撰文 | 張? ?宇?編輯 | 楊博丞? 來源|Donews

1月16日，AI知識智能技術開發商智譜AI舉辦了首屆技術開放日（Zhipu DevDay），全面展示了其投身大模型事業三年多以來所積累的技術成果，并發布了新一代基座大模型GLM-4。

智譜AI CEO張鵬表示，GLM-4的整體性能相比上一代大幅提升，逼近GPT-4，可以支持更長的上下文，具備更強的多模態能力。同時，GLM-4的推理速度更快，支持更高的并發，大大降低推理成本。

除此之外，GLM-4大幅提升了智能體能力，GLM-4 All Tools實現自主根據用戶意圖，自動理解、規劃復雜指令，自由調用網頁瀏覽器、Code Interpreter代碼解釋器和多模態文生圖大模型以完成復雜任務。GLMs個性化智能體定制功能亦同時上線，用戶用簡單的提示詞指令就能創建屬于自己的GLM智能體，大幅降低了大模型使用門檻。

“追趕OpenAI”“對標Open AI是智譜AI成立以來的目標”，是張鵬在對外分享時屢次提及的幾句話，目前大模型的競爭已經不再是從0到1的有與無之爭，而是落地之爭，各家大模型開始貼身肉搏，被稱為“中國OpenAI”的智譜AI，究竟能否在大模型角逐戰中順利突圍？

暫時難以對標OpenAI

智譜AI作為國內第一開源大模型，有著較強的技術架構，但對標OpenAI仍有一些距離。

張鵬坦言，和國外大模型相比，國內的大模型發展起步晚了一些，加上高性能算力限制、數據質量的差距等，國內大模型在規模和核心能力上都與世界先進水平存在一定差距，這樣的差距大約在一年左右。

從技術路線來看，OpenAI則更加注重通用性、可移植性和可擴展性，其GPT系列模型可以在多個場景下應用，并且具有高度的可定制性。相比之下，智譜AI的技術路線是“大模型+小模型”，通過大模型的預訓練和微調，來適應不同場景和任務的需求。這種技術路線可以提高模型的泛化能力和應用范圍，但也存在著模型復雜度高、計算量大、訓練時間長等問題。

在模型規模，OpenAI的GPT系列模型規模較大，可以處理大量的自然語言數據，從而獲得更好的模型性能。相比之下，智譜AI的模型規模可能較小，處理數據的能力有限，這可能會影響其模型性能和泛化能力。而在數據資源方面，OpenAI擁有大量的自然語言數據資源，可以用來訓練和優化其模型。相比之下，智譜AI的數據資源可能相對較少，導致其模型訓練的效果和性能受到限制。

這意味著，想要盡快彌補與OpenAI之間的差距，智譜AI必須要持續提升大模型能力，訓練參數自然也需要提升，但硬幣的另一面是，智譜AI在資金方面也將面臨著一個巨大的難題。

首先，硬件是一筆巨額投入，根據美國市場研究機構TrendForce推算，處理ChatGPT的訓練數據需要2萬枚GPU芯片，而隨著OpenAI進一步展開ChatGPT和其他GPT模型的商業應用，其GPU需求量將突破3萬張（該報告計算以A100芯片為主）。

此外，訓練大模型的成本也不容小覷，根據國盛證券發布的《ChatGPT需要多少算力》估算，GPT-3訓練一次的成本約為140萬美元，對于一些更大的LLM(大型語言模型)，訓練成本介于200萬美元至1200萬美元之間。

巨額資金從哪里來，以及能換回多少價值，對于智譜AI而言是一個未知數。

不過，好在智譜AI備受投資機構青睞。2023年10月，智譜AI稱年內已成功融資超過25億人民幣。這一重要的融資里程碑得到了多家知名機構的積極支持，主要參與方包括社保基金、中關村自主創新基金、以及美團、螞蟻、阿里、騰訊、小米、金山、順為資本、Boss直聘、好未來、紅杉、高瓴等多家機構，同時也包括一些老股東的跟投。

圖源：天眼查

尤其是2023年至今，智譜AI接連拿下5輪融資，估值超過100億元，躋身國內AI領域“獨角獸”企業。智譜AI表示，融資將被用于進一步推動其基座大模型的研發，以更好地支持廣泛的行業生態，促進與合作伙伴一起實現高速增長的愿景。

商業化高墻難越

商業化落地是驗證一項新技術價值的最直接的方式。現階段來看，國內大模型百花齊放，但大部分仍處于講技術、講發展的階段，對于商業化落地，基本上處于探索階段。

整體而言，大模型企業的盈利方式主要包括大模型、大模型+算力、大模型+應用。其中，大模型和大模型+算力為主要盈利方式。

智譜AI盈利方式和行業盈利方式基本一致，一是根據客戶需求，提供大模型定制化開發服務，云端私有化本地私有化最高價格分別為120萬元/年和3690萬元/年；二是標準版大模型，提供API接入方式，按照Tokens使用收費，ChatGLM-Turbo、CharacterGLM、Text-Embedding收費標準分別為0.005元/千Tokens、0.015元/千Tokens、0.005元/千Tokens。目前，智譜AI的商業化主要面向企業和機構的B端用戶。

作為對比，OpenAI的商業化同樣分為C端和B端兩個部分，具體而言，針對C端市場，OpenAI推出ChatGPT Plus訂閱計劃，每月收費20美元，相較于免費版本，即便在高峰時段用戶也能正常訪問ChatGPT，響應時間更快，并且可以優先使用新功能等。而針對B端市場，OpenAI發布了ChatGPT API，開發者可以將ChatGPT集成到產品中，以更加高效地發揮出價值。

值得注意的是，OpenAI還在2023年8月推出了企業服務版，該服務版有望每月給OpenAI帶來6500萬元的收入。整個2023年，OpenAI推出的多項付費方案已經帶來了超過110億元的收入。

一個普遍的現象在于，包括智譜AI在內的國內大模型產品，在高投入的同時還難以帶來穩定的盈利。雖然大模型商業化之路道阻且長，但曙光已現。三六零2023年半年報顯示，“360智腦”大模型已經開始創收，金額近2000萬元；商湯集團也公布，生成式AI在2023年上半年相關收入增長670%。

愛分析相關報告指出，目前大模型商業化提速較快的行業為能源和金融，其原因在于這兩個行業密集分布的央國企。央國企數據基礎設施建設完備、算力投入高、AI應用場景多且基礎強，這些原因促進央國企與大模型的快速融合。

對于智譜AI而言，目前大模型商業化的路徑已經較為清晰，但能否走通大模型的商業化之路，關鍵不僅在于商業模式的探索嘗試，更在于解決大模型發展的底層問題。

國產大模型何去何從？

根據工信部賽迪研究院最新數據，2023年我國語言大模型市場規模實現較快提升，應用場景不斷豐富。預計2023年我國大模型市場規模將達到132.3億元，增長率將達110%。

未來，隨著技術的不斷迭代進步，大模型將在具身智能、自動駕駛等領域開拓新的應用場景。

具體而言，大模型的發展將有三大趨勢：首先是大模型智能能力的提升，未來大模型將具有更高的精度、更強的理解能力和更廣泛的適用性，這意味著大模型能夠更好地理解自然語言，還能夠進行更多的復雜任務，比如全域控制、創作等等；其次是大模型將應用于更多領域，除了傳統的文本處理之外，大模型也將在語音識別、圖像生成、視頻理解等方面發揮更大的作用，用戶可以在更多的場景中享受到AI帶來的便利。此外，大模型將更加定制化，能夠更好地滿足用戶的個性化需求，用戶可以根據自己的實際需求選擇合適的模型，并進行定制化配置。

大模型飛速發展，但并不意味著無序發展。未來，針對大模型的監管將愈加嚴格，2023年7月，網信辦等七部門發布了《生成式人工智能服務暫行管理辦法》，明確規定大模型產品需注重數據隱私安全，不能非法獲取、披露、利用個人信息和隱私、商業秘密，不可侵犯知識產權；大模型生成的內容應當體現社會主義核心價值觀，不能生成歧視性的內容等等。

對于大模型的未來，張鵬顯得十分樂觀，“2024年，大模型市場將從野蠻生長回歸冷靜，對于大模型的投資與炒作將會告一段落，行業焦點也將從模型本身轉向尋找應用。不過這并不代表大模型的技術演進速度會下降，向上探索的天花板還遠遠沒到。”