本文來源：時代財經(jīng) 作者：謝斯臨

(資料圖片僅供參考)

國產(chǎn)通用大模型的混戰(zhàn)遠未結(jié)束。在半年左右的蟄伏期過后，大部分玩家都浮出了水面。

在這之中，有人加速迭代。8 月 8 日，由搜狗搜索創(chuàng)始人王小川創(chuàng)立的百川智能發(fā)布了旗下第三款大模型產(chǎn)品 Baichuan-53B，背后訓練參數(shù)高達 530 億。此時距離王小川宣布進軍大模型戰(zhàn)場不過 4 個月的時間，這家創(chuàng)業(yè)公司進展神速。

這還只是一個開始，百川智能方面向時代財經(jīng)透露，后續(xù)還會有多款產(chǎn)品發(fā)布，包括規(guī)模更大、參數(shù)超千億的大模型。

也有人黯淡退場。由美團聯(lián)合創(chuàng)始人王慧文創(chuàng)立，吸引源碼資本、五源資本等知名 VC 機構(gòu)，以及美團創(chuàng)始人王興、快手創(chuàng)始人宿華等互聯(lián)網(wǎng)大佬投資的光年之外，曾一度被市場認為是國內(nèi)大模型戰(zhàn)場上最強有力的玩家之一。

然而，隨著 6 月下旬王慧文因健康問題離崗退出，無法繼續(xù)執(zhí)掌光年之外，這家備受期待的大模型創(chuàng)業(yè)公司只能賣身美團，一眾投資人也隨之退股。

還有人另辟蹊徑。AI 大牛周明創(chuàng)立的瀾舟科技，強調(diào)輕量化模型，希望用更低的成本解決 B 端場景問題。而曾幫助谷歌將 BERT 模型的訓練時間從 3 天降到 76 分鐘的新加坡國立大學校長青年教授尤洋，則成立了潞晨科技，試圖用低成本訓練大模型的解決方案突圍。

相比之下，大廠自研的大模型則姍姍來遲。直到 8 月初，騰訊自研的混元大模型和字節(jié)打造的 AI 對話類產(chǎn)品 Grace 才先后傳出內(nèi)測消息，具體面世時間仍未可知。

同樣停留在測試階段的，還有李開復創(chuàng)立的 AI 2.0 企業(yè) " 零一萬物 "。在 7 月 3 日舉辦的對外交流會上，李開復透露，該公司在三個月內(nèi)已實現(xiàn)百億參數(shù)規(guī)模的模型內(nèi)測，目前正向 300 億— 700 億參數(shù)規(guī)模擴大。不過，該產(chǎn)品至今仍未向市場開放。

這些仍未發(fā)布的大模型產(chǎn)品將為科技行業(yè)帶來什么樣的改變，值得市場期待。從這個角度來看，這場混戰(zhàn)或許還要持續(xù)很久。

進擊的王小川

由王小川創(chuàng)立的百川智能，正以其驚人的產(chǎn)品發(fā)布速度吸引市場的關(guān)注。

在其 4 月宣布下場做大模型后，僅用了兩個月零五天的時間，就在 6 月 15 日發(fā)布 70 億參數(shù)開源大模型 Baichuan-7B。不到一個月時間，又發(fā)布了 130 億參數(shù)開源大模型 Baichuan-13B。

8 月 8 日發(fā)布的 Baichuan-53B，已經(jīng)是這家大模型創(chuàng)業(yè)公司半年內(nèi)發(fā)布的第三款產(chǎn)品，百川智能進展神速。

百川智能相關(guān)負責人回復時代財經(jīng)表示，公司在創(chuàng)立之前就已經(jīng)花了很多時間做前期準備，開始就把路線和方法想得比較清楚。

其指出，做大模型都會考慮三個層面：數(shù)據(jù)、算法和算力。拋開算力不說，做搜索的公司天然有優(yōu)秀的數(shù)據(jù)能力，百川智能的核心團隊此前已經(jīng)做了 20 年的數(shù)據(jù)抓取、抽取、清洗、去重、反垃圾等操作，可以更快拿到高質(zhì)量數(shù)據(jù)集。

而算法是以自然語言處理為中心，將算法工程進行迭代，不是單一的工程問題，而是在文本數(shù)據(jù)驅(qū)動下，算法和工程共同運行。此前在搜索領(lǐng)域積累的經(jīng)驗在這里也能很好地發(fā)揮作用，利用數(shù)據(jù)評價推動模型進步。

" 有了之前多年的技術(shù)和經(jīng)驗積累，百川智能做大模型產(chǎn)品的速度才會又快又好。"

不過，在發(fā)布會上，王小川亦指出，當下國產(chǎn)通用大模型仍處在一個分型復刻的階段。各家廠商基本都在對標 OpenAI，不可避免地會出現(xiàn)同質(zhì)化的問題。

正因如此，在他看來，與美國閉源大模型的頭部格局已定的情況不同，" 中國誰的大模型最好 " 現(xiàn)在并沒有結(jié)論。在這場混戰(zhàn)之中，錢是重要的，但最終決定的力量還是人和團隊、組織能力。大廠錢多、人多、算力多，但組織效率通常不一定夠好，創(chuàng)業(yè)公司的組織效率可能好，也可能不好。

" 大家都在爭取機會，而且不一定落在大廠里。"

王小川還在采訪中談及退場的王慧文。其指出，王慧文是國內(nèi)幾個主流做大模型里唯一一個沒有強勢技術(shù)背景的，對他的挑戰(zhàn)比其他家要大。工作中要做大量的技術(shù)決策，招什么人、走什么技術(shù)路線圖、需要多少計算資源，一定會面臨非常多的決策壓力。

" 不是做大模型壓力大，是沒有技術(shù)背景做決策壓力會大很多。但是技術(shù)足夠的話，其實挺愉悅的。"

騰訊、字節(jié)姍姍來遲

大模型混戰(zhàn)開啟之初，互聯(lián)網(wǎng)大廠因為坐擁更多算力、人才、資金和數(shù)據(jù)，被認為是強大的競爭對手。

百度自研的文心一言早在今年 3 月底就已率先落地；阿里打造通義千問緊隨其后，在 4 月 11 日舉辦的阿里云峰會上揭曉。就在阿里發(fā)布通義千問的前一天，王小川才剛剛宣布下場，成立百川智能。

相比之下，同為一線大廠的騰訊跟字節(jié)，推出通用大模型的步調(diào)要慢許多。

8 月 3 日，據(jù) 36kr 報道，騰訊自研的 " 騰訊混元大模型 " 已經(jīng)進入應(yīng)用內(nèi)測階段。三天后，8 月 6 日，字節(jié)旗下的 AI 對話類產(chǎn)品 Grace 也被爆出歷經(jīng)兩個月的研發(fā)后，終于進入測試階段。

此時距離百度發(fā)布文心一言已經(jīng)過去 4 個月。對于騰訊通用大模型產(chǎn)品步調(diào)稍慢的原因，馬化騰曾公開表示，" 騰訊也一樣在埋頭研發(fā)，但是并不急于早早做完，把半成品拿出來展示。"

不過，" 并不著急 " 的騰訊，還是在今年 6 月中旬率先公布了 " 行業(yè)大模型 " 的路線，一口氣拋出 10 大行業(yè)超過 50 個解決方案。無獨有偶，字節(jié)跳動也同樣在 6 月發(fā)布大模型服務(wù)平臺 " 火山方舟 "，通過集成多家 AI 科技公司及科研院所的大模型，向企業(yè)提供全方位的平臺服務(wù)。

市場曾一度認為，行業(yè)大模型將成為這兩家大廠突圍的方法。

但事實或許并非如此。當下被鼓吹的行業(yè)大模型始終存在著被替代的風險。科大訊飛總裁吳曉如曾向時代財經(jīng)指出，10 年前，在語音識別技術(shù)上，也曾誕生過諸多聚焦在通話、行車、辦公等不同場景的專用模型，但隨著通用模型技術(shù)的成熟，專用模型也隨之退場。

" 我認為大模型也會經(jīng)歷一樣的階段。"

相比之下，從更長遠角度看，通用大模型才真正代表著一個平臺級或顛覆性的大機會。正是因此，騰訊和字節(jié)都不可能放任自己錯過，哪怕進度緩慢，但它們必定要堅持在場。

有騰訊內(nèi)部人士向時代財經(jīng)指出，騰訊的計劃一直是兩條腿走路，通用和行業(yè)齊頭并進。只是與一些激進的廠商相比，旗下產(chǎn)品涵蓋社交、游戲、廣告、內(nèi)容創(chuàng)作等多個領(lǐng)域的騰訊，要更為謹慎一些。

學院派創(chuàng)業(yè)者另辟蹊徑

在大模型戰(zhàn)場上，來自高校、研究機構(gòu)的學院派創(chuàng)業(yè)公司組成了競爭的第三極。

它們既不是王小川、王慧文這樣的種子選手，在創(chuàng)業(yè)之初就能憑借人脈吸引到數(shù)億美元的投資，并以此迅速起步。也不像騰訊、阿里、百度這樣的大廠，在算力、人才、資金等各個方面都占據(jù)難以逾越的優(yōu)勢。

但憑借著他們對于人工智能技術(shù)的深度理解，這些創(chuàng)業(yè)者仍然能在夾擊之下，另辟蹊徑找到新的發(fā)展方向。

比如由原微軟亞洲研究院副院長周明創(chuàng)立的瀾舟科技，不同于市面上一眾追逐千億乃至萬億參數(shù)的大模型產(chǎn)品，這位從 1980 年就開始研究 NLP（自然語言處理）的華人 AI 大牛希望以更輕量級模型解決 B 端場景的問題。

其推出的孟子大模型曾以十億參數(shù)，刷新此前被百億、千億級別參數(shù)模型輪番霸榜的中文語言理解權(quán)威評測基準 CLUE 榜單。

這是一項務(wù)實的決策。出于數(shù)據(jù)安全考慮，絕大部分企業(yè)都不會將數(shù)據(jù)上傳，而是會要求本地化部署，成本因此被顯著拉高。在接受媒體采訪時，周明指出，哪怕只是本地部署推理，拿訓練好的大模型來用，千億參數(shù)大模型也需要 8 到 16 塊 A100，換算下來至少是一兩百萬元的投入，" 對很多場景來說，客戶需要便宜和夠用 "。

由新加坡國立大學校長青年教授尤洋創(chuàng)立的潞晨科技，則希望利用算法技術(shù)降低大模型的調(diào)用成本。

現(xiàn)如今，無論是大廠，還是創(chuàng)業(yè)公司，都必須面對國產(chǎn)大模型同質(zhì)化趨勢愈發(fā)明顯的問題。如果這一問題不被解決，未來大模型極有可能陷入當下云服務(wù)廠商面臨的低毛利困境。

尤洋對時代財經(jīng)表示，這是因為底層技術(shù)基座迭代成本過于高昂。他以 GPT 舉例，OpenAI 每一次的訓練成本高達 6000 萬美元，每隔三四個月就需要訓練一次，迭代一次則需要四五次訓練。以此計算，每迭代一次技術(shù)基座可能需要 2 億到 3 億美元。

過于高昂的成本導致市場上的技術(shù)基座極其稀缺。基本上只有 GPT、LLAMA，還有國內(nèi)的 GLM。各家廠商基本都是在模仿這幾家大模型做產(chǎn)品，才導致了同質(zhì)化的問題愈發(fā)凸顯。

長期研究高性能計算的尤洋因此成立了潞晨科技。該公司目前推出的開源系統(tǒng) Colossal-AI 可通過高效多維并行、異構(gòu)內(nèi)存等技術(shù)，顯著降低 AI 大模型訓練、微調(diào)和推理的開發(fā)與應(yīng)用成本。

尤洋認為，只有伴隨大模型訓練成本快速下降，或者采取更好的優(yōu)化技術(shù)，使得參數(shù)控制在 200 億左右，還依然能夠達到和千億參數(shù)一樣的效果時，才會真正迎來大模型百花齊放的那一天。