每經(jīng)記者 文巧    每經(jīng)編輯 蘭素英    

當?shù)貢r間5月13日，OpenAI推出新一代旗艦?zāi)Ｐ虶PT-4o，憑借類似科幻電影《Her》的現(xiàn)實演繹，再次攪動了人工智能（AI）行業(yè)。頂著巨大的壓力，谷歌次日也一口氣發(fā)布了包括多模態(tài)AI模型Gemini 1.5 Pro和文生圖模型Imagen 3在內(nèi)的10余款產(chǎn)品。

這些新品的發(fā)布也讓大模型技術(shù)的未來充滿了無限可能。

自去年3月GPT-4震撼發(fā)布以來，距今已逾一年。彼時，作為AI領(lǐng)域的里程碑事件，GPT-4點燃了硅谷科技圈的想象力，就連低迷的風投圈也隨著這股浪潮進入了前所未有的投資熱潮。

在全力比拼速度的局勢下，大模型也從單模態(tài)快速轉(zhuǎn)向多模態(tài)，開源基礎(chǔ)大模型也如雨后春筍。《每日經(jīng)濟新聞》記者梳理硅谷大模型格局發(fā)現(xiàn)，在基礎(chǔ)模型上能夠占據(jù)頭部的大多帶著科技巨擘的烙印。

在這場競速賽中，算力和數(shù)據(jù)成為決定性的因素。憑借雄厚的資本，谷歌等科技巨頭迅速掌握主導權(quán)，而對于AI初創(chuàng)企業(yè)而言，如果沒有巨頭的支持，則很難在激烈競爭中持續(xù)生存下去。開源文本圖像模型Stable Diffusion的開發(fā)商Stability AI就是一個典型的例子。

但初創(chuàng)公司也并非毫無機會可言。美國知名風投公司Day One Ventures創(chuàng)始人兼CEO Masha Bucher在接受《每日經(jīng)濟新聞》記者采訪時表示，在大模型上的競爭對于新來者來說不會有成果，除非有一種新穎架構(gòu)能夠產(chǎn)生突破性的性能，但垂直化AI是現(xiàn)在最有趣的商業(yè)機會。

Bucher稱，“新生力量可能會通過利用被忽視的利基市場或在效率和應(yīng)用特異性方面超越巨頭來實現(xiàn)這一目標。”而作為AI應(yīng)用的最佳載體，人形機器人已成為各大科技公司、資本圈競相追逐的寵兒。

硅谷大模型生態(tài)：完成多模態(tài)轉(zhuǎn)向，開源盛行，市場高度集中

GPT-4發(fā)布一年后，硅谷大模型生態(tài)現(xiàn)狀如何？

從技術(shù)角度看，大模型已完成向多模態(tài)的進化。硅谷知名創(chuàng)新智庫NostaLab創(chuàng)始人John Nosta向記者總結(jié)過去一年的大模型發(fā)展趨勢時稱，過去一年是這一歷程中的關(guān)鍵一年，AI大模型從單模態(tài)系統(tǒng)過渡到多模態(tài)系統(tǒng)。據(jù)華福證券，當前硅谷科技公司的比拼重點已轉(zhuǎn)向多模態(tài)信息整合和數(shù)據(jù)挖掘，精細化捕捉不同模態(tài)信息的關(guān)聯(lián)。

一篇由騰訊AI實驗室、京都大學等機構(gòu)研究人員共同發(fā)布的多模態(tài)大模型研究論文指出，自GPT-4發(fā)布后，多模態(tài)大模型在2023年呈高速增長趨勢，Meta、谷歌、微軟、亞馬遜等公司都發(fā)布了多個同類模型，探索多模態(tài)系統(tǒng)。

圖片來源：《MM-LLM：多模態(tài)大型語言模型的最新進展》論文

與此同時，開源基礎(chǔ)大模型也更為盛行。根據(jù)斯坦福大學的HAI研究所最新發(fā)布的AI報告，2023年全球共發(fā)布了149款基礎(chǔ)款模型，其中108款來自科技公司，美國科技公司以61款遙遙領(lǐng)先。在所有新發(fā)布的模型中，65.7%是開源模型，比例高于2022年的44.4%。

圖片來源：HAI研究所最新發(fā)布的AI報告

從整個基礎(chǔ)大模型的市場格局看，占據(jù)頭部的大多數(shù)都有大廠烙印——要么是OpenAI、谷歌、Meta等巨頭，要么是有傳統(tǒng)科技巨頭大手筆投資的Anthropic、Mistral AI等明星初創(chuàng)公司。

布魯金斯研究院在一篇名為《基礎(chǔ)模型市場的集中度：ChatGPT的無形之手》的報告中曾總結(jié)道，前沿基礎(chǔ)模型市場呈現(xiàn)出強烈的市場集中化趨勢。

科技巨頭在基礎(chǔ)大模型上占據(jù)牢固的優(yōu)勢。HAI研究所的AI報告顯示，從基礎(chǔ)模型的數(shù)量來看，谷歌遙遙領(lǐng)先，2023年發(fā)布了18個基礎(chǔ)大模型，Meta位居第二，發(fā)布數(shù)量為11個，緊隨其后的是微軟和OpenAI。

圖片來源：HAI研究所最新發(fā)布的AI報告

若從基準測試的表現(xiàn)來看，科技媒體Zapier總結(jié)稱，OpenAI的GPT系列模型當之無愧位于首位，然后是谷歌、Meta、Anthropic和Mistral AI等公司發(fā)布的競品模型。

圖片來源：Zapier

除了性能表現(xiàn)，從另一個角度亦可以一窺硅谷前沿模型的情況。

各公司在公布大模型時，通常會同時發(fā)布技術(shù)文檔來對比時下前沿模型的基準表現(xiàn)。記者在查閱Grok-1.5、Llama 3等多個模型的技術(shù)文檔后發(fā)現(xiàn)，科技公司們對當前領(lǐng)先模型的總結(jié)幾乎達到一致。

以Grok-1.5為例，在xAI今年3月公布的技術(shù)文檔中，時下前沿模型也主要來自O(shè)penAI、谷歌、Meta、Mistral AI和Anthropic等公司。

競速賽現(xiàn)狀：門檻升至數(shù)十億美元，有初創(chuàng)公司瀕臨破產(chǎn)

在市場資源如此集中的情況下，據(jù)外媒最新報道，AI熱潮已開始逐漸褪去，初創(chuàng)公司想要同微軟、谷歌等科技巨頭在AI領(lǐng)域一決高下，門檻已提高至數(shù)十億美元，而這也可能只是杯水車薪。

首先，算力和數(shù)據(jù)是開發(fā)大模型無法繞過的兩大難點。

根據(jù)HAI研究所的AI報告，訓練巨型模型的成本呈指數(shù)級增長，谷歌Gemini Ultra的訓練成本估計為1.91億美元，GPT-4的訓練成本估計為7800萬美元。

圖片來源：HAI研究所最新發(fā)布的AI報告

科技巨頭憑借雄厚的財力、廣泛的數(shù)據(jù)存儲庫和大量的算力基礎(chǔ)設(shè)施，在底層模型上可以建立牢固的立足點。而初創(chuàng)公司，除非依靠大公司的財力，否則幾乎沒有能力承擔模型的高成本訓練。

并且，高昂的成本帶來的收益卻并不對等。例如，背靠亞馬遜和谷歌的Anthropic當前的年營收已達到1.5億~2億美元，但年支出卻是營收的10倍以上，高達20億美元；初創(chuàng)公司Inflection AI在推出AI個人助理一年后，仍幾乎沒有收入，今年3月底，公司關(guān)閉了原有業(yè)務(wù)，基本上完全并入了微軟。

就連Meta這樣的巨頭也無法指望立刻從AI中獲利。Meta今年增加了高達100億美元的基礎(chǔ)設(shè)施支出，但預(yù)計多年內(nèi)不會從其AI產(chǎn)品中賺錢。

對意欲獨自抗衡大廠的初創(chuàng)公司來說，財力耗盡可能是最終面臨的困局。開源文本圖像模型Stable Diffusion的開發(fā)商Stability AI就是一個較為典型的例子。

據(jù)The Verge 4月18日報道，Stability AI已裁員10%，公司CEO Emad Mostaque 已于3月底辭職。據(jù)此前外媒報道，截至2023年10月，Stability AI只剩下400萬美元的儲備金。

2023年，Stability AI的年收入僅約1100萬美元，遠低于其當年租借的算力基礎(chǔ)設(shè)施費用。據(jù)悉，該公司從亞馬遜 AWS、谷歌云和以GPU為中心的云運營商 CoreWeave處租用了計算基礎(chǔ)設(shè)施，費用約9900萬美元。此外，工資和運營費用差不多約5400萬美元。

拿不出錢，是這家初創(chuàng)公司當前面臨的困境。

記者查詢該公司的融資發(fā)現(xiàn)，截至目前其經(jīng)歷了3輪融資，總計1.7億美元，但其投資方卻鮮少有大廠身影。最近一輪融資來自英特爾，但金額僅為5000萬美元，目前僅支付2000萬美元。

Stability AI的投資方 圖片來源：Crunchbase

2022年8月，Stability AI憑借文生圖工具Stable Diffusion聲名鵲起，一年多后卻面臨如此窘境。分析認為，主要原因是其未能平衡好開源和商業(yè)化。

一開始，Stability AI便希望通過開源版本為企業(yè)打響名聲，繼而為企業(yè)級用戶提供定制版賺錢。直到2023年12月，Stability AI才上線會員訂閱模式，但彼時已有Meta、谷歌、OpenAI等諸多巨頭涌入這一賽道，強敵環(huán)伺之下，Stability AI雖不能說黯然失色，但也并不突出。

沒有大型資本撐腰，又要與諸多大廠對抗，Stability AI可以說是“debuff”（注：減益效果）疊滿，走到當前境地也并非意料之外了。

Masha Bucher告訴記者，“越來越明顯的是，并非所有參與者都能生存下來——市場已經(jīng)變得相當飽和，隨著資本變得更加挑剔和大模型變得商品化，許多公司將面臨嚴酷的現(xiàn)實。”

突圍之道：小模型和AI應(yīng)用

對初創(chuàng)公司來說，“卷”底層模型入局門檻太高，但在AI生態(tài)中卻并非沒有立足之地。

“基礎(chǔ)模型/LLM幾乎完全商品化，在這個維度上的競爭對于新來者來說不會有成果，除非有一種新穎架構(gòu)能夠產(chǎn)生突破性的性能。”Masha Bucher對記者表示，“初創(chuàng)公司應(yīng)該專注于將模型深度集成到產(chǎn)品中，而不是創(chuàng)建自己的基礎(chǔ)模型。”

與國內(nèi)的“百模大戰(zhàn)”相比，硅谷創(chuàng)業(yè)公司更偏向于小模型、水平層和垂類應(yīng)用層的開發(fā)。（注：水平層指AI技術(shù)和解決方案可以跨多個行業(yè)和領(lǐng)域通用的情況，例如開發(fā)工具、數(shù)據(jù)庫。）

外媒稱，小語言模型（SLM）是一個充滿希望的前沿領(lǐng)域，SLM通常比LLM小5~10倍，需要的訓練數(shù)據(jù)和算力要少得多，可以托管在單個GPU上。這些模型可以針對特定行業(yè)或任務(wù)進行定制，例如法律文件分析或利基語言翻譯服務(wù)。

在水平層和垂類應(yīng)用層面上，AI初創(chuàng)公司們更是百花齊放。布魯金斯研究院認為，“訓練基礎(chǔ)模型的固定成本很高，而部署基礎(chǔ)模型的邊際成本卻很低。”

圖片來源：CB Insights

這類初創(chuàng)公司背后的仍然不乏科技圈的大佬們，硅谷的投資也正在往這個方向傾斜。“垂直化AI是現(xiàn)在最有趣的商業(yè)機會，我們看到AI以難以置信的程度融入觸及深層社會和環(huán)境需求的領(lǐng)域——從推進基因組研究到開創(chuàng)應(yīng)對氣候變化的新方法。” Masha Bucher說道。

根據(jù)HAI研究所的AI報告，2023年，生成式AI領(lǐng)域的投資增長了近八倍，達到252億美元。新投資的AI公司數(shù)量飆升至1812家，比上一年增長40.6%。

圖片來源：HAI研究所最新發(fā)布的AI報告

但是，AI領(lǐng)域私人投資總額卻有所下降。風投公司Greylock合伙人Seth Rosenberg認為，總體投資下降的原因在于投資正在轉(zhuǎn)向AI應(yīng)用。“AI應(yīng)用程序和代理所需的資本低于其他部分，這可能就是資金下降的原因。”

“過去一年，美國生成式AI投資格局發(fā)生了顯著變化，大眾的熱情正聚焦于更加精細的點。就像我們最初在2020~2021年加密貨幣時代看到的狂熱一樣，過去一年，硅谷生成式AI的投資者們變得更加深思熟慮、更有選擇性。市場已經(jīng)變得相當飽和，許多公司將面臨嚴酷的現(xiàn)實。” Masha Bucher對記者說道。

下一個風口：人形機器人？

作為AI應(yīng)用的最佳載體，人形機器人從去年開始便成為各大科技公司、資本圈競相追逐的寵兒。經(jīng)歷了一年多狂熱發(fā)展的大模型正在為這一細分領(lǐng)域注入新的可能性。

今年2月，成立還不到兩年的Figure AI獲得了來自由微軟、英偉達、OpenAI的風投分支和亞馬遜創(chuàng)始人貝索斯組成的豪華團隊的6.75億美元融資；同月，英偉達成立GEAR實驗室，加碼人形機器人賽道；而此前，谷歌Deepmind也發(fā)布了具備“自我完善”能力的“RoboCat”和融合大語言模型能力的VLA模型“RT-2”，推動機器人智能化進一步加速。

活躍在人形機器人領(lǐng)域的公司還有特斯拉、由亞馬遜支持的初創(chuàng)企業(yè)Agility Robotics、OpenAI投資的挪威1X公司和位于得州的Apptronik等。

據(jù)高盛，人形機器人的全球市場總規(guī)模將在2025年、2030年、2035年分別達到15億美元、120億美元、380億美元。

Masha Bucher告訴記者，“整個（風投）行業(yè)中的許多人都對深入應(yīng)用于生物技術(shù)、機器人、氣候、建筑的AI感到非常興奮。”

曾經(jīng)的互聯(lián)網(wǎng)、軟件和云業(yè)務(wù)造就了美股的新生力量——科技“七姐妹”。生成式AI會催生出下一代新生力量嗎？“至少在目前的市場狀況下，似乎無法擺脫大型科技公司的主導地位。”外媒Medium這樣寫道。

不過，Masha Bucher對記者表示，“盡管微軟、谷歌等巨頭在之前的計算時代占據(jù)主導地位，但歷史經(jīng)驗表明，創(chuàng)新可能來自意想不到的地方，顛覆者的席位始終存在。新生力量可能會通過利用被忽視的利基市場或在效率和應(yīng)用特異性方面超越巨頭來實現(xiàn)這一目標。”