AI竞争白热化，谁能在"百模大战"中胜出？

上个月，AI领域爆发了一场"动物大战"。一方是Meta推出的Llama（美洲驼）模型，另一方是名为Falcon（猎鹰）的大模型。

Llama因其开源特性深受开发者欢迎。日本NEC公司研究Llama论文和源码后，迅速开发出日语版聊天机器人。而Falcon则由阿联酋的科技创新研究所开发，曾在开源模型排行榜上力压Llama。

目前，AI领域已进入"群雄逐鹿"阶段。有实力的国家和企业纷纷着手打造自己的大语言模型。仅在海湾地区，沙特阿拉伯就为国内大学购买了3000多块H100芯片用于训练。

这种"一国一模"的现象让人不禁疑惑:号称高门槛的AI技术，怎么演变成了"百模大战"?

Transformer算法改变游戏规则

当前各种大模型的崛起，都要归功于2017年谷歌发表的《Attention Is All You Need》论文。该论文提出的Transformer算法成为此轮AI热潮的关键。

Transformer解决了早期神经网络难以理解长文本上下文的问题。它采用位置编码代替循环设计,实现并行计算,大幅提升了训练效率。这使AI从理论研究转向了工程实践,推动了大模型时代的到来。

2019年,OpenAI基于Transformer开发出GPT-2模型。随后谷歌推出性能更强的Meena,主要靠增加参数和算力。这种"暴力堆砌"的方式震惊了学术界。

如今,底层算法创新速度放缓,数据工程、算力规模等工程要素成为AI竞赛的关键。有一定技术实力的科技公司都能开发出大模型。

入场容易成功难

虽然入场门槛不高,但要在AI时代成为领先企业并不容易。以Falcon和Llama之争为例,Falcon虽然排名更高,但难以对Meta造成实质性冲击。

对开源大模型而言,活跃的开发者社区才是核心竞争力。Meta早在2015年就确立了开源路线,深谙社区运营之道。目前Llama系列已成为开源LLM的风向标,众多模型都基于它开发。

性能方面,大多数LLM与GPT-4仍有明显差距。在AgentBench测试中,GPT-4以4.41分遥遥领先,第二名Claude仅2.77分,开源模型多在1分左右。

造成这种差距的是OpenAI顶尖的科学家团队和长期积累的经验。因此,大模型的核心优势在于生态建设或纯粹的推理能力,而非简单的参数堆砌。

成本与收入失衡成难题

目前大模型提供商普遍面临成本与收入严重失衡的问题。据估算,全球科技公司每年在大模型基础设施上的投入将达2000亿美元,但收入最多750亿美元,存在至少1250亿美元的缺口。

即便是微软、Adobe等巨头,在AI产品上也难以盈利。例如GitHub Copilot每用户每月要倒贴20美元,重度用户甚至让微软亏损80美元。Adobe则不得不设置积分系统限制使用。

对于大多数参数堆砌的大模型来说,主要应用场景仍局限于聊天。随着同质化竞争加剧和开源模型增多,单纯的大模型供应商面临的挑战将更大。

未来,真正能脱颖而出的AI企业,或许不在于模型本身,而在于如何将AI与实际应用场景深度结合,为用户创造真正的价值。就像iPhone 4的成功不在于处理器,而在于丰富的应用生态。