很多客户向他反馈，自己很困惑。一方面，大模型更新速度太快，搞不清楚到底哪个好用；同时，自己也不知道大模型怎么跟业务结合；另外，自己的数据集究竟能不能精调出一个好用的大模型，心里也没谱。
最后的结果就是，虽然愿意投入大型模型，但是不知道如何开始，即使下定决心了，也无法拿出太多的预算。
这进而导致，大型公司开始降低价格，展开了价格战。“拼到最后就是，不断投入资金、价格持续下降、却没有用户使用的状态。”
陈冉是人工智能社区和生态公司开放传神（OpenCSG）的创始人、首席执行官（CEO），他认为大模型行业的无效内卷是一种资源浪费。去年一些追逐大模型的公司们，最终没能避免陷入当年ofo等公司曾经遇到的困境。
这逼得行业大佬、零一万物创始人李开复放话，“如果中国市场就是这么卷，大家宁可赔光、通输也不让你赢，那我们就走外国市场”。
做了多年技术开发，很早就开始AI创业的李友峰，同样对今天的现象感到不解。“以前我们讨论一个项目，会关注它有什么价值，但到了AI大模型，大家很少讨论价值，都在讨论领先技术。”
无处不在的榜单，各种各样的排名，自夸自卖的营销手段，使得这个行业显得热闹喧嚣。厂商们最终投入了大量资金，但产品并未真正推广开来，技术实际上也没有取得太大的领先优势。
据报道，衔远科技，一家清华系大模型公司，将在5月下旬迎来一次高层人事变动。创始人周伯文将离开公司，这一消息引起了创业者们的关注。有人认为，过度聚焦于算法可能是一种错误的发展方向。
在中国，大规模创业是一条非常具有挑战性的道路，对于某些团队来说，甚至可能是一条不可逆转的道路。
如今，已经过去了2024年的一半，”百模大战”也已经过去了一年多。那么，行业发展到了什么程度？接下来又会朝着什么方向发展呢？
卷技术：
有太多人追求高分，而实际能够真正付诸行动的人却很少
国内大模型行业，今年明显比去年“安静”。去年是“各行各业”都来参与，几百个大模型面世，今年除了几个科技大厂和头部的创业公司，其他大部分都消停了。
因为大家发现，无论吆喝声多么大，即使声音再响亮，也无法产生任何实际效果。
国内的大型项目并不是太少，而是数量过多，尤其是存在夸大宣传的情况较多。
“厂商总是宣传大模型的功能，却很少提及其限制，这让客户有些误导，以为大模型可以应对所有任务，希望能够完全改变原有的业务模式，但这是不现实的。”陈冉对「定焦」说。
回顾过去一年大模型行业的发展，我们会发现，最先打起来的不是价格战，甚至也不是技术战，而是营销战。
营销是为了增加曝光度和知名度。举办发布会、提升排名、投放广告甚至挑战对手，可以吸引更多关注，让大家“感觉”自己处于领先地位。至于产品的实际效果和技术实力如何，可以在后期进行进一步的补充和提升。
李友峰告诉「定焦」，目前国内所有的所谓自主研发的大型模型，基本上都是在开源架构的基础上进行了改进，没有真正意义上的原创和完全自主研发。这意味着，各大模型公司之间的技术差距并不是很大。
这也是为什么一家创业公司，能在两三个月内从零到一推出一款全新大模型。最好的例证是，去年李开复的零一万物发布“Yi”系列模型，被指使用了LLaMA的架构，只对两个张量进行了重命名。
陈冉认为，国内大规模创业生态系统尚未完全形成，许多人纷纷加入其中，发布几个模型并不能证明什么。他以智能汽车行业的早期阶段进行了类比：许多人都想要制造汽车，有人制造轮胎，有人制造发动机，甚至有人制造雨刷，但最基本的电池、电控甚至轮子座椅都还没有准备好。
从技术角度来看，截至目前，国内没有任何一个团队处于绝对领先的地位。
AI大模型有三大要素：算法、数据、算力，国内厂商们过去一直在研究和优化算法，大家发布模型，本质上是发布一套经过精心设计和改进的算法和系统。大家比拼谁的算法更先进，谁的模型参数更大，推理效率更高。但现在越来越多从业者发现，算法其实没有明显的技术壁垒。陈冉更是直言“大模型的价值有限”。
“我认为在企业级别上使用大规模模型是没有意义的，开源的企业级解决方案就足够了，因为最关键的是数据。”他说。
数据是比算法更稀缺的资源。算法可以通过修改开源模型和人海战术迭代，算力可以通过投资购买硬件获得，但优质的数据没有渠道售卖，金钱不一定能够获取。
训练模型类似于培养学生，数据可以看作是教材或教育资源，而预训练则是指这个过程。与一线城市的孩子相比，偏远山区的孩子从小接触到的教育资源有所不同，因此他们的训练过程也会有所差异，最终考上重点大学的概率也会有所不同。可以说，拥有高质量的数据是预训练成功的关键之一。
过去一年，行业里评估一个大模型好坏的标准，是通过测评，相当于考试。既然是考试，就有作弊的空间，或者可以通过刷题得高分。这就导致，很多大模型其实是“应试教育”的产物——参数庞大、得分高、性能强，但缺乏实际应用能力。
李友峰认为，算法的应用受到很大的限制，如果没有具体的应用场景，算法就没有意义。“举个例子，如果一个模型的参数很多，计算能力很强，它在解决数学问题上可能表现得很好，但这并不意味着它能够在实际业务中产生价值。”
今年以来，大模型拼参数的风气有所改观，各种各样的“排行榜”也有所收敛，说明公众不容易被欺骗了。问题是，如果不比参数，大家还能比什么呢？
卷价格：
C端消费者不敢购买，B端商家无法承担成本
一个模型或一个项目要证明自己有价值，最直接的方法是通过实现盈利来证明。今年以来，越来越多AI创业者和投资人，开始将商业模式作为重要的考量因素。
大模型行业的商业化有两大类——To C（面向个人用户）和To B（面向企业、政府、开发者等）收费模式。
去年行业达成共识，由于To C收费困难，因此决定先从B端入手。
B端企业是百度千帆大模型平台的主要客户。一家专注于系统集成的公司的员工告诉「定焦」，他们很早就开始使用百度的千帆大模型平台，并且非常积极地拥抱这一大模型技术。然而，他们并不是因为模型效果好才选择使用，而是出于对AI技术发展的担忧，他们担心如果不使用大模型，就会被其他企业超越。不过，一旦大模型开始收费，他们就需要再次考虑是否继续使用。
这代表了很多企业的心态：如果能免费获取到资源就会选择免费获取，但如果需要付费，就必须确保能够看到实际的效果。 用陈冉的话说：“让客户花钱，就必须给他们展示出成倍的效果，不见兔子不撒鹰。”
李友峰认为，真正使用大型模型的企业，都注重业务数据而不是算法指标。“例如转化率、点击率和其他关键指标，分别提高了几个百分点，如果不能实现这些，即使算法具有1万亿参数，价格低至1毛钱，客户也不会购买。”
5月的这一轮价格战中，大型模型API的调用价格大幅下降，降幅超过90%。以字节跳动、阿里和百度为例，每百万token推理输入量的价格分别降到了0.8元、0.5元和免费。
然而这更多被市场解读为营销行为，有点清仓大甩卖的意味。
Lepton AI创始人、阿里原副总裁贾扬清表示：“今天并不是说API价格高就没有人使用，而是因为企业首先需要明确如何利用API产生业务价值，否则即使价格便宜也是浪费。”
出门问问创始人李志飞更是直言：“将API价格降到极低，说明OpenAI认为在中国竞争环境下，对消费者收费和对企业收费的两种商业模式都难以持续。”
百度是同时面向个人用户和商业用户的两手抓策略。其中，面向个人用户的文心一言4.0是付费版本，用户可以选择连续包月的方式，每月支付49.9元。百度一直没有公布文心一言的付费率数据。根据AI产品榜的数据，后起之秀月之暗面的Kimi在4月份的网页访问量超过了文心一言。Kimi并没有选择收取会员费的方式，而是采取了非常独特的打赏功能，这是一种非强制性的方式，用户可以在高峰期算力不足时获得优先使用的权益。
这还是C端大模型的头部选手，由此可见收费之难。归根到底，当前的大模型产品还不够好用，不是那么刚需，需要给人们一个充分的付费的理由。
AI初创公司语核获得了奇绩创坛的投资，最初他们的产品主要面向普通用户，解决各种实际需求。创始人池光耀告诉「定焦」，其中一款主打产品CopyAsk，可以免费使用，也可以通过付费解锁更多功能。然而，超过99%的用户选择免费使用，这导致公司很难通过收入维持运营。
今年初，语核进行转型，开始开发面向企业客户的Agent产品，目前已经成功签下两个订单，“客户对付费的意愿还不错，现在有机会赚钱了，非常不错。”不过，要完全开展某个特定行业的企业客户业务，还需要一段时间的探索和实践。
有极少部分公司，抓住了市场需求，并通过创新的业务模式和有效的市场推广，率先赚到了丰厚的利润。
陈冉想将他的OpenCSG打造成一个生态系统。他在线上建立了一个社区，同时线下销售软件CSGHub和Starship。主要的客户群体是B端企业和D端开发者。他已经探索出了应用分佣和用户订阅两种变现模式，并计划在未来增加算力分佣模式。他告诉「定焦」，公司预计今年的营收将达到几千万，盈利将达到几百万。
卷应用：
热门应用未出现， 产品和工程实施困难
大模型发展到今天，从业者一方面努力寻找盈利机会，同时也在期待出现热门应用。之前我们见证了妙鸭相机、Kimi、Suno等应用的走红，但这些应用还没有达到爆款的级别。只有出现真正的爆款应用，才能证明AI不仅仅是纸上谈兵。
在大型模型厂商展开API价格战的时候，有些人对此持怀疑态度，有些人则不屑一顾，还有些人则格外兴奋。
作为一个独立应用开发者，池光耀认为API价格下降是非常有利的。在API价格下降之前，他每个月需要花费大约200元的预算来进行模型调试，而现在他使用降价后的深度搜索DeepSeek-V2模型，只花费了1.11元的费用，而且只用了半个多月的时间。
他去年开发了多款应用，但由于高频调用带来的昂贵推理成本以及用户不愿付费，这些产品至今未能推出。现在他迫切希望让这些应用开始运行，“如果不是手上有无法推销的B端订单，我就直接去开发C端产品了。”与此同时，之前因为无法承担API调用费而无法完成的B端订单，现在也可以顺利完成了。
他认为，接下来几个月，预计会有大量关于大模型应用场景的探索，这可能会导致应用场景数量的大幅增加。一些过去需要依靠人工或工程化手段判断的高频、低逻辑需求，且延时不敏感的应用场景，或许可以通过免费的大模型API来替代。
在实施大型模型的过程中，首先需要从具体的应用场景入手。无论大型模型的API是否降价，寻找适合的应用场景将成为下半年的共识。
李友峰认为，下半年出圈的应用会越来越多，找到合适的场景，在规模产出的基础上覆盖更大范围的成本。“大家应该努力寻找价值，而不是只关注价格。”
目前的人工智能（AI）应用中，有两类已经显现出了价值，并获得了不错的反馈。
一类是提高工作效率，Kimi帮助职场打工人搜索资料、整理文献；造物云利用AI为品牌进行产品设计和营销物料制作，创始人邱懿武告诉「定焦」，他们利用AI为某咖啡品牌设计了2000个杯子的方案，仅需10元的算力成本，不计算模型投入。
另一类是娱乐 ，比如Suno这种人工智能写歌软件，以及很多创业公司在开发的人工智能陪伴、角色扮演。
目前行业里普遍认为，Agent AI（智能代理）是下半年行业的重点，国内外从业者都在往这方面卷。
随着对产业的深入研究，李友峰发现，人工智能在产品和工程方面面临着真正的挑战（指构建、开发和部署大型机器学习模型的一系列技术和实践）。”将大型模型应用于产品、工程、商业和产业，是中国创业公司成长的唯一道路。”
一旦工程问题解决了，模型的重要性反而降低了。用户在使用产品时，并不关心底层所使用的具体模型是哪个，以及自研模型所占比重的大小。用户更关注的是产品的实际效果，无论使用何种模型，只要效果好就足够了。
现在的情况是，大模型在具体应用时，还不能完全保证效果。以大语言模型为例，“胡说八道”的问题一直没有解决。“这种不可控的状态，很难让它在生产中发挥很大作用，还需要时间进行改进。对于大部分B端客户，应该关注如何跟上社区和大模型生态的发展和进化。” 陈冉说。
他认为，之前行业对大模型过于乐观，总有“训练一个大模型改变世界”这种不切实际的幻想，事实上大模型还没有真正形成生产力。在AI 1.0到AI 2.0之间，还有一个过渡的过程。“就是如何通过AI先赋能已有体系，而不是全盘否认。”
在向上攀升的过程中，必然会有一些公司因为缺乏造血能力而摔下去被淘汰。斯坦福大学以人为本人工智能研究院在一份报告中指出，2023年全球对人工智能的投资连续第二年下降。
在国内，以阿里巴巴、百度为代表的科技巨头仍在不断进行投资。例如，阿里巴巴投资了Kimi的母公司月之暗面，投资金额高达8亿美元，占股36%。市场传闻腾讯也正在洽谈跟进。
然而，对于推动原始创新和产品落地，这些大型科技公司究竟发挥了多大作用、扮演着什么角色，我们越来越难以评估。大型科技公司一方面自己开发了庞大的模型，同时又投资了市面上几乎所有的知名创业公司，通过股权绑定对手。甚至这一波被开发者称赞的API降价，也不是由大型科技公司发起，而是一个叫幻方量化的私募巨头，以及创业公司智谱AI带头，随后的大型科技公司跟进，充满了被动和营销的味道。
下半年，行业依然会非常繁忙，毕竟国内大型项目一直以来都是竞争激烈的。也许，我们能够在这个竞争中脱颖而出，推出一些非常受欢迎的应用程序。
