大模型「六小虎」里面，至少两个要放弃大模型了。 | 焦点分析

文｜周鑫雨

编辑｜苏建勋

在2024年，许多曾经立下“做中国OpenAI”军令状的模型公司开始面对面。

根据《智能出现》，被称为“AI六小虎”的6个中国大型独角兽(智谱，零一万物，MiniMax、在百川智能、月亮暗面、阶跃星)中，两家公司逐渐放弃了预训练模型，减少了预训练算法团队的数量，专注于AI应用。

(本文希望重点探讨国内AI公司对“预训练”模型的路线选择，以及背后的思考和后续重点。为了不引起不必要的纠纷，他们隐瞒了放弃预训练模型的企业名称。)

百度赶大模型早集，9月份有消息称“大概率放弃一般基础大模型的研发，主要用于应用”。即使后续被百度辟谣，“放弃预训练模式”也成为了行业的转折点。

可说，能够让厂商上大型牌桌的，就是“预训练”。所谓“预训练”（pre-train）“，就像大模型的基础教育阶段一样，赋予大量通用的模型知识是决定模型性能的关键阶段，也是模型制造商的核心技术壁垒。

对于AI行业来说，随着第三方预训练模型性能的提高，网络层公司逐渐放弃了预训练模型，致力于让模型更好地了解用户的“后训练模型”（post-train）"阶段，是考虑到节约算率成本的正常趋势。

2024年8月，典范Character，硅谷艺人AI公司，角色扮演类应用。.AI，宣布放弃预训练，转而与第三方模型合作。他们在官方博客上给出的理由是:这样我们就可以投入更多的资源进行后期训练，为不断增长的用户群体创造新的产品体验。

然而，模型层公司放弃了预训练模型，代表着主动走下AGI速度的牌桌。。

此外，短短一年时间，“自研预训练模型”的故事给这些模型企业带来了丰富的融资、顶尖人才和市场声誉。模型公司放弃了预训练，戳破了AI技术的泡沫。

正如一位AI从业者对“智能涌现”所评价的那样：

许多制造商从OpenAI那里得到的不是通向AGI的技术，而是盲目跟随的信心。

但是对AI跑道来说，放弃预训练并不是一个完全负面的信号。目前，大型模型厂商在资金、计算率短缺的情况下，也开始重新评估自己的能力和资源状况。

由模型转变为应用，意味着AI企业在追求AGI之前，首先选择了生存。

钱不够烧，模型和商品二保一

Scaling疯狂堆参数 Law，如今是预训练的主流路径，同时也意味着昂贵而持续的计算能力和数据投入。

马斯克估计，GPT-5的练习可能需要3-5万张H100，仅芯片成本就超过7亿美元(约50亿元)，几乎是百度整个季度的净利润。

对尚未盈利的初创企业来说，继续堆积参数炼模型，筹集资金首先是个难题。

据《智能出现》报道，随着估值达到200亿元水平，国内大模型公司最新的单轮融资规模约为50亿元。随着融资难度的增加，估值的上升也会增加。

一位投资者告诉《智能出现》，今年第一季度，大型独角兽将不再积极安排融资，“企业和一级市场对下一轮融资持悲观态度”。

在数十亿元的融资中，模型制造商不仅要分配给持续堆积参数的模型培训，还要喂给持续烧钱营销但盈利能力有限的AI应用产品。

目前，与OpenAI的技术差距仍然难以消除，国产模型的性能还没有拉开鲜明的差距。许多国内模型制造商开始使用“数据” 情景的长板在AI应用上下了很大功夫，试图率先走出AI时代的“微信”和“抖音”——甚至ToB基因显著的智谱AI和百川智能也推出了“智谱清言”和“百小应用”等C端应用。

大规模的AI应用逐渐取代了领先的模型性能，成为模型制造商留在AI品牌桌上的筹码。因此，用户信息已经成为模型制造商必须关注的指标。

据《智能出现》报道，哔哩哔哩月亮暗面给出的注册会计师(用户转换人均成本)价格高达30元左右。另一位知情人士告诉《智能出现》，目前模型厂商的最高价格来自字节跳动的“豆包”，“几乎是Kimi报价的两倍”。

从2024年开始，刷脸的营销玩法让很多模特厂商的营销预算翻了好几倍。随着营销价格的上涨，但目前AI产品的差异化水平还不够，烧钱买流量几乎是获得客户的唯一途径。

一个大模型独角兽的员工告诉《智能出现》，2024年中，企业在一些社交媒体上暂停了AI对话产品的发布，“当月获取的客户数据立刻变得难看”。一个月后，企业恢复了投资流程。

并非所有的大型企业，都可以从无尽的烧钱中看到希望。

如今，与一年前相比，AI产品消耗的推理成本下降了近99%。然而，许多业内人士表示，模型培训仍然占据至少70%的机会成本。

也就是说，放弃预训练模式，是目前资源短缺的最具成本效益的决定。

据多位知情人士透露，自2024年以来，全公司的目标重点已放在海外AI应用产品上市，放弃了其中一款预训练模型的独角兽。

大型企业，困在变现焦虑中

为何选择在模型和商品中放弃前者来保证后者？主要原因是，现在依靠大模型本身，没有明确的实现渠道。。

许多从业者反映了“智能涌现”，2024年启动的模型降价潮，并未提高模型的盈利能力。

“模型API的降价本质上是为了让客户感受到模型能力，转化成本部署等高净利润业务的支付。”一位模型制造商的大客户经理告诉《智能出现》，“但表现并没有达到预期。上半年，大多数模型制造商的ToB业务收入减半。”

他记得，在一个模型宣布免费后，很多“白嫖”开发者涌入后台。“有一个研究开发者，他每天使用的Token数量占所有用户的60%。”

在很大程度上，模型付费转换的失败，是因为被称为“价格屠夫”的开源模型更加强大。

跟随Llama 3.1、Mistral Large 2、DeepSeek V 一系列开源模型，如2.5，性能已达到GPT-4，甚至GPT-4o。

相比之下，闭源模型的竞争力正在被削弱。“付费能力高的公司一般都有自己的技术团队，可以直接基于开源模型进行开发。”上述大客户经理表示，对于技术能力不足的企业来说，“开源模型影响了顾客对模型价格的心理预期。”

2023年Llamamama的经典案例 2发布后，某大型独角兽收到的用户价格，直接砍掉了一个“0”。

模型流动性不足代表了目前模型制造商的现金流，几乎只能依靠融资，可以快速找到PMF(商品-市场匹配度)的AI应用。

但是现在，能够为模型制造商吸引融资，除了漂亮的用户数据，只剩下跃升模型性能。

一位投资者告诉《智能出现》，谁能先把o1(OpenAI最新模型)的能力追平，一级市场还是会为它做点什么。

但是到2024年，许多大型制造商，已经陷入了技术瓶颈。

GPT-四是大模型技术的发展进入深水区。九月份，前OpenAI首席科学家Ilya Sutskever——他曾经把Scaling Law在ChatGPT等关键模型上的成功应用——在宣布成立新公司SSI时，他直言不讳地说：“大家只说Scaling假设。但是每个人都忽略了一个问题：Scaling我们究竟是什么？”

大型语言模型迭代速度缓慢，多模态仍处于攻坚初期，是模型赛道的现状。“GPT-在此之前，OpenAI有一份公开的详细技术报告，每个人都可以面对‘抄’。后来技术报告不公开，国内厂商的答案也没了。”一位从业者说:“更何况OpenAI的答案可能不正确。”

在技术不确定性方面，一群失去方向的大型企业需要重新找到稳定性。

放弃预培训模型厂商，抓住有盈利潜力的AI应用。很多内部人士告诉《智能出现》，其中一家厂商的一款海外AI生产力工具产品，为2024年以来的大部分收入做出了贡献。“公司现在70%的人力都在做商品”——但这款海外应用的底层模型逐渐被GPT-4和GPT-4o所取代。

另外一家在国内起步于ToB的模型公司，也在2024年推出了C端AI应用程序，生产力和娱乐性。

剩下的还在坚持预训练的厂家，就开始在技术上降低成本。

一个模型独角兽的员工告诉《智能出现》，今年企业对计算率采购非常克制，计划先采取优化培训框架的形式，降低模型培训成本。

例如，最新的OpenAI模型o1使用的Self。-play(自我博弈)战略，能在不增加参数的情况下提高模型性能，也成为许多模型制造商低成本训练模型的稻草。

对于整个AI行业来说，放弃预训练模式，并非一个负面信号。拾象科技CEO李广密最近也公开表示，未来80%的企业将放弃预训练。硅谷逐渐形成的共识是，RL(强化学习)是下一个突破点，可以提高特定参数模型的能力，同时控制计算率和成本。

也就是说，在技术疯狂回归理性之后，厂商开始重新思考和整合技术范式和行业资源。

欢迎交流！

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com