大模型，在內卷中尋找出口

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”到底有沒有發生？

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

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

在內卷化週期中，一個產業是很難保持活力和創新動力的。大模型內卷化的加劇，也讓行業進入調整期。

首先可以感受到的，就是公衆和投資者的失望。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新高。而近來我們明顯看到，這股熱情已經回落。

OpenAI的股東、接入模型API的服務商企業，都公開抱怨過，AI能力沒有太大進展了。剛剛結束的爲期12天的OpenAI 發佈會，也大多是對已有模型、產品或技術路線的增強，符合預期，但缺乏亮點，無法爲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）”，更是給大衆澆了一瓢涼水。

來自產學各界的質疑態度是一個比較危險的信號，因爲歷史上的AI寒冬都源於信心缺失和投資退潮。

另一個危機信號，是產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，一是模型數量過密，且性能表現逐漸趨同，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，用戶都願意用加量不加價、物美價更廉的新模型，舊模型沒人願意用了。GPT-4o Mini發佈後，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，又爲了應對價格戰而不得不下調token價格，結果就是經濟負擔越來越重。可以說，目前大模型無論是外部的宏觀形勢，還是企業的微觀經營狀態，都沒有2023年那麼積極了。

模型層面，底層技術路線、數據瓶頸等無法在短期內得到有效突破，那麼從商業層面尋找出路，就成爲必然。

2024年，我們能看到大模型內卷，給商業模式帶來的諸多挑戰。

一是雲+API模式，流血降價、以價換量並不是最優解。

API調用量付費，是大模型的主要變現模式之一，通過token降價來贏得更多大模型業務上雲，獲得長期收益，是雲廠商價格戰的基本邏輯。但目前來看，以價換量似乎並不奏效。

究其原因，是因爲B端客戶更關注模廠的長期性、模型質量，質在價先，可靠優先。所以，我們看到，一部分以價換量成功的雲廠商，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後，百度智能雲的日調用量一個月翻了十倍。基於豆包大模型家族的火山雲，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於頭部模型，而老用戶要麼不考慮替換現有模型，要麼會把雞蛋放在多個頭部廠商的籃子裡，趁降價接入更多模型，最終留下性價比高的。而不打價格戰的雲廠商，比如華爲雲將盤古大模型作爲“尖刀產品”，也在B端市場取得了不錯的成績，與行業夥伴協同打造的煤炭大模型、醫藥大模型及數智化解決方案，今年在垂直領域的多個企業內被複用。很多行業用戶考慮華爲雲，就有企業抗風險能力強，能在基礎模型堅持投入，業務穩健運營的預期考量。

上述企業說明，雲+API模式成功的根本，是“質在價先”。

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

因爲大模型的更新換代非常快，一方面新模型在質量和性價比上往往更好，“等等黨”更願意觀望；另外很多舊模型會不再更新或退役，這就讓會員更不願意跟平臺長期綁定。這就導致模廠爲了不斷吸引新用戶，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後就轉向免費版本，或者更新更便宜的友商產品，長期續費率不高。

可以看到，大模型的內卷化，導致大多數模廠難以說服客戶和開發者，與其建立長期信賴關係。這就給後續的商業變現與價值挖掘，造成了極大挑戰。

告別內卷，就要向外尋找出路。數量多、同質化的大模型，形成了一個密度很高的堰塞湖。那麼逃離內卷，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，內卷化週期中，用戶並不願意將雞蛋放在一個籃子裡，或者跟某一個模廠進行長期綁定，這就需要模型具備6ihh.jiyizan.com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服務商爲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。

二是更細緻地開發工具。

將大模型技術轉化爲生產力，還需要加工工具、工作流等更細緻的支持，比如此次OpenAI就爲Sora打造了Remix、Blend和Loop三個專業工具，來支撐更好的視頻生成，爲此支付每月200美元的Pro用戶也不少。國內，我們實測過的，字節跳動的扣子開發平臺、百度文心智能體開發平臺等的開發工具也已經很容易上手了。

三是大模型應用從開發到商業化的“端到端”支持。

2024年並沒有出現國民級的第三方AI應用。一方面是模型能力本身還需要提升，一些AI智能體平臺充斥着大量低水平、易複製的個人智能體，對話體驗、理解能力、多模態任務等的效果一般，沒有太大商業價值；另一方面，是很多開發者不知道AI應用如何商業化，所以還沒有投入太大精力去開發市場缺乏的產品，滿足尚未解決的需求，這就需要平臺加大對開發者的商業資源扶持。

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佈解決。大模型要取得商業成功，前提是用戶和開發者的業務能否成功，這是爲什麼完善的商業基礎設施必不可少。

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，那麼用戶和開發者擰開開關，究竟能得到什麼？