ChatGPT發布不過半年，以LLM大模型為(wei) 基點的全球性AI再造競賽已進入白熱化競爭(zheng) 狀態。據不完全統計，國內(nei) 類似ChatGPT的產(chan) 品已經有接近40個(ge) 。ChatGPT依賴大模型、大數據、大算力支撐，其出現標誌著通用人工智能的起點和強人工智能的拐點，是裏程碑式的技術進步。
可以預見的是，大模型時代，AI開始像人一樣思考和工作，傳(chuan) 統的交互方式和內(nei) 容生成方式將被徹底顛覆，新的業(ye) 態和商業(ye) 模式將出現，相關(guan) 產(chan) 業(ye) 也將被重構。下麵，筆者將基於(yu) 大模型發展的現狀，給出相關(guan) 行業(ye) 洞察。
大小巨頭搶跑GPT,不止於算力
如今，各大廠商主要圍繞著算力和模型展開競賽，算力焦慮自大模型誕生之日起便與(yu) 日俱增。但筆者認為(wei) ，“得算力者得天下”的論斷僅(jin) 在大模型競爭(zheng) 的前期階段有效，這一階段的競爭(zheng) 核心是資質篩選，以最快速度和絕對優(you) 勢實現攻城略地是大廠商的生產(chan) 策略。這也解釋了為(wei) 何各家都有在按部就班地訓練大模型，但卻隻在ChatGPT出現後才真正出現瘋狂井噴之勢。
作為(wei) 智能時代的基礎設施，大模型的算力就如同工業(ye) 生產(chan) 中的電力，並非所有企業(ye) 都有能力建發電廠，因而勢必隻能誕生少數大模型運營商提供基礎底座支持。
那麽(me) ，沒有先發優(you) 勢和算力優(you) 勢的小廠商再進入強強競爭(zheng) 的生態中是不是就沒了活路？非也。
算力並不能成為(wei) 持續的第一競爭(zheng) 力，GPU卡數量越多，也並不意味著大模型的表現就越優(you) 秀、企業(ye) 使用大模型的效果就越好。這也是為(wei) 什麽(me) ，GPT 降臨(lin) 後，大模型廠商一邊拚命卷，一邊困惑著如何在同質化嚴(yan) 重的產(chan) 品中走出自己的路。
目前，國內(nei) 的行業(ye) 生態遵循著這一基本路線——用底座做，在通用大模型的基礎上建行業(ye) 垂類大模型，通過 B、C端聯動的方式築起自家的生態圍牆。
誠然，在這種基礎資源的絕對優(you) 勢麵前，小廠商很難突圍。但這一路線的弊端也顯而易見，很多時候大巨頭們(men) 忙著靠算力搶站位，無暇顧及落地。唯有產(chan) 品模式真正能落地，才能持久地運用好已有的算力優(you) 勢。作為(wei) 落地的關(guan) 鍵環節，資源分配的先後順序、產(chan) 品形態的想象能力，以及商業(ye) 模式的設計，都是實現超車的重要因素。
因而即使是小廠商，也可以在已有的產(chan) 業(ye) 版圖上通過比拚專(zhuan) 業(ye) 度，兼顧技術、用戶與(yu) 賽道，來發揮專(zhuan) 業(ye) 特長，規避資源調度的短板，開辟競爭(zheng) 新路徑。
可以說，在大模型競賽度過以算力為(wei) 第一驅動力的“跑馬圈地”階段後，大模型的真正鋪開，帶來各行各業(ye) 的重構式革新，一定是在算力、框架、模型、應用所構築的四維架構下驅動的。如果現有的巨頭廠商無法協調好這四維的發展層次，就會(hui) 逐漸失去競爭(zheng) 力與(yu) 規模優(you) 勢，最終消失在 GPT 時代的市場版圖中。
AI之於企業，需要更多想象空間
AI所能做到的，不止是替代人力擁有更強大的大腦，那麽(me) 如何最大發揮其效能，關(guan) 鍵還是在於(yu) 運用方式。
將AI當作一種功能拓展，它會(hui) 是產(chan) 品升級的有力亮點。
目前，亞(ya) 馬遜正在準備將生成式 AI 和大型語言模型通過其 Alexa Teacher 模型引入到語音助手中，來提升用戶交流體(ti) 驗和智能家居使用的效率。無獨有偶，阿裏也瞄準了智能家居作為(wei) AI應用場景嵌接的首要端口。在不同型號的天貓精靈音箱設備和幾千種終端型號中，都將接入 AliGenie 6.0 智能交互係統。阿裏巴巴集團 CEO張勇也曾表示，阿裏巴巴所有產(chan) 品未來都將接入“通義(yi) 千問”大模型，進行全麵改造。麵向 AI 時代，所有產(chan) 品都值得用大模型重新升級。
將AI看成高階勞動力，它能創造出更多。
在過去，AI在產(chan) 品質量檢驗、設備預警管控中發揮著特定的作用。未來，隨著生成式AI不斷深入製造企業(ye) 的生產(chan) 流程，AI將在設計仿真和管理協作方麵發揮更出色的性能，而這兩(liang) 點也是AI在大模型賦能下所實現的高階技能突破。
參與(yu) 到產(chan) 品研發中的生成式AI將以廣袤的智能儲(chu) 備帶來顯著的效率提升。Monolith AI公司在2023年工博會(hui) 上帶來其機械工程仿真解決(jue) 方案，基於(yu) 該方案，創建者依靠實時數據每次進行仿真都會(hui) 開發一個(ge) 模型，省去許多測試程序，該公司的目標是到2026年將十萬(wan) 名工程師的產(chan) 品開發時間縮短50％。
而參與(yu) 到供應鏈管理中的生成式AI既能與(yu) 人無障礙溝通，又能串聯起機器的語言從(cong) 而實現更高維的協作。一方麵，實時數據追蹤和數據分析以及可視化表達讓管理者能實時了解生產(chan) 動態，便於(yu) 管理調度。另一方麵，人也可以通過簡易的語言指令來指揮機器的運作，實現人—物—物的鏈接，最終實現全自動化的製造生態。
目前，大模型訓練的數據來源主要是互聯網數據，以文本和圖表為(wei) 主，且通用大模型並不適配於(yu) 工業(ye) 場景的需求，因而許多投資者並不看好AI在製造生產(chan) 領域的前景，但隨著未來商業(ye) 模式的明晰下定製化模型的拓展，以及私有雲(yun) 部署的安全優(you) 化，生成式AI必將在生產(chan) 製造業(ye) 鋪開更廣闊的應用空間。屆時，基於(yu) 客觀物理實體(ti) 產(chan) 生的物聯網數據將成為(wei) 生成式AI模型訓練的主要數據來源，AI的可控力和模型的精確性將大大提升，為(wei) 物聯工業(ye) 拓展出更多可能性。
軟件價值重定義，更廣闊的服務市場
由大模型所開啟的 AI 經濟的序幕，意味著一般意義(yi) 上的 AI 模型即將被大多數消費者、軟件廠商所接受。
未來，在大模型市場的競爭(zheng) 中，絕大多數企業(ye) 都會(hui) 被淘汰，形成少數幾家頭部大模型廠商，後麵跟著龐大長尾的大模型團隊來服務各個(ge) 行業(ye) 客戶的格局。而這長尾便是 AI 經濟的源頭活水。
大模型雖與(yu) 傳(chuan) 統人工編寫(xie) 的軟件采用了完全不同的生產(chan) 方式，但並未出離軟件的本質，可以通過在用戶使用的過程中不斷進行重新訓練、微調來滿足用戶的具體(ti) 需求，這便導致大模型訓練需求的源源不斷。
也正如前 Google AI 算力平台工程師趙亞(ya) 雄所言：“如同中國跳過 PC 互聯網的成熟而直接進入移動互聯網，中國的軟件服務業(ye) 也會(hui) 跳過 SaaS 進入 AIaaS 階段，這意味著絕大部分軟件應用都會(hui) 用AI 模型來支持其功能，也意味著更廣泛的 AI 算力需求，這是極為(wei) 廣闊的市場空間。”
大模型的出現意味著以 AI 為(wei) 主體(ti) 的軟件服務會(hui) 給中國軟件產(chan) 業(ye) 帶來跳躍式發展，拓展出更大的價(jia) 值空間，國內(nei) 傳(chuan) 統的對於(yu) 硬件設備優(you) 先於(yu) 軟件的價(jia) 值次序或將迎來重構。基於(yu) 此，以大模型訓練為(wei) 開端，逐步擴大和深入發展的國內(nei) AI經濟，將會(hui) 是一個(ge) 多元多維發散，潛力十足的市場。
