从去年引燃的「百模大战」,到近日「行业价格战」,中国大模型行业已发展至新阶段。近期的智源大会上,诸多专家分享了对大模型的发展现状的见解。佐之 IDC 近期发布的大模型实测报告和 Scale AI 的「AI 就绪报告」,大模型的应用的机会和面临的挑战似乎更清晰了一些。
大模型赚钱「攻略」被盘出来了吗?
解读要点
1. 大模型的应用场景、价格战、开源…专家们是如何看待产业现状的?
2. 李开复口中 ToC 市场的机会具体在哪?现在情况如何?
3. ToB 市场的大模型公司想赚钱要处理好哪些问题?
4. Transformer 七子之一创建的 Cohere 是如何通过差异走向 ToB 盈利的?
5. 开源为什么不会削弱初创公司的竞争力?又真的可以解决大公司的垄断优势吗?
大模型的应用场景、价格战、开源… CEO 们是如何看待产业现状的?
1、零一万物 CEO 李开复和清华之能产业研究院院长张亚勤在一场炉边对谈中围绕大模型产业化的应用场景,以及在 toB 和 toC 分别机会分享了各自的观点。[2]
① 李开复认为大模型在中国 ToC 市场短期内有更多机会,而国外两者都有机会。大模型在 ToB 市场有可能带来更大的价值,且能够比 To C 更快实现,但是目前仍面临一些挑战。
② 张亚勤表示,在应用和服务层面,大模型会先面向消费者(To C)再面向企业(To B)。To B 的周期相对较长,而 To C 的应用产品则可以迅速推出,这与过去的 PC 互联网和移动互联网的发展路径基本一致。
2、在一场主题对话中,就此前大模型公司价格战的现象,月之暗面、百川智能、智谱 AI、面壁智能四家公司的 CEO 均提供了各自的看法。他们观点各有侧重,但总体都持积极态度。[1]
① 月之暗面 CEO 杨植麟对价格战的话题提出了三个判断。从算力投入看,推理在某个时间点会超过训练算力,覆盖训练成本;从 C 端看,推理成本可能低于获客成本,这可能改变传统的商业模式;第三,AI 在工作流程中占比可能很低,但随着时间推移,AI 的价值可能超过人类,改变商业模式和 ROI 问题。
② 百川之能 CEO 王小川认为价格战对中国大模型发展非常有利。价格战有助于大模型的推广和普及,使更多公司和个人能够使用大模型,同时促使企业回归自身优势,明确自身定位。
③ 智谱 AI CEO 张鹏认为,从宏观角度看,通过低价让更多人使用大模型对产业有益,但商业上牺牲企业短期成本不是正常逻辑,必须回归用户价值和生产力价值。
④ 面壁智能 CEO 李大海认为,当前价格战有一定的营销成分,但未来大模型的价格一定会更便宜,同时保证所有参与者都有利润才是健康的发展方式。
3、「LSTM 之父」 Jürgen Schmidhuber 和王小川在智源大会上的分享也从不同角度分享了对开源的看法。[1]
① Schmidhuber 表示开源运动十分重要,其将紧随硬件成本的降低和性能的提高允许更多年轻一代有机会接触和改进优秀的算法,使部分大公司试图笼络顶尖 AI 人才的做法无法长期保持。
② 王小川也分享了对开源的积极态度,开源的做法也让中国的模型生态能够追赶美国,对百川来说,开源也是在技术快速进步的当下是一件既有贡献又不会降低竞争力的事情。
李开复口中 ToC 市场的机会具体在哪?现在情况如何?
李开复认为中国 ToC 市场短期内有更多机会,而国外两者都有机会。在此基础上,从 IDC 近日发布的《中国大模型市场主流产品评估,2024》报告、「AI 产品榜」近期数据和 A16Z 在 3 月发布的 GenAI Top100 报告来看,toC 市场的 AI 应用热度当前正集中于生产力和娱乐类场景,AI 搜索则有萌芽迹象。
1、对于 ToC 市场,李开复表示 AI 2.0 时代将和 PC、移动互联网相似的节奏发展,应用重心将以生产力→娱乐/音乐/游戏→搜索→电商→社交/短视频/O2O 的步骤递进。
① 他表示,刚开始应用要能够赚钱、能够解决问题,所以第一波潮流会是生产力工具,但越往后,难度越高。高用户量的应用商业模式往往是先堆积用户再找变现模式,所以应用成本一定要很低,试错难度很大、所需要的投资也更多。
② 由于目前大模型推成本仍然太高,因此考虑 PMF 时,还要把技术的需求、实现难度和成本考虑进去,也就是 TC-PMF(技术成本 X 产品市场契合度).
③ 李开复表示他不相信技术可以永远领先,因此大模型公司一旦验证了 TC-PMF,就需要把握时间窗口打造持续优势,比如品牌优势,比如社交链,比如用户数据,让用户不能离开自家平台。
2、根据「AI 产品榜」的 AI 应用访问量增速统计,中国 ToC 市场近期正处于第一波潮流,即用于提高生产力的 AI 工具,其次是基于生成式 AI 的图像或视频编辑工具,AI 搜索也占据了一定热度。[3]
① 根据「AI 产品榜」的国内高增速排名,在 5 月访问量高于 30 万的 40 款国产 AI 工具中,大多属于生产力工具,涵盖开发者工具、文字转音频、设计工具、思维导图、写作工具等。
② AI 搜索类应用数量不多,但近期访问量暴增。360AI 搜索、昆仑万维天工 AI 搜索、秘塔 AI 搜索的访问量增速占据 4 月的前 4 位,后在 5 月放缓,但仍处于增速榜 Top20。
3、IDC 团队从基础能力到应用能力 7 大维度对 11 家大模型厂商的 16 款市场主流产品进行实测,评出了各维度的优势厂商,而优势模型面向 toC 应用场景主要集中于「办公用具」和「生活助手」两类。
① 该工作的测试题目分为基础能力和应用能力两个大类共 7 个维度:基础能力包括问答理解类、推理类、创作表达类、数学类、代码类;应用能力主要包含 toC 通用场景类和 toB 特定行业类。
② 从模型基础能力上看,当下大模型在 toC 通用场景类得分率较高,数学类、推理类、代码类问题、行业应用类的准确率较低。
③ IDC 表示大模型厂商需要巩固产品在优势领域的应用,如问答理解、toC 通用场景;刚开始投入大模型技术研发的供应商可考虑从这些成熟度高的场景优先做尝试。
4、对于海外 ToC 市场,A16Z 此前发布的 GenAI Top100 报告指出生产力和娱乐类的 AI 应用正在越发受到用户欢迎。[5]
① 该报告统计了自 2023 年 9 月 - 2024 年 3 月的生成式 AI 应用热度,音乐类和生产力工具(包括研究、编码协助和文档摘要等任务)类是新上榜的两大类应用。
② 生产力工具类应用包括 Liner、Eightify、Phind、MaxAI、Blackbox AI 等,利用 AI 编辑和摘要等功能,帮助员工、自由职业者和中小企业主更高效地完成工作。
③ 音乐类是指此前爆火的文生音乐应用「Suno」。
5、然而,ToC 市场的热度也非一路高歌,2024 年 3 月的「全球 AI 产品降速榜」似乎「证伪」了一部分全球 ToC 市场的需求。
① 「全球 AI 产品降速榜」统计了 2 月访问量在 100 万以上降速 Top 30 的 AI 应用。其中,AI 图像生成器类的应用在 Top 50 中的数量最多,占比为 10%。其次是 AI 聊天机器人和 AI 视频生成器类应用,各占 6%。
ToB 市场的大模型公司想赚钱要处理好哪些问题?
对于 ToB 市场,李开复指出大模型有可能带来更大的价值,且能够比 To C 更快实现。然而 To B 领域存在的挑战在于,大公司大多对颠覆式技术的采用持谨慎态度,且许多(尤其是中国)大公司对软件价值认知不够,付费意识有待提高。此前,Scale AI 在「AI 就绪报告」中收集并分析了大量 AI 从业者的真实意见,总结企业对大模型和生成式 AI 的采用意向和顾虑。
1、Scale AI 基于 1800 份问卷发现,2023-2024 年间,越来越多的企业开始计划使用生成式 AI,主要用于提高生产力和改善客户体验。[4]
① 认真考虑使用生成式 AI 的企业比例从 12%上升至 18%,无计划使用的比例从 19%降低至 4%。
② 认为 AI 在未来三年对其业务非常关键或高度关键的企业比例由 69%上升至 74%,在生产中使用生成式 AI 的组织由 21%上升至 38%。
③ 大多数企业倾向使用生成式 AI 提高运营效率。问卷显示,62%的企业提高运营效率是采用生成式人工智能的主要驱动力,59%选择用 AI 改善客户体验。
2、安全问题很重要,但企业不采用大模型的原因主要在于不够不好用。
① Scale AI 的报告指出,所在企业尚未采用 AI 工具的受访者中,60%表示模型安全问题和缺乏专业知识是阻碍他们前进的两大原因。这一发现某种程度上验证了当前新闻中有关「人工智能安全」的报道和顾虑。
② 对于自家企业已采用大模型受访者,有 61% 表示基础设施、工具或开箱即用的解决方案无法满足他们的特定需求…
③ AI 从业者对模型能力的评估中,首要考量的是模型的性能和可靠性(各占 69%),而优先考虑安全性比例相对较低…
大模型&AI产品经理如何学习
求大家的点赞和收藏,我花2万买的大模型学习资料免费共享给你们,来看看有哪些东西。
1.学习路线图
第一阶段: 从大模型系统设计入手,讲解大模型的主要方法;
第二阶段: 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用;
第三阶段: 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统;
第四阶段: 大模型知识库应用开发以LangChain框架为例,构建物流行业咨询智能问答系统;
第五阶段: 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型;
第六阶段: 以SD多模态大模型为主,搭建了文生图小程序案例;
第七阶段: 以大模型平台应用与开发为主,通过星火大模型,文心大模型等成熟大模型构建大模型行业应用。
2.视频教程
网上虽然也有很多的学习资源,但基本上都残缺不全的,这是我自己整理的大模型视频教程,上面路线图的每一个知识点,我都有配套的视频讲解。
(都打包成一块的了,不能一一展开,总共300多集)
因篇幅有限,仅展示部分资料,需要点击下方图片前往获取
3.技术文档和电子书
这里主要整理了大模型相关PDF书籍、行业报告、文档,有几百本,都是目前行业最新的。
4.LLM面试题和面经合集
这里主要整理了行业目前最新的大模型面试题和各种大厂offer面经合集。
👉学会后的收获:👈
• 基于大模型全栈工程实现(前端、后端、产品经理、设计、数据分析等),通过这门课可获得不同能力;
• 能够利用大模型解决相关实际项目需求: 大数据时代,越来越多的企业和机构需要处理海量数据,利用大模型技术可以更好地处理这些数据,提高数据分析和决策的准确性。因此,掌握大模型应用开发技能,可以让程序员更好地应对实际项目需求;
• 基于大模型和企业数据AI应用开发,实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能, 学会Fine-tuning垂直训练大模型(数据准备、数据蒸馏、大模型部署)一站式掌握;
• 能够完成时下热门大模型垂直领域模型训练能力,提高程序员的编码能力: 大模型应用开发需要掌握机器学习算法、深度学习框架等技术,这些技术的掌握可以提高程序员的编码能力和分析能力,让程序员更加熟练地编写高质量的代码。
1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集
👉获取方式:
😝有需要的小伙伴,可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓