进入 2024 年，大模型似乎有熄火之势：资本市场，与之关联的概念炒不动了，英伟达股价动辄暴跌重挫，引发 " 泡沫戳破 " 的担忧;
消费市场，BATH 们的推新活动少了，产品更新迭代的速度慢了，民众的关注度降了……
热闹的大概只剩下两场酣仗：自 5 月 15 日字节跳动宣布 " 以厘计费 "，打响国内大模型 " 价格战 " 的第一枪，百度文心、讯飞星火、阿里通义、腾讯元宝等纷纷跟进;
同时，地铁、写字楼、机场等白领人群密集区域，百度文心、讯飞星火、阿里通义、腾讯元宝、华为盘古的 Slogan，你方唱罢我登台，贴脸营销如枪林刀树。
" 海水 " 与 " 火焰 " 交融的场面，不得不让人思考，大模型的出路究竟在哪里？难点、卡点、节点又是什么？
01 难点：盈利难＆落地难
强如 OpenAI，也面临 " 恰饭 " 的难题。
援引外媒报道，OpenAI 预估亏损 50 亿美元，全年运营总成本高达 85 亿美元，照此估算，其现金流大概率在一年内耗尽。
而在一篇题为《How does OpenAI Survive》的长文中，作者对 OpenAI 的商业模式产生了质疑：
"OpenAI 的营收在 35 亿至 45 亿美元之间，但其运营亏损可能高达 50 亿美元，其收入远远无法覆盖成本。而为了推出下一代的大模型 GPT5.OpenAI 需要更多的数据和算力，这又是一大笔花费。"
说千道万，靠着 " 碎钞式 " 的大力出奇迹后，大模型却仍未找到一条合理的盈利路径。
据《节点财经》观察，市面上的大模型，大部分都采取 To C+To B，即会员订阅 + 开发者 API 调用 " 两条腿 " 走路。
但无论是 To C，还是 To C，能一上来就产生付费的寥寥无几，若再刨除重负的减项，多半是鼻子大过脸。
以本土大模型先行者百度为例，2024 年 Q1.其云业务收入为 47 亿元，同比增长 12%，其中 6.9% 来自外部客户使用大模型及生成式 AI 相关服务，约为 3.24 亿元。
而在 2023 年 Q4.大模型为百度云贡献了 6.6 亿元增量收入。
这是国内唯一披露大模型收益的厂商，本身又是家大业大，有底气拼到底的巨擘。但只谈创收，忽略创利，就是耍流氓。
可想而知，其余不敢明示账目的选手，内心有多迷茫、煎熬。
不挣钱，难挣钱的背后，是大模型落地难的窘境。
虽然大佬们高呼 "ChatGPT" 的问世是 "iPhone 时刻 "，第四次工业革命，新一代的 " 火 " 和 " 电 "，但坦率地讲，当下大模型还有很多局限性，包括认知偏差、能动性欠缺、泛化性能弱、幻觉等。
比如，数值运算就是大模型明显的弱项，或者说大模型是妥妥的 " 文科生 "，做数学题的智商可能连二、三年级的小学生都不如。
《节点财经》亲测，在 Kimi 输入："9.11 和 9.8 哪个大?" 一顿啰嗦后，Kimi 给出了完全不正确的答案。
比如，大模型资料更新不及时，必须外挂知识库才能在一定程度上缓解这个痛点，并且还是无法完全解决 " 一本正经地胡说八道 " 的尴尬。
前几天刷屏的 SearchGPT，就在各地网友兴致勃勃等待灰测展现 AI 搜索的 " 洪荒之力 " 时，《大西洋月刊》浇了一盆冷水，眼尖的记者发现：
问的是关于 " 八月份北卡罗来纳州的布恩音乐节 " 的细节，SearchGPT 的回答分为 5 条，3 条里包含事实错误——有的是把举办日期弄错，有的是把距离和车程搞混，有的是把场馆网址张冠李戴。
再如，大模型绝对是 " 健忘症 " 患者，我们在和它对话时，尤其是多轮对话时，难免要化身 " 复读机 "，一遍一遍重复相同的话术。
而在 B 端，因为实战经验不足，生分于对方的 Know-How，加之环境的复杂多变性，大模型面临的挑战更艰巨。某业内人士表示，迄今大模型在行业中尚没有一个成熟的案例。
02 卡点：数据、算力、成本
深入肌理地分析，大模型的 " 落地难 " 又与自身的三大卡点：数据、算力、成本息息相连。
卡在数据
如果把大模型比作一头巨兽，那它的显著特征之一便是 " 不停进食 "：需要高质量、大面积的语料做长久期、高频次地投喂、催肥。
换言之，" 食物 " 的品质、多寡、新鲜度、多样性等，决定了大模型的迭代进度和学习效果。
无疑，这对数据的挖掘、获取提出严峻考验，关系到各方的权益保障、利益分配、版权归属等，通常涉及到敏感信息时，数据的清洗、标注、脱敏又会很繁杂。
前阵，免费网文 APP 番茄小说因一份 "AI 协议 " 引发轩然大波。根据该份协议，平台可以将签约作品，含名称、大纲、简介、章节等，作为 " 哺育 "AI 大模型的素材，用于各种应用场景，如智能对话、智能文本创作等。
不过，这一举动遭到作者的普遍反对，认为其不仅威胁网络写手的生计，还损害了原创内容的价值，甚至发起联合断更以示抗议。
卡在算力
如果把 AI 链路比作一间工厂，那么算力便是维持工厂运转，量级夸张且进价不菲的 " 燃料 "(煤、石油、电力等)。
公开资料显示，初始 ChatGPT 匹配的算力是 1 万块英伟达 A100(AI 芯片)，花费超过 7 亿元。后续调优每天消耗的算力大概是 3640PFLOPS，即 7 至 8 个算力达 500PFLOPS 的 Data Center 的支撑，整体基建开支以百亿计。
按照广发证券的测算，在暂不考虑软件层面算法优化的前提下，本土 AI 大模型在训练与判断、预测阶段所需算力，相当于 1.1 万台或 3.8 万台(乐观假设下)高端 AI 服务器，大致对应约 126 亿元到 434 亿元的资金体量。
进一步地，随着大模型规模状大，算力需求会倍数递增，已然超越硬件的摩尔定律。据悉，ChatGPT 从 1.0 到 3.0.参数量从 1.17 亿狂飙到 1750 亿。
而目前，我们在算力这块既面临外部 " 卡脖子 "，内部建设又相对落后，碎片化、传输慢、协同难、人才紧缺等 " 痼疾 " 亟待突破，导致大模型的实效逊于国外。
" 大模型只有两个梯队，OpenAI 和 Others，国产用哪家都一样 "，多位 AI 从业者谈道。
卡在成本
大模型 " 桎梏 " 于算力，实际也是 " 桎梏 " 于成本。
计算机飞入千家万户，售价下探，变得亲民、接地气，很关键;智能手机能人手一部，物美价廉的小米功不可没;新能源汽车的热卖，离不开动力电池的 " 跳水式 " 降价……
从人类历史的进程看，任何一项新技术的推广、普及，都离不开对成本的有效、大力压缩、控制。
硬币的背面，是科技发展和工业文明进步共同作用下，制造效率、运算精度提升，人均产值拔高，各类物料愈发便宜等因素集结的强大驱动力，进而减轻 C 端、B 端 " 太贵了，买还不买 " 的纠结。
大模型同理，浩大的开支也是其成长途中的 " 绊脚石 "。试想，当生态里只有唯一的 " 卖铲人 "(英伟达)赚钱，赚头还不小，怎么可能持续呢?
好消息是，今年 2 月末，李彦宏透露，自发布以来，百度不断降低文心大模型在推理方面的成本，已降至去年 3 月版本的 1%。
03 节点：在产业里 " 种植 " 大模型
毋庸置疑，大模型仍有诸多 " 短板 " 和缺陷，但新技术的魅力向来在于探索 " 无人区 "，跋涉 " 深水区 "。
很多眼下看似微弱的 " 火种 "，往往都孕育着日后 " 纳须弥于芥子 " 的宏壮。尽管迄今为止的大模型，大家都是拿着锤子找钉子，但我们已经看到，其正逐步向产业迈进，尝试扮演了一些浅层的 Agent 的角色。
最醒目的标识便是，大模型不再坐而论道，只会聊天、写诗、作画，而是起而动之，走出实验室，去往矿区、政务、金融、医药、金融、物流等具体领域，努力兑现自己的终极使命。
比如，在矿区，下井工人常年深陷光线昏暗、浮尘弥漫的环境，叠加经年累月高强度的劳碌，使不少人都患上了风湿、耳鸣等职业病，更甚者，还可能遭遇瓦斯、透水等意外，但矿区作业又十分依赖人力，特别是主运系统巡检。
华为的盘古矿山大模型这时候便派上用场了。其覆盖煤矿的采、掘、机、运、通、洗选等流程下的 1000 多个细分场景，用 AI 取代人成为主运智能监测系统的眼睛，能够精准识别大块煤、锚杆等异常情况，异物识别准确率达 98%，动作规范识别准确率超过 95%，且全时段巡逻助力工作人员，避免因漏检造成的安全事故，缩短停机时间。
京东表示，基座大模型是靠卡训出来的，企业大模型是靠人用出来的。
物流领域，揽收、派送、分拣、辅助，应对突发事件等，快递员每天都背负着繁重的任务，还要熟悉货物处理规程、安全操作标准、客服要求等多达上百个规范，把这些统统记牢，肯定要耗费大把功夫，还容易混淆。
京东言犀大模型的小哥终端助手大大化解了上述烦恼。它告别了只 " 动脑 " 的境界，能直接 " 下手 "，快递员动动嘴，小哥终端助手就能立即将送货通知发给客户。如今，小哥终端助手为 JD 商城近 35 万自有配送员 " 效劳 "。
再如，零售行业，基于京东言犀大模型的 AIGC 营销工具 " 京点点 "，不仅可以帮助商家一键出商品图，还支持了超过 2000 种视觉元素道具;不仅可以丰富吸睛资源和表现力，还能依循商品属性、特点和宣传想要的个性化布局，实时、自主撰写创意卖点、种草文案、直播脚本等。
总的来说，把大模型 " 种植 " 在产业里，让大模型在产业里生长、发芽，俨然是现在大厂的共识，必须攻克的难关。长远看，该共识亦如 " 星星之火 " 终会燎原旷野。
写在最后
当喧嚣过后，大模型这场豪华游戏，能留在牌桌的玩家，注定只是少数。
面对数据、算力、成本等现实问题，供需两端渐渐回归理性。可以预见，在真 " 好用 " 和能 " 吸金 " 之间，大模型还有很长的路要走。
