国产大模型，进入生死战

摘要：2024年，AI大模型战场硝烟四起，老牌巨头逐鹿鏖战，六小虎突围崛起，AI新势力又蠢蠢欲动，渴望能入局坐上牌桌。可以说是精彩纷呈、热闹非凡。但喧嚣背后，又是“几家欢喜几家愁”，白热化的赛道，各路玩家是否早就“命数已定”？今天笔者就给大家复盘聊聊，就当年度总结吧

2024年，AI大模型战场硝烟四起，老牌巨头逐鹿鏖战，六小虎突围崛起，AI新势力又蠢蠢欲动，渴望能入局坐上牌桌。可以说是精彩纷呈、热闹非凡。但喧嚣背后，又是“几家欢喜几家愁”，白热化的赛道，各路玩家是否早就“命数已定”？今天笔者就给大家复盘聊聊，就当年度总结吧。

本文作者：Mr.K，黄哲铿，知名数字商业顾问，「顿悟山丘」创始人，科技博主，曾担任海尔、中通快递、1药网技术高管，著有《技术人修炼之道》《技术管理之巅》。分享：个体成长、科技趋势、数字化转型、商业洞察。由「技术领导力」原创首发，数字化企业经授权发布。

大模型产业格局的“三足鼎立”

当前大模型产业的格局可以称之为“三足鼎立”，但这个“三”并不是指三家公司，而是指由数十家公司形成的三个主要阵营：老牌科技巨头、大模型“六小虎”和AI新势力：

1、老牌科技巨头

老牌科技巨头，如百度、阿里巴巴、腾讯、华为等。它们凭借多年的技术积累、强大的算力基础设施、丰富的数据资源，在大模型领域占据先发优势。此外，它们还拥有多元的应用场景，在AI商业化和生态构建上也走在前列。通过API开放平台、与现有产品集成等多种方式，有效推动了大模型技术的商业化应用；又凭借合作伙伴计划、开发者社区等方式，吸引更多的开发者和企业加入，在构建AI生态系统的同时，也形成了自身的竞争壁垒。

但即使是老牌巨头也有“难念的经”。比如，大模型技术进入了深水区，迭代速度变慢，发展瓶颈日益明显，该如何在既有业务和新兴技术之间取得平衡等一系列问题，都不是一下子能够解决的。

2、大模型“六小虎”

所谓的“六小虎”，指的是智谱AI、月之暗面、百川智能等新兴的AI创业公司，它们在大模型领域展现出了强劲的竞争力和创新能力。这些企业虽然在资金和资源上不如老牌科技巨头，但它们在特定领域和技术上的专注和创新，却让人刮目相看。小虎们还通过与行业客户的深度合作，研发了一系列针对性强、效果明显的大模型应用，大大推动了这些行业的智能化转型。

虽然“六小虎”在AI领域取得了亮眼的成绩，但它们同时也面临着很大的生存压力。比如，基础大模型训练上巨额资金的持续投入、随着估值不断升高融资愈发困难、技术落地与变革仍有待解决等等。

3、AI新势力

AI新势力，指的是那些在大模型领域新兴的创新力量，如面壁智能、秘塔AI和DeepSeek等后起之秀。它们通常专注于垂直行业应用、特定算法优化等某些特定的细分领域，以独特的视角和创新的技术，为大模型产业带来了新的思维和活力。

在竞争日益激烈的市场环境下，这一群体的生存处境显然要更恶劣一些，他们更年轻，更缺少积累和家底，在市场和商业化上也更不成熟，面临着在夹缝中拓展市场、转化用户的巨大压力。

“AI微笑曲线”

撕开大模型的遮羞布

1、什么是“AI微笑曲线”？

关于“AI微笑曲线”，笔者之前介绍过多次，这一概念借鉴了经济学里的“微笑曲线”理论，即研发和营销等高附加值环节位于曲线两端，而生产制造环节则处于利润较低的中间区域。

把这一概念套用到AI领域，用以描述AI产业链中不同环节的利润分布规律：即GPU设计/制造与云计算服务、AI大模型应用，分别处于“微笑曲线”的两端，获取高额利润；而基础大模型研发，则处在这一曲线的底部，利润相对较低，甚至为负。

2、大模型产业利润分布

根据“AI微笑曲线”不难看出，以GPU设计/制造与云计算服务为代表的基础设施服务商，以及AI大模型应用公司，正攫取行业高额利润，赚得盆满钵满。比如，英伟达作为GPU领域的龙头企业，市值曾一度突破万亿，充分体现了其在AI基础设施领域的巨大盈利能力。同时，亚马逊AWS、微软Azure等云计算巨头也从中获益良多，他们的云服务为大模型的训练和部署提供了关键支撑，并从中获得了丰厚的利润。

反观大模型公司，尽管在技术上不断取得突破，但其盈利能力却依然相对较弱。高昂的研发成本、庞大的算力需求以及激烈的市场竞争，使得它们长期处于亏损状态。拿最具技术优势的OpenAI 来说，该公司今年的运营总成本约85 亿美元，但营收却只有 35—45 亿美元，整整赔了50亿。

但笔者坚信，“技术越先进、投入越高、利润却越低”的尴尬“悖论”，在不久的将来一定会“拨乱反正”。为此，我有以下两个推论：

3、推论一：基础AI大模型“曲线上移”

基础 AI 大模型 “曲线上移” 意味着大模型将突破当前的利润困境，通过创新的方式获取更高的附加值。其中一个关键途径，就是大模型长出“超级原生应用”。

先看美国的例子，OpenAI 与微软深度合作，其GPT 大模型为微软旗下Office全家桶注入了强大的智能元素。在Word、Excel 和PowerPoint等工具中，GPT 技术被应用于智能写作建议、数据分析助手以及演示文稿设计优化等功能，从而让这些办公软件在功能上实现了质的飞跃。微软的财报数据显示，在集成 GPT 技术后的一个财季内，其办公软件业务的营收增长了约 15%，充分体现了大模型原生应用对提升大模型附加值的巨大作用。

再看国内，字节跳动基于豆包大模型开发了一系列的智能创作辅助工具，能够帮助内容创作者快速生成创意、优化文案结构、进行语言翻译等。对于广大自媒体从业者、广告文案策划人员以及文学创作者来说，这些工具极大提高了他们的创作效率和质量，并通过提供有价值的服务，实现了从大模型到商业价值的有效转化，从而让基础大模型在AI微笑曲线中“上移”成为必然。

4、推论二：GPU设计/制造与云计算服务“曲线下移”

历史反复证明,一旦新兴技术发展成熟并普及,相关硬件产品就会经历"摩尔定律"和规模经济效应的双重挤压,导致利润回归理性。就像英特尔在PC时代的命运一样，当前 AI 热潮中的GPU 设计 / 制造与云计算服务领域，也同样会迎来估值和利润“曲线下移”。

当前GPU和云服务公司的高额利润,一定程度上源于供不应求。作为AI和大模型计算的基础设施,GPU等硬件以及算力资源一直处于紧缺状态,使得供应商可以获取暴利。但随着技术的不断进步，越来越多的企业涌入这一赛道。AMD、Intel、华为等大厂在该领域不断不力，英伟达垄断性的市场地位必然难以维系，其巨大的利润泡沫，也迟早会被戳破。在云计算服务领域也是如此，随着更高效使用技术、更科学计费方式的出现，在充分的市场竞争下，云计算服务的估值和利润也会一点点回归理性。

未来3年

80%的大模型公司，会死掉

1、国内创业公司，三年生存率为20%

创业从来都是九死一生。我国过去年10的数据统计显示，创业公司的三年生存率仅为20%。作为新兴事物的大模型产业，更是集资本密集、人才密集、数据密集三重“buff”于一身，无论是高昂的研发成本，还是稀缺的专业人才，或者是海量的数据需求，哪一个都能轻易地卡住一家初创企业的脖子，“三座大山”叠加在一起，即使是大厂名企也未必能吃得消。尤其在当前环境下，笔者认为国内的大模型公司三年生存率会更不容乐观，甚至会远低于20%。

2、大模型公司的“死亡名单”

如果非要在大模型公司“死亡名单”上排个顺序，那么笔者的排序是AI新势力＞六小虎＞科技巨头的AI事业部。为什么这样说呢？

首先，AI新势力主要是一些刚进入市场不久的初创型公司，它们在资金和技术上都较为薄弱，用户基础也很欠缺。换句话说，它们“体质”最差，最经不起折腾，无论内部还是外部，但凡有点波折，就有可能出大问题，甚至被淘汰出局。在一个多月前，成立1年半左右的AI创业公司波形智能，由于各种压力宣布解散，就是一个很典型的例子。

第二顺位就是“六小虎”。这些公司虽然具备一定的实力，但面对巨头的挤压和新势力的“抢食”，仍然活得战战兢兢。持续巨额融资和有效的变现模式，仍是悬在他们头上的摩克利斯之剑，这两个问题不能得到解决，他们现在所拥有的技术和市场都会成为无本之末，无水之源。

另外，科技巨头的 AI 事业部也并非高枕无忧。虽然他们拥有雄厚的资金和技术实力，但在大模型领域的激烈竞争中，也同样面临各种巨大压力。比如争取内部资源分配的压力、公司战略转变的压力等等。稍有不慎或指标不符合预期，它们就可能成为大厂的“弃子”。

AI发展的5个阶段

我们仍然在路上

1、OpenAl划分的人工智能5个等级

OpenAI为更好的反映AI发展的阶段和状态，把AI划分为五个不同的等级：

第一级，聊天机器人；其主要特征是有语言对话能力，能理解和生成自然语言，与人类简单互动，最常见的就是各类智能语音助手和客服机器人。第二级，推理者；它们在预设范围内，可进行一定程度的逻辑推理和判断。第三级，代理者；这类 AI 可在现实或虚拟环境中执行任务，不仅能理解推理，还能随环境变化进行策略调整。第四级，创新者；这一等级的 AI能协助人类进行某些创造工作。第五级，组织者；这是最高等级的 AI，能协调多个 AI 系统或与人类共同完成复杂目标。

对照来看，我们当前AI的发展，正处于第二与第三等级之间。在技术突破和应用落地等方面仍面临很大挑战。

2、企业落地大模型的5个步骤

为帮助企业大模型的落地，红杉资本提出了AIGC企业落地的“AGILE五步走”：

1）Awareness，统一认知，达成共识

在 AIGC 技术引入初期，企业需要从上至下建立统一共识。要做到这一点，离不开 CEO 的强力推动，以及对各部门资源整合的充分协调。

2）Gauge，场景梳理，试点选择

达成共识后，企业就要全面评估适合应用 AIGC 技术的业务场景，以及可能带来的价值。并选择更能产生效果的场景作为试点，然后逐步扩大应用范围。

3）Inception，目标设定，组织配套

接着企业就要设定合理的目标预期，并做好组织配套，成立包括A技术人员、高管在内的 “作战小组”。

4）Ladder，方案制定，快速迭代

企业要根据业务场景特点，选择最优 AIGC 应用方案。不能期望一蹴而就，而要小步快跑、持续提升模型分数，不断迭代优化模型和算法。

5）Expansion，扩大范围，深度应用