今天小编分享的互联网经验：大模型「六小虎」里，至少两家要放弃大模型了，欢迎阅读。
文｜周鑫雨
编辑｜苏建勋
2024 年，不少曾立下 " 做中国 OpenAI" 军令状的模型公司，开始打脸。
据《智能涌现》了解，被称为 "AI 六小虎 " 的 6 家中国大模型独角兽（智谱、零一万物、MiniMax、百川智能、月之暗面、阶跃星辰）中，已经有两家逐步放弃预训练模型，缩减了预训练算法团队人数，业务重心转向 AI 应用。
（本文希望重点讨论国内 AI 公司对 " 预训练 " 大模型的路线选择，及其背后的思考与后续侧重点，为了不引起不必要的纷争，遂隐去放弃预训练模型的企业名称。）
赶大模型早集的百度，9 月也一度传出 " 大概率放弃通用基础大模型研发，主要做应用 " 的消息。即便后续被百度辟谣，但 " 放弃预训练模型 "，已经成了行业的一个轉捩點。
可以说，能让厂商上大模型牌桌的，就是 " 预训练 "。所谓的 " 预训练（pre-train）"，就好比大模型的基础教育阶段，赋予模型海量而通用的知识，是决定模型性能最关键的阶段，也是模型厂商最核心的技术壁垒。
对于 AI 行业而言，随着第三方预训练模型的性能提高，应用层企业逐步放弃预训练模型，专注于让模型更懂用户的 " 后训练（post-train）" 环节，是节省算力成本考量下的正常趋势。
2024 年 8 月，硅谷的明星 AI 企业、角色扮演类应用的典范 Character.AI，宣布放弃预训练，转向与第三方模型合作。他们在官方博客中给出的理由是：这使我们能够投入更多资源进行后训练，并为不断增长的用户群体创造新的产品体验。
然而，模型层企业放弃预训练模型，意味着主动走下 AGI 竞速的牌桌。
更何况，" 自研预训练模型 " 的故事，曾在短短一年间，给这些模型层企业带来丰厚的融资、顶级的人才，以及市场的声誉。模型公司放弃预训练，戳破了 AI 技术的泡沫。
就如一位 AI 从业者对《智能涌现》所评价的那样：
" 不少厂商从 OpenAI 身上得到的不是通往 AGI 的技术，而是盲目跟随的自信。"
但对于 AI 赛道而言，放弃预训练，也不算全然消极的信号。在资金、算力紧缺的当下，现有的大模型厂商，也开始对自身的能力和资源现状，进行了重新评估。
从模型转向应用，意味着在追赶 AGI 之前，AI 公司先选择了活下去。
钱不够烧了，模型和产品二保一
狂堆参数的 Scaling Law，目前是预训练的主流路径，同时也意味着高昂且持续的算力和数据投入。
马斯克曾估算，GPT-5 的训练可能需要 3 万 -5 万张 H100，仅芯片成本就超过 7 亿美元（约 50 亿元），几乎是百度一整个季度的净利润。
对于尚未盈利的创业公司而言，继续堆参数炼模型，筹钱首先就是一个难关。
据《智能涌现》了解，随着估值跨上 200 亿元台阶，国内大模型公司最新的单轮次融资规模在 50 亿元左右。估值的抬高，也会伴随着融资难度的加剧。
一名投资人告诉《智能涌现》，今年最后一季度，大模型独角兽不会再积极布局融资，" 无论是企业还是一级市场，对下一轮融资都保持悲观 "。
数十亿元的融资，模型厂商不仅要分摊给持续堆参数的模型训练，还要喂给不断烧钱营销、却盈利能力有限的 AI 应用产品。
当下，与 OpenAI 的技术差距仍然难以弥合，国产模型之间的性能，也尚未拉开鲜明的差距。不少国内模型厂商开始借助 " 数据 + 场景 " 的长板，在 AI 应用上发力，试图率先跑出 AI 时代的 " 微信 " 和 " 抖音 " ——就连 ToB 基因显著的智谱 AI 和百川智能，也先后推出了 " 智谱清言 " 和 " 百小应 " 等 C 端应用。
规模化的 AI 应用，逐渐代替了领先的模型性能，成为模型厂商留在 AI 牌桌上的筹码。因此，用户数据，成了模型厂商不得不重视的指标。
《智能涌现》曾报道，月之暗面在 B 站给出的 CPA（用户转化人均成本）报价高达 30 元左右。而另有知情人士告诉《智能涌现》，如今模型厂商最高的报价，来自于字节跳动的 " 豆包 "，" 几乎是 Kimi 报价的 2 倍 "。
2024 年以来投流刷脸的营销打法，让不少模型厂商的营销预算翻了数倍。营售價格水涨船高，但在 AI 产品差异化程度还不够的当下，砸钱买流量几乎是获客的唯一出路。
一家大模型独角兽的员工告诉《智能涌现》，公司曾在 2024 年中，中止了 AI 对话产品在部分社交媒体的投放，" 当月获客数据立马变得很难看 "。一个月后，公司又恢复了投流。
并不是所有的大模型公司，都能从暂无尽头的烧钱中看到希望。
如今，AI 产品所消耗的推理成本，较一年前已经下降了近 99%。但不少业内人士反映，模型的训练依然占算力成本的至少 7 成。
这意味着，放弃预训练模型，是资源紧缺的当下，最具性价比的决定。
放弃预训练模型的其中一家独角兽，据多名知情人士透露，自 2024 年中，整家公司的目标重心已经放在了海外的 AI 应用产品，以及上市。
大模型公司，困在变现焦虑
为什么在模型和产品中选择舍弃前者保证后者？核心原因还是在于，目前靠大模型本身，没有明晰的变现渠道。
多名从业者对《智能涌现》反映，2024 年开启的模型降价潮，并没有提高模型的营收能力。
" 模型 API 的降价，本质上是为了让客户体验模型能力，并转化成本地部署等高净利业务的付费。" 一名模型厂商大客户经理对《智能涌现》表示，" 但表现没有达到预期，今年上半年大部分模型厂商的 ToB 业务，营收是砍半的。"
他记得，在一款模型宣布免费后，后台涌入了不少 " 白嫖 " 的开发者，" 有一个做研究的开发者，一天用的 Token 数，就占了所有用户的 60%。"
模型付费转化的失败，很大程度是因为，被称为 " 价格屠夫 " 的开源模型更强了。
随着 Llama 3.1、Mistral Large 2、DeepSeek V 2.5 等一系列开源模型，性能已经达到了叫板 GPT-4，甚至 GPT-4o 的程度。
相对地，闭源模型的竞争力正在被削弱。" 付费能力高的企业，一般有自己的技术团队，可以基于开源模型直接做开发。" 上述大客户经理表示，对于技术能力不足的企业而言，"开源模型影响的是客户对模型价格的心理预期。"
一个典型案例是，2023 年 Llama 2 发布后，某大模型独角兽接到的客户报价，直接砍了一个 "0"。
模型变现能力不足，意味着当下模型厂商的现金流，几乎只能依靠融资，以及能够快速找到 PMF（产品 - 市场匹配度）的 AI 应用。
但如今，能为模型厂商吸引到融资的，除了漂亮的用户数据，只剩下跃升的模型性能。
一名投资人告诉《智能涌现》，模型厂商谁能先把 o1（OpenAI 最新模型）的能力追平，一级市场还是会为其小沸一番。
但 2024 年，不少大模型厂商，已经卡在了技术的瓶颈。
GPT-4 后，大模型技术的发展已经进入了深水区。9 月，前 OpenAI 首席科学家 Ilya Sutskever ——他曾将 Scaling Law 成功使用在 ChatGPT 等关键模型上——在宣布成立新公司 SSI 时直言：" 每个人都只说 Scaling 假设。但每个人都忽略了一个问题：我们到底在 Scaling 什么？"
大语言模型的迭代速度变慢、多模态仍处于攻坚早期，是模型赛道的现状。"GPT-4 之前，OpenAI 有公开的详细技术报告，大家还能对着‘抄’。之后技术报告不公开了，国内厂商的参考答案也没了。" 一名从业者表示，" 更何况，OpenAI 的答案也不一定正确。"
一群失去方向的大模型公司，需要在技术的不确定性中，重新找到稳定性。
放弃预训练的模型厂商，抓住的是尚有盈利潜力的 AI 应用。多名知情者都对《智能涌现》表示，其中一家厂商的某款海外 AI 生产力工具产品，贡献 2024 年以来的大部分营收，" 公司现在 70% 的人力都在做产品 " ——而这款出海应用的底层模型，也逐渐从自研的，换成了 GPT-4 和 GPT-4o。
而另一家在国内靠 ToB 起家的模型公司，也在 2024 年中推出了生产力和娱乐相的 C 端 AI 应用。
剩下仍在坚持预训练的厂商，则开始在技术上降本增效。
一家模型独角兽的员工告诉《智能涌现》，今年公司在算力采购上很克制，计划先采取优化训练框架等方式，降低模型的训练成本。
再比如，OpenAI 最新模型 o1 所采用的 Self-play（自博弈）策略，能够在不增加参数的情况下提升模型性能，也成了不少模型厂商低成本训练模型的稻草。
对于整个 AI 行业而言，放弃预训练模型，并不是一个消极的信号。拾象科技 CEO 李广密近期也公开对外表示，未来 80% 的公司会放弃预训练，硅谷逐渐形成的共识是 RL（强化学习）是接下来的突破点，能在控制算力成本的情况下，提升特定参数模型的能力。
这意味着从技术狂热重回理性后，厂商对技术范式和行业资源，开始重新思考和整合。
欢迎交流！
