大厂也养不起大模型了
近日，摩根士丹利发布报告称，中国AI正在面临更大的变现问题，文中直接指出AI应用先行者业绩不及预期，金山办公和万兴科技在推出AI产品后收入增长令人失望。随后，多家媒体传言，由于资金投入巨大，以及商业化不及预期，百度可能放弃通用大模型研发。此消息一出，引发市场剧烈波动，百度文心一言市场部负责人迅速出面否认。该负责人称“文心一言刚完成了功能全面升级，我们将持续加大在通用大模型领域的研发投入。6月末，高盛的一篇名为《投资太多，收益太少》，将AI泡沫论推到台前。文章直言，大公司计划在未来几年投入1万亿美元在AI相关的东西上，比如数据中心、芯片和电网。但到现在为止，这些钱除了让开发人员的工作效率提高了一点，没看到其他明显的成果。
红杉资本的结论似乎更为直接，在其分析师大卫卡恩的报告中认为 AI 产业泡沫正在加剧，年产值超过 6000 亿美元，才够支付数据中心、加速GPU卡等AI基础设施费用。而之前的分析中，大卫假设即每年，谷歌、微软、苹果和Meta能从新产生的AI相关收入中获利100亿美元。同时，甲骨文、字节跳动、阿里、腾讯、X和特斯拉每家能产生50亿美元的全新AI收入。即便如此，关于AI盈利的需要的缺口，仍然在不断扩大。
而回归到国内，在经历了年初的大降价之后，大厂对于大模型的态度，似乎也开始变得暧昧，诸多大厂在财报电话会中，声称会对人工智能加大投资力度，但实际来看，投入却开始变得谨慎。最明显的征兆就是，大厂的负责人开始弱化基础大模型迭代，强调应用的落地。“没有应用，开源闭源模型都一文不值。”其实，反应到当下，应用落地较为成熟如文生图，文生视频等，成了整齐划一的方向。
由于客观条件的限制，最简单的货币化手段，如OpenAI对GPT收费每月20-25美元的方式，在国内几乎无法复制，基于API调度的商业模式也被内卷到利润空间稀薄，而各大厂期待的AI应用，落地时间以及效率也远不及预期。面对未来越来越大的投入，以及遥遥无期的回报，大厂的焦虑似乎不断上升。
OpenAI全新的O1模型，采用的Self-play RL（自博弈强化学习），与之前传统以scaling law为主的训练方式又有全新的变化。而对于国产大模型，GPT4还未完全赶超，新的范式又出现。
前后夹击之下，形成了流言的土壤，也意味着国产大模型到了关键的时刻，到底是孤注一掷的投入，还是观望等待技术陡峭走平后，发挥后发优势，似乎决定着未来竞争格局的走势，大厂依然能够依托大模型，赋能场景，将自家的门看好，但如若想要更进一步，一连串的问题，都急需一个明确的答案。
在最近的季度财报电话会议上，谷歌、微软和Meta都强调了在AI上的巨大投资。Meta将今年的支出预测提高了至多100亿美元，谷歌计划每季度资本支出约120亿美元。微软最近一个季度花费了140亿美元，预计这一支出将“显著”增加。以数据中心为例，根据美国市场研究机构Synergy研究集团预计，未来每年将有120-130个超大规模数据中心上线。而每座数据中心的造价都以亿美元为单位。
据彭博报道，OpenAI正以1500亿美元估值，洽谈65亿美元融资，并计划通过循环信贷筹措50亿美元债务融资。
本轮融资将由 Thrive Capital领投，OpenAI最大的投资者微软将参与其中，苹果、英伟达等巨头也一直在就投资进行谈判。
而AI以及大模型赛道的昂贵，不仅在于越来越快的烧钱速度，还在于，短期难以回本的现实。据报道显示，2024年年初，OpenAI的年收入已超过34亿美元，但因为AI太烧钱，加上日益激烈的对手竞争，OpenAI仍在亏损，据行业内估计到2024年底，OpenAI的亏损将接近50亿美元。
天量的资金需求，靠融资过活的现实，几乎决定了AI赛道对于商业化的渴求：一个残酷的现实是，如果融不到钱，被大厂收购已然是正在发生的事实。8月3日，Google官宣“收购”Character AI并收编团队，而Adept和Inflection AI在不久前分别卖身亚马逊和微软。
与海外的情形类似，国产AI也在压力中艰难前行，从最新的消息来看，百川与月之暗面分别完成了数十亿人民币的融资，估值也来到了200亿以上的区间，但从实际盈利来看，这些明星独角兽似乎依旧乏善可陈。价格战之后，拥有智能云业务以及场景优势的大厂，分别以此为基线开始了全新的探索，以阿里为例，据业内人士表示，阿里云在芯片禁令收紧以前进口了大批英伟达大卡（H系列、A系列），总数超过了10万张（包括其海外分支机构的卡）。其中只有一部分是用于内部训练，大部分则以出租的形式提供给外部平台。有投资人直接表示“很多云厂商的大模型业务都是搭着免费送的。”似乎也显示出了，当下赛道内的实际情形。对于AI影响最为深远的赛道，主营业务为搜索的百度，显然面对的压力更大。从财报来看，第二季度百度最大的收入来源线上广告业务收入为192亿元，同比下滑2%。而另一个业务重心，百度云当季收入为51亿元，其中，9%的收入来自外部客户对大模型和生成式AI相关服务的需求。显然AI对于业务的赋能，似乎助推力度并不能令人满意。
AI Agent不能落地，因为大模型天然有幻觉，单步的错误率可能在10%-20%，5步推理以后可能错误率就50%以上了，就完全没法用。那你高50%同样也没用，错误率百分之二三十还是没法落地，不改变本质问题。在摩根士丹利的名为《中国AI面临更大的变现问题》中，大摩表示，在宏观环境的背景之下，企业和消费者难以接受AI功能带来的价格上涨。同时，免费AI服务的竞争加剧了盈利压力。与此同时，AI产品与客户期望存在差距。缺乏高质量的领域数据训练、特定场景下表现不佳、产品尚未成熟等因素制约了AI应用的价值实现。不仅国内，在海外，行业领先指标不佳，AI远未实现货币化。美国软件公司今年以来业绩令人失望，AI相关收入贡献有限。AlphaWise调查显示CIO(首席信息官)对AI应用投产时间表，每次调查预期都在延后。
从业内人士的反馈来看，此次Open AI o1的出现，则可能代表了硅谷在AGI范式正在发生转移，纯靠语言模型预训练的Scaling Law这个经典物理规律在遭遇到算力与参数无法大幅提升等瓶颈后，多家硅谷明星公司已经把它们的资源重心押宝在一条新路径上：self-play RL（自博弈强化学习）。而Open AI o1似乎就是这样一款产品。从终局思维来看，国产AI在未来将不得不再次面临技术方向的选择，而更大规模地投入似乎也势在必行。烧钱打仗虽然不会发生在当下，但在未来却是成功的关键。
从这个角度来看，无法造血的公司，淘汰的几率显然会更大，国产大厂可以通过现金奶牛业务继续维持跟随战略，但成本的逐渐增加，以及方向不明的变现路径，都可能成为阻碍发展的绊脚石。
页:
[1]