今天小編分享的互聯網經驗：大模型，在内卷中尋找出口，歡迎閲讀。
文 | 腦極體
2024 年，大模型進展不斷。從年初的 Sora 到最新的 o3，更新更好的模型不斷被推出，" 内卷 " 到底有沒有發生？
我們要先确定 " 内卷 " 的定義，指某一類產業模式，發展到一種确定形式後，陷入 " 高水平均衡陷阱 "，出現 " 沒有發展的增長 "，這種局面一直無法被打破，那就會走向停滞和危機。
而這一年，大模型的 scaling law 法則越來越受到挑戰，訓練模型的算力集群已經從萬卡發展到十萬卡，擴大了十倍，而模型的智商并沒有以這個倍率提高。應用端也沒有出現 killer app（殺手級應用），模型廠商開始了流血換量的價格戰……這些特征與 " 内卷 " 的定義是契合的。
那麼接下來的問題就是，内卷化讓大模型陷入危機了嗎？以及脱離内卷的出口，究竟在哪裏？
大模型的内卷化危機
在内卷化周期中，一個產業是很難保持活力和創新動力的。大模型内卷化的加劇，也讓行業進入調整期。
首先可以感受到的，就是公眾和投資者的失望。2023 年，人們都用 "AI 一天，人間一年 " 來形容 AI 的發展，美股 " 七姐妹 "（蘋果、微軟、谷歌母公司 alphabet、亞馬遜、英偉達、特斯拉、Meta）更是在這一股熱潮下屢創新高。而近來我們明顯看到，這股熱情已經回落。
OpenAI 的股東、接入模型 API 的服務商企業，都公開抱怨過，AI 能力沒有太大進展了。剛剛結束的為期 12 天的 OpenAI 發布會，也大多是對已有模型、產品或技術路線的增強，符合預期，但缺乏亮點，無法為 AGI 提供強支撐。OpenAI 前首席科學家 Ilya 在 NeurIPS 2024 大會上提出 " 預訓練将會終結（Pre-training as we know it will end）"，更是給大眾澆了一瓢涼水。
來自產學各界的質疑态度是一個比較危險的信号，因為歷史上的 AI 寒冬都源于信心缺失和投資退潮。
另一個危機信号，是產品同質化競争和淘汰賽加劇。
基礎模型的競賽，也在 2024 變得格外激烈，一是模型數量過密，且性能表現逐漸趨同，尤其是開源模型與閉源模型的差距在快速縮小，進入同質化競争。
二是同一廠商的模型家族，也在加速淘汰，比如 GPT-3.5-Turbo 就退役了，由 GPT-4o mini 取代，國内模廠的模型也基本如此，用户都願意用加量不加價、物美價更廉的新模型，舊模型沒人願意用了。GPT-4o Mini 發布後，API 的使用量翻了一番。
激烈的同質化競争，讓模廠不敢減少訓練新模型的投入，又為了應對價格戰而不得不下調 token 價格，結果就是經濟負擔越來越重。可以説，目前大模型無論是外部的宏觀形勢，還是企業的微觀經營狀态，都沒有 2023 年那麼積極了。
向内競争，如何影響大模型的變現之路？
模型層面，底層技術路線、數據瓶頸等無法在短期内得到有效突破，那麼從商業層面尋找出路，就成為必然。
2024 年，我們能看到大模型内卷，給商業模式帶來的諸多挑戰。
一是雲 +API 模式，流血降價、以價換量并不是最優解。
API 調用量付費，是大模型的主要變現模式之一，通過 token 降價來赢得更多大模型業務上雲，獲得長期收益，是雲廠商價格戰的基本邏輯。但目前來看，以價換量似乎并不奏效。
究其原因，是因為 B 端客户更關注模廠的長期性、模型質量，質在價先，可靠優先。所以，我們看到，一部分以價換量成功的雲廠商，本身就具有比較強的模型能力，比如文心一言兩款主力模型免費之後，百度智能雲的日調用量一個月翻了十倍。基于豆包大模型家族的火山雲，token 調用量也大幅上升，甚至有客户的 tokens 調用量增長了 5000 倍。這説明新用户會傾向于頭部模型，而老用户要麼不考慮替換現有模型，要麼會把雞蛋放在多個頭部廠商的籃子裏，趁降價接入更多模型，最終留下性價比高的。而不打價格戰的雲廠商，比如華為雲将盤古大模型作為 " 尖刀產品 "，也在 B 端市場取得了不錯的成績，與行業夥伴協同打造的煤炭大模型、醫藥大模型及數智化解決方案，今年在垂直領網域的多個企業内被復用。很多行業用户考慮華為雲，就有企業抗風險能力強，能在基礎模型堅持投入，業務穩健運營的預期考量。
上述企業説明，雲 +API 模式成功的根本，是 " 質在價先 "。
二是訂閲制，由于大模型内卷化，導致用户粘性低、忠誠度不高，會員市場呈現出極高的分散性。
因為大模型的更新換代非常快，一方面新模型在質量和性價比上往往更好，" 等等黨 " 更願意觀望；另外很多舊模型會不再更新或退役，這就讓會員更不願意跟平台長期綁定。這就導致模廠為了不斷吸引新用户，拉新營銷活動難以停止，獲客成本居高不下，而且影響用户體驗，需要高頻彈窗廣告，打擾用户，開發出多個會員等級和收費權益套餐，增加了用户的決策疲勞。而好不容易拉來的新客户，往往使用一段時間之後就轉向免費版本，或者更新更便宜的友商產品，長期續費率不高。
可以看到，大模型的内卷化，導致大多數模廠難以説服客户和開發者，與其建立長期信賴關系。這就給後續的商業變現與價值挖掘，造成了極大挑戰。
向外使能，大模型進入商業基礎設施的完善之年
告别内卷，就要向外尋找出路。數量多、同質化的大模型，形成了一個密度很高的堰塞湖。那麼逃離内卷，就必須疏浚河道，緩解擁塞。所以，2025，将是大模型商業基礎設施日趨完善的一年，通過更全面的 " 水利設施 "，讓大模型應用者和開發者們能夠更方便地取用。
如何判斷一個大模型是否 " 外向 "？有以下幾個衡量标準：
一是模型的開放度或者説兼容性。
如前所説，内卷化周期中，用户并不願意将雞蛋放在一個籃子裏，或者跟某一個模廠進行長期綁定，這就需要模型具備很強的開放度和兼容性。比如騰訊混元大模型的免費資源包，同時支持 hunyuan-pro、hunyuan-standard、hunyuan-turbo 等多個模型共享，支撐第三方平台、ISV 服務商為客户提供多種模型的靈活選擇與切換、模型競技場等，來滿足最終客户對多元多模的需求。
二是更細致地開發工具。
将大模型技術轉化為生產力，還需要加工工具、工作流等更細致的支持，比如此次 OpenAI 就為 Sora 打造了 Remix、Blend 和 Loop 三個專業工具，來支撐更好的視頻生成，為此支付每月 200 美元的 Pro 用户也不少。國内，我們實測過的，字節跳動的扣子開發平台、百度文心智能體開發平台等的開發工具也已經很容易上手了。
三是大模型應用從開發到商業化的 " 端到端 " 支持。
2024 年并沒有出現國民級的第三方 AI 應用。一方面是模型能力本身還需要提升，一些 AI 智能體平台充斥着大量低水平、易復制的個人智能體，對話體驗、理解能力、多模态任務等的效果一般，沒有太大商業價值；另一方面，是很多開發者不知道 AI 應用如何商業化，所以還沒有投入太大精力去開發市場缺乏的產品，滿足尚未解決的需求，這就需要平台加大對開發者的商業資源扶持。
歸根結底，技術天花板短期内難以突破，大模型市場飽和與同質化競争的局面就不會宣布解決。大模型要取得商業成功，前提是用户和開發者的業務能否成功，這是為什麼完善的商業基礎設施必不可少。
逃離内卷的堰塞湖，所有模廠 2025 年都必須回答的問題是：如果大模型是水和電，那麼用户和開發者擰開開關，究竟能得到什麼？
