2024年，大模型進展不斷。從年初的Sora到最新的o3，更新更好的模型不斷被推出，“內卷”到底有沒有發(fā)生？

我們要先確定“內卷”的定義，指某一類產(chǎn)業(yè)模式，發(fā)展到一種確定形式后，陷入“高水平均衡陷阱”，出現(xiàn)“沒有發(fā)展的增長”，這種局面一直無法被打破，那就會走向停滯和危機。

而這一年，大模型的scaling law法則越來越受到挑戰(zhàn)，訓練模型的算力集群已經(jīng)從萬卡發(fā)展到十萬卡，擴大了十倍，而模型的智商并沒有以這個倍率提高。應用端也沒有出現(xiàn)killer app（殺手級應用），模型廠商開始了流血換量的價格戰(zhàn)……這些特征與“內卷”的定義是契合的。

那么接下來的問題就是，內卷化讓大模型陷入危機了嗎？以及脫離內卷的出口，究竟在哪里？

在內卷化周期中，一個產(chǎn)業(yè)是很難保持活力和創(chuàng)新動力的。大模型內卷化的加劇，也讓行業(yè)進入調整期。

首先可以感受到的，就是公眾和投資者的失望。2023年，人們都用“AI一天，人間一年”來形容AI的發(fā)展，美股 “七姐妹”（蘋果、微軟、谷歌母公司alphabet、亞馬遜、英偉達、特斯拉、Meta）更是在這一股熱潮下屢創(chuàng)新高。而近來我們明顯看到，這股熱情已經(jīng)回落。

OpenAI的股東、接入模型API的服務商企業(yè)，都公開抱怨過，AI能力沒有太大進展了。剛剛結束的為期12天的OpenAI 發(fā)布會，也大多是對已有模型、產(chǎn)品或技術路線的增強，符合預期，但缺乏亮點，無法為AGI提供強支撐。OpenAI前首席科學家Ilya在NeurIPS 2024大會上提出“預訓練將會終結（Pre-training as we know it will end）”，更是給大眾澆了一瓢涼水。

來自產(chǎn)學各界的質疑態(tài)度是一個比較危險的信號，因為歷史上的AI寒冬都源于信心缺失和投資退潮。

另一個危機信號，是產(chǎn)品同質化競爭和淘汰賽加劇。

基礎模型的競賽，也在2024變得格外激烈，一是模型數(shù)量過密，且性能表現(xiàn)逐漸趨同，尤其是開源模型與閉源模型的差距在快速縮小，進入同質化競爭。

二是同一廠商的模型家族，也在加速淘汰，比如GPT-3.5-Turbo就退役了，由GPT-4o mini取代，國內模廠的模型也基本如此，用戶都愿意用加量不加價、物美價更廉的新模型，舊模型沒人愿意用了。GPT-4o Mini發(fā)布后，API 的使用量翻了一番。

激烈的同質化競爭，讓模廠不敢減少訓練新模型的投入，又為了應對價格戰(zhàn)而不得不下調token價格，結果就是經(jīng)濟負擔越來越重�？梢哉f，目前大模型無論是外部的宏觀形勢，還是企業(yè)的微觀經(jīng)營狀態(tài)，都沒有2023年那么積極了。

模型層面，底層技術路線、數(shù)據(jù)瓶頸等無法在短期內得到有效突破，那么從商業(yè)層面尋找出路，就成為必然。

2024年，我們能看到大模型內卷，給商業(yè)模式帶來的諸多挑戰(zhàn)。

一是云+API模式，流血降價、以價換量并不是最優(yōu)解。

API調用量付費，是大模型的主要變現(xiàn)模式之一，通過token降價來贏得更多大模型業(yè)務上云，獲得長期收益，是云廠商價格戰(zhàn)的基本邏輯。但目前來看，以價換量似乎并不奏效。

究其原因，是因為B端客戶更關注模廠的長期性、模型質量，質在價先，可靠優(yōu)先。所以，我們看到，一部分以價換量成功的云廠商，本身就具有比較強的模型能力，比如文心一言兩款主力模型免費之后，百度智能云的日調用量一個月翻了十倍。基于豆包大模型家族的火山云，token調用量也大幅上升，甚至有客戶的tokens調用量增長了5000倍。這說明新用戶會傾向于頭部模型，而老用戶要么不考慮替換現(xiàn)有模型，要么會把雞蛋放在多個頭部廠商的籃子里，趁降價接入更多模型，最終留下性價比高的。而不打價格戰(zhàn)的云廠商，比如華為云將盤古大模型作為“尖刀產(chǎn)品”，也在B端市場取得了不錯的成績，與行業(yè)伙伴協(xié)同打造的煤炭大模型、醫(yī)藥大模型及數(shù)智化解決方案，今年在垂直領域的多個企業(yè)內被復用。很多行業(yè)用戶考慮華為云，就有企業(yè)抗風險能力強，能在基礎模型堅持投入，業(yè)務穩(wěn)健運營的預期考量。

上述企業(yè)說明，云+API模式成功的根本，是“質在價先”。

二是訂閱制，由于大模型內卷化，導致用戶粘性低、忠誠度不高，會員市場呈現(xiàn)出極高的分散性。

因為大模型的更新?lián)Q代非�？欤�一方面新模型在質量和性價比上往往更好，“等等黨”更愿意觀望；另外很多舊模型會不再更新或退役，這就讓會員更不愿意跟平臺長期綁定。這就導致模廠為了不斷吸引新用戶，拉新營銷活動難以停止，獲客成本居高不下，而且影響用戶體驗，需要高頻彈窗廣告，打擾用戶，開發(fā)出多個會員等級和收費權益套餐，增加了用戶的決策疲勞。而好不容易拉來的新客戶，往往使用一段時間之后就轉向免費版本，或者更新更便宜的友商產(chǎn)品，長期續(xù)費率不高。

可以看到，大模型的內卷化，導致大多數(shù)模廠難以說服客戶和開發(fā)者，與其建立長期信賴關系。這就給后續(xù)的商業(yè)變現(xiàn)與價值挖掘，造成了極大挑戰(zhàn)。

告別內卷，就要向外尋找出路。數(shù)量多、同質化的大模型，形成了一個密度很高的堰塞湖。那么逃離內卷，就必須疏浚河道，緩解擁塞。所以，2025，將是大模型商業(yè)基礎設施日趨完善的一年，通過更全面的“水利設施”，讓大模型應用者和開發(fā)者們能夠更方便地取用。

如何判斷一個大模型是否“外向”？有以下幾個衡量標準：

一是模型的開放度或者說兼容性。

如前所說，內卷化周期中，用戶并不愿意將雞蛋放在一個籃子里，或者跟某一個模廠進行長期綁定，這就需要模型具備很強的開放度和兼容性。比如騰訊混元大模型的免費資源包，同時支持hunyuan-pro、hunyuan-standard、hunyuan-turbo等多個模型共享，支撐第三方平臺、ISV服務商為客戶提供多種模型的靈活選擇與切換、模型競技場等，來滿足最終客戶對多元多模的需求。

二是更細致地開發(fā)工具。

將大模型技術轉化為生產(chǎn)力，還需要加工工具、工作流等更細致的支持，比如此次OpenAI就為Sora打造了Remix、Blend和Loop三個專業(yè)工具，來支撐更好的視頻生成，為此支付每月200美元的Pro用戶也不少。國內，我們實測過的，字節(jié)跳動的扣子開發(fā)平臺、百度文心智能體開發(fā)平臺等的開發(fā)工具也已經(jīng)很容易上手了。

三是大模型應用從開發(fā)到商業(yè)化的“端到端”支持。

2024年并沒有出現(xiàn)國民級的第三方AI應用。一方面是模型能力本身還需要提升，一些AI智能體平臺充斥著大量低水平、易復制的個人智能體，對話體驗、理解能力、多模態(tài)任務等的效果一般，沒有太大商業(yè)價值；另一方面，是很多開發(fā)者不知道AI應用如何商業(yè)化，所以還沒有投入太大精力去開發(fā)市場缺乏的產(chǎn)品，滿足尚未解決的需求，這就需要平臺加大對開發(fā)者的商業(yè)資源扶持。

歸根結底，技術天花板短期內難以突破，大模型市場飽和與同質化競爭的局面就不會宣布解決。大模型要取得商業(yè)成功，前提是用戶和開發(fā)者的業(yè)務能否成功，這是為什么完善的商業(yè)基礎設施必不可少。

逃離內卷的堰塞湖，所有模廠2025年都必須回答的問題是：如果大模型是水和電，那么用戶和開發(fā)者擰開開關，究竟能得到什么？

       原文標題 : 大模型，在內卷中尋找出口