大模型路徑之爭：理想與現(xiàn)實

　　英偉達創(chuàng)始人黃仁勛，為正在舉辦的GTC大會甩出了“王炸”——新一代芯片，Blackwell GPU，包含2080億個晶體管，支持多達10萬億個參數(shù)的AI模型。

　　在一連串讓人看得目眩神迷的產(chǎn)品中，我們簡單地總結(jié)：這一次，英偉達做了什么?

　　這一次，英偉達做了什么？

　　第一，極大地提升了算力，并降低了能耗和成本。

　　“我們需要另一種方式來進行計算，這樣我們才能夠繼續(xù)擴展，這樣我們才能夠繼續(xù)降低計算成本，這樣我們才能夠繼續(xù)進行越來越多的計算。”

　　“我們需要更大的GPU，如果不能更大，就把更多GPU組合在一起，變成更大的虛擬GPU。”

　　以上，是黃仁勛在現(xiàn)場演講中的話。他再次回憶起，2016年贈送給OpenAI的DGX-1，那也是史上第一次8塊GPU連在一起組成一臺超級計算機。

　　當時，DGX1 算力僅0.17 Peataflop(1 Petaflop等于每秒鐘進行1千萬億次的數(shù)學運算)，而今天英偉達推出的 DGX Grace-Blackwell GB200 已經(jīng)超過1 Exaflop(百億億次)的算力。

　　8年時間，AI算力增長1000倍。

　　相比上一代H100 Tensor核心的GPU，最新的Blackwell GB200 GPU可以為大語言模型(LLM)推理負載提供30倍的性能提升，而成本和能耗則降低25倍。

　　第二，算力的提升，意味著萬億級參數(shù)模型變得更為現(xiàn)實。

　　在技術(shù)支持下，一個GB200 NVL72最高支持27萬億參數(shù)的模型。而據(jù)泄露數(shù)據(jù)，GPT-4也不過只有1.7萬億參數(shù)。

　　萬億參數(shù)模型有許多優(yōu)勢，比如進行自然語言處理任務，如翻譯、問答、抽象和流暢性;掌握更長期的背景和對話能力;結(jié)合語言、視覺和語音的多模態(tài)應用;進行創(chuàng)意應用程序，例如講故事、詩歌生成和代碼生成;進行科學應用，例如蛋白質(zhì)折疊預測和藥物發(fā)現(xiàn);實現(xiàn)個性化，能夠形成一致的個性并記住用戶上下文。

　　第三，英偉達向軟硬一體化的平臺發(fā)展更進一步。

　　英偉達推出了全新的AI推理服務器NIM(NVIDIA INFERENCE MICROSERVICE)，讓所有人都可以通過這一形式自定義AI模型和應用。

　　以英偉達NIM和CUDA作為中間樞紐，連接了百萬開發(fā)者與上億GPU芯片。“成熟的企業(yè)平臺坐擁一座數(shù)據(jù)金礦，這些數(shù)據(jù)可以轉(zhuǎn)化為生成性AI副駕駛。”黃仁勛表示，“這些容器化的AI微服務是我們與合作伙伴生態(tài)系統(tǒng)共同創(chuàng)造的，它們是各行各業(yè)企業(yè)成為AI公司的構(gòu)建模塊。”

　　在醫(yī)療場景上，英偉達此次推出了基于醫(yī)療場景的25個新的微服務， 幫助全球的醫(yī)療保健公司可以基于生成式 AI進行效率提升。英偉達舉了一個例子，與在CPU上運行相比，英偉達的微服務能夠?qū)⒒�因組分析工作流程中的變異調(diào)用速度提高了50倍以上。目前，全球有接近50家應用程序提供商正在使用英偉達的醫(yī)療微服務。對于醫(yī)療行業(yè)公司來說，他們可以基于這些微服務，篩選數(shù)萬億種藥物化合物，收集更多的患者數(shù)據(jù)以幫助早期疾病檢測，或者實施更智能的數(shù)字助理等等。

　　接下來，中國大模型路往何方？

　　過去一年，英偉達的股價從200多美元，上漲至現(xiàn)在的近900美元，市值超過2.2萬億美元。這一家公司的產(chǎn)品迭代速度，對人工智能的發(fā)展產(chǎn)生了歷史級的影響。影響力也轉(zhuǎn)化為資本市場的認可和回報。

　　毫無疑問，這是一個贏家通吃的行業(yè)。根據(jù)富國銀行統(tǒng)計，英偉達目前在數(shù)據(jù)中心AI市場擁有98%的市場份額，而AMD僅有1.2%的市場份額，英特爾則只有不到1%。

　　英偉達的鮮花著錦，烈火烹油，也讓我們更為深入地思考中國大模型的現(xiàn)狀和未來。2023年上半年，因為ChatGPT的橫空出世，中國大廠與創(chuàng)業(yè)公司紛紛投身大模型，一時引發(fā)“百模大戰(zhàn)”。這又過了大半年時間，中國大模型相關(guān)的投資人和從業(yè)者，又有了市場路線與技術(shù)路線之爭：

　　一邊是以月之暗面創(chuàng)始人楊植麟為代表的技術(shù)路線，他們大多技術(shù)出身，思維偏硅谷，對技術(shù)有信仰，信仰AGI(人工通用智能)、信仰scaling law(規(guī)模定律)，更推崇前輩OpenAI的路徑，認為隨著模型能力躍升、模型成本降低，會解鎖豐富的應用。

　　楊植麟在接受采訪的時候說：

　　“AI不是我在接下來一兩年找到什么PMF(Product/Market Fit，產(chǎn)品/市場匹配)，而是接下來十到二十年如何改變世界——這是兩種不同思維。

　　我們是堅定的長期主義者。當你實現(xiàn)AGI或更強智能，今天的一切會被改寫。PMF固然重要，但如果著急找PMF，你很可能又被降維打擊。降維打擊發(fā)生過太多次。以前很多人做客服、對話系統(tǒng)，做slot filling(槽填充)，有些規(guī)模不錯的公司。但是，全是降維打擊了，很難受。

　　它不是說不成立。假設你今天找到一個場景，用現(xiàn)在的技術(shù)能力，且從0到1增量價值巨大，從1到n空間又沒那么大，這種場景OK。Midjourney就是，或者做文案生成，相對簡單一點的任務，從0到1效果又很明顯。這種是只關(guān)注應用的機會。但是，最大機會不在這。你的目的假設是商業(yè)化，你不可能脫離AGI去思考。我現(xiàn)在只做應用，那好，可能過一年你就被碾壓了。”

　　另一邊則是以周鴻祎、朱嘯虎為代表的市場路線，他們更加本土化，信奉尖端的科技必須經(jīng)過開源、共創(chuàng)才能實現(xiàn)最大化的邊際效益，認為需將充足的AI能力投入可以快速變現(xiàn)的商業(yè)場景中進化，同時用國內(nèi)市場特有的海量數(shù)據(jù)和應用場景構(gòu)筑壁壘。

　　金沙江創(chuàng)投董事總經(jīng)理朱嘯虎接受采訪的時候說：

　　“說實話在AIGC這波，中美差距還是非常大。美國是在底層大模型，投入越來越大，像OpenAI說十萬張GPU卡連在一起。在中國是不可能的。

　　美國你看AI的應用創(chuàng)新，說實話只有兩條路，一條要么非常、非常薄，因為底層大模型太強大了，所以上面叫套殼應用。另一層是看上去很偉大，但肯定走不通的，像Pika。這種目標很偉大，AIGC生成視頻、電影。但這條路可能在幾年之內(nèi)都看不到走通的可能性。

　　中國反而相反，中國在“當中”的多一點——底層大模型不夠強大，我在上面加的東西可以比較多。我在上面做增值服務，為客戶馬上能變現(xiàn)。這種在中國有機會。美國這種幾乎沒有，因為底層大模型太強大了，上面創(chuàng)業(yè)公司能做的很少。中國套殼，現(xiàn)在肯定沒人看的。在中國也套不了殼，因為大模型本身功能也就那樣，必須在上面有value add。

　　(中國)整出200多個大模型有啥意義呢?沒啥意義。但在應用層有很多創(chuàng)新。中國在數(shù)據(jù)和應用場景上是遠遠超過美國的。”

　　持有相似觀點的有李彥宏、周鴻祎、王小川等一干正在大模型之路上奮進的大佬們。

　　李彥宏說：“百模大戰(zhàn)是對社會資源很大的浪費。不應該去卷大模型，而應該去卷應用，只有應用才真正直接創(chuàng)造價值。做出上億用戶使用的應用時，大模型的真正價值才得到體現(xiàn)。

　　大模型這么火，它到底能產(chǎn)生多少實際的價值，過去一年我最主要就在思考這個問題，ChatGPT大火的時候，別人問我怎么看，我當時就說，現(xiàn)在這個火還有點早，真正什么時候我們能夠做出上億用戶都在使用的應用的時候，才是它真正的價值得到了體現(xiàn)。”

　　周鴻祎還指出：“選模型已經(jīng)不是問題，而且都免費。去年大家都飆著OpenAI，都想搞通用大模型，想壟斷全世界。但2024年的目標變了，是大模型如何找到自己的應用場景，而最大的應用場景就是跟各行各業(yè)結(jié)合，因為和各行各業(yè)結(jié)合才能帶來工業(yè)革命。”

　　他還說：“面向傳統(tǒng)的ToB、ToG的市場，是大機會。做企業(yè)級大模型，在企業(yè)內(nèi)部做私有化部署，是中國大部分企業(yè)的需要。要選擇跟企業(yè)業(yè)務深度結(jié)合的場景，也就避開了跟通用大模型的直接競爭。2024年是人工大模型的場景之年，如果找不到場景，光是在做大模型，有點像拿著錘子找釘子，如果找不到釘子，這個錘子是沒有用的。”

　　王小川認為，大模型開發(fā)需要強大的算力、財力和智力支持，所以“未來的兩年時間內(nèi)，更多的是加入一家(大模型)公司，能夠獲得平臺級的支持，這樣做超級應用成功的概率要大很多。”

　　他認為，新進入企服行業(yè)的創(chuàng)業(yè)者還有兩個機會：一是借著大玩家轉(zhuǎn)向困難的機會，快速反應推出它們沒做到的新產(chǎn)品形態(tài);二是直接交付最終服務，比如呼叫中心就不要讓人家用你的軟件，而是直接讓話務員下崗。

　　二者對技術(shù)判斷的一個根本分歧是，開源模型會不會有一天，縮小甚至拉平與閉源模型的差距？技術(shù)路線的觀點是，絕對不會，差距只會更大。市場路線的觀點是，一定會，那意味著你今天做閉源只會處境尷尬——世界觀的迥異，讓雙方對自我的判斷都深信不疑。

　　朱嘯虎就直接發(fā)問：“GPT-4你要不要投入做科研?你做GPT-4科研至少砸四五千萬美金。關(guān)鍵是萬一你砸了四五千萬美金做出來，別人開源了呢?你不是全白砸了?這個是很扎心的問題�，F(xiàn)在中國大部分公司，有幾個敢真的砸錢去研發(fā)GPT-4的?”

　　以終為始，我們的判斷是什么？

　　從投資角度來看，預判大模型的終局是什么樣的，才能有助于我們?nèi)ニ伎际忻嫔系哪男┕�司值得看好。從電商平臺大戰(zhàn)一路看過來(有誰還記得想做平臺最后一地雞毛的凡客嗎?)，在科技賽道，絕大多數(shù)時候轟轟烈烈的“百云大戰(zhàn)”“千團大戰(zhàn)”，99%玩家是黯然退出，只剩下贏家通吃。

　　縱觀這些年的贏家通吃賽道，基本可以用兩個詞概括：新平臺、新基建。如何理解呢?通常這類玩家，為一個產(chǎn)業(yè)提供了新的平臺，通過技術(shù)變革的方式建立起產(chǎn)業(yè)新的基礎設施——類似高速公路、水電氣等基建，讓原有的產(chǎn)業(yè)鏈參與者能夠加入到新平臺來，享有技術(shù)變革的紅利。

　　什么是大模型?第一，顧名思義是規(guī)模大，網(wǎng)絡參數(shù)至少要達到百億規(guī)模(現(xiàn)在英偉達甚至解鎖了萬億規(guī)模的算力);第二，通用性，是指不限于專門問題或領(lǐng)域;第三，涌現(xiàn)性，即產(chǎn)生預料之外的新能力。大模型的大規(guī)模和通用性，決定了其將是具備普適性的“新平臺、新基建”，其從一個行業(yè)遷移到另一個行業(yè)的應用場景時，成本低，易遷移。

　　可以斷言，放在大模型這一賽道，依然將是贏家通吃的終局。

　　那么，現(xiàn)在“百模大戰(zhàn)”的玩家里，誰將笑到最后?大體來分，目前大模型的玩家有兩類，一類是大廠拉起的團隊，另一類是創(chuàng)業(yè)公司。這里可以有把握地說，在這個百模大戰(zhàn)中，大廠優(yōu)先。

　　我們可以參考另一個行業(yè)云計算的發(fā)展走向。當年云計算興起的時候，國內(nèi)也出來很多創(chuàng)業(yè)公司玩家，但最終市場份額集中于大公司。根據(jù)IDC發(fā)布的2022年全球云計算IaaS市場追蹤數(shù)據(jù)來看，市場份額TOP10玩家都是中美的大公司，包括美國的亞馬遜、谷歌、微軟、IBM，中國的阿里、華為、騰訊、百度等。

　　后面我們會進一步分析。不過這里先看看制約大模型的三個要素：數(shù)據(jù)、算力和算法。

　　先說數(shù)據(jù)。

　　數(shù)據(jù)是大模型發(fā)展的壓艙石，除了互聯(lián)網(wǎng)、物聯(lián)網(wǎng)數(shù)據(jù)之外，老百姓生活生產(chǎn)中產(chǎn)生的數(shù)據(jù)都是未來大模型要提升智能水平的必要數(shù)據(jù)源。目前，數(shù)據(jù)壁壘是真實存在的問題。高質(zhì)量的中文語料數(shù)據(jù)對于創(chuàng)業(yè)公司來說是個很大的挑戰(zhàn)，數(shù)據(jù)的積累需要時間和經(jīng)驗。對于那些常年累月通過搜索等多個互聯(lián)網(wǎng)、物聯(lián)網(wǎng)應用積累起數(shù)據(jù)的大廠來說，可以說一開始就領(lǐng)先了至少幾個身位。

　　給AI喂下什么質(zhì)量的數(shù)據(jù)，才能訓練和迭代出什么水平的AI。

　　目前國內(nèi)“百模大戰(zhàn)”中諸多大模型開發(fā)者，是基于Meta開源的LLaMA等一系列開源社區(qū)的基礎代碼，來進行二次開發(fā)的。其能力差異主要由語料庫差異和少量微調(diào)等結(jié)合而成。

　　再說算力。

　　通用大模型需要24×7連續(xù)訓練，調(diào)度多個算力中心、協(xié)調(diào)資源，以云的方式提供智能服務，這對算力有很大的需求。隨著參與大模型訓練的企業(yè)越來越多，用來訓練大模型的數(shù)據(jù)量越來越大，對推理的要求也越來越高，大模型的應用會越來越廣。這就意味著，大模型公司必須擁有穩(wěn)定的、靠譜的、能保障安全運轉(zhuǎn)的算力。這顯然利于在云計算深耕布局的大廠。

　　當年云計算創(chuàng)業(yè)公司，面臨大廠的夾擊，窄縫求生，專攻一個垂直行業(yè)的云計算市場——比如游戲行業(yè)。但是，游戲行業(yè)遭遇監(jiān)管重創(chuàng)的時候，云計算需求也大大降低，這導致該云計算創(chuàng)業(yè)公司的業(yè)務不穩(wěn)定，反過來又影響使用該家公司服務的客戶。

　　這也是為什么大模型和云計算同樣是贏家通吃的原因之一——大玩家能夠提供更為穩(wěn)定、可靠的服務，成為客戶的優(yōu)先選擇。

　　最后說算法。

　　大模型最底層的競爭力來自算法。算法需要龐大的高級人才和長期積累。

　　為什么現(xiàn)在看起來有很多的公司做大模型呢?因為現(xiàn)在有開源的大模型和很多公開的論文可供參考，所以起步上會簡單很多。但要做好大模型的門檻還是高的，像現(xiàn)在的GPT-4沒有公開后續(xù)技術(shù)細節(jié)，國內(nèi)很多大模型就很難繼續(xù)發(fā)展。

　　越多的應用場景，能形成越多的反饋，從而對模型進行更好的調(diào)整;而模型也因此產(chǎn)生更多的經(jīng)濟價值，可獲得更多的資金投入，反哺自身。

　　需要指出的是，大模型高昂的訓練成本和研發(fā)投入，讓眾多入局者望而生畏。有企業(yè)家斷言， 每年5000萬到1億美元的花費，只是千億級大模型訓練的入場券。某個創(chuàng)業(yè)者高調(diào)宣布投資5000萬美元入局大模型時，就有分析師發(fā)朋友圈直言說：“5000萬美元夠干什么的?大模型訓練一次就花500萬美元，訓練10次?”四個月之后，該創(chuàng)業(yè)公司被收購，出局。

　　當年共享單車也是百團大戰(zhàn)，打得頭破血流，結(jié)果笑到最后的是美團。無他，資金充足。在以年計、甚至以十年計的競爭中，這種重資本重研發(fā)的賽道，毫無疑問是利于大公司的。

　　這是一場漫長的、看不到終點的長跑，競爭的韌性將左右最后的結(jié)果。

　　以贏家通吃的終局為前提下，我們判斷是，在幾家通用大模型的基礎上，將有多個領(lǐng)域的垂直大模型。龍頭企業(yè)研發(fā)通用+中小企業(yè)研發(fā)應用，這種模式成為破局關(guān)鍵。

　　在B端領(lǐng)域，營銷、客服、數(shù)據(jù)分析、財務、人力等各個業(yè)務領(lǐng)域的企業(yè)，很多都在全速接入大模型。從目前的進步來看，雖然還存在各種工程上的問題，但效果是實實在在的，的確有很大的潛力變革原來的整個產(chǎn)品和業(yè)務體系。

　　大型支付公司Klarna披露，它的AI客服現(xiàn)在已經(jīng)能勝任700名員工的工作。這個AI客服由OpenAI提供支持，處理客戶的各種咨詢，支持多語言，能夠直接處理退款和退貨的請求。Klarna表示，在短短一個月內(nèi)，AI助手就完成了700名全職客服的工作。

　　到目前為止，它已經(jīng)進行了230萬次對話，占公司所有客戶服務對話的三分之二。它的客戶滿意度得分與人工客服「不相上下」。而且，它在解決客戶請求方面更準確、更快速。解決請求的平均時間從11分鐘降至2分鐘。

　　“場景優(yōu)先，數(shù)據(jù)為王”，則將是提供服務的大模型應用公司的核心競爭力。