“百模大战”过去近一年,最初涌入基础大模型领域的潮水,渐渐向大模型应用领域倾斜。
仅在过去一个月,就发生了太多事情:国内大模型厂商掀起价格战,向应用开发者抛出橄榄枝,联发科等芯片厂商向开发者开放合作,OpenAI和谷歌发布会上,能听会看的AI助手则搭载于电脑和手机,引发关于多模态应用的想象。
但时至今日,能转起大模型商业化齿轮的,似乎仍以互联网大公司既有业务为主。典型如谷歌,其搜索引擎并未如业界最初估计的一般被大模型颠覆,既有的广告业务则率先受益于大模型,第一季度广告收入增长约70亿美元。大厂之外,原生的大模型爆款应用依旧稀缺。
随着大模型价格战燃起,创业基础大模型团队不得不面临更激烈的竞争环境。商业化行之有效地应用将会是制胜的关键。而对于有意在大模型创业潮中分一杯羹的应用开发者而言,不仅选择基础模型是一个挑战,要构建什么样的商业模式、切入什么细分市场也是考验。
近日第一财经记者正常采访多名大模型应用开发者和技术人员了解到,开发者已在不同细致划分领域寻找机会,但大模型本身的能力和算力限制仍形成阻力。相比文本大模型,视频生成模型迈向成熟将是一条更远的道路。
AI客服创业团队创始人章程(化名)和记者说,今年客户的真实需求显著提升,对大模型的认知从绝对没,到能形成一定的判断,大模型B端的商业效果某些特定的程度上被证明,说明今年可能是大模型应用爆发的元年。但C端的很多场景,现在还没看到核心的产品。
杭州萌嘉网络科技有限公司创始人、CEO卢向东去年年底开始创业,公司的产品TorchV AI主要帮企业客户建立基于大模型的应用。因为团队熟悉相关市场且有经验,开始创业后,公司很快拿下第一个客户订单,目前试用客户已超200家,产品接入近10个国内大模型,包括开源和闭源。
卢向东感受到,市场需求旺盛,但不少潜在客户对大模型还处在学习和了解阶段。“有一类客户的真实需求很明确,他们布局得早,想明白要什么,大部分则是处于FOMO(害怕错过)心态,他们更多想听其他案例的解决方案,在可接受的情况下推进合作。”
卢向东表示,很多潜在客户想看到案例,希望团队可以帮企业“头脑风暴”或做创意性方案,而不是只提供开箱即用的技术。
同样面向To B市场,近期接受第一财经等媒体采访时,腾讯云副总裁、腾讯云智能负责人吴运声也讲到大模型能力与市场认知之间的割裂,他发现,在过去一年间遇到的很大困难在于,企业客户对大模型有过高预期。“技术发展有阶段性,而业务处理会遇到很多具体问题。这是客户业务需求和大模型能力匹配的问题。客户希望我们大家可以一下子满足所有需求,而我们该一步一步来。”他表示。
除了市场还在逐渐接受大模型之外,对于大模型应用会在什么赛道跑出来,投资机构似乎也不是很肯定。卢向东和记者说,去年投资机构更偏向对头部公司做较大额度投资,今年对于较小的勇于探索商业模式的公司也有分配策略。已有20多个投资机构前来接触公司,他了解到,有些机构直接表明还是前期了解阶段,他们手里握有的资金不多,又不能错过机会,当下是在持续关注市场。相比于有国资背景的投资机构,风投机构如今出手速度不会很快。
“我对于大模型应用是谨慎的。从基本面看,生成式AI绝对有价值。但一个新的科技突破发生后,行业里大部分人都能赚钱吗?并不是。”在互联网大公司和创投机构有多年从业经历的王先(化名)和记者说。他的考虑是,这一波大模型浪潮跟上一波AI浪潮很像,上一波即便是AI“四小龙”,已上市的迈向盈利依然艰难。以往AI勇于探索商业模式的公司得到血淋淋的教训,例如曾卖得很好的AI产品受开源冲击后变成“白菜价”。这一波大模型勇于探索商业模式的公司有步后尘的可能,同时面临互联网巨头的竞争。
“生成式AI的投资没形成共识。”王先和记者说,未来大部分需求可能会被互联网巨头吞掉,同等条件下,客户倾向于选择大公司的几率更高,勇于探索商业模式的公司要在垂直赛道有深厚背景,拿到足够且便宜的数据,未来才更有机会跟巨头拉开差距。
进入市场后,要怎么样才能撬开需求并构建竞争壁垒,卢向东如今也在思考这样的一个问题。“上个月之前,我们没考虑过要做什么细分市场。当时各行各业的需求都找上来,海纳百川是好的选择。我们的团队以往对一些行业了解不深,所以先抛一个基础产品吸引客户,再逐渐了解行业痛点和刚需。”卢向东和记者说,后续团队还是要收窄关注领域,让产业方向更明确,更有助于人员调配和品牌势能建立。目前初步选的两个领域是能源和银行,考虑了客户支付能力和落地前景。
除了“做什么”的问题,大模型应用开发者目前感受到主要掣肘仍是在于算力、成本和模型能力。
卢向东和记者说,现在最大的问题不是模型本身,而是显卡。国内高端显卡缺乏,团队希望部署多模态模型,受制于现有显卡能力不够。办公室只有几块消费级的英伟达4090显卡,而现在可替代的另外的品牌AI芯片易用性还不如英伟达。如果不自己购置显卡而选择在云上租赁,价格则太贵。
绿联科技近期也尝试在私有云NAS(网络附加存储)系统内置本地自学习AI模型,用于辅助图片整理等。绿联NAS私有云产品总监魏婷和记者说,NAS可存大量数据且长时间运行,用户可用自己的数据调校AI,训练不需联网。这是搭载大模型的好处。但该公司同时对扩大AI应用较为谨慎,除了文生视频等功能未达到能稳定使用阶段的原因外,为了凸显AI功能而堆砌高性能显卡,价格可能也不为用户所接受。
“大模型刚出来时,我们有过高期待,认为它什么都能做,后来发现,大模型只能达到一个初级专业客服的水平。大模型能解决百分之五六十的问题,剩余的还要人协助。”章程表示,该团队用了GPT-4、Claude 3和谷歌、Mistral旗下模型,一个月为调用大模型花费数万美元,成本压力不小。从近期大模型厂商的进展看,他认为多模态能力有了进步,但落地应用时若使用多模态能力,面临成本过高的问题。
近期国内多款大模型云端API(接口)调用价格下降甚至免费,这是否会明显减少相关成本?卢向东认为效果有限,一个原因是国内不少企业希望数据存留在本地,在本地部署模型,团队更多客户也是如此,这样的一种情况下使用开源模型,无须云端调用。
随着更多国内大模型降价,章程近期则计划建一套测试体系,以测试免费或更便宜的模型能否达到GPT-4六七成的水平,再考虑更换模型。“免费或者变成原本50%、30%的价格,我们就有动力用这个模型,我最担心的是这些模型性能不够好,例如回复返回时间过长、返回结果不符合期待。”章程和记者说,公司已采用的大模型包括开源和闭源,在严苛的商业场景中,闭源收费的GPT-4因其较强的推理能力还是难以取代。
相比文生文大模型,业内分析的人表示视频生成模型要做好不仅更难,开放应用的成本也更高。“Sora一直没出来,大家推测是因为跟文本大模型一样开放使用的话,成本太高。视频大模型的体量至少是文本的10倍。”万兴科技董事长吴太兵和记者说,公司的大模型产品天幕近期也只是公测,且是邀请公测,基于成本原因,现阶段完全放开不太现实。
在近日一场行业活动上,记者看到了多模态大模型应用搭载于端侧设备的尝试。走到一台手机面前,选择一个模板,手机摄像头拍下的人物将能成为另一种风格,或是“女扮男装”,或是套上明星脸,或是更换发型。行业人士和记者说,这种简单的图片生成功能在手机端侧就能轻松实现,现在手机算力可支持70亿参数大模型,再往上可能是100多亿。但相比云端,手机算力始终有限。
算力之外,要推动多模态应用落地,模型本身也要达到一定的成熟度。今年年初OpenAI推出Sora,从当时放出的视频看,Sora还未能很好地展现一些物理世界的特性,例如视频中杯子摔倒了却不会碎。至今Sora未开放公测,Sora演示视频是否有人为参与、是否经历多次调整剪辑,则多次受到质疑。
“视频生成大模型算法成熟度还有限,此外,视频生成大模型要真算,没有开源的模型,需要实打实对数据来进行处理。”就为何企业对视频生成模型的市场参与度低于文本大模型,吴太兵和记者说。他认为,Sora把大家的期望值拉得很高,但做好视频大模型很难。相比文本大模型理解人类,视频大模型需要理解的是世界,即便是人类自身,也没有完全理解世界。
企业投入做视频生成模型并不简单,一个例证是,一年多前国内掀起大语言模型“百模大战”,但Sora面世后,跟进视频生成大模型的玩家却不多。吴太兵表示,相比文本大模型花几千万元就可以做,对于视频模型而言,几个亿的资金估计才刚刚能起步。目前,视频大模型的商业模式还没有完全跑通,付费意愿同样是需要考虑的问题。视频大模型与应用深度捆绑、不做通用型模型,采用渐进式做法,将是比较可持续的路线。
“除了架构需要成熟外,视频大模型相比图片大模型维度更多,要求的计算资源也更多,这是目前比较大的困难。Sora要生成一个视频需要分钟级的时间,而且良品率没那么高。” 腾讯混元大模型文生图技术负责人芦清林和记者说,视频大模型一个要点是如何生成质感很好的视频,目前的情况是生成时间还很短、视频分辨率不足,以至于很多场景很难应用。
从应用上看,多模态中的文生图模型似乎更容易落地。今年五一期间,一款提供黏土滤镜的AI图像软件Remini走红。据七麦数据,5月1日该应用在国内iPhone上的下载量达28万,但5月下旬起每日下载量下滑至1万以下,没有显现出大爆款的潜质。旗下有Stable Diffusion文生图明星产品的初创公司Stability AI,似乎也未找到很好的商业模式,频频传出团队动荡、资金紧张、考虑被收购的消息。
“文生图模型的应用点比较多,但我不认为它的商业化应用会比较清晰。很多玩法已经出来了,但这不代表它未来有很强的商业化能力,我们还在摸索阶段。目前我们没看到一个很强的AI原生产品能有很好的商业化表现。” 芦清林告诉记者。
记者了解到,与文本大模型技术路线逐渐收敛至Transformer不同,文生图技术仍在迭代过程,从Stable Diffusion向Diffusion、Transformer融合的技术路线(如DiT)演进,业内公司和产品仍在探索与适应。
或许不得不承认,从大模型智能涌现的闪亮一刻到大模型真正改变世界,这段路上更多的是棘手的工程化和商业化问题,这些具体的问题怎么样才能解决,才决定了爆款应用何时到来。