這場轟轟烈烈的大模型之戰，是21世紀迄今最重要的技術競賽，沒有之一。這場技術競賽具有強烈的21世紀的特徵：

一、資訊公開及時，任何參賽者的動作都會隨時被全世界的選手了解並跟進，一個選手的技術優勢保持的時間只能以天計。

二、上下游高度連動，只是開發出一項絕技是不夠的，還要找到上下游的幫手來將這個絕技貫通到用戶端和上游基建端，一個維度不夠有優勢都有可能被偷家。

主流視野內，這場競賽已經開始2年了。我們有必要對這場競賽做一個複盤，看看它進入哪個階段了，有哪些還在緊跟和引領的選手，甚至有可能大膽的猜一猜這場競賽最終將以何種形式結束，誰是最終的勝出者。

01

三個階段

首先很有必要給這場競賽一個階段性劃分，方便我們有明確的時間戳來整理競賽過程。如果給這場競賽一個階段性劃分，按照傳統的方法，我們可以找個標誌性的產品來粗略判斷，而當前有個最佳參考標的：OpenAI旗下的ChatGPT。

它既是這場競賽的發起者，也是截止目前最佳的參賽者，更是其他選手的追趕和對齊的目標。我們以OpenAI作為參考和分析對象，觀察其技術和產品動態可以大略把迄今為止的競賽分為三個階段——但考慮未來大模型最重要走入終端應用，也可以把這場競賽分成四個階段。

第一階段：參數比拼，先上牌桌

一個模型是否好用，沒有上億個參數基本上不了檯面。

2023年關於大模型的新聞報道，參數指標以及大規模多任務語言理解基準測試的得分基本模型面世的「見面禮」。 GPU成了大廠拼搶的目標，記得有段時間GPU倒賣比挖礦還要火熱。

這個階段表面是比誰家的模型參數多，誰家的模型評分更高，誰家模型效果好。背後何嘗不是算力的比拼，而算力背後又是GPU的比拼。這一層層的比拼中造就了多少的贏家和輸家。

這個階段的畢業的贏家，基本上會形成自己的模型「調性」和特長方向。

透過OpenAI的GPT模型的迭代梳理，我們發現這是一個需要一步步消除歷史問題，並改進準確度，提高智慧性並逐漸增加更多模型能力的過程。

2019年2月，GPT-2發布，這僅是一款無監督的Transformer語言模型，完整版本的GPT-2僅有15億個參數，隨後的2020年6月份GPT-3發布，參數爆發性上漲到】1750億個，標誌著自然語言處理技術的飛躍，也為之後的大模型設定了入門門檻。

隨後2022年11月，OpenAI發布了基於GPT-3的對話產品ChatGPT，同月發布了GPT-3的改良版GPT-3.5這個改良版本，具備近似自然人的語言產生能力，隨著ChatGPT的發表驚艷全球。

2023年3月，OpenAI發布第四代語言模型GPT-4，其參數有1.8兆個，甚至媒體報告訓練一次的成本在6300萬美元，從這個版本開始ChatGPT具有了圖像作為輸入的處理能力。但用戶對ChatGPT囉嗦，編故事的抱怨不斷升級。

2024年5月，OpenAI發布了GPT-4o，它可以處理和生成文字、圖像和音頻，從這個版本開始語音加入了大模型擂台。 GPT-4o在大規模多任務語言理解基準測試中的得分為88.7%，高於GPT-4的86.5%，用戶對ChatGPT胡說八道編故事的抱怨大大減少了。

2024年7月，OpenAI發布了GPT-4omini，這是GPT-4o的較小版本，使用這個版本可以在犧牲部分模型效果的前提下大大降低應用成本。其API每百萬輸入令牌成本為0.15美元，每百萬輸出Token成本為0.60美元，而GPT-4o的成本分別為5美元和15美元。 OpenAI已經在考慮讓大模型成為企業和開發者產品功能的基礎組成部分。

2024年9月，OpenAI發布了o1-preview和o1-mini模型，進一步提高模型的準確率。

2024年12月，GPT-o1完整版發布。 o1可以根據不同的prompt有不同的相應速度，對於複雜的問題會提供更聰明的回應，我們親測o1的解答明顯更加具備邏輯性，這意味著大模型幻覺問題得到一定程度解決。同時o1處理影像作為輸入時的準確度進一步提升，測試一章模糊的長條圖圖片，o1不僅可以辨識數字，還會自行產生對長條圖的分析。

OpenAI走過的這個階段，幾乎也成了其他廠商模型改進的重要參考，OpenAI的改進方向也成了其他廠商努力的目標。

傳統的網路大廠，Meta、微軟、Google和亞馬遜對於AI模型的研究並不晚於OpenAI，只是後者最快有了突破。

Meta不僅推出了自家的大模型，也開源了。 12月9日Meta發布了Llama最新成員：Llama3.370B，該車型能夠以更低的成本擁有Llama3.1405B的性能。該模型優化了多語言支持，上下文長度拓展到了128k。

除了開源模型，Meta也推出了廣告推薦設計的廣告檢索引擎Andromeda。 Andromeda透過利用最先進的深度神經網絡，結合ML、系統和硬體的協同，有效提升了廣告檢索階段的效率，為Meta廣告系統提供更個人化的廣告投放，提升了廣告花費回報率。

Google一直在深度學習和人工智慧方面學術研究領先，但在大語言模型方面似乎有些亂了陣腳，初代Gemini為Google帶來的是更多的質疑聲。 12月12日Google發表Gemini2.0Flash，這是Google首款實現原生多模態輸入輸出的模型，不僅在模型精準度方面相比1.5pro完成大跨度提升，還可直接生成圖片。

微軟和亞馬遜自研的大模型進度落後，但透過曲線救國完成了大模型佈局。微軟是OpenAI的最大金主，獲得了OpenAI的大模型獨家授權，同時微軟Azure雲端也是OpenAI的服務提供者，微軟旗下的Microsoft365商業軟體、Copilot AI都已經上線了基於GPT模型的AI產品，2024年Q3的財報前瞻中微軟預期Azure雲端營收245~250億美元，年增35%~36%，AI的應用對營收的貢獻約為13個百分點。

亞馬遜則是透過多次投資Anthropic進入大模型賽場，截止目前，亞馬遜的投資金額已經達到了80億美元。

Anthropic旗下的Claude之於Amazon，就像ChatGPT至於微軟，Anthropic成為了亞馬遜在這場競賽中對抗OpenAI和微軟的重要棋子。亞馬遜是一加註重InfoInfra的巨頭，即使在推動大模型業務方面，亞馬遜也是全鏈條推進。 12月3日「re:Invent」大會上，亞馬遜發表了6款大型模型，並計畫在2025年再發表2款大模型，也推出了AI訓練晶片Trainum3以及AI伺服器Trn2UltraServer。幾乎是一次完成了從模型訓練到應用的佈局。

儘管發佈時間明顯落後，但亞馬遜對於大模型的應用反而是很徹底的。三季財報顯示，面向購物者亞馬遜推出了生成式人工智慧專家購物助理Rufus以及面向B端商家推出了人工智慧助理ProjectAmelia。

Anthropic旗下的Claude，在2024年第二季迭代以後，在變成和對話方面的能力可以與GPT-4比肩。 2022年8月創立的基於大模型的搜尋產品PreplexityAI，推翻了傳統搜尋引擎超連結的展示方式，直接將關鍵字的搜尋結果透過AI總結摘要展示給用戶，免去了挨個點擊連結並自行判斷的過程。 PreplexityAI甚至在第四季度已經開始嘗試AI結果頁的廣告變現。

馬斯克旗下的xAI推出開源大模型產品Grok以及影像生成模型Aurora…

在2023-2024年這2年內不只國外大模型突飛猛進，國內也是百模大戰好不熱鬧，一時間幾乎所有的網路公司都在研發大模型。

有專注大模型的垂直創業公司六小龍，智譜AI、MiniMax、月之暗面、百川智能、零一萬物和階躍星辰。以及老牌BAT出品的，阿里的通義千問、百度的文心一言、騰訊的混元模型。

由於具備豐富的業務和數據積累，BAT的大模型產品一開始就姥姥抓住了用戶，特別百度不僅模型推出的早，還創造性的提出了“模型即服務”MAAS概念，一時間幾乎定義了國內的大模型研發的典範。

網路新貴字節和快手分別推出了豆包和可靈大模型。豆包更是後來居上，據晚點披露，字節豆包App今年9月的日活已達760萬，MAU超過4000萬，成為眾多大模型C端產品中獨一檔的存在。

有別於通用性大模型，有些網路公司根據自己業務特性所開發的針對性較強的大模型，如B站index大模型、網易的子曰、360的奇元。大廠中尚無明確大模型產品和策略的只剩下美團和拼多多。

對自家模型功能的描述猶如另一套網路黑話，其用詞堪比房地產公司的宣傳語，總結起來就是強大，強大還是強大。

王小川曾斷言，未來國內大模型市場第一梯隊或僅有五家存活，大廠佔據主導地位，小型新創公司能存活的寥寥無幾。今天來看，這一結論似乎正一步步驗證，缺乏有效的商業變現機制以及對模型訓練持續投入的熱情正在下降，六家公司真正直接依靠大模型能力打正成本的幾乎沒有。

整體來看，經過2年的醞釀和淘汰賽，仍然穩定在牌桌上的廠商都有過硬的技術和產品了。各家面對的最大問題策略層面是變現，技術層面是向拓展模型邊界，發展多模態。樂觀的是，這個階段我們也看到了一個正面的訊號，即大模型不再是贏家通吃的市場了，沒有一家有能力壟斷技術和市場。

第二階段：多模態拓展與變現並行

除了大語言模型（LLM）外，文生圖、文生視頻，語音對話，甚至3D生成極大的拓展了大模型的應用邊界。

多模態之爭中，最有應用前景的當屬視頻生成，OpenAI推出了視頻生成模型Sora、圖片生成模型DALL-E、Meta發布文生視頻工具MovieGen、Google的Gemni2.0可以直接從文字生成視頻。

國內方面快手正式推出了視頻生成模型可靈AI，字節推出了視頻生成模型PixelDance和Seaweed，以及基於模型的視頻生成平台即夢AI，六小龍中MiniMax發布了其首款AI高清視頻生成模型技術abab-video-1。

百度在這場多模態競賽中表現的格外另類，曾有消息傳出李彥宏並不認可像OpenAI一樣去做視頻生成模型Sora，另一方面又強調百度需要發展多模態，但百度在這方面的動作緩慢。

與多模態發展並行的是盡快將大模型能力變現。面向C端用戶國內外主流的變現方式採用類似影片網站的「每日限次使用+會員訂閱」模式，20美金/月成了大部分大模型的入門價位。

仍以OpenAI為例，推出了團隊版Team、每月20美金的Plus版本以及每月200美金的Pro版本。國內Kimi創意的採用「打賞」模式，「打賞」金額不同可獲得不同時長的高峰優先使用權。

B端的變現模式則增加多樣化，也代表大模型真正發揮實力方向。 Meta、Google將大模型能力應用在線上廣告業務中，透過驅動廣告業務成長來拉動營收。國內除騰訊並未透露大模型的營收提效外，阿里和百度的雲端業務都已經應用AI大模型，並產生部分受益。

2024年10月31日Google發布三季財報，其中Google雲端營收從去年同期的84.11億美元成長至113.53億美元，年成長近35%，Google將其強勁的雲端業務表現歸因於旗下的AI產品如企業客戶的訂閱服務成長驅動營收提速。

另一巨頭Meta在同期三季財報中透露，核心廣告業務的得益於大模型改進打來營收成長，已有超過100萬廣告主使用Meta的生成式AI廣告工具。

大模型新創公司的營收則更為直接的展現了其營收能力。從OpenAI和Perplexity AI的營收來看還遠遠不夠驚艷，但龐大的用戶量還是給投資人變現的耐心。

OpenAI目前週活2.5億，C端付費用戶貢獻約75%的營收，2024年公司總收入約34億美元，但在刨除營運、人工和管理成本之後虧損50億美元。 6月其首位CFO到位，其透露OpenAI將努力增加消費端訂閱人數，努目標是將週活的5%-6%轉化為付費用戶。

AI搜尋公司Perplexity近期在尋求新一輪融資，根據The Information報告在融資資料中披露，預計其年化收入將在2025年達到1.27億美元，較目前水準翻倍。

國內方面，百度在第三季財報中透露文心大模型日均調用量達15億次，比2023年第四季度的5000萬次，增長了30倍，相比去年Q4披露的5000萬次，一年內成長30倍，百度智慧雲端營收達49億元，年增11%，AI相關營收佔比持續提升至超11%。阿里雲季度營收成長至265.49億元人民幣，較去年同期成長6%。其中，AI相關產品收入達到三位數成長。

兩年的時間，對於一個技術應用來說還不夠長，最重要的是模型還需要打磨並滲透到現有的業務中，推向用戶。這需要一定的短期的技巧和長期的耐心。

第三階段：推薦到應用層的變革

但如果說大模型的牌桌最終可能屬於實力巨頭，那麼在經過3-5年的技術發展之後，各家​​始終要面對的就是讓更多的下游企業運營大模型，實現成本回收，更重要的是真正讓大模型經受最終端使用者的檢驗。

已經有多個模型的實際應用方向吸引眾多公司嘗試，如AI Coding，專注於模型的邏輯思維和編碼能力，大大降低網路產品開發門檻。

AI Agent，突破Chatbot框架，更廣泛的發揮大模型的能力走入實際應用中，Google的Project Mariner是一個AI代理，能夠幫助用戶查找航班和酒店、購買家庭用品和尋找食譜。

AI代理概念被業界普遍看好，但具體定義尚未達成統一共識，一個普遍的觀點是，AI代理除了能回答問題，還需要能跨越多個系統執行複雜任務。 AI機器人，透過人機對話介面來輔助失能人群和替代勞動密集型崗位。

其中尤其以AI Agent最受關注，甚至微軟和Google也已經在進行相關部署。畢竟有了代理，能極大的將使用者從PromptEnginering中解放出來，讓模型能力的發揮不再受限於輸入方式的限制。

就像一場奧林匹克運動會，有些賽場會吸引大多數人的目光，有些賽場小眾人群關注，但不管哪個賽場都可以決出實實在在的金牌。

大模型賽場在巨頭你來我往的爭奪之外，還有一個「應用賽場」也格外值得關注。

AI教育，以Duolingo、Speak等明星企業為藍本，AI語音+大模型完美取代了「外教」這個角色，為用戶提供了完美的口語訓練和單字記憶功能。

AI陪伴成為了收入和用戶體量上受益最大的賽道。儘管上不了大檯面，但這個賽道內的公司紛紛賺得盆滿缽滿，AI Dating（Rizz、Blush）、Talkie、Character AI名利雙收。

AI行銷：光是LLM就足以在投放素材上大大解放行銷人員，Meta早就在其行銷神態產品中應用了AI創意生成，Pinterest也上線了自己的大模型產品PinterseCanvas幫助廣告主進行創意和素材生成。

除了產生素材，大模型還可以幫助廣告主從縝密的行銷活動設定中解放出來，Applovin和Meta的投放流程自動化產品已經做到了廣告主只需要設定推廣產品和預算、投放地區和人群等基本行銷條件，大模型自動產生行銷活動、廣告投放以及最終的投放數據分析，甚至連具有一定門檻的AB測試都可以用模型實現，大大解放了廣告主的人力配置。

最有「錢景」的方向——SAAS。如果要選擇一個第二賽場的最大受益者，那中小新創公司必然在列。 Reddit論壇和HackerNews上，不斷有個人開發者個小團隊利用大模型技術，這類應用簡單小巧應用覆蓋的範圍窄，一般都是基於成熟大模型，解決特定的效率問題，如廣告文案修改和腳本潤飾、故事思維拓展等。

未來還可能有第四階段，大模型的應用已經推進到終端，在各種應用層面掀起一場自上而下的效率改革，這恐怕不是三五年的時間可以實現的了。

02

起飛的枷鎖：算力與成本

我們劃分大模型的發展階段，卻始終沒提到伴隨這股風潮而再次火起來的算力問題。

2023年，OpenAI奧特曼指出，全球AI運算量每隔18個月就會提升一倍，英偉達黃仁勳在2024年宣布，摩爾定律已經失效，GPU效能每兩年將增加一倍以上。

除了算力還有模型訓練成本問題。

大模型訓練的成本有多高？根據報告2024年，Anthropic的模型訓練和擴展成本超過27億美元，儘管大模型相關的融資屢見不鮮，融資金額也屢創新高，但隨著可預見的未來越來越清晰，以及各大模型廠商幾乎同步的遇到算力和應用問題，不少企業無法再無門檻的拿到融資，由此出現了資金吃緊和營運困難的情況。

文生圖模型StableDiffusion的面世讓StabilityAI廣為認知，但在2024年也出現財務困境，公司幾乎難以為繼。

03

國內大模型隱憂

隱憂之一，漫長的投入期，要還是不要？

國內的大模型賽場用幾個字形容最為合適，起步晚，趕得緊，走得急，落的快。

時至今日，可以說大模型競賽進入了第三階段，多模態能力的比拼正在慢慢進入尾聲，可以說在這個階段國內廠商並不落後。

但我們同時又可以看到，國外即使是基礎的大模型仍然在迭代中，參數增強、算力優化等等。甚至Google在經歷了Gemini被各種諷刺後，仍然推出了Gemni2.0，實現原生多模態輸入輸出，讓一眾使用者讚歎不已。

根據我們多次對比使用來看Gemini2.0比1.5完成了質的飛躍，甚至在某些應用中比ChatGPT-o1更令人滿意，真正讓人體驗到了“推理模型”的魅力，在給出應答結果的時候也會同時給出next level的參考。

回到國內無論是六小龍還是新舊BAT似乎同步遇到了瓶頸－預訓練還要不要做，推理模型還要投入多久？這漫長看不到頭的投入期，讓前幾年紛紛降本增效的各大公司猶豫不決。

國內的商業環境以及上市公司的股東們是否會允許大模型近乎看不到回報的投入？

早在2023年下半年以及2024年上半年的多次財報電話會議中Meta、微軟、Google等公司的分析師就多次詢問大模型投入回報率，以及投入是否足夠的時候，各個公司的管理層頂住了投資者的壓力沒有在預算上砍價。

但國內呢，能夠頂住投資人投下來的壓力嗎？要知道國內至今沒有一家巨頭在財報中明確給出大模型帶來的利益。

隱憂之二，成本回收。

國內市場來講，大模型訓練和應用缺乏有效的應用場景來回收投入成本，儘管這點在國外也並不鮮見，但國內成本回收問題尤其令人憂心。近期百川智慧首席行銷長洪濤離職可能就是這一隱憂的間接體現。

以網路產業為例，國內缺乏一個成熟的網路廣告產業應用場景。

Meta和Applovin已經證明了大模型在廣告行銷方面的巨大潛力，並且已經在逐漸從底層再次為這個成熟巨大的市場添一把火。國內首先缺乏一個有一定覆蓋度的廣告平台，幾乎都是既當運動員又當裁判，行銷效果透明性較差。

其次，大模型成效明顯的SAAS產業，在國內的發展也乏善可陳。

國外像Salesforce、Snowflake以及剛上市的ServiceTitan這樣提供互聯網雲端運算、雲端儲存和資訊數據服務的saas廠商，這類toB的公司可以融合和触達更多的中小企業的雲端服務和運算需求，給大模型應用提供廣闊的平台。

國內大模型廠商商業化有幾個方向：

其一會員訂閱，即每日免費次數使用完後，結果更多次數需按月付費。

其二，大模型訓練，按token收費。其他企業則使用大模型廠商的模型介面來完成自身功能改善，並根據對話量向模型廠商付費。例如，在社群產品中上線對話機器人，如微博的評論羅伯特，或是供自家用戶文生圖或文生影片等UGC場景。這些幾乎都依賴介面呼叫量，這是各大模型廠商競爭最激烈的戰場。

價格戰嘛，不陌生，這恐怕是國內商戰最簡單有效的套路了，放到大模型應用這也同樣好使。但問題是在價格戰背後，模型的效果的提升還能有保證嗎？甚至於我們認為，位元組在大模型戰場起步晚、追趕快，就是趕上了國內大模型價格刺刀戰中，各家都暫時把模型質量放到一邊這個時間窗口。

根據歷史上各類「風口之戰」的經驗，沒有有效的商業模式來收回模型成本，企業不會持續投入，甚至理想情況看，國內的大模型之戰的結果可能變成另一個「中國Android機”市場的現況。

04

基本結論

以上，總結下當前AI大模型的幾個基本事實：

1.大模型技術發展至今2年的時間，其應用方向已遍佈網路的核心產業中，其中網路廣告、線上教育、受益最大；

2.傳統實業也正以​​終端接觸模型的方式這項技術革新帶來的提效；

3.模型進一步發展的瓶頸在於突破算力的束縛，但目前算力幾乎集中在英偉達一家公司，這是不正常現象；

4.AI訓練晶片可能是繞過算力瓶頸的另一種更直接高效的方式；

5.由於大模型越來越集中到巨頭手中，且缺乏有效的第三方業務平台，國內的應用不會像美國那麼普遍，有可能傳統實業的應用成效比互聯網更大；

6.國內大模型應用最終進展，取決於投資人是否有耐心容忍企業的長期持續投入。

大模型競賽進展到今天，已經不是一場演算法比拼，肯定會掀起一場新的產業變革，這種變革和前段時間的元宇宙以及WEB3不同，是一場實實在在的從上到下又發起，又從底層到上層應用的競賽。

比人才、拼技術、比算力的競賽，其發展目標更接近奧林匹克的“更快、更高、更強”，但其中唯一不合理的地方就是這場競賽的速度瓶頸——算力至今仍然只掌握在英偉達一家公司手中。這種現狀肯定不會為科技巨頭所容忍，AI訓練晶片已經被亞馬遜和英特爾提到日程上來了，從晶片層級來打破英偉達的壟斷。

所幸大模型競賽已經不再是贏家通吃的局面了，甚至擁有某些局部優勢的中小新創公司也有可能在其中分一杯羹。人們短期內高估了大模型的影響而長期又低估了其影響，這是一場來勢洶洶又細水長流的競賽。