確定性的機(jī)會(huì)指向的往往是需求場(chǎng)景，需要實(shí)干家，不斷優(yōu)化體驗(yàn);而不確定的機(jī)會(huì)往往依托于技術(shù)創(chuàng)新，需要冒險(xiǎn)家，探索出一條通向應(yīng)用的路徑。這也是為什么人們不會(huì)驚訝于雷軍下場(chǎng)造車的決心，卻很難完全相信楊植麟在月之暗面創(chuàng)業(yè)過(guò)程中表現(xiàn)出來(lái)的技術(shù)理想主義。

　　在大模型領(lǐng)域，并沒(méi)有形成像新能源車一樣的市場(chǎng)共識(shí)。企業(yè)在確定性和不確定性之間進(jìn)行的權(quán)衡，是引發(fā)行業(yè)分歧的主要原因。選擇確定性還是擁抱不確定性，決定了企業(yè)是優(yōu)先賺到錢，還是優(yōu)先做好技術(shù);是堅(jiān)持做閉源大模型，還是賭開(kāi)源大模型一定會(huì)迎頭趕上;是要依靠通用模型催生引爆行業(yè)的超級(jí)應(yīng)用，還是要通過(guò)小模型先占領(lǐng)細(xì)分市場(chǎng)。

　　當(dāng)前的環(huán)境下，企業(yè)和投資人都會(huì)從更現(xiàn)實(shí)的角度去做考量，活下去、掙到錢，比一個(gè)不確定的理想愿景更能說(shuō)服人。但人們對(duì)大模型的期待是給行業(yè)帶來(lái)更徹底地改變。從長(zhǎng)遠(yuǎn)來(lái)看，現(xiàn)在很多企業(yè)的大模型應(yīng)用，還是在對(duì)原有工具進(jìn)行小修小補(bǔ)，很難產(chǎn)生引爆技術(shù)的應(yīng)用，也很難抵御未來(lái)大模型技術(shù)迭代帶來(lái)的洗牌。

　　泛濫的「智能體」是最明顯的一個(gè)例子。國(guó)產(chǎn)大模型的落地催生出各種被冠以智能體名號(hào)的聊天機(jī)器人和「XX助手」。百度文心一言中充斥著大量伏地魔、繁花-爺叔這樣的模擬對(duì)話機(jī)器人;kimi+上也出現(xiàn)了公文筆桿子、i人嘴替等個(gè)人助理;字節(jié)豆包在抖音上的推廣也都依靠批改作業(yè)、練習(xí)英語(yǔ)口語(yǔ)等簡(jiǎn)單的功能點(diǎn)來(lái)吸引用戶。

　　很難想象這樣的聊天機(jī)器人能有多強(qiáng)大的生命力。如果我們對(duì)于大模型的期待僅停留在追求確定性的階段——利用其提升智能客服的對(duì)話體驗(yàn)，提高資料搜集整理的效率以及擴(kuò)充某些圖像或生成某些代碼，那么大模型能夠產(chǎn)生的實(shí)際價(jià)值或?qū)⑦h(yuǎn)不及我們現(xiàn)在的預(yù)期。

　　大模型殺手級(jí)應(yīng)用的出現(xiàn)一定是要革掉某個(gè)現(xiàn)有體驗(yàn)的命。現(xiàn)在來(lái)看，沒(méi)有共識(shí)就是最好的消息，至少說(shuō)明這個(gè)市場(chǎng)上，不是所有人都只滿足于眼前的利益，還有人在沿著另一條邏輯路線前行，在不確定中尋找更大的可能，去打一場(chǎng)持久戰(zhàn)。

　　大模型的兩種邏輯

　　中局和終局是大模型領(lǐng)域目前比較有代表性的兩種發(fā)展邏輯。

　　中局的邏輯以朱嘯虎(金沙江創(chuàng)投主管合伙人)為代表，包括一部分聚焦應(yīng)用層的創(chuàng)業(yè)者在內(nèi)，致力于利用開(kāi)源大模型快速構(gòu)建服務(wù)于細(xì)分需求的小模型，然后通過(guò)數(shù)據(jù)積累和模型迭代，建立競(jìng)爭(zhēng)門檻;終局的邏輯以月之暗面為代表，傾向繼續(xù)投入于大模型能力的提升，等待技術(shù)迭代引爆超級(jí)應(yīng)用。

　　在中局的邏輯里，大模型的理解、決策能力被融合到既有的場(chǎng)景中，讓這些場(chǎng)景能夠應(yīng)用大模型的生成能力，提升解決方案的性能，從而產(chǎn)生新的商業(yè)化可能性。這種邏輯受到青睞的原因是，有確定性需求，可以迅速見(jiàn)到成效，用戶付費(fèi)意愿更強(qiáng)。

　　在朱嘯虎的介紹中，一家利用開(kāi)源大模型做AI視頻面試的企業(yè)2023年的收入比2022年翻了一倍;利用開(kāi)源大模型做AIGC視頻廣告的公司2023年收入做到了5000多萬(wàn)元，比2022年漲了四五倍。

　　朱嘯虎追求的機(jī)會(huì)是，利用LLaMA這種快速提升的開(kāi)源大模型，結(jié)合垂直場(chǎng)景的數(shù)據(jù)積累和人工微調(diào)，在幾個(gè)月內(nèi)提升某一垂直場(chǎng)景的效率，在大模型發(fā)展過(guò)程中先賺到第一桶金。

　　朱嘯虎對(duì)大模型的發(fā)展持悲觀預(yù)期，對(duì)應(yīng)用場(chǎng)景的開(kāi)發(fā)保持樂(lè)觀，主張從實(shí)際出發(fā)，把能賺的錢先賺到。

　　月之暗面的創(chuàng)始人楊植麟的理念則更具技術(shù)理想主義色彩，他相信大模型會(huì)逐步完成對(duì)世界的建模，并在這個(gè)過(guò)程中自然涌現(xiàn)出殺手級(jí)應(yīng)用。

　　楊植麟的終局邏輯下，大模型是一種解釋世界的工具，就像人會(huì)用語(yǔ)言描述世界、理解世界一樣，大模型用數(shù)學(xué)為語(yǔ)言建模，讓AI也能夠理解世界，描述世界。AI依靠這種學(xué)習(xí)能力，逐步實(shí)現(xiàn)像人一樣使用工具，讓AGI成為幫助人鏈接和管理細(xì)分場(chǎng)景的「助理」。

　　AI能夠使用工具，也就意味著很多場(chǎng)景的運(yùn)作方式將會(huì)迎來(lái)巨大改變。可能企業(yè)未來(lái)并不需要有一個(gè)專門的視頻面試工具，也不需要有獨(dú)立的AI客服，而是統(tǒng)合到一個(gè)大模型主導(dǎo)的企業(yè)級(jí)智能體中，依靠智能體打通和掌控企業(yè)的不同環(huán)節(jié)。

　　在即將被OpenAI帶火的AI搜索中，真正的難點(diǎn)不是搜索結(jié)果到底要以網(wǎng)頁(yè)列表的形式顯示，還是以經(jīng)過(guò)AI整合的一段話來(lái)顯示，而是如何利用AI的理解能力，把被APP分解的信息重新鏈接成為一個(gè)整體。在Kimi+中，可以看到什么值得買、小紅書(shū)的相關(guān)內(nèi)容可以借助個(gè)人助理「什么值得買」和「美好生活指南」來(lái)進(jìn)行喚醒。

　　但隨著楊植麟2個(gè)月套現(xiàn)4000萬(wàn)美元的消息傳出，市場(chǎng)對(duì)他的這種終局邏輯產(chǎn)生了質(zhì)疑。月之暗面直接面向C端用戶的思路，獲客成本高且營(yíng)收前景低。在沒(méi)有新的變化出現(xiàn)前，月之暗面商業(yè)化前景的不明朗被認(rèn)為是楊植麟信心不足，急于套現(xiàn)的原因。

　　聊天機(jī)器人發(fā)揚(yáng)不了大模型

　　從目前來(lái)看，國(guó)內(nèi)的大模型應(yīng)用給到嘗鮮者的總體感覺(jué)還處于大而無(wú)當(dāng)階段，提出問(wèn)題之后獲得的答案很難讓人滿意。這一方面受限于大模型自身的技術(shù)能力不足，另一方面則受限于用戶對(duì)大模型應(yīng)用使用經(jīng)驗(yàn)的不足。

　　很多大模型應(yīng)用推出之初，都僅有一個(gè)對(duì)話框，用戶可以在對(duì)話框中提出任何問(wèn)題并獲得答案。而利用精準(zhǔn)的Prompt充分開(kāi)發(fā)大模型的現(xiàn)有能力，成為大部分用戶難以在短時(shí)間內(nèi)逾越的門檻。

　　目前充斥在文心一言、豆包等大模型應(yīng)用中的智能體，很多都是為了降低大模型的使用門檻而打包的Prompt，也就是將一些用戶的使用經(jīng)驗(yàn)沉淀為可以被分享的智能體，讓用戶可以按照需求找到不同的智能體，獲得更具針對(duì)性、更有效的回答。

　　Prompt門檻的出現(xiàn)本質(zhì)上還是大模型在語(yǔ)言理解能力上存在欠缺。用戶即便利用現(xiàn)成的Prompt獲得了有效信息，也依然要面對(duì)不成熟的體驗(yàn)。Prompt或者所謂的智能體，可以解決初次溝通的效率問(wèn)題，但解決不了復(fù)雜對(duì)話的效果問(wèn)題，大模型應(yīng)用往往都不止一輪對(duì)話。

　　這也是為什么智能體面向B端的商業(yè)化運(yùn)作依然停留在客服、營(yíng)銷領(lǐng)域，并沒(méi)有能推進(jìn)到其他生產(chǎn)生活領(lǐng)域中。因?yàn)榭头�、營(yíng)銷領(lǐng)域在大模型應(yīng)用之前就已經(jīng)實(shí)現(xiàn)了基礎(chǔ)的智能對(duì)話體驗(yàn)，大模型的理解能力可以讓互動(dòng)變得更加靈活、自然。

　　從李彥宏(百度創(chuàng)始人)演講中提到的案例可以看到，百度在企業(yè)智能體方面的實(shí)踐是提供了一套結(jié)合大模型的無(wú)代碼客服機(jī)器人生成工具。企業(yè)可以上傳私域知識(shí)，自動(dòng)形成對(duì)話語(yǔ)料，也可以過(guò)濾不在自己經(jīng)營(yíng)范圍內(nèi)的內(nèi)容，還能關(guān)聯(lián)第三方的工具。

　　被包裝為智能體的客服機(jī)器人，會(huì)服務(wù)于百度的搜索生態(tài)。當(dāng)用戶在百度APP搜索「什么時(shí)候去新加坡人最少」時(shí)，會(huì)在最前面顯示新加坡旅游局AI分身給到的答案，點(diǎn)擊可以進(jìn)行更多對(duì)話。這種智能體本質(zhì)上和之前的百家號(hào)、小程序一樣，是百度為售賣搜索營(yíng)銷、云服務(wù)等產(chǎn)品的新切入點(diǎn)。

　　但無(wú)論是to B的客服機(jī)器人，還是to C的各種Prompt，都不具備獨(dú)特性，很難成為大模型的引爆應(yīng)用。現(xiàn)在呈現(xiàn)在用戶面前的智能體、大模型應(yīng)用，都還是只停留在優(yōu)化工具的階段，只不過(guò)是讓搜索變得智能了一點(diǎn)。就像王小川（百川智能創(chuàng)始人兼首席執(zhí)行官）所說(shuō)，是在聚焦于搜索如何使用大模型，而不是大模型如何學(xué)會(huì)用好搜索。

　　理想狀態(tài)下，智能體應(yīng)該能夠調(diào)用工具，完成更為復(fù)雜的任務(wù)，而不僅僅是聊天。這里需要提到，無(wú)論Rabbit R1是否只是一個(gè)安卓App的套殼產(chǎn)品，但其結(jié)合大語(yǔ)言模型和所謂大動(dòng)作模型對(duì)APP使用體驗(yàn)的創(chuàng)造性升級(jí)，似乎更接近于一個(gè)智能體理想中的狀態(tài)——通過(guò)不斷學(xué)習(xí)理解人的復(fù)雜意圖，模仿人的動(dòng)作執(zhí)行復(fù)雜操作。

　　我會(huì)比較贊同楊植麟所說(shuō)的，技術(shù)是這個(gè)時(shí)代唯一新變量。無(wú)論是在to B還是to C場(chǎng)景中，在其他變量都沒(méi)有變的情況下，技術(shù)對(duì)語(yǔ)言的理解越來(lái)越精準(zhǔn)，對(duì)人類意圖、行為的理解越來(lái)越精準(zhǔn)，其能夠處理的任務(wù)就會(huì)越來(lái)越復(fù)雜，智能體的能力才會(huì)越來(lái)越強(qiáng)大。

　　Kimi的走紅，已經(jīng)證明大模型應(yīng)用具備了被引爆的市場(chǎng)基礎(chǔ)。Kimi于2023年10月上線，2024年2月日活訪問(wèn)量已經(jīng)在國(guó)內(nèi)排到前三，在3月將無(wú)損上下文長(zhǎng)度從最初的20多萬(wàn)字增加到200萬(wàn)字后，Kimi關(guān)注度繼續(xù)走高，連續(xù)五次擴(kuò)容，訪問(wèn)量環(huán)比增長(zhǎng)321.58%。

　　沒(méi)有共識(shí)就是最好的共識(shí)

　　當(dāng)下還未解決的是，何時(shí)會(huì)出現(xiàn)一款讓大眾用戶保持高頻使用的超級(jí)應(yīng)用。就大模型的應(yīng)用現(xiàn)狀來(lái)看，國(guó)內(nèi)和國(guó)外都還處于工具優(yōu)化階段，只是取決于大模型不同的性能，效果上會(huì)有所不同。比如，Adobe對(duì)AI的最新應(yīng)用仍聚焦于AI圖像編輯功能的創(chuàng)新和改進(jìn)，文生圖功能的推出，以及視頻內(nèi)容的換頭、延長(zhǎng)和輔助鏡頭的生成。

　　面向未來(lái)，讓大模型學(xué)會(huì)使用工具，而不依賴人工微調(diào)，是技術(shù)發(fā)展的又一個(gè)節(jié)點(diǎn)。扎克伯格說(shuō)，「對(duì)于Llama-3，當(dāng)我們開(kāi)始進(jìn)入更多這些類似于智能體的行為時(shí)，我認(rèn)為其中一些將是更多手工設(shè)計(jì)的。我們對(duì)Llama-4的目標(biāo)將是將更多這樣的東西納入模型。」

　　最終能力的大幅提升，依然有賴于大模型本身的進(jìn)步。但是，大模型的每一次進(jìn)步，都需要耗費(fèi)一筆相當(dāng)龐大的資金。根據(jù)THE DECODER披露，GPT-4一次訓(xùn)練成本為6300萬(wàn)美元。而根據(jù)AI Index的估算，OpenAI的GPT-4估計(jì)使用了價(jià)值7800萬(wàn)美元的計(jì)算資源進(jìn)行訓(xùn)練，谷歌的Gemini Ultra 的計(jì)算成本則高達(dá)1.91億美元。

　　高昂的訓(xùn)練成本也是國(guó)內(nèi)在大模型方面沒(méi)有形成共識(shí)的原因之一。國(guó)內(nèi)大模型的融資額度要低于國(guó)外。月之暗面在2月獲得了10億美元A輪投資，Minimax3月被傳獲得6億美元戰(zhàn)略投資。相較于亞馬遜向Anthropic追加的27.5億美元投資，都不算多。而且國(guó)內(nèi)的環(huán)境并不利于大模型的進(jìn)一步融資。

　　對(duì)大模型技術(shù)未來(lái)發(fā)展的差異化預(yù)期是另外一個(gè)原因。一部分開(kāi)源大模型的支持者會(huì)認(rèn)為，開(kāi)源大模型與閉源大模型的發(fā)展會(huì)受到大模型技術(shù)發(fā)展坡度的影響，坡度越陡，閉源的優(yōu)勢(shì)越大，一旦坡度變緩，開(kāi)源會(huì)很快追趕上來(lái)。

　　等待開(kāi)源大模型追趕上來(lái)的人，都預(yù)期大模型技術(shù)發(fā)展的坡度會(huì)在短時(shí)間內(nèi)變緩。這樣閉源大模型與開(kāi)源大模型的差距就會(huì)相對(duì)縮小。而提前深耕場(chǎng)景，積累了一定數(shù)據(jù)的企業(yè)則能夠利用開(kāi)源大模型構(gòu)筑不低于閉源大模型企業(yè)的場(chǎng)景壁壘。

　　對(duì)于小企業(yè)而言，以應(yīng)用場(chǎng)景為目標(biāo)訓(xùn)練小技能，然后不斷根據(jù)技術(shù)進(jìn)步重新「練號(hào)」，可以在這個(gè)大技術(shù)趨勢(shì)下不斷抓到小風(fēng)口，甚至在大風(fēng)口到來(lái)時(shí)，以插件的形式參與其中。對(duì)于巨頭企業(yè)來(lái)說(shuō)，其優(yōu)勢(shì)是多場(chǎng)景的融合，是對(duì)核心入口的爭(zhēng)搶，「重開(kāi)新號(hào)」的代價(jià)太高，技術(shù)的迭代往往意味著一場(chǎng)淘汰賽的開(kāi)啟。

　　基于融資能力的不同、對(duì)技術(shù)應(yīng)用前景預(yù)期的不同、自身體量的不同，企業(yè)之間的共識(shí)并沒(méi)有形成。

　　這是一個(gè)好消息，說(shuō)明大模型領(lǐng)域還遠(yuǎn)未像新能源車一樣進(jìn)入到市場(chǎng)成熟階段。雖然不確定性會(huì)增加失敗的風(fēng)險(xiǎn)，但其中也蘊(yùn)藏著的機(jī)會(huì)也更大，足以說(shuō)服一部分企業(yè)冒險(xiǎn)前行，追求技術(shù)的高峰。

　　可以理解中局的無(wú)奈，卻不應(yīng)放棄對(duì)終局的堅(jiān)持。