國產大模型迎來“潑天富貴”？

作者 | 張凱旌

編輯 | 趣解商業科技組

“Open AI”變“Close AI”了？

6月25日，不少中國的開發者都收到了來自Open AI的電子郵件，其中提到“您的組織正在從Open AI不支持的地區獲取API（應用程序編程接口）流量”；而從7月9日起，Open AI將采取額外措施中斷對非支持國家和地區的服務。

Open AI官網顯示，其目前有188個支持的國家和地區，中國內地和香港并不在其中，而非支持地區嘗試接入Open AI的API服務可能面臨被封號的風險。

圖源：微博截圖

Open AI這次行動背后，是美國在近期已經多次對國內科技領域“發難”。僅5月，美國就宣布撤銷高通和英特爾對華為出口許可，并將37家中國實體列入出口管制“清單”。

這次封鎖，會對中國正在飛速發展的大模型產業，產生怎樣的影響？

01.香港成唯一“豁口”？

事實上，Open AI的“停服”早有預兆。

2月14日，Open AI曾發表聲明，稱阻止并限制了5個“國家相關威脅行為者”對AI的惡意使用，這5名用戶分別來自中國（2名）、伊朗、俄羅斯和朝鮮。

6月13日，Open AI任命退役的美國陸軍將軍、前網絡司令部司令和國家安全局（NSA）局長保羅·中曾根為其董事會成員。這名新董事被認為可以幫助Open AI“更好地了解如何利用人工智能快速發現和應對網絡安全威脅”。

6月22日，美國還發布一份規則草案，其中提到要禁止或限制中國在AI和其他技術領域的投資。

在此基礎上，此次Open AI的聲明其實是進一步加強對國內開發者的限制。

據“趣解商業”了解，目前國內使用Open AI的技術有兩種主流渠道：一是對接Open AI官方提供的API；二是對接微軟智能云Azure提供的Open AI技術。

圖源：罐頭圖庫

需要注意的是，Open AI之前允許對接API的地區不包括中國，因此第一種渠道本就是不合規的。采用此種方式的用戶，多會通過“科技與狠活”，用國外的代理地址，繞過地理限制訪問Open AI的API，借此進行產品測試和開發。

由于此次收到郵件的開發者，有不少都是這種渠道的踐行者，因此存在Open AI已經能通過技術手段檢測出“科技與狠活”的可能性。通過虛擬地址在國內對接API這條路可能已經被堵上，只是Open AI檢測方式的穩定性和精確性有待驗證。

而第二種渠道，原本是在國內合規使用ChatGPT的唯一方式，目前看來也難逃限制，只是微軟沒有把路完全堵死。據“財聯社”報道，微軟會在香港繼續提供Azure Open AI服務。

圖源：鳳凰網截圖

可以說，Open AI此次戰略的調整，有對數據安全、合規性、運營成本、風險防控等多重壓力的考慮。

深度科技研究院院長張孝榮認為，Open AI此時向國內發難，明面上可能受到美國政府對華政策的影響，需要合規；實際上，該公司已經“變質”，從商業公司變成國家工具。公司董事會剛剛引入了NSA前局長，同時堅持科研發展路線的CTO伊利亞已經辭職，一直要對Open AI發起訴訟的馬斯克也因此不再發聲。

02.誰得益，誰躺槍？

對于Open AI“停服”的影響，國內大模型行業表示影響相對不大。

360創始人、董事長周鴻祎就發視頻表示，OpenAI的關停服務，壓制不住中國大模型的發展。“這對企業應用和創業者沒有影響，可以自行部署本地大模型。大模型將會逐漸向本地進行遷移，速度更快也更加安全。”

圖源：微博截圖

據“趣解商業”了解，其他業內人士也表達出了類似的看法。一方面，Open AI本就不向中國境內提供服務，所以很多使用Open AI技術的公司會自行部署海外站點；另一方面，Open AI使用協議里也規定，禁止使用輸出開發競爭模型，國內的頭部互聯網大廠如果長期偷偷使用Open AI接口，首先也是違規的，其次還會限制自身的發展，得不償失。

2023年末，字節跳動就被曝出在一個名為“種子計劃”的AI大模型項目的多個研發階段，調用了Open AI的API，并使用ChatGPT輸出的數據進行模型訓練。Open AI還因此封禁了字節跳動名下部分GPT使用權限。

后來字節跳動回應稱，只是在探索大模型初期時，有部分工程師曾在較小模型的實驗性項目研究中，調用了GPT的API；2023年4月公司內部已經明確要求，不得將GPT模型生成的數據添加到字節大模型的訓練數據集；9月公司還進行了內部檢查，保證合規。

圖源：微博截圖

大廠都明白，用Open AI的模型輸出，只會一直活在其陰影里。因此，受Open AI“停服”影響的更多是國內沒有研發實力、“套殼”ChatGPT、企圖通過Open AI的工具訓練AI系統和應用程序的企業和人員。

有網友就曾在論壇上分享了自己見到的ChatGPT套殼網站，其用網站流量檢查器對該網站進行分析，發現其每月可創造2.1萬美元的收入。盈利的方式主要通過廣告、用戶捐贈，甚至用戶付費還可享受額外功能。

該網站可以完美充當ChatGPT的替代品，無需注冊或登陸，用戶即可實現寫作或其他需求。

圖源：論壇截圖

此外，上海市場監管部門也曾查辦一起ChatGPT商業混淆案。專家分析稱，“套殼AI”主要有兩種模式，一種是通過接入官方平臺，以中轉站形式給用戶當“二傳手”；另一種則完全使用山寨平臺，靠與ChatGPT相似的名稱、標識偽裝自己。

張孝榮表示，對于一些新興的大模型公司，特別是那些通過簡單套殼或完全依賴Open AI提供的API接口構建產品和服務的公司，有可能要面臨業務中斷，甚至直接退市的風險。

在張孝榮看來，這些依賴Open AI API進行項目開發和創新的中國企業和開發者，可能需要轉換技術底座，但也會因此增加研發成本和時間成本；轉換后的服務效果可能會打折，因為國內模型在外文領域的理解能力可能不如Open AI。

總的來看，“停服”影響比較有限，國內相關創業公司不會因此大面積倒閉，短期內也不會突然爆發出現“超車”的可能。

03.國產大模型“跑步上位”

據“趣解商業”了解，目前包括阿里、百度、騰訊、百川智能、智譜AI等在內，多家國內頭部大模型廠商已經把實現技術底座轉換的“搬家計劃”喂到了用戶嘴邊。

例如，智譜AI就表示，會為開發者提供慷慨資源包，外加從Open AI到自家大模型的遷移培訓；百度智能云則以“0成本切換”為亮點，推出“故鄉的云”大模型普惠計劃；AI Infra廠商硅基流動甚至直接把Qwen2-7B、GLM-4-9B、Yi-1.5-9B等頂尖開源大模型都給永久免費了。

圖源：微博截圖

香港科技大學助理教授、香港生成式人工智能研發中心資深商業拓展經理韓斯睿表示，此次事件短期內會促進國產大模型公司市場占比的提升。

不過，長期來看，國產大模型能否實現對Open AI的完全替代，最終還是要落到模型能力上。

在這方面，國產大模型相較去年確實已經取得了不小的進步。

2023年，百度發布文心大模型4.0時，李彥宏曾表示其綜合水平與GPT-4相比已經毫不遜色。

6月27日凌晨，全球著名開源平臺huggingface（笑臉）的聯合創始人兼首席執行官Clem在社交平臺宣布，阿里最新開源的Qwen2-72B指令微調版本，成為開源模型排行榜第一名。而這份榜單上，囊括了全球100多個主流開源大模型。

具體而言，在模型中文能力方面，很多國產模型表現得比OpenAI更好。

《每日經濟新聞》聯合了30余位優秀記者、編輯、工程師，歷時2個月對市場中主流大模型在財經新聞工作場景中的表現進行的測評顯示，李開復帶隊孵化的零一萬物Yi-Large在“財經新聞標題創作”“微博新聞寫作”“文章差錯校對”“財務數據計算與分析”四大應用場景的總分排名第一，而ChatGPT 4.0表現不佳，甚至在“財經新聞標題創作”場景中排名墊底。

圖源：每日經濟新聞

另外，在價格上，國產大模型也更為實惠。此次阿里的免費遷移計劃中，qwen-plus大模型的API定價僅是OpenAI的1/50。

但客觀來看，韓斯睿也坦言，OpenAI的模型能力在文本模型中的復雜文檔解析、復雜文檔生成等高級任務方面能力仍較為領先，這些復雜模型能力的需求并不會在短期內因為API停止服務而有很大改變。

美國大模型本就起步更早。2023年5月，美國10億級參數規模以上的基礎大模型就已突破100個；除了廣為人知的ChatGPT外，美國具有代表性的通用大模型公司還包括Anthropic、Cohere以及Google等。

其中，Anthropic一度被稱為“OpenAI勁敵”。根據其釋放出的榜單顯示，自己最新發布的AI大模型Claude 3.5 Sonnet在研究生水平推理、編碼能力、文本推理等方面的成績均好于不久前紅極一時的GPT-4o。

圖源：微博截圖

北京市社會科學院研究員王鵬認為，中美大模型的差別主要體現在融資水平、基礎大模型發展水平和應用層發展水平三個方面。

根據dealroom.co數據，截至2023年7月10日，全球生成式AI企業融資額達150億美元，其中有89%都流向了美國的初創公司。

而在基礎大模型發展水平方面，國內大模型還存在數據總量缺乏、算力資源缺乏、場景滲透率有限等問題。畢竟從公開數據量上看，英文數據本身占主導優勢，美國還在采取多種方式限制中國獲取算力的核心資源。

至于應用層方面，中國同樣處于跟隨狀態；其中在辦公、金融及醫療領域落后美國較為明顯。

圖源：罐頭圖庫

這讓外界對國內大模型產生了一些擔憂。“彭博新聞社”在一篇報道中提到，新加坡Dorje AI公司CEO梁忠偉表示，他擔心Meta旗下的Llama等開源大模型也可能會切斷中國開發者的訪問權限，這將帶來更大的不確定性。

而不容忽視的是，中國有著超大的市場規模以及豐富的應用場景，為大模型的落地應用提供了廣闊的空間和條件；而且越多的數據、場景，越能讓大模型更實用。這讓中國在底層研發技術上略遜于美國的情況下，依然具備趕超美國的機會。

但在趕超的過程中，會遇到越來越多的障礙，這對國內廠商而言可能是個確定的趨勢，也是挑戰。