AI投资热下的冷思考：百度传闻风波与行业变现难题；是继续烧钱研发通用大模型，还是加速落地AI商业应用，大模型厂商和投资人们都在焦虑中。
来源 | 科技新知
作者 | 樱 木
身处于观望期的大模型赛道，似乎任何风吹草动，都让市场有了不同以往的波动。
近日，摩根士丹利发布报告称，中国AI正在面临更大的变现问题。
文中直接指出AI应用先行者业绩不及预期，金山办公和万兴科技在推出AI产品后收入增长令人失望。
随后，多家媒体传言，由于资金投入巨大，以及商业化不及预期，百度可能放弃通用大模型研发。
此消息一出，引发市场剧烈波动，百度文心一言市场部负责人迅速出面否认。
该负责人称“文心一言刚完成了功能全面升级，我们将持续加大在通用大模型领域的研发投入。”
但只要简单算账，其实当下大模型赛道的尴尬，似乎是一张明牌。
6月末，高盛的一篇名为《投资太多，收益太少》，将AI泡沫论推到台前。
文章直言，大公司计划在未来几年投入1万亿美元在AI相关的东西上，比如数据中心、芯片和电网。
但到现在为止，这些钱除了让开发人员的工作效率提高了一点，没看到其他明显的成果。
在其分析师大卫卡恩的报告中认为 AI 产业泡沫正在加剧，年产值超过 6000 亿美元，才够支付数据中心、加速GPU卡等AI基础设施费用。
而之前的分析中，大卫假设即每年，谷歌、微软、苹果和Meta能从新产生的AI相关收入中获利100亿美元。
同时，甲骨文、字节跳动、阿里、腾讯、X和特斯拉每家能产生50亿美元的全新AI收入。
即便如此，关于AI盈利的需要的缺口，仍然在不断扩大。
在经历了年初的大降价之后，大厂对于大模型的态度，似乎也开始变得暧昧。
诸多大厂在财报电话会中，声称会对人工智能加大投资力度，但实际来看，投入却开始变得谨慎。
最明显的征兆就是，大厂的负责人开始弱化基础大模型迭代，强调应用的落地。
其实，反应到当下，应用落地较为成熟如文生图，文生视频等，成了整齐划一的方向。
但需要清醒认识到的是，由于客观条件的限制，最简单的货币化手段，如OpenAI对GPT收费每月20-25美元的方式，在国内几乎无法复制。
而各大厂期待的AI应用，落地时间以及效率也远不及预期。
面对未来越来越大的投入，以及遥遥无期的回报，大厂的焦虑似乎不断上升。
而另一方面，AGI的路径越往前走，共识也开始被打破。
OpenAI全新的O1模型，采用的Self-play RL（自博弈强化学习），与之前传统以scaling law为主的训练方式又有全新的变化。
而对于国产大模型，GPT4还未完全赶超，新的范式又出现。
前后夹击之下，形成了流言的土壤，也意味着国产大模型到了关键的时刻——
到底是孤注一掷的投入，还是观望等待技术陡峭走平后，发挥后发优势，似乎决定着未来竞争格局的走势。
大厂依然能够依托大模型，赋能场景，将自家的门看好，但如若想要更进一步，一连串的问题，都急需一个明确的答案。
在最近的季度财报电话会议上，谷歌、微软和Meta都强调了在AI上的巨大投资。
微软最近一个季度花费了140亿美元，预计这一支出将“显著”增加。
以数据中心为例，根据美国市场研究机构Synergy研究集团预计，未来每年将有120-130个超大规模数据中心上线。
OpenAI正以1500亿美元估值，洽谈65亿美元融资，并计划通过循环信贷筹措50亿美元债务融资。
本轮融资将由 Thrive Capital领投，OpenAI最大的投资者微软将参与其中；
而AI以及大模型赛道的昂贵，不仅在于越来越快的烧钱速度，还在于，短期难以回本的现实。
据报道显示，2024年年初，OpenAI的年收入已超过34亿美元；
但因为AI太烧钱，加上日益激烈的对手竞争，OpenAI仍在亏损。
据行业内估计到2024年底，OpenAI的亏损将接近50亿美元。
天量的资金需求，靠融资过活的现实，几乎决定了AI赛道对于商业化的渴求：
一个残酷的现实是，如果融不到钱，被大厂收购已然是正在发生的事实。
8月3日，Google官宣“收购”Character AI并收编团队，而Adept和Inflection AI在不久前分别卖身亚马逊和微软。
从最新的消息来看，百川与月之暗面分别完成了数十亿人民币的融资，估值也来到了200亿以上的区间。
但从实际盈利来看，这些明星独角兽似乎依旧乏善可陈。
与海外大厂激进的投资策略不同，国内大厂对于AI的态度似乎开始转向。
从早期的FOMO中回过神，国内大厂并没有选择进一步夸张的投入，而是逐渐开始对AI应用以及商业化的挖掘。
价格战之后，拥有智能云业务以及场景优势的大厂，分别以此为基线开始了全新的探索。
以阿里为例，据业内人士表示，阿里云在芯片禁令收紧以前进口了大批英伟达大卡（H系列、A系列），总数超过了10万张（包括其海外分支机构的卡）。
其中只有一部分是用于内部训练，大部分则以出租的形式提供给外部平台。
有投资人直接表示“很多云厂商的大模型业务都是搭着免费送的。”
与此同时，豆包的逐渐走红，也让字节看到了自身在产品方向上的优势。
与此同时，据业内人士表示，腾讯除了混元大模型，微信自己还搞了一个大模型，与混元团队完全分开。
有时候微信会帮你总结你的搜索内容（灰度测试，不保证所有人都被测试到），其背后的大模型一半是混元的，一半是微信的。
由此可见，面对这场越来越昂贵的游戏，大厂并没有选择大规模投资，而是开始了更多的选择赋能自身业务。
商业化的诉求和克制的投入，可能成为未来一段时间，大厂对于大模型以及AI赛道主要的策略。
而从此基础上来看百度的流言，似乎又有了一重不同的视角。
对于AI影响最为深远的赛道，主营业务为搜索的百度，显然面对的压力更大。
从财报来看，第二季度百度最大的收入来源线上广告业务收入为192亿元，同比下滑2%。
其中，9%的收入来自外部客户对大模型和生成式AI相关服务的需求。
显然AI对于业务的赋能，似乎助推力度并不能令人满意。
在自媒体市象的报道之中，百度内部的态度，似乎也与主流厂商一致——
“或者这么说吧，训练下一代模型不是百度的第一优先级。”
AI虽好，但单纯以ROI来看，似乎并不适合孤注一掷。
而何时打破当下的格局，抛开客观条件限制，AI应用就成了最重要的变量。
金句不断地投资人朱啸虎，无疑是这波AI应用的旗手之一。
在2024年初的演讲中，AI应用肯定爆发，每轮周期最后，应用赚的钱是前面的10倍。
作为曾经投出过滴滴、饿了么的成功投资人，朱啸虎的逻辑非常直接：
“每一代模型你都要重新去砸钱，而且你变现周期可能就两三年，这比发电厂还要差。”
朱啸虎对于大模型的态度并不乐观，但对于可以直接变现，由用户买单的AI应用，却始终称赞有加。
而另一个在AI应用的支持者，则是百度创始人李彦宏。
“没有应用，光有基础模型，不管是开源还是闭源都一文不值。”
两个旗手虽然都支持AI应用，但从路线上，似乎并不相同——
朱啸虎偏爱PMF明确，直接可以TOB变现的尖叫应用：
如垂直于AI面试的近屿智能，或是垂直于视觉类产品的FancyTech。
用他的话说“以前中国软件市场为什么规模化很慢，因为销售周期很长，要6-12个月，不可能很快的。
但现在能让企业用户有这种尖叫效应的话，它变现周期也很快。从微信拉群介绍到签单，一两个月时间。 ”
他认为，医疗、教育、金融、制造、交通、农业等各行业领域，未来都会依据自身场景和特有经验、规则、数据等，做出各种智能体，将会出现数百万量级的智能体，形成庞大生态。
单步的错误率可能在10%-20%，5步推理以后可能错误率就50%以上了，就完全没法用。
那你高50%同样也没用，错误率百分之二三十还是没法落地，不改变本质问题。
在摩根士丹利的名为《中国AI面临更大的变现问题》中，大摩表示：
在报告中显示，在宏观环境的背景之下，企业和消费者难以接受AI功能带来的价格上涨。
缺乏高质量的领域数据训练、特定场景下表现不佳、产品尚未成熟等因素制约了AI应用的价值实现。
不仅国内，在海外，行业领先指标不佳，AI远未实现货币化。
美国软件公司今年以来业绩令人失望，AI相关收入贡献有限。
AlphaWise调查显示CIO对AI应用投产时间表，每次调查预期都在延后。
而在国内，金山办公和万兴科技在推出AI产品后收入增长令人失望，反映出基础AI功能竞争激烈，高级应用尚未成熟。
两家公司表示将继续加大研发投入，意味着盈利前景仍不明朗。
共识并未达成之下，从变现来看，也许投资人追逐的商业模式更为安全。
以当下的视角来看，AI应用的爆发期，仍然没有到来。
这也意味着，试图通过AI应用爆发达成的商业计划，正在被延迟。
9月13日，Open AI发布了全新一代的大模型预览版。
这个在内部代号为“草莓”的模型，在问世的一瞬间，还是激起了业内的震动。
从模型效果反馈上来看，这个名为Open AI o1的产品可以说是石破天惊的存在。
作为首个具有“推理”能力的大模型，它能通过类似人类的推理过程来逐步分析问题，直至得出正确结论。
这款模型尤其擅长处理数学和代码问题，甚至在物理、生物和化学问题基准测试中的准确度超过了人类博士水平。
而从业内人士的反馈来看，此次Open AI o1的出现，则可能代表了硅谷在AGI范式正在发生转移——
纯靠语言模型预训练的Scaling Law这个经典物理规律在遭遇到算力与参数无法大幅提升等瓶颈后，多家硅谷明星公司已经把它们的资源重心押宝在一条新路径上：self-play RL（自博弈强化学习）。
根据业内人士解释来看，o1模型就像在不同的可能性中反复“抽样”，每次推导出一个更好的结果。
打个比方，你问它一个复杂的数学问题，它不会一秒钟给你答案，而是像个认真思考的人，先把问题分解成好几步，一步步推理。
这样做的好处是，答案通常更准确、更有逻辑，尤其是在科学推理、编程和数学题目上表现非常好。
比如，在国际数学奥林匹克测试中，o1的解题正确率达到83%，而之前的GPT-4o只有13%。
今年以来，多模态、10万卡集群的超级模型，以及自博弈强化学习等多条路径开始在硅谷AI界发生变革。
从当下的信息来看，未来如何能达到AGI原本的共识似乎正在被打破。
尽管o1模型还有诸多疑问，但从AGI进化的步伐来看，似乎出现了多重可能性。
当然，这对于资金与人才优势明显的硅谷来说，是好事，但相反对于追随者而言，则意味着挑战难度正在加大。
从终局思维来看，国产AI在未来将不得不再次面临技术方向的选择，而更大规模地投入似乎也势在必行。
烧钱打仗虽然不会发生在当下，但在未来却是成功的关键。
从这个角度来看，无法造血的公司，淘汰的几率显然会更大。
国产大厂可以通过现金奶牛业务继续维持跟随战略，但成本的逐渐增加，以及方向不明的变现路径，都可能成为阻碍发展的绊脚石。
类似于百度今天面对的谣言，似乎也正是其需要应对的问题。
科创最前线是一家专注报道科技推动产业创新的新媒体，致力于成为中国科创浪潮中的发现者、陪伴者、推动者。
我们聚焦中国科技创新产业发展，挖掘科创企业明日之星，深度跟踪头部科技企业动态及科技产业资本布局，推动科技在消费、出行、教育、文娱、房产、医疗等民生领域的落地。
