国产大模型同质化严重 已经卷不动能力了

寂静回声

中国正站在AI发展的关键十字路口，从早期的算力竞争到当前AI应用的用户场景与服务之争，中国AI似乎经历了快速的发展阶段。然而，随着AI技术的不断升级，我们听到的更多的，是类似于文心一言1.0、文心一言2.0等版本似乎升级但功能并未见多大改变的“新”应用，中国AI应用好像走进了死胡同。
科大讯飞一不小心把大实话讲出去了：他们不需要为大模型的算力再做很大的投入了。换句话说，很多指望算力继续加大投入的，被科大讯飞直接戳穿了泡沫。
AI发展初期，算力是关键因素。各大企业纷纷投入巨资，在算力上占据先机。不论是国外火爆的ChatGPT，还是国内大模型文心一言、Kimi等等，都彰显了各大品牌对于算力的投入。然而，随着技术的成熟，各大模型在算力方面的优势已相对持平，各大模型目前基本都以“对话”“解决用户问题”等为基本功能，算力竞赛的局限性开始显现。
AI应用开始深入各行各业，场景应用不断拓宽。ChatGpt“横空出世”，大模型的风从国外吹到国内，只要输入“指令”，用户就能够获得想要的答案；百度文心一言、阿里通义千问、秘塔AI搜索等等，为用户的办公提供无限便利。可以说，用户的需求在哪，应用的产生就在哪。
然而，随着应用场景的不断拓展，问题也逐渐暴露。如：场景布局重复化、用户需求多样化等。随着应用规模的增大，场景服务的重复率也随之上升。大模型发展这么久，中国至今仍旧没有出现“杀手级应用”或者“现象级应用”，谁能厮杀出来是个未知数。
部分AI企业在技术探索上缺乏独特性和创新性，导致市场上出现大量功能相似、应用场景重叠的产品。
“工具型AI应用主要包括聊天机器人、AI搜索、文本工具、AI作画以及代码工具等，主要集中在C端。”这些应用虽然功能多样，但在底层技术上往往依赖于相似的大模型，导致产品之间差异性不大。许多深度学习模型都采用了类似的架构，如编码器-解码器架构、Transformer架构等。
AI办公软件也存在技术重叠。例如钉钉AI助理、飞书智能伙伴、腾讯会议AI小助手等，它们提供了内容生成、智能助手服务、工作流程优化等功能。尽管各自有独特之处，但核心功能—如会议纪要生成、任务自动化处理等—在市场上存在重叠。
此外，多个AI PPT模型虽然能够通过分析用户输入的文字内容、语义和上下文，智能匹配与之相匹配的设计元素和模板风格，例如：Mindshow AIPPT、百度AI原生应用商店中的PPT生成工具等，都能够根据用户输入的内容自动推荐个性化的PPT模板，大大提高了PPT制作的效率和质量。但是这些模板不可避免地会导致成品风格统一、没有新意。
虽然AI技术为产品带来了新的外在包装，但很多时候产品的内在本质并没有得到相应的升级。AI更多地被用作营销的噱头，而非真正推动产品功能和性能的革新。
许多智能音箱产品，如天猫精灵、小米AI音箱等，虽然在外观设计和语音交互上有所创新，但核心功能——如音乐播放、信息查询等，与其他非AI音箱相比并没有根本性的变化。AI技术在这些产品上的应用往往停留在自动化层面，缺乏更深层次的智能化。
以小米AI音箱为例，产品看似主打的是“智能”，但显然事实并非如此，语音识别准确性不高、对用户语义理解失误等，在复杂的现实场景中，智能音箱的交互体验仍然没能超越原有的交互逻辑。本质上仍然停留在一个“自动化阶段”，但却打着智能的标签来让消费者买单。
此外，一些AI写作助手，如WPS AI智能办公助手，虽然能够自动生成文档和提供编辑建议，但这些功能往往只是对传统写作工具的补充，并没有改变写作的本质过程。AI技术在这些应用中更多地被用作提高效率的工具，而非推动写作创新的核心动力。
这类应用在初登市场时，确实带来了一定的轰动，也为用户解决了很多问题、提高了工作效率，甚至用户在AI应用的辅助作用下能够进一步优化工作内容，但是AI应用的功能如果仍然单一，注定难以长久存活于市场。
用户对AI应用的需求日益多样化和个性化，平台都各显神通，力求抓住消费者的痛点，而且也的确生产出了许多有代表性的AI应用，例如kimi、豆包等，但随着越来越多场景的构建，企业逐渐显得力不从心，无法提供定制化和高质量的服务。
一是场景构建无法跳脱创新，例如：AI图像生成工具能够根据用户输入的口令生成具体的图像，能够帮助用户达到事半功倍的效果——如百度的文心一格，可以根据用户的文字描述生成图像。但这种服务在艺术创作和设计领域的应用仍然有限，未能完全跳脱传统的图像创作方法，而且当用户输入口令相似甚至相同时，生成的图像也近乎一样，容易有抄袭的风险。用户体验仍然需要升级。
二是画面大多粗制滥造，无论是游戏画面中运用AI技术捏脸、搭建3D场景——如目前非常受欢迎的游戏《黑神话：悟空》，还是购物平台搭建虚拟购物空间，虽然在刚刚出现在市场上时能够吸引用户关注，但随着时间的推移，画面的精美度与流畅度并没有得到太大提升。
在全球人工智能的浪潮中，中国正积极推动AI应用的发展，以期与国际先进水平接轨。然而，在这一进程中，中国AI应用仍面临着挑战和差距。
GPT系列模型与国内大模型差距显著。国外虽然大模型企业寥寥数几，但却都是产业链完备的大公司，像谷歌、Open AI、马斯克的X 、亚马逊和Mate。
以OpenAI的GPT系列模型为例，国外在自然语言处理领域的突破引领了全球AI技术的发展潮流。GPT-4等模型在文本生成、问答系统、代码生成等方面展现出极高的技术成熟度，并在多个领域实现了广泛应用。国内虽然在大模型领域取得了显著进展，如百度文心一言、华为盘古等，但与国际领先水平仍有一定差距，这些大模型都并没有ChatGpt问世所带来的国际热度高。
数据资源暂时追赶不上。西方国家拥有海量数据资源。如OpenAI、谷歌和Facebook等科技巨头能够获取和处理全球范围内的海量数据。以OpenAI为例，该公司对数据采取了严格的筛选和清洗机制，确保数据的高质量和高可靠性。中国在数据质量方面虽然也在不断改进，但与西方国家相比仍有差距。
例如，在中文语料库的建设中，尽管百度和阿里巴巴等公司投入了大量资源，但在实际操作中，由于人工成本和技术水平的限制，数据标注的质量可能参差不齐，从而影响了AI模型的训练效果。
全球AI竞赛已经成为中西方国家科技竞争的核心领域之一。要追上ChatGPT-4的水平，国内的大模型在技术研发、数据资源、计算能力、人才储备、应用场景和政策支持等方面都需要进行全面提升和突破。这不仅是一个技术问题，更是一个系统工程，涉及多方面的综合考量和协同推进。