ChatGPT發(fā)布不過半年，以LLM大模型為基點的全球性AI再造競賽已進入白熱化競爭狀態(tài)。據(jù)不完全統(tǒng)計，國內(nèi)類似ChatGPT的產(chǎn)品已經(jīng)有接近40個。ChatGPT依賴大模型、大數(shù)據(jù)、大算力支撐，其出現(xiàn)標志著通用人工智能的起點和強人工智能的拐點，是里程碑式的技術進步。

可以預見的是，大模型時代，AI開始像人一樣思考和工作，傳統(tǒng)的交互方式和內(nèi)容生成方式將被徹底顛覆，新的業(yè)態(tài)和商業(yè)模式將出現(xiàn)，相關產(chǎn)業(yè)也將被重構。下面，筆者將基于大模型發(fā)展的現(xiàn)狀，給出相關行業(yè)洞察。

大小巨頭搶跑GPT,不止于算力

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日俱增。但筆者認為，“得算力者得天下”的論斷僅在大模型競爭的前期階段有效，這一階段的競爭核心是資質篩選，以最快速度和絕對優(yōu)勢實現(xiàn)攻城略地是大廠商的生產(chǎn)策略。這也解釋了為何各家都有在按部就班地訓練大模型，但卻只在ChatGPT出現(xiàn)后才真正出現(xiàn)瘋狂井噴之勢。

作為智能時代的基礎設施，大模型的算力就如同工業(yè)生產(chǎn)中的電力，并非所有企業(yè)都有能力建發(fā)電廠，因而勢必只能誕生少數(shù)大模型運營商提供基礎底座支持。

那么，沒有先發(fā)優(yōu)勢和算力優(yōu)勢的小廠商再進入強強競爭的生態(tài)中是不是就沒了活路？非也。

算力并不能成為持續(xù)的第一競爭力，GPU卡數(shù)量越多，也并不意味著大模型的表現(xiàn)就越優(yōu)秀、企業(yè)使用大模型的效果就越好。這也是為什么，GPT 降臨后，大模型廠商一邊拼命卷算力模型，一邊困惑著如何在同質化嚴重的產(chǎn)品中走出自己的路。

目前，國內(nèi)的行業(yè)生態(tài)遵循著這一基本路線——用底座做通用大模型，在通用大模型的基礎上建行業(yè)垂類大模型，通過 B、C端聯(lián)動的方式筑起自家的生態(tài)圍墻。

誠然，在這種基礎資源的絕對優(yōu)勢面前，小廠商很難突圍。但這一路線的弊端也顯而易見，很多時候大巨頭們忙著靠算力搶站位，無暇顧及落地。唯有產(chǎn)品模式真正能落地，才能持久地運用好已有的算力優(yōu)勢。作為落地的關鍵環(huán)節(jié)，資源分配的先后順序、產(chǎn)品形態(tài)的想象能力，以及商業(yè)模式的設計，都是實現(xiàn)超車的重要因素。

因而即使是小廠商，也可以在已有的產(chǎn)業(yè)版圖上通過比拼專業(yè)度，兼顧技術、用戶與賽道，來發(fā)揮專業(yè)特長，規(guī)避資源調(diào)度的短板，開辟競爭新路徑。

可以說，在大模型競賽度過以算力為第一驅動力的“跑馬圈地”階段后，大模型的真正鋪開，帶來各行各業(yè)的重構式革新，一定是在算力、框架、模型、應用所構筑的四維架構下驅動的。如果現(xiàn)有的巨頭廠商無法協(xié)調(diào)好這四維的發(fā)展層次，就會逐漸失去競爭力與規(guī)模優(yōu)勢，最終消失在 GPT 時代的市場版圖中。

AI之于企業(yè)，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，那么如何最大發(fā)揮其效能，關鍵還是在于運用方式。

將AI當作一種功能拓展，它會是產(chǎn)品升級的有力亮點。

目前，亞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，來提升用戶交流體驗和智能家居使用的效率。無獨有偶，阿里也瞄準了智能家居作為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 智能交互系統(tǒng)。阿里巴巴集團 CEO張勇也曾表示，阿里巴巴所有產(chǎn)品未來都將接入“通義千問”大模型，進行全面改造。面向 AI 時代，所有產(chǎn)品都值得用大模型重新升級。

將AI看成高階勞動力，它能創(chuàng)造出更多。

在過去，AI在產(chǎn)品質量檢驗、設備預警管控中發(fā)揮著特定的作用。未來，隨著生成式AI不斷深入制造企業(yè)的生產(chǎn)流程，AI將在設計仿真和管理協(xié)作方面發(fā)揮更出色的性能，而這兩點也是AI在大模型賦能下所實現(xiàn)的高階技能突破。

參與到產(chǎn)品研發(fā)中的生成式AI將以廣袤的智能儲備帶來顯著的效率提升。Monolith AI公司在2023年工博會上帶來其機械工程仿真解決方案，基于該方案，創(chuàng)建者依靠實時數(shù)據(jù)每次進行仿真都會開發(fā)一個模型，省去許多測試程序，該公司的目標是到2026年將十萬名工程師的產(chǎn)品開發(fā)時間縮短50％。

而參與到供應鏈管理中的生成式AI既能與人無障礙溝通，又能串聯(lián)起機器的語言從而實現(xiàn)更高維的協(xié)作。一方面，實時數(shù)據(jù)追蹤和數(shù)據(jù)分析以及可視化表達讓管理者能實時了解生產(chǎn)動態(tài)，便于管理調(diào)度。另一方面，人也可以通過簡易的語言指令來指揮機器的運作，實現(xiàn)人—物—物的鏈接，最終實現(xiàn)全自動化的制造生態(tài)。

目前，大模型訓練的數(shù)據(jù)來源主要是互聯(lián)網(wǎng)數(shù)據(jù)，以文本和圖表為主，且通用大模型并不適配于工業(yè)場景的需求，因而許多投資者并不看好AI在制造生產(chǎn)領域的前景，但隨著未來商業(yè)模式的明晰下定制化模型的拓展，以及私有云部署的安全優(yōu)化，生成式AI必將在生產(chǎn)制造業(yè)鋪開更廣闊的應用空間。屆時，基于客觀物理實體產(chǎn)生的物聯(lián)網(wǎng)數(shù)據(jù)將成為生成式AI模型訓練的主要數(shù)據(jù)來源，AI的可控力和模型的精確性將大大提升，為物聯(lián)工業(yè)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(jīng)濟的序幕，意味著一般意義上的 AI 模型即將被大多數(shù)消費者、軟件廠商所接受。

未來，在大模型市場的競爭中，絕大多數(shù)企業(yè)都會被淘汰，形成少數(shù)幾家頭部大模型廠商，后面跟著龐大長尾的大模型團隊來服務各個行業(yè)客戶的格局。而這長尾便是 AI 經(jīng)濟的源頭活水。

大模型雖與傳統(tǒng)人工編寫的軟件采用了完全不同的生產(chǎn)方式，但并未出離軟件的本質，可以通過在用戶使用的過程中不斷進行重新訓練、微調(diào)來滿足用戶的具體需求，這便導致大模型訓練需求的源源不斷。

也正如前 Google AI 算力平臺工程師趙亞雄所言：“如同中國跳過 PC 互聯(lián)網(wǎng)的成熟而直接進入移動互聯(lián)網(wǎng)，中國的軟件服務業(yè)也會跳過 SaaS 進入 AIaaS 階段，這意味著絕大部分軟件應用都會用AI 模型來支持其功能，也意味著更廣泛的 AI 算力需求，這是極為廣闊的市場空間。”

大模型的出現(xiàn)意味著以 AI 為主體的軟件服務會給中國軟件產(chǎn)業(yè)帶來跳躍式發(fā)展，拓展出更大的價值空間，國內(nèi)傳統(tǒng)的對于硬件設備優(yōu)先于軟件的價值次序或將迎來重構?；诖?，以大模型訓練為開端，逐步擴大和深入發(fā)展的國內(nèi)AI經(jīng)濟，將會是一個多元多維發(fā)散，潛力十足的市場。