中國大模型產業的五個真問題

劉以秦

圖/視覺中國

2023年科技領域最熱的話題就是AI大模型。這股熱潮由美國創業公司OpenAI引領，ChatGPT發布后幾個月，中國公司密集發布自己的大模型，整個2023年，中國公司發布的大模型數量已經超過130個。

OpenAI能夠實現技術突破，和許多科技創新領域公司的特點類似。有足夠優秀的人才，海量資金支持，多年持續投入，以及對目標堅定。在ChatGPT發布之前的很長一段時間里，產業界和投資界大多不看好OpenAI，但并未動搖該公司的方向。2023年，幾乎所有人都認可了大模型的方向，大家認為，OpenAI已經把結果擺出來了，其他公司要做的就是盡快跟進，不斷優化，確保能參與未來。

一些人把過去沒有大規模投入大模型的原因歸咎于不確定結果?，F在已經確定了，算力、數據、人才都可以加大投入，中國公司擅長工程優化，做出能實際應用的大模型產品指日可待。

但事實真的如此嗎？對于OpenAI來說，大模型從來都是確定的方向，OpenAI的大部分資金都花在了算力上，當時英偉達的A100（AI專用芯片）價格比今天低很多。據第三方數據機構SemiAnalysis估計，OpenAI使用了約3617臺HGX A100服務器，包含近3萬塊英偉達GPU。光有GPU還不夠，投資方微軟幫助OpenAI搭建了大模型定制化的算力集群，能夠進一步提升這些GPU的效率。在數據方面，OpenAI從數據收集、數據標注、數據清洗、數據整理、數據優化等每個環節都有持續投入。OpenAI團隊中大部分人，都來自頂尖的科研機構或科技巨頭。

也就是說，在這種實力和投入力度下，OpenAI依然用了超過八年的時間，才打造出突破性產品GPT4，且存在“幻覺”（也就是答非所問、胡說八道等情況）。為什么中國公司在幾個月的時間里，就能做出號稱匹敵GPT4的大模型？這是誰的幻覺？

2023年下半年，陸續有部分大模型被指出是“套殼”，直接套用了國外的開源大模型，在一些檢驗大模型能力的榜單上排名靠前，不少指標都接近GPT4。多位業內人士告訴《財經》記者，榜單表現越好，套殼比例越高，略有調整表現就會變差。

“套殼”只是中國大模型產業現狀的冰山一角，這背后折射出產業發展的五個問題，它們之間互為因果，每個問題都無法獨立解決。到今天，大模型的大眾熱度已經明顯下滑，2024年，中國大模型產業的問題會進一步暴露。但在熱鬧、問題之下，大模型已經在產業中發揮價值。

2023年11月，阿里巴巴前技術副總裁、AI科學家賈揚清發文稱，某國內大廠做的大模型用的是Meta的開源模型LLaMA，只是修改了幾個變量名。賈揚清表示，因為改名導致他們需要做很多工作來適配。

此前，就有國外開發者稱，李開復創辦的“零一萬物”使用的就是LLaMA，只是重命名了兩個張量，因此，業內質疑零一萬物就是“套殼”。隨后，李開復和零一萬物均有回應，稱在訓練過程中沿用了開源架構，出發點是充分測試模型，執行對比實驗，這樣能快速起步，但其發布的Yi-34B和Yi-6B模型都是從0開始訓練，并做了大量原創性優化和突破工作。

2023年12月，媒體報道稱，字節跳動秘密研發的大模型項目中，調用了OpenAI的API（應用程序接口），并使用ChatGPT輸出的數據進行模型訓練。而這是OpenAI的使用協議中明確禁止的行為。

隨后，OpenAI暫停了字節的賬號，表示會進一步調查，如果屬實將要求更改或終止賬戶。

字節對此的回應是，2023年初，技術團隊在大模型探索初期，有部分工程師將GPT的API服務應用于較小模型的實驗性項目研究中。該模型僅為測試，沒有計劃上線，也從未對外使用。在4月公司引入GPT API調用規范檢查后，這種做法已經停止。且字節大模型團隊已經提出了明確的內部要求，不得將GPT模型生成的數據添加到字節大模型的訓練數據集，并培訓工程師團隊在使用GPT時遵守服務條款。

目前國產大模型中，主要分為三類，一是原創大模型；二是套殼國外的開源大模型；三是拼裝大模型，也就是把過去的小模型們拼在一起，變成參數量看起來很大的“大模型”。

其中，原創大模型數量最少，做原創大模型需要有很強的技術積累，且要有持續的高投入，風險很大，因為一旦模型沒有足夠強的競爭力，這些大規模投入就打了水漂。大模型的價值需要商業化來證明，當市場上已經出現足夠好的基礎大模型，其他公司應該去挖掘新的價值點，比如大模型在不同領域的應用，或是中間層，比如幫大模型訓練、數據處理、算力服務等。

但現狀是，大部分參與者都在“卷”所謂的“原創大模型”，又擔心風險太高，于是有了大量套殼、拼裝的大模型。無論是直接使用開源模型或是拼裝模型，只要符合相關規范，都沒有問題。到商業化落地階段，客戶也不太會在意是否原創，有用就行，甚至不少客戶會因為成本更低，更愿意選擇非原創的技術。

問題在于，即使是拼裝和套殼，大家也要不斷強調“原創”，為了證明“原創”，就需要調整修改，而這又會影響大模型的迭代能力，陷入內耗。

大模型的基礎之一是海量算力，且是先進算力，因此大模型也被稱為暴力美學。英偉達的A100此前被認為是最適合訓練大模型的，近期英偉達又推出了更先進的算力芯片H100，但還未在中國市場開售。

一位英偉達的長期合作伙伴告訴《財經》記者，2023年，A100的售價漲了約1倍，據他了解，2023年密集購買A100的中國公司主要是自身有業務需求的大廠，包括阿里巴巴、騰訊、字節跳動、百度等，創業公司很少。有一些知名大模型創業公司會主動要求和他建立戰略合作關系，以此來對外證明自己在投入算力，“不給錢的那種”。

盡管有美國政府的“出口管制規則”，中國公司想要獲得英偉達的算力，并非不可能，目前有很多方式可以選擇。除了直接購買，還可以通過英偉達在中國的合作伙伴們購買。GPU本身很貴，買來之后的部署、運營、調試、使用，都是成本。此前業內流傳的一句話是，中國不少科研機構連A100的電費都付不起。

由八張A100組成的DGX服務器最大功率是6.5kW，也就是運行一小時需要6.5度電，同時要搭配大約同等電量的散熱設備。按照平均工業用電每度0.63元計算，一臺服務器開一天（24小時）的電費約200元。如果是1000臺服務器，一天的電費就是約20萬元。

因此，除了大廠，創業公司很難大規模購買、部署GPU。

GPU資源還可以租用，在阿里云、騰訊云或是亞馬遜AWS等云服務平臺上，都可以直接租用A100算力服務。租金同樣在過去一年漲了不少。

但實際情況是，不少大模型公司并不想在算力上做大規模投入。多位關注AI的投資人告訴《財經》記者，一旦創業公司開始部署算力，會出現兩個“問題”，一是這個投入沒有上限，沒有終點，誰也不知道要燒到什么程度。OpenAI到今天還會因為算力跟不上而出現宕機。二是公司會因此變成重資產公司，這對于公司未來的估值有不利影響，會直接影響到投資人的收益。

2023年，中國不少投資人會直接告訴大模型創業者，先招一些名校背景的人，抓緊開發布會，發布大模型產品，然后做下一輪融資，不要去買算力。

創業公司們在風口期拿到大量融資，高薪招人，高調發布產品，推高估值。一旦風口過去，繼續融資或是上市就需要收入，到時候再通過此前融到的錢，去低價甚至虧本競標項目，或是直接對外投資來并表收入。

這就有可能陷入一個惡性循環：不愿意承擔算力高投入的風險，就很難在大模型領域有突破性發展，也就難以和那些真正在這個方向上大規模投入的巨頭們競爭。

數據和算力都是大模型的基礎，在數據方面，中國大模型產業面臨和算力同樣的問題：是否值得大規模投入？

在中國，一般的數據獲取門檻很低，過去主要是用爬蟲工具來收集數據，現在可以直接用開源的數據集。中國大模型以中文數據為主，業內普遍認為中文互聯網數據的質量較低。

一位AI公司創始人形容，當他需要在互聯網上搜索專業信息時，他會用谷歌搜索，或是上YouTube。國內的網站或App上，并非缺少專業信息，而是廣告內容太多，找到專業內容需要的時間更久。

OpenAI用于訓練大模型的中文數據同樣來源于中國互聯網平臺，但它額外做了很多工作來提升數據質量，這不是普通的數據標注工作能完成的，需要專業團隊對數據進行清洗、整理。

此前就有AI創業者表示，在中國很難找到相對標準化的數據服務商，大多是定制化服務，定制服務又很貴。

這和是否要大規模投資算力的邏輯有些類似，這筆投入對于很多公司，尤其是創業公司來說，看起來并不劃算。如果大規模投入，一旦最后的模型效果不理想，同樣是“打水漂”，還不如用開源數據訓練，直接開發布會。

此外，中國市場缺乏有效的數據保護手段，一位大廠AI負責人說，“在中國，你能拿到的數據，別人也能拿到”，“如果你花很多錢去做高質量數據，別人可以用很低的成本拿到，反過來也一樣?！?/p>

包括數據處理在內的大模型中間環節，在2024年會是一個相對明確的新發展方向。無論是哪種模型，在落地到具體應用場景中時，必須要用專業數據做優化調試，這對于數據處理的要求更高，此外還需要有模型調試、工程優化等環節參與。

但如果其中的環節又變成了投資人眼里的“新風口”，那又是另一個故事了。

以上的三個問題，背后都指向一個共同的方向：資本短視。

盡管OpenAI已經蹚出一條明確的道路，對于絕大部分公司來說，想從零開始做出成熟的大模型，需要耗費的成本和時間并不會短很多。

對于大部分投資人來說，每筆投資的目的很明確：退出、賺錢。OpenAI火了，估值一路攀升，未來還會繼續增長。2023年4月，該公司估值約280億美元，到2023年12月，據美國媒體報道，OpenAI最新一輪估值或將超過1000億美元。這在投資人眼里是一個非常確定的信號，如果以合適的價格投資中國大模型創業公司，也能在很短時間內做到估值成倍增長。

中國投資人的耐心只有三五年，這是資本運作模式決定的。投資人從LP手里募資，需要在一定年限內退出并拿到可觀的收益。投資人退出的渠道包括項目并購、上市，或是在后續融資中把自己手里的股份賣給新投資方。

早期融資可以靠風口和講故事，但走到中后期甚至上市，就必須有一定規模的商業化能力。投資人們發現，拖得越久，項目上市或被并購的難度就越高，因為AI領域主要的商業模式是做B端的定制化項目，這條路徑就決定了創業公司很難做出高增長的收入。投資人只能趁風口還在，迅速推動公司完成多輪融資，抬高估值，之后哪怕打折出售手里的股份，也是劃算的。

2023年密集購買A100的中國公司主要是自身有業務需求的大廠，創業公司很少。圖/IC

這也是為什么2023年大模型相關的發布會層出不窮，各種大模型榜單百花齊放且排名各不相同，這些都是有助于融資的“故事”。類似的路徑在幾年前的AI產業已經出現過一次，那個階段的代表公司是AI四小龍。2023年的大模型創業只是把過去三年走完的路在一年時間里加速完成。

但短視絕不是投資人單方面的問題。在今天的商業環境下，大部分人都追求短期的、確定性的結果，十年，甚至五年后的未來都似乎難以把握。

2023年，中國大模型產業迅速從比拼大模型參數進入到比拼商業化的階段。2024年1月的CES（消費電子展）上，兩位著名的AI科學家李飛飛和吳恩達均表示，接下來AI商業化會有明顯發展，會深入到更多行業。

目前看來，大模型的主要應用方向有兩個，一是通過大模型技術為C端用戶提供新的工具，比如付費版GPT4、百度用文心大模型重構的百度文庫、新的AI視頻剪輯工具、文生圖工具等。但C端付費短期內很難有大規模增長，對于大模型工具有剛需的人群相對較少。

更有希望的商業化方向是B端服務。在中國市場，做B端軟件服務一直是一個“老大難”的生意。多位投資人和業內人士都提到，中國市場最大的B端客戶是政府和國企，大模型做為先進的生產力工具，會有一個直接影響是減少人力。而在政府和國企，減少人力在很多時候反而會變成阻力。

如果退而求其次，選擇中小B客戶，在2024年恐怕也很難。一位AI大模型創業者說，他近期詢問了不少企業客戶，得到的回應是：“大模型能做什么？能幫我裁員還是能幫我賺錢？”

到今天，即使是最先進的大模型也依然存在“幻覺”問題，這在C端應用上還可以忍受，但在一些專業的B端場景中，有“幻覺”就意味著難以真正落地。過去比對式AI，例如人臉識別，如果識別錯誤，人工輔助、調整的成本很低，但大模型擅長“一本正經地胡說八道”，具有一定迷惑性。

但大模型已經切實在實際應用了。多位業內人士都提到，因為大模型的出現，很多過去無法解決的問題都有了新方法可以解決，且效率有明顯提升。例如前文提到的拼接大模型，在過去很少有人嘗試，現在不少AI公司都開始把多個不同場景的小模型拼在一起，在解決大部分同類問題時，不需要再單獨訓練模型，可以直接調取使用。

此外，在一些有龐大業務的公司里，大模型也已經落地使用。類似于上一輪AI視覺技術帶動AI算法的發展，這些AI算法迅速在內容推薦、電商、打車、外賣等領域發揮重要價值?，F在，騰訊的游戲業務、阿里的電商業務、字節的內容業務等，都已經用上了大模型。

2024年，AI大模型的發展會有幾個相對確定的趨勢，一是融資熱度下滑，2023年出現的一家公司完成多輪數億美元融資的情況會明顯減少，大模型創業公司需要尋找新的出路。目前看來，大廠們更有實力做大模型基礎設施的工作，創業公司可以考慮調整方向，填補基礎大模型到應用之間的空白。

二是大模型的應用會持續深入，但這主要會集中在數字化程度很高且業務體量非常大的領域。在C端，大模型也會進一步普及，不過對于中國公司來說，不能只依賴C端用戶付費，C端應用場景中會加入其他變現模式，主要是廣告。

三是國產算力會進一步得到重視，得到重視并不意味著短期內會有明顯進步，這是一個漫長的過程。國產算力能力提升的同時，會有更多趁機炒作、造勢、圈錢的現象。

風口會刺激產業迅速擴張，泡沫隨之而生，機會越大，泡沫就越大。只有撇開泡沫，才能看清產業發展的新機會。