，作者 | 志剛
這年頭，不做大模型就不好意思説自己是科技公司。
這不，" 百模 " 大戰打了幾個月之後，又有新玩家入場了，京東、攜程都加入了大模型 " 戰場 "。
相比京東、攜程發發布大模型布，這兩天的大模型發生了一個更重量級的事情：Meta 發布新一代 AI 模型 LLama V2，并宣布 LLama V2 開源，并可直接商用。
傅盛發朋友圈評論：" 這一下不知道多少公司笑醒在深夜，多少公司哭暈在廁所…… "
據傳，LLama V2 性能超過了 GPT-4、Microsoft 和 Google 的 AI 模型，能夠生成語言、代碼和影像。最重要的，相比 GPT4，LLama V2 開源，并且可以直接商用。
消息一出，不少人都在感慨：一夜之間大模型變天了。
要説大模型行業變天，恐怕還有點早，但 LLama V2 開源可商用、再加上國内這麼多大模型落地，" 百模 " 大戰，恐怕要迎來第一個 " 淘汰賽 " 階段。
" 百模 " 大戰之後，大模型邁進應用驅動階段
大模型賽道，做通用模型的都是大公司。
Open AI 背後站在微軟，文心一言背後是百度，通義千問背後是阿裏，混元大模型背後是騰訊……再加上商湯、訊飛等 " 本土 " 玩家，留給後來者的舞台其實并不大。
而這個不大的舞台，如今卻顯得有些擁擠。此前一份國產大模型列顯示，目前國内的大模型已經有近百家。
這麼多大模型落地，説明 AI 大模型可能即将進入產品驅動階段。
互聯網江湖認為，大模型的發展會經過三個階段。
第一階段，模型數據、數據為核心的技術驅動階段。
從 ChatGPT 到 GPT3 階段，大模型是由技術驅動，這時候關鍵是算法，和數據訓練。
GTP3 之後，差距就在于數據量，這不難理解，這好比是一個有着超強學習能力的孩子，在咿呀學語之前，進步不大，一旦掌握了世界的 " 數據語言 "，那麼大模型的進展是飛速的。
而做通用大模型的玩家，需要盡快度過這個階段，并建立自己的核心優勢。
目前來看，百度文心、騰訊混元、阿裏通義千問、商湯大模型、以及訊飛火星等，國產主要大模型都走到這一階段。
這些大模型，都是大公司做出來的，能走到這個階段的大模型，要麼算法更先進，要麼有足夠的數據參數和訓練量。
以百度為例，5 月份上線的文心大模型 3.5，能力已經超出 ChatGPT 3.5，雖然官方沒有公布具體的數據量級，但大量的數據、算法優化訓練是必經之路。
這個階段，拼的其實就是硬實力，拼的是數據生态，人才技術和資金投入，創業公司很難真的從底層做起來。
第二階段，是產品驅動階段。
當國產大模型不斷湧現，" 百模 " 大戰的格局上演之後，行業其實就已經走到了產品驅動階段。
產品驅動階段，" 百模 " 大戰會經歷一輪淘汰賽。
大模型從業者普遍認為，400 億 -500 億參數量級是模型能力 " 質變 " 的門檻。 換言之，對于資本市場來説，百億參數量級之前，一些大模型項目很可能會首先遇到 " 生存問題 "。也就是説，對于一些後來者、在遇到生存問題之前，必須要有足夠應用落地。
也因此，產品階段的大模型，核心在落地場景。
大模型其實沒有什麼路線之争，垂直或者通用，與其説是路線之争，倒不如説是落地的場景之争。
我們認為產品驅動階段，大模型落地的重點在于，大公司底層做起，打造行業大模型基礎設施，在此之上，垂類的創業公司去做應用端的垂直創新。
其實現在已經有企業走在這條道路上了，比如商湯 SenseChat 大模型，在不少領網域已經開始與品牌合作落地。
" 表面上看通用大模型和垂直大模型代表了兩種技術方向，但實際上兩者相輔相成，可以并行發展。更強的通用大模型具備更強大的學習能力，可以快速融合不同行業領網域的知識，支持垂直大模型的訓練和開發。" 商湯科技相關人士表示。
在大模型領網域，商湯扎根很深。
4 月份，商湯 " 日日新 SenseNova" 大模型體系公布，并迅速落地。在自動駕駛行業，商湯構建了業内首個感知決策一體化的端到端自動駕駛解決方案 UniAD，，使車道線的預測準确率提升了 30%，預測運動位移的誤差降低了近 40%，規劃誤差降低了近 30%。
天眼查 APP 顯示，商湯科技 2021 年在香港上市，彼時上市募資 55 億港元。
科大訊飛落地也很快。此前科大訊飛曾表示，随着星火認知大模型的不斷迭代，其診後康復管理平台将逐步實現對所有病種、病程的精細化管理等能力。科大訊飛的大模型最大的特點是更 C 端，有自己的產品矩陣，接入大模型之後，更容易觸達 C 端用户。
大模型領網域，最先產生商業價值不一定是通用的 ChatGPT4，反而更可能產生在應用端走得更快的領網域。
實際上，在科技進步的浪潮中，并不是所有的價值都會被先發的企業拿走，技術商業化的價值，往往會被更成熟的企業拿走的更多。
就像微信不是最先出現的社交應用，但無疑是最成功的。
第三個階段，是用户驅動階段。
有了場景之後，最重要的是能夠獲得用户的認可。從過去 AI 技術的落地來看，由 ToB 到 ToC，是大模型落地的最終路徑。所以，首先為大模型買單的一定是 B 端。
不過，從底層商業邏輯上，誰是最終的 " 受益者 "，也就會是最終的 " 買單者 "，説到底，大模型應用的最終結果還是要服務用户。長期來看，也最終會走到用户驅動的階段。
只不過，與現在大家所熟知的移動應用不同，" 大模型應用 " 的用户驅動會更快更直接，因此，有大量 C 端用户的公司（百度、阿裏、騰訊）的進展速度可能會超出想象。
大模型應用爆發的黎明，商業化拐點已至？
雖然大模型很火，但真正躬身下沉的玩家都是大公司，投資市場的交易數量與去年淡季沒有什麼變化。
很明顯，市場有顧慮。
比如，現在下場了，将來如何退出？大模型畢竟是個需要長期投入的項目，募資難，想要退出也難。再比如，比較有潛力的大模型項目其實都在大公司手裏，這不是説創業公司沒有機會，但市場還是在觀察。
" 大模型的終局會是什麼呢？我認為對于大模型來説，終局會集中在少量的幾個大模型 "。百度集團副總裁吳甜表示。
吳甜認為，大模型產業生态可類比芯片代工廠，把大數據、大算力、大算法都封裝，建設自動化、數字化、标準化的生產模式。
一方面，從底層做起來的大模型，成本非常高，需要多年積累。另一方面，應用層面，幾個少量大模型，就會有非常廣泛的應用生态。換句話來説，其實并不需要那麼多大模型來做重復的應用。
大模型領網域，可能也會有一個新的 " 二八定律 "：兩成的大模型玩家掌握真正的底層核心技術，而八成的大模型企業都在各個領網域創新，去做大模型的應用。
可以預見的是，Meta 的 LLama V2 大模型開源、放開商業化之後，大模型應用端的創新會迎來一個高潮，而國内大模型產品集中爆發，應用端也會迎來許多的新變化。
過去的十年，以用户關系為中心，互聯網完成了内容消費、服務消費、商品消費的中心化。
大家看視頻到抖音、快手、B 站，買東西到淘寶京東拼多多，本地生活到餓了麼美團。于是，搜索廣告之後，短視頻、本地生活、電商，成了互聯網技術創造價值的主要方式。
而大模型，正在用新技術和新互動，重新改變價值的創造方式。
這種改變分為幾個方面：
一、過去的互聯網是分發内容，而大模型則是在分發的過程中創造内容；
你向大模型發出一個提問，AI 不是事先給出答案，而是在實時生成答案，這樣的信息互動方式，本身是分發，也是在創造。
如果應用到廣告領網域，就可以通過大模型實時生成廣告，廣告内容、呈現方式觸達用户更精準，不再是所謂的 " 精準投放 " 而是真正意義上的 " 一對一 " 的制作、傳播廣告。
在過去，一千讀者心中有一千個哈姆雷特，而在未來，一千個用户面前同時展示的，則是一千個不同定制的品牌廣告。用户更能接收到品牌關鍵信息，廣告的轉化率也就更高。
在廣告領網域，已經有相關的嘗試，百度基于大模型推出 " 擎舵 "、騰訊推出 " 混元 "，阿裏媽媽的 AIGB 出價模型，都是這個方向上的應用嘗試。
進一步來看，這種 " 黑鏡 " 式的信息分發、創造，可能會改變整個互聯網的内容生產邏輯。
二、大模型的互動設計，有新的商業化機會；
大模型的應用，淺層的是強調功能性，深層的是改變成本結構。
一個基本的判斷是，大模型商業化應用首先會改變的一定是廣告、營銷行業，因為廣告行業對用户獲取信息的方式變化更敏感。
因此，在營銷、内容創造等行業，一些新的商業機會可能會被發現。
幾乎可以确定的是，在初期的應用階段，商業化的機會一定與互動有關。
比如，Copy.AI 和 Jasper 這兩個營銷創意工具，以 GPT-3 作為底層接口實現了持續的規模化變現。他們提供了互動界面和插件、API 接口，讓大模型能更好的去服務某個領網域的客户。
當然，這只是解決最基本的功能性問題，大模型真正的價值在于改變垂直行業的成本結構，比如自動駕駛大模型的商業化價值，就是在于改變了人們的出行成本結構。
營銷只是一個方面，商業化方面，其實還是得看具體細分領網域的應用。
對于不同的領網域，大模型會不斷的被垂直細分，去滿足更小、更細微的場景應用。而這些更細微，更小的場景，可能會有率先商業化的機會。
比如，文本生成，比如圖片生成。能夠先讓編劇、漫畫家的工作變得更容易？能不能把文案從做 PPT 的日常循環中給解放出來，這些細小的場景，能夠率先變現。
大公司，和創業公司，在應用層差别可能不是很大，應用層是創業機會最多的大模型領網域，未來行業内也可能會跑出幾家專注于大模型應用的公司。
互聯網江湖認為，新技術應用，找到專有價值鏈要素，嵌入行業，是一個必經之路。因此在應用上，找場景的公司，比練算法、堆參數的公司更有機會。
大模型的成功有階段性質變，就像是 GPT3 到 GPT4，但接下來這種變化會越來越不明顯。也就是説，數據訓練的邊際收益會降低，
大模型能力的進階需要數據量做支撐，而商業化則需要考慮成本問題，如何解決這個問題，頗為關鍵。
商業化拐點已至，大模型的商業化短期看 B 端，長期機會可能還是在 C 端。
大模型，有點像前幾年火的 ToB，不僅是要看自身的成熟度，也得看行業端的适配。
大模型的成本很高，商業化首先就要到合适的場景中，并且能夠真正賺到錢，只有真正在 AI 應用場景中掙到錢，并且能夠真正與行業适配，大模型才有商業化的競争力。
能夠承載大模型商業化的，只有降本需求更迫切的 B 端。
事實也的确如此，以商湯為例，在金融領網域，商湯與銀行、保險、券商等客户展開合作，利用數字人進行智能客服、智慧營銷等工作，并通過接入大語言模型能力，提供投研分析、研報撰寫等新功能，試圖幫助銀行金融機構降本增效。
在醫療領網域，商湯中文醫療語言大模型 " 大醫 "，也能夠提供導診、問診、健康咨詢、輔助決策等多場景多輪會話能力。
進一步來看，B 端之外，未來的大模型也可能會承載更多的商品和服務分發。
移動生态中，觸達用户的方式其實就是網頁、APP、小程式，那麼未來的大模型生态中，如果用大模型來分發内容，那麼流量的分發會更加去中心化。
實際上，一旦語言大模型成熟，并且有了足夠多的用户習慣，那麼，承載商品與服務分發的 APP、小程式，可能就會被大模型取代。
也就是説，在 ToB 應用的階段之後，未來大模型長期的價值和商業化機會，更多其實還是在 C 端。
只不過，以當下的視角來看，很難去定義 AI 應用的 " 新場景 "，這就像是當你身處 90 年代，你不可能預測到如今的微信、抖音崛起。
如今的大模型也同樣如此。
結語
從公元元年到 18 世紀，人類經濟增長曲線幾乎是平的，也只有在近三百年才出現工業革命，近幾十年才有了信息技術。
人類歷史上第一台計算 ENIAC 最初誕生，并不是用于個人計算，而是用于大量軍用數據的計算，但數十年後，它卻徹底改變了人們的生活方式。
如今的大模型，就如同當年的 ENIAC。
當泡沫散去，大模型究竟是不是 " 比互聯網更偉大 " 的機會？或許人們心中早已有了答案。
更多精彩内容，關注钛媒體微信号（ID：taimeiti），或者下載钛媒體 App
