【ITBEAR】2024年，國內(nèi)多家曾立志成為“中國OpenAI”的模型公司開始調(diào)整戰(zhàn)略方向。據(jù)了解，被稱為“AI六小虎”的六家中國大模型獨(dú)角獸中，已有兩家逐步放棄預(yù)訓(xùn)練模型，縮減預(yù)訓(xùn)練算法團(tuán)隊(duì)，轉(zhuǎn)而聚焦AI應(yīng)用的發(fā)展。
這一轉(zhuǎn)折點(diǎn)的出現(xiàn)并非偶然。預(yù)訓(xùn)練階段對于大模型而言至關(guān)重要，它決定了模型的性能，也是模型廠商的核心技術(shù)壁壘。然而，隨著第三方預(yù)訓(xùn)練模型性能的提升，應(yīng)用層企業(yè)開始放棄預(yù)訓(xùn)練，專注于后訓(xùn)練環(huán)節(jié)，以節(jié)省算力成本。
硅谷的明星AI企業(yè)Character.AI在2024年8月也宣布了類似的戰(zhàn)略調(diào)整，他們選擇與第三方模型合作，以投入更多資源于后訓(xùn)練，創(chuàng)造新的產(chǎn)品體驗(yàn)。然而，對于模型層企業(yè)而言，放棄預(yù)訓(xùn)練意味著主動(dòng)退出AGI的激烈競爭。
放棄預(yù)訓(xùn)練并非全然消極的信號。在資金、算力緊缺的當(dāng)下，大模型廠商開始對自身能力和資源進(jìn)行重新評估。從模型轉(zhuǎn)向應(yīng)用，意味著在追求AGI之前，AI公司選擇了先確保生存。
預(yù)訓(xùn)練的主流路徑是狂堆參數(shù)的Scaling Law，但這意味著高昂且持續(xù)的算力和數(shù)據(jù)投入。對于尚未盈利的創(chuàng)業(yè)公司而言，繼續(xù)堆參數(shù)煉模型面臨著巨大的資金壓力。因此，不少國內(nèi)模型廠商開始借助“數(shù)據(jù)+場景”的優(yōu)勢，在AI應(yīng)用上發(fā)力。
規(guī)模化的AI應(yīng)用逐漸代替了領(lǐng)先的模型性能，成為模型廠商留在AI牌桌上的籌碼。用戶數(shù)據(jù)成為了模型廠商不得不重視的指標(biāo)。然而，AI產(chǎn)品的差異化程度還不夠，砸錢買流量幾乎是獲客的唯一出路。
大模型公司面臨著變現(xiàn)的焦慮。目前靠大模型本身并沒有明晰的變現(xiàn)渠道。模型API的降價(jià)并沒有提高模型的營收能力，反而導(dǎo)致了ToB業(yè)務(wù)營收的下滑。開源模型的強(qiáng)大競爭力進(jìn)一步削弱了閉源模型的付費(fèi)轉(zhuǎn)化。
在技術(shù)瓶頸和變現(xiàn)壓力的雙重困擾下，大模型廠商開始尋找新的出路。放棄預(yù)訓(xùn)練的廠商抓住了尚有盈利潛力的AI應(yīng)用，而仍在堅(jiān)持預(yù)訓(xùn)練的廠商則開始在技術(shù)上降本增效。
對于整個(gè)AI行業(yè)而言，放棄預(yù)訓(xùn)練模型并不意味著失敗或消極。相反，它標(biāo)志著廠商從技術(shù)狂熱重回理性，開始重新思考和整合技術(shù)范式和行業(yè)資源。
