大逃杀里的中国AI大模型

7月份，微软公布了Office 365 Copliot的企业版价格，30美元/月，我看完第一个感觉是有点吃惊：外界没那么关心微软的可能不太清楚，但懂To B业务基本都知道，微软这些年B端定价惯常稳如老狗，割起各大公司的肉来刀法堪称精准，它说敢卖30美元一个月，那就是确实能卖30美元一个月，而这已经明显高于了此前外界所预估的价格。

换言之，微软对Copliot的定价，从某种意义上说，就意味着AI应用落地的时代确实是来了，而且已经相当卖得上价。

相比之下，国内AI大模型的落地应用，明显还缺乏成熟的市场化产品，但也基本都已经开始进入内测，只是因为用户习惯不同而采取了不同的模式，走入收费阶段的速度相对慢了一些。

关于中美AI大模型之间的差距和优劣，业界讨论得很多，几乎所有切入相关领域的人都会被问到这个问题，但大家的看法很难说得上统一。比如李彦宏曾经说文心一言离OpenAI只有两个月差距，王小川对此的评价是：那估计我们没在同一个世界。

根据星海的不完全统计，不到一年的时间，国内的大模型已经超过了120个，中美两国大模型公司占了全球80%。中美AI大模型到底有几年的差距，中国大模型真的落后了吗？中美AI竞争的路线又有何不同？中国短短半年里涌现出的百家大模型企业混战，到底打到了什么程度？

01 百模大战没有硝烟

我上半年参加过几次AI的会，开门的闭门的都有，大家提的最多的前些年AI是真的不赚钱，连融都未必能融得到钱，有一点全跑自动驾驶那头去了，其他的都已经死了不知道第几轮。

但自从ChatGPT横空出世，情况就不一样了。爆火的大半年里，AI大模型的技术水平未尝就真的能有什么大爆炸，但商业上的环境确实是有点“病树前头万木春”的意思——活了。

但也没想过，这么快就能活得跟Copliot一样卖出30美元一个月的价钱。

根据星海情报局不完全统计，中国目前已经有超过120家机构或企业发布了自己的AI大模型，其中10亿参数规模以上的大模型就已经有79个，有20个是通用领域的大模型，基本来自互联网大厂和科研院所，其余均为垂直领域的产业应用大模型。毫无疑问，中国的AI产业正在进入一场名副其实的“百模大战”，而且已经有了逐渐开始向垂直领域深入分化的趋势。

这里简单做个科普，我们目前所说的大模型，通常来说的分类是两种，一种是通用大模型，模板就是ChatGPT，可以聊天，问答、做题，特点是比较泛化，干什么都成，但相对来讲不够对某一个产业深入精通。

所以有了第二种，行业大模型，也叫垂直类大模型。典型的比如华为的盘古，京东的言犀，都是直接面向产业，更聚焦应用，强调帮助企业进行生产活动和降本增效能力的工具。从定位和特点上讲，行业大模型更类似于我们所熟悉的企业服务软件或工业软件，只不过现在升级成行业AI了。

目前，针对金融、医疗、政务及公共服务、科研、工业、客服等领域服务的大模型数量相对较多。地域分布上，北京占了半壁江山，其次是上海、广深、杭州和江苏。

毫无疑问，这一轮AI大模型的发展已经形成了明确的产业趋势。而根据这些大模型背后的研发团队来看，也可以分为三类：

一是大厂自研。百度的文心一言，阿里的通义千问，华为的盘古，腾讯的混元，京东的言犀，字节的火山方舟，蚂蚁集团的贞仪，小米的MiLM-6B等等……都可算作此列。

互联网浪潮里成长起来的科技大厂，包括软硬件厂商，即便暂时还没有，但也不可能永远都不在大模型领域进行布局。还有通信业三巨头，移动、联通、电信都有自研大模型。很多大厂和巨头出于自身的数据安全需求，只能走自研路线，这些厂商一遍要根据自身业务协同出发进行相关研发，另一边也可以选择直接收购。而收购的标的，则主要来源于下面的第二类。

二是独立创业团队。其中不乏颇具技术实力的明星创业者入局，还有一些是已经功成名就过的大厂背景连续创业者。比如搜狗创始人王小川，就在五道口的搜狐大厦二层对外官宣了“百川智能”。官宣的时间是2023年4月10日，如果你同时有王小川和王慧文的微信，就会发现仅仅四天之前，王慧文也在搜狐网络大厦，他创办的AI企业光年之外的新办公室就在这里，搬进来的第一天他发了一条朋友圈：“新办公室第一天，切个蛋糕。”

王小川的人工智能梦想大约萌芽于成都七中，他16岁参与老师谢晋超和当时中科院成都所的张景中一起组建的“几何定理机器证明课题研究组”，做成了在计算机用吴文俊消元法实现初等几何定理的全部机器证明，拿了“亿利达青少年发明奖”，奖项发起人和最后给王小川颁奖的人，都是杨振宁。而王小川做成的这个证明，所涉及的是中国人工智能领域最重要的基础理论之一，他可能是如今功成名后再出发的企业家中，离人工智能学院派们几乎最近的一个“技术流”了，百川智能的背后也有着清华一脉力度不小的支持。

三就是学院派，无论是科研院所还是各大高校，都不可能不做这方面的研究，但这些团队的组织构成和战略目标大多更偏学术一些，偏向应用层面的则大多还会找大厂或其他创业团队进行合作。其中比较引人注目的，比如今年初复旦大学计算机学院团队发布的MOSS大模型，清华的ChatGLM，还有中科院自动化所的紫东·太初。

大模型爆火满打满算也就不到一年，但噼里啪啦出了一百多个团队，百模大战已经摆在台面上了，即使远没有当初“百团大战”那么搞得沸反盈天，但也已经足够让有些人产生忐忑甚至不满。

中国人这些年见了太多狂飙之后的落寞与一地鸡毛，多少有点PTSD。但站在一个产业观察者的角度来说，一个残酷的事实是，任何国家的产业的竞争力从来就是这么跑出来的，没有这样雨后春笋般冒出来的企业和密集的投资，哪里来的产业崛起和龙头腾飞？

往近了说，中国新能源汽车产业能有今天的成就，不知道埋了多少当年的“造车新势力”，中国手机产业的腾飞也不知道一路死掉多少山寨机。而往远了说，美国半导体产业浮沉小一百年，也绝对算得上一将功成万骨枯。

任何产业想发展起来，最初的起点都是拿钱与人去堆，才留得下技术、经验，和足以支撑起一个行业的人才。百模大战能打起来，本身就已经是中国AI大模型竞争力的一种体现，如今中美两国大模型公司加起来占了全球的80%还要多，绝大部分国家甚至已经没有资格坐上这个牌桌。

02 巨头的游戏

AI大模型的创业团队很多，但大多数可能留不下来。

——绝大多数人做出这个判断的原因在于成本。国盛证券曾经估算，GPT-3训练一次的成本约为140万美元，对于一些更大的LLM模型，训练成本介于200万美元至1200万美元之间。

按照今年1月的平均用户访问量计算，每天约有1300万独立访客使用ChatGPT，对应的芯片需求大约是3万多块英伟达A100，仅这一项的初始投入成本就要8亿美元，每天光电费至少5万美元左右。而根据Analytics India Magazine的一份报告估算，ChatGPT的单日运营成本大约是70万美元。

意思就是小公司根本烧不起这个钱。

而另外一个障碍是，小公司在产业化落地上能走的路也更少。

大模型的商业化终点是产业，这是已经不必过多解释的行业共识。但落入产业的条件是：

1、本身自己有产业资源；

2、掌握着可以触达产业资源的平台接口或渠道。

第一种，本身自己有产业资源。主要是通过将AI能力融入自身业务，进而影响产业上下游。

比如京东做言犀，侧重的就是零售、金融和供应链物流，这些都是典型的京东自有业务，做出来直接有测试场景和落地应用的空间，根本不用假手于人，而且还能向上下游辐射拓展第一批种子用户。蚂蚁集团的“贞仪”和百度金融旗下的“轩辕”，也是类似逻辑。（恒生电子的LightGPT，学而思的MathGPT）

同理的还有网易有道的子曰，直接落地落到教育口，甚至还能配套自有硬件，比如有道的词典笔。携程的问道，阅文的妙笔，用友的YonGPT，这些在各自领域举足轻重的垂类巨头亲自下场做闭源大模型，从战略上来讲进可攻退可守，先期的获客、训练成本，适配、调整效率，都有显而易见的优势。

怎么都比小公司吭哧吭哧做出来个普适款的大模型，再吭哧吭哧追在产业后面玩命推销，然后一点一点做产业接入和适配的模式，要省力气得多。

第二种，掌握着可以触达产业资源的平台接口或渠道。这种模式基本上是将AI大模型接入自身平台，让平台获取AI能力后，能够更好地服务原有的产业端客户。

这里最典型的，软件层面比如阿里钉钉搭载的通义千问，字节跳动未来要做的火山方舟；而硬件层面则比如华为要接入工业系统和整个鸿蒙的盘古系列，还有小米初具雏形的MiLM-6B等等。

根据 C-Eval 给出的信息，MiLM-6B 模型已经在计量师、物理、化学、生物等多个项目获得了较高的准确率 

阿里“通义千问”目前推得最顺利领域之一，就是在钉钉中的应用。钉钉本身就是做企业服务的平台，产品架构的底层逻辑就是建立在公司和组织层面上的，而且一直都在做深入产业的工作，安全性也已经得到过验证。这意味着，通义千问接入后，可以从最底层调动原始数据帮助决策者进行定制化的分析和总结。

这种本身就有企业服务平台的公司，接入AI大模型之后，是最有可能帮助实现企业内部AGI的。而目前国内做这个且有平台级能力的，除了阿里的钉钉，就是字节跳动的飞书，还有腾讯的系列套件，二级梯队可能是以WPS为主要产品的金山办公，或者笔记软件有道云或印象笔记等。

当然还有一个比较特殊的百度，这家公司虽然有很强的技术实力，但因为入口在搜索，所以经常卡在To C和To B的中间，自身缺少杀手级别的企业应用。这也就能理解为什么在ChatGPT爆火后，百度要那么着急发布文心系列——不是很多人以为的什么追赶进度，而是极其现实的：为了抢市场。

百度没有钉钉，没有飞书，也没有微信或者WPS。但有意思的是，百度除了搜索之外，还会有车和智能交通配套系统。

集度在发布会上宣布全面接入文心一言；图源来自：现场官方返图 

这刚好就是我们要说第二种模式：直接从硬件切入。

汽车领域，集度在2月份就已经宣布接入百度文心一言，理想6月在常州发布了自家研发的认知大模型"Mind GPT"，问界未来介入华为旗下的盘古，大体上也都是时间问题。传统各大厂商未必自己完全走自研的路，但不可能不做，这也是一个AI大模型厂商们的兵家必争之地。

各大手机厂商也显然都不会缺席。华为已经接入了盘古，小米也已经发布了MiLM-6B，OV和荣耀虽然目前还没有落地的大模型，但也都已经进行了大量布局，将AI接入自身手机系统做智能化升级，都只是时间问题。

当然，华为更特殊一点，盘古系列是鸿蒙的最佳拍档，但鸿蒙却不只为了华为手机而生。华为在工业和基础设施领域的布局，未来都将会成为鸿蒙+盘古的主场。

华为开发者大会宣布鸿蒙4.0接入盘古大模型；图源来自：现场官方返图 

无论是从成本，还是从产业资源上看，AI大模型这个智能时代的底层支持领域，都已经越来越趋向于巨头们的游戏，留给小团队和独立创业公司们的机会虽然不是没有，但确实已经越来越少，而抓住机会也正在变得越来越难。

03 中国人最擅长的“应用层战争”

固然牌桌上只剩下了中美两国，但中美之间依然存在着明显的差距。星海一直以来经常会被问的一个问题是：在这个领域，我们和全世界最先进的水平差几年？

在AI大模型上，这个问题李彦宏和王小川都回答过。李彦宏说文心一言和OpenAI差距大概是两个月，王小川挺震惊，说那你们问的应该是平行宇宙的李彦宏，不是我们这个世界的。

记者问此话怎讲，王小川：“那怎么可能只差两个月啊？那一定是另一个宇宙嘛。”

在王小川概念里，如果要用时间衡量，OpenAI比国内应该领先三年的时间。之前业内都说追上GPT-3.5可能需要一年时间，但人家已经到4了，还有5在训练，所以他觉得有三年。如果大家很努力，那可能会短一点。

但应用层不一样。

王小川六月去硅谷转了一圈，去之前，他想的是，中国AI大模型已经在追求“理想”的道路上比OpenAI慢了半步，但落地他想要比美国人快上半步。但交流完回来，他的想法就变了：落地这事，王小川觉得能比对方快三步。

王小川去硅谷的时候发现，那帮子不差钱的工程师已经在研究怎么把1000万块GPU联在一块做模型架构了，但英伟达一年才生产100万块GPU……

而反面是，虽然工程师文化浓厚，但美国有大量工程师没有任何应用的经验，一旦从做技术延展到做应用，“能力实在不咋样”。

大模型是一个必须落向应用，但却又没有办法做完服务用户最后一步的综合性工程，而在这个领域，落到应用层之后的应用反馈，常常会是比空中楼阁式干数据训练更好用的东西。在《TikTok大劫案：美国总统也抢不走的武功绝学到底是什么？》一文中，我们讲Tiktok核心竞争力的时候讲过一个类似原理：当有效数据量到达一定临界值的时候，将会无限拉近不同算法带来的准确率差距。

也就是说，应用层的反馈，某种程度上会决定模型训练的质量。让训练变得更加高效，同时大幅削减训练成本。我们可能起步晚，但应用能做起来，我们会跑得更快。

在《大国锁钥》一书中，我写过中国互联网为什么能做到全球领先，其核心的动能就是应用过程中所爆发出来的大量创新和经济效益，反哺了基础层研究所需要的资金和资源，一点点补全了很多我们在70年前，甚至100年前就已经落下的功课。

AI是一个同样适用的领域。

在美国，微软（OpenAI）、Google、Meta的巨头之战，基本上已经将通用模型层的格局固定了下来，几乎没有创业公司会选择“再造一个OpenAI”。转而兴起的是如火如荼的应用层创业，通用层、应用层之间泾渭分明。

但在中国，通用模型层的百模大战还远没有分出胜负，从效果上谁也没有做出决定性的优势，但随之而来的是对应用形式的大量创新探索。本身就在AI垂直领域做通用模型开发的厂商，如科大讯飞，也在做出通用模型后很快就发布了讯飞星火app去切入学习和办公场景。

这种通用层和应用层相互哺育的模式，是中国独特的发展模式，也是中国未来最大的机会所在。

04 结语

舆论场上面对中国如今打得不可开交的百模大战，有过很多不好的声音，其中一种是，OpenAI已经做出ChatGPT-4了，中国公司现在还在通用层大模型上卷来卷去早就晚了。看上去说了大实话，但其实很可笑：中国人什么时候怕过起步晚了人家几步呢？美国人早就把核弹造出来了，中国就不造了吗？

在AI这件事上，早或者晚其实已经没那么重要了，重要的是我们必须得做。自认大模型技术水平存在差距的王小川被问到：起步晚了的中国还有没有弯道超车的机会？

他的回答是：“超车我们现在不敢提，可能过几年后大家会找到路径。就像互联网刚开始的时候，我们上来第一句话，就说要弯道超车吗？”

路要一步步走，中国厂商的AI之路，最重要的是先做自己能做到的事情。

活下来，然后——

追上去。

本文来自微信公众号“星海情报局”（ID：junwu2333），作者：星海老局，36氪经授权发布。