降價(jià)潮背后：中國產(chǎn)業(yè)大模型落地的卡點(diǎn)到底在哪？

　　“技術(shù)是不會(huì)以任何商業(yè)行為或者人們的意愿所改變它的上限和下限的，它需要的時(shí)間是恒定的。 ”

　　如果說中國大模型市場(chǎng)最核心的話題是什么?降價(jià)則必然是其中之一。

　　從目前的參賽玩家來看，不論是字節(jié)豆包，還是阿里、百度、騰訊、科大訊飛，國內(nèi)的一眾to b大模型廠商都被卷入這股降價(jià)潮中，它們或是全量降價(jià)，或是小參數(shù)模型降價(jià)。

　　“很多云廠其實(shí)本來沒想降，但大家都降了，也沒辦法，只能跟。”一位相關(guān)人士告訴產(chǎn)業(yè)家。

　　具體來看，目前業(yè)內(nèi)降價(jià)的主要版本更多的是基于公有云版本的接口成本降低，以及輕量化模型的調(diào)用成本調(diào)優(yōu)。而從目前大模型的調(diào)用來看，這些也是當(dāng)下開發(fā)者小范圍使用最優(yōu)先使用的版本。根據(jù)不完全統(tǒng)計(jì)，如今有超過40%的企業(yè)都在嘗試使用大模型相關(guān)產(chǎn)品，或是基于辦公，或是基于生產(chǎn)等等。

　　但這種意愿的蓬勃生長和這次降價(jià)潮并不成正相關(guān)。“其實(shí)降價(jià)對(duì)我們影響不大，本來我們的調(diào)用成本就很低，現(xiàn)在重點(diǎn)是能不能內(nèi)部使用起來。”一位金融企業(yè)的CIO告訴我們。

　　這是很多人向產(chǎn)業(yè)家傳遞的信號(hào)。因此，在這背后，對(duì)應(yīng)的一個(gè)核心問題是：降價(jià)，是不是會(huì)推動(dòng)和加速大模型在產(chǎn)業(yè)和行業(yè)側(cè)的落地?或者說，降價(jià)是不是大模型從技術(shù)向工程邁步的核心因素?

　　如果說一年前，市場(chǎng)對(duì)于這個(gè)問題的回答是肯定的，那么如今，這個(gè)問題則更多見仁見智。在產(chǎn)業(yè)家和不同企業(yè)的溝通交流中，得出的一致結(jié)論是，如今企業(yè)更多的卡點(diǎn)并非在大模型本身，而在于企業(yè)自己。

　　這些工程側(cè)的卡點(diǎn)涵蓋向量數(shù)據(jù)庫、數(shù)據(jù)清理/標(biāo)注、知識(shí)庫的梳理建立以及內(nèi)部業(yè)務(wù)邏輯和流程的清理，“我們現(xiàn)在想在copilot基礎(chǔ)上加一層，到Agent的階段，但整體的業(yè)務(wù)流程梳理需要時(shí)間。”上述人士告訴我們。

　　在降價(jià)潮把大模型拉回C位的如今，我們更應(yīng)該審視的是在大模型進(jìn)入中國一年后的當(dāng)下，在技術(shù)、參數(shù)不再是唯一標(biāo)準(zhǔn)的如今，中國產(chǎn)業(yè)大模型的卡點(diǎn)如今到底在哪?

　　一、大模型時(shí)代，

　　低價(jià)究竟意味著什么?

　　“我們不希望發(fā)布半成品。之所以今天發(fā)布，是因?yàn)楝F(xiàn)在我們的模型能力已經(jīng)準(zhǔn)備好了。”火山引擎總裁譚待表示。上周三，火山引擎正式發(fā)布字節(jié)旗下的豆包大模型。

　　而與此同時(shí)，更為重磅的消息是，豆包大模型宣布降價(jià)，每千tokens價(jià)格0.0008，直接給出了“全網(wǎng)最低價(jià)”。

　　這也意味著，大模型價(jià)格戰(zhàn)就此打響。先是阿里宣布其主力模型全面降價(jià)，在豆包大模型的基礎(chǔ)上，再降三個(gè)點(diǎn)，每千tokens價(jià)格0.0005;當(dāng)天下午百度宣布“免費(fèi)，立即生效”，緊接著，阿里云再加碼，宣布通義旗下的12款模型已開源，全部免費(fèi)下載。等到了周三，參與者又多了科大訊飛和騰訊。

　　對(duì)此，海外媒體給出的評(píng)價(jià)是，國內(nèi)互聯(lián)網(wǎng)廠商的價(jià)格戰(zhàn)，向來都遵循一個(gè)公式：“一旦降價(jià)，就直接擊穿底價(jià)，‘不留活口’。”在過往的SaaS和云計(jì)算階段，也恰都是這種節(jié)奏。

　　原因?yàn)楹?或者說，大模型成熟到可以以如此低的成本進(jìn)行大規(guī)模商業(yè)化了嗎?

　　在談及大模型價(jià)格之前，先來看云計(jì)算的價(jià)格戰(zhàn)，在過去的幾年時(shí)間里，包括阿里云、騰訊云、華為云等在云側(cè)的價(jià)格也更都處于不斷調(diào)低的模式，但就云計(jì)算技術(shù)本身而言，伴隨著流批一體、分布式存儲(chǔ)等技術(shù)的優(yōu)化，服務(wù)器CPU的成本在加速降低。客觀來看，這種降價(jià)邏輯完全合理。

　　但這里面忽略了一個(gè)問題，即時(shí)間緯度。從時(shí)間來看，國內(nèi)云計(jì)算的發(fā)展早在2006年，甚至更早就已經(jīng)開始了，等到了2014年左右才進(jìn)入到快速發(fā)展期。而直到2016年，國內(nèi)各大云廠商才開始靈活調(diào)整價(jià)格，真正的價(jià)格戰(zhàn)，或者說競(jìng)相放低價(jià)格則要更晚。

　　從這個(gè)緯度來看，大模型在國內(nèi)卻僅發(fā)展了不到兩年的時(shí)間，中間不論是如今整體算力上的短缺，還是對(duì)于GPU納管的存儲(chǔ)計(jì)算能力，以及其算法框架的優(yōu)化， 盡管其是基于云計(jì)算的底層架構(gòu)進(jìn)行成本側(cè)的優(yōu)化，但目前都尚未成熟。

　　據(jù)了解，以目前國內(nèi)的主流芯片而言，如果是軟硬一體的交付，其算力利用率能到80%，但如果分別進(jìn)行軟件和硬件的交付，整體由于異構(gòu)以及不兼容的問題，其利用率甚至可以低到60%以及更低。此外，就國內(nèi)的主流芯片而言，其相較于英偉達(dá)的H100等性能，同等價(jià)格下其性能更是只有其60%左右。

　　這些都代表著對(duì)大模型而言，真正良性的價(jià)格下浮并沒有實(shí)現(xiàn)。那么，從這個(gè)節(jié)點(diǎn)來看，大模型廠商廠商降價(jià)的本質(zhì)是什么?

　　在前段時(shí)間，王小川曾聊到這樣一句話，“百川智能不參與價(jià)格戰(zhàn)，因?yàn)槲覀冎饕�面向的是c端業(yè)務(wù)，降價(jià)的主要是B端的需求。”

　　誠然如此，從本質(zhì)來看，在大模型降價(jià)背后，對(duì)一眾云廠商而言，其可以通過更低的價(jià)格更快、更好地構(gòu)建自身的AI開發(fā)生態(tài)，通過讓自身的大模型產(chǎn)品被更多B端企業(yè)使用，進(jìn)而建立數(shù)據(jù)飛輪和強(qiáng)化用戶粘性。

　　從當(dāng)下來看，一旦企業(yè)選擇使用一家大模型，一般要經(jīng)歷搭建知識(shí)庫、數(shù)據(jù)庫、數(shù)據(jù)清理/標(biāo)注，以及訓(xùn)練、微調(diào)等環(huán)節(jié)，這也意味著其替換成本極其高，對(duì)模型廠商而言則對(duì)應(yīng)的是極高的用戶粘性以及提前卡位。

　　實(shí)際上，從各家面向生態(tài)的動(dòng)作能窺得一二。比如百度面向開發(fā)者推出的一眾包括飛槳在內(nèi)的開發(fā)社區(qū)，再比如阿里自身的魔搭社區(qū)，以及騰訊、華為面向開發(fā)者的一眾工具，在降價(jià)的動(dòng)作背后，也更是對(duì)自身AI生態(tài)的底層加速。

　　二、低價(jià)，

　　真的會(huì)「催熟」大模型落地?

　　而在生態(tài)和客戶粘性之外，更應(yīng)該思考的一個(gè)問題是：低價(jià)真的會(huì)催熟中國產(chǎn)業(yè)大模型的落地嗎?

　　客觀來看，如果說大模型是一個(gè)簡(jiǎn)單的C端應(yīng)用，或者對(duì)于企業(yè)來講是一個(gè)“拿來即用”的程序，那么降價(jià)或免費(fèi)策略一定會(huì)更大程度地催熟市場(chǎng)。但如果站在企業(yè)搭建大模型的角度，這個(gè)問題則要更復(fù)雜得多。

　　總體來說，企業(yè)自身搭建一個(gè)大模型，不僅僅需要從大模型企業(yè)那里獲取相關(guān)服務(wù)，對(duì)于企業(yè)自身也有更高要求，比如企業(yè)內(nèi)部的數(shù)據(jù)訓(xùn)練、知識(shí)庫搭建等等。

　　以一個(gè)在金融企業(yè)內(nèi)部的大模型實(shí)際案例為例，即銀行需要構(gòu)建大模型，其第一步是數(shù)據(jù)收集。首先，各部門需要把風(fēng)險(xiǎn)評(píng)估、客戶信用評(píng)分、欺詐檢測(cè)等數(shù)據(jù)匯總起來，同時(shí)在此基礎(chǔ)上，收集各部門對(duì)大模型業(yè)務(wù)的需求。

　　其次，將這些結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)進(jìn)行具體整理，并確定數(shù)據(jù)來源。這里包括數(shù)據(jù)清洗、轉(zhuǎn)換數(shù)據(jù)格式等等。

　　而這些工作都是企業(yè)在業(yè)務(wù)部門內(nèi)需要完成的。

　　在完成了整個(gè)數(shù)據(jù)層面的處理，還需要進(jìn)行模型層面的訓(xùn)練。這里則需要用到大模型廠商提供的服務(wù)，比如基于大模型廠商提供的SFT組件，以及對(duì)應(yīng)的prompt模塊進(jìn)行模型訓(xùn)練調(diào)整。

　　另外，為了行業(yè)模型能夠更精準(zhǔn)地匹配業(yè)務(wù)，大模型廠商還需要配合企業(yè)完成知識(shí)庫的搭建。

　　可以看到，大模型落地更等同于一個(gè)系統(tǒng)工程。即使大模型企業(yè)通過低價(jià)或免費(fèi)策略吸引了大量客戶，企業(yè)客戶在實(shí)際應(yīng)用中仍需要投入大量的資源和時(shí)間來整合和優(yōu)化這些服務(wù)。目前從國內(nèi)的實(shí)踐落地來看，盡管已經(jīng)有一些央國企在帶頭完成各自行業(yè)里的垂直模型搭建，但其中在數(shù)據(jù)收集以及訓(xùn)練層面也仍是困難重重。

　　此外，問題也更在模型側(cè)。“包括我們不知道在不同的場(chǎng)景我們到底該用多大的模型進(jìn)行訓(xùn)練，這點(diǎn)我們技術(shù)團(tuán)隊(duì)只能根據(jù)廠商給出來的幾個(gè)模型一個(gè)個(gè)試，但究竟是多大的能夠做什么事情，這個(gè)事情沒有明確的說明。”一位相關(guān)技術(shù)負(fù)責(zé)人告訴產(chǎn)業(yè)家。

　　從某種程度來說，降價(jià)解決的僅僅是大模型工程最前端的入口問題，但對(duì)于整個(gè)過程中的全部鏈路節(jié)點(diǎn)的打通，這中間的各種問題仍然足夠繁瑣，關(guān)卡難度也更足夠大。

　　三、大模型，

　　「行業(yè)壁壘」之戰(zhàn)

　　“用虧損換收入是不可持續(xù)的，所以我們從來不走這條路子。”火山引擎譚待這樣告訴媒體。

　　站在商業(yè)化的角度去思考，既然目前大模型廠商離盈利還較遠(yuǎn)，那么如今字節(jié)、阿里、百度、科大訊飛和騰訊都紛紛宣布降價(jià)，甚至免費(fèi)，在這波操作背后，這些大模型廠商有沒有更深層的意圖?

　　首先，一個(gè)在過去互聯(lián)網(wǎng)時(shí)代和云計(jì)算時(shí)代的邏輯是，大廠推出的系統(tǒng)和應(yīng)用要想在行業(yè)里站穩(wěn)腳跟，就必須要有一定的行業(yè)know-how積累和服務(wù)經(jīng)驗(yàn)的沉淀。

　　同樣地，這套思路也適用于大模型時(shí)代。只是與之不同的是，大模型時(shí)代是站在互聯(lián)網(wǎng)時(shí)代和云計(jì)算時(shí)代之上的，一方面，過去的問題不會(huì)重復(fù)出現(xiàn)，比如數(shù)據(jù)孤島和系統(tǒng)之間打通的問題，在大模型時(shí)代基于scaling law的模式，則會(huì)有更好的解決方式;

　　另一方面，過去的互聯(lián)網(wǎng)廠商和如今的大模型廠商是同一批參與者，這也意味著，一些包括數(shù)據(jù)庫、中間件以及數(shù)據(jù)層面的行業(yè)積累可以復(fù)用。

　　實(shí)際上，這也是為什么去年華為盤古大模型一經(jīng)發(fā)布，就打著“不作詩，只做事”的口號(hào)，直接選擇行業(yè)大模型的原因。此外，包括百度、阿里、騰訊、火山引擎等更是在行業(yè)大模型側(cè)不斷加碼，比如在5月28日的智能經(jīng)濟(jì)論壇峰會(huì)上，百度副總裁沈抖就表示，百度的行業(yè)大模型方案是在通用大模型的基礎(chǔ)上，催生出N個(gè)行業(yè)小模型，基于“大模型+小模型”的方案幫助企業(yè)落地。

　　相較之下，騰訊的混元大模型的行業(yè)積累則聚焦在社交、辦公和汽車領(lǐng)域。在不久前剛結(jié)束的北京車展前后，騰訊也發(fā)布了汽車行業(yè)大模型，這也是基于騰訊的混元大模型之上的，比如在汽車研發(fā)、生產(chǎn)、營銷、服務(wù)和企業(yè)協(xié)同辦公等場(chǎng)景，汽車大模型都可以發(fā)揮作用。

　　然而，上述提到的行業(yè)案例也只是目前大模型生態(tài)里的冰山一角。

　　可以感知到的是，目前各家大模型廠商的一致路徑都是，通過與行業(yè)企業(yè)的合作，基于更精準(zhǔn)的數(shù)據(jù)進(jìn)而構(gòu)建出各自的大模型行業(yè)壁壘。

　　寫在最后：

　　實(shí)際上，從降價(jià)到大模型大規(guī)模實(shí)際落地，中間還有很長的一段路要走。這條路是大模型廠商如何做好模型搭建相關(guān)的云服務(wù)，企業(yè)如何梳理數(shù)據(jù)、訓(xùn)練數(shù)據(jù)、如何基于業(yè)務(wù)邏輯搭建模型，以及工具和接口是否一致等等問題。

　　但降價(jià)潮本身也并非毫無意義。

　　從目前的落地情況來看，大模型在B端的落地還遠(yuǎn)未到成熟的地步。在大模型廠商之外，SaaS企業(yè)也更在進(jìn)行軟件層面的AI重構(gòu)，能看到的是，包括用友、金蝶、微盟、銷售易等企業(yè)，它們有的選擇與大模型企業(yè)合作搭建自己的大模型;有些則選擇以API的方式接入大廠的大模型底座，在上面建自己的AI Agent;再或者，有些則是更進(jìn)一步，構(gòu)建“AI+SaaS”原生應(yīng)用。

　　這些新的基于軟件層面的嘗試，都將建立在算力足夠普惠的基礎(chǔ)上。“未來整個(gè)行業(yè)的推理成本每年降低10倍是可以期待的，而且這個(gè)趨勢(shì)是必然的。對(duì)于行業(yè)來說，現(xiàn)在模型的API調(diào)用還是非常非常低的比例，如果推理成本一年降低10倍那就有更多的人可以用上大模型，這是非常利好的消息。”李開復(fù)表示。

　　算力普惠，是大模型落地的充分條件，但從如今的進(jìn)度條來看，它盡管需要被正視價(jià)值，但遠(yuǎn)遠(yuǎn)不能成為改變整個(gè)大模型落地的最強(qiáng)催化劑。

　　“技術(shù)是不會(huì)以任何商業(yè)行為或者人們的意愿所改變它的上限和下限的，它需要的時(shí)間是恒定的。”上述金融企業(yè)的CIO說道。