半年大模型商业化路在何方

大模型的浪潮已在这片土地上燃烧半年之久。随着华为、京东、携程等企业纷纷发布新品，国产大模型迎来了自己的首次大考。然而与其他业务不同，新能源车、手机等领域的半年考都有明确的数据支撑，而大模型至今仍笼罩在”黑盒子”的迷雾中，商业模式模糊，数据论据缺失。这种现状颇为讽刺——即便从产品功能角度出发，大模型也缺乏通用的评测标准。国内用户常用的”松鼠鳜鱼法”等测评方式，更多是面向AGI这一终极目标的探索性尝试。正因如此，国内头部企业大多效仿OpenAI采取内测策略，将大模型研发的重心转向B端与G端市场。腾讯的行业大模型、华为的盘古3.0、京东灵犀等，都聚焦于展现成熟的产品形态，以商业化落地为首要目标。这类大模型为快速普及商业应用，不仅注重业务落地导向，更将本地化部署能力作为关键指标。即便如此，业内人士指出，即便是最具商业价值的行业大模型，至今仍未获得企业客户的广泛认可。自6月起，行业大模型的风潮持续一个月，却未见重大商业合作落地。投资市场的表现印证了这一现状——与大模型相关的投资多集中于二级市场而非一级市场。即便王慧文这样的行业领军人物，其A轮融资也远不及OpenAI获得微软百亿美元的持续投喂。商业模式缺失成为国内大模型亟待破解的难题。ChatGPT热度明显下滑，百度文心千帆、阿里通义千问等早期通用大模型也陷入沉寂。究其原因，正是商业模式未能跑通——即便获得用户认可，商业闭环始终缺失。以百度文心千帆为例，其收费模式为0.012元/千tokens，看似低廉，但多次交互产生的隐性成本却不容忽视。问答社区中，用户往往只在找到高质量答案后才产生付费意愿，这与文本生成需要多次迭代的特点相悖。若采用B端喜闻乐见的月度付费模式，只是将成本转嫁自身，绝非长久之计。ChatGPT20美元/月的定价尚存争议，可见通用大模型在B端C端都难以实现盈亏平衡，更面临AI伦理等合规风险。行业化、垂直化成为大模型落地的必然选择。知乎知海图AI、携程问道等依托自身生态的垂类模型，虽拥有社区生态和高质量内容作为训练语料，但产品形态尚未切中用户痛点。知海图AI的”热榜摘要”功能与知乎原有聚合功能重叠，AI改写反而削弱了内容个性化特征；携程问道作为旅游”可靠答案库”，可能因千篇一律的路线规划影响社区交流。效率导向的产品定位忽视了用户体验的核心维度。行业大模型在B端同样面临落地困境。一位业内人士指出，大模型在业内外存在认知偏差，源于训练过程如同”黑匣子”，外界难以理解模型推理过程。尽管腾讯云MaaS、华为云盘古等提供多样化部署方案，但企业客户仍缺乏导入大模型的动力。云计算在国内企业的普及之路尚远，大模型更不必说。行业大模型的价值最终需使用者挖掘，但外界常通过”松鼠鳜鱼法”等简单测试衡量模型水平。华为盘古气象大模型因预测失误遭受质疑，京东灵犀则选择优先跑通自家业务场景。商业化导向的行业大模型，在取代通用叙事的同时，也面临定义模糊的问题。大模型（Foundation Model）的通用能力源于通用数据训练，若仅使用单一领域数据训练，不仅丧失通用能力，甚至无法有效解决领域问题。当前大厂多采用在原大模型基础上进行行业数据预训练的方式，仍属于模型层范畴；而通过prompt或外挂数据库加入领域知识，则属于应用层范畴。Meta开源Llama2并引入微软Azure平台，标志着开源LLM的重要里程碑，开始挑战闭源厂商OpenAI的地位。开源生态日益活跃，Llama2、LORA等技术的出现，让闭源巨头感受到明显压力。国内头部企业采取”两手抓”策略：一方面持续内测打磨产品，另一方面构建云端开源社区。向量数据库作为”AI时代的Memory”，通过语义检索能力，可帮助大模型实现领域知识的有效建构。自5月起，资本持续涌入向量数据赛道，这一前景确定的应用层产品正获得VC高度关注。智能硬件内置模型则是另一发展方向，较传统智能助手能力更胜一筹，是对智能设备的外延拓展。开源社区早有将大参数模型内置MAC的尝试，大厂凭借硬件生产能力积累的先发优势明显。大模型不再神秘，故事越来越少，赛道玩家们正在”深潜”。行业需要下一个”ChatGPT”时刻，我们才能见证这些潜水者浮出水面，直面挑战。