AI大模型時代：誰能在科技巨頭與新興力量的對決中勝出？

在數字化轉型的浪潮中，人工智能大模型正成為推動創新的關鍵力量。隨著技術的進步和資本的涌入，AI大模型不僅在學術界引起了廣泛關注，更在商業領域展現出巨大的應用潛力和市場價值。在各大科技巨頭的“內卷”中，大模型終于來到了一個關鍵的轉折點。 摩根士丹利指出，世界正在進入一個由硬件和軟件共同推動的大模型能力快速增長的新時代，大模型在創造力、戰略思維和處理復雜多維任務方面的能力將顯著提升。報告強調，未來大模型的訓練將需要前所未有的算力，這將導致開發成本顯著增加。摩根士丹利Stephen C Byrd分析師團隊在本周公布的報告預計，訓練下一代大模型所需的超級計算機成本之高企，即使對于科技巨頭來說也是一個巨大的挑戰，更別提小公司了。

數字經濟應用實踐專家駱仁童博士表示，當商業化成為2024年AI大模型角逐的新方向后，商業模式存疑以及營收增長乏力的AI新創企業將加速出清，行業將迎來真正洗牌階段。這意味著，只有那些能夠持續創新、有效控制成本并找到可行商業模式的企業，才能在這場競爭中生存下來并最終勝出。

科技巨擘弈局

美國科技巨頭谷歌、Meta、微軟在AI大模型領域的布局體現了它們在技術、資本和市場方面的強大優勢。谷歌通過其DeepMind部門在AI領域取得了一系列突破，Meta（Facebook的母公司）則通過不斷的技術創新和收購來加強其在AI領域的地位。微軟則利用其云計算服務Azure，為AI大模型提供強大的算力支持，并推動AI技術的商業化應用。這些公司不僅在研發上投入巨大，而且在市場推廣和生態建設上也具有豐富經驗。

中國AI領域的新興力量正在迅速崛起，特別是“新AI四小龍”——月之暗面、百川智能、MiniMax和智譜AI，它們憑借創新的商業模式和技術實力，在資本市場上獲得了高度關注。這些企業不僅在技術上取得了突破，更在探索如何將AI技術轉化為實際的商業價值。

月之暗面（Moonshot AI）

月之暗面由楊植麟創立于2023年3月，專注于大模型研究和應用。公司在2023年獲得了超2億美元融資，并在2024年2月完成了超過10億美元的融資，估值達到約25億美元。月之暗面推出的Kimi智能助手面向C端市場，通過提供個性化服務吸引用戶，但面臨的挑戰是如何在競爭激烈的市場中持續創新并維持用戶增長。

百川智能

百川智能由前搜狗公司CEO王小川創立，成立之初便獲得了5000萬美元的啟動資金，并在2023年10月完成了3億美元的A1輪戰略融資，估值超過18億美元。百川智能依托王小川的行業經驗和資源，快速嶄露頭角，但其挑戰在于如何將技術優勢轉化為可持續的商業模式，并在AI領域保持領先地位。

MiniMax

MiniMax由閆俊杰成立于2021年12月，致力于開發通用人工智能（AGI）技術。公司在2022年6月融資超2.5億美元，并在2023年進行了新一輪大規模融資。MiniMax的挑戰在于如何將AGI技術商業化，并在AI技術快速發展的今天，持續提供創新的產品和服務。

智譜AI

智譜AI由張鵬創立于2019年，起源于清華大學計算機系知識工程實驗室的技術成果轉化。公司在2021年完成了A輪過億元融資，并在2022年和2023年累計獲得超25億人民幣融資，估值超過100億人民幣。智譜AI的挑戰在于如何利用其在知識工程領域的優勢，開發出更具市場競爭力的產品，并在AI大模型的商業化道路上取得成功。

算力飛躍與資本博弈

AI大模型的發展核心在于技術進步，尤其是算力的顯著提升。隨著模型規模的不斷擴大，對算力的需求也隨之增加。摩根士丹利報告指出，未來大模型的訓練將需要前所未有的算力，這對硬件設施提出了巨大的挑戰。算力的提升不僅依賴于芯片技術的進步，如英偉達的Blackwell芯片，還依賴于軟件架構的創新，如Tree of Thoughts架構，這將直接影響大模型在創造力和復雜任務處理上的能力。 資本市場對AI技術的熱情曾一度推動了行業的快速發展，但隨著市場逐漸趨于理性，投資者開始更加關注企業的商業模式和盈利能力。AI企業在獲得資本支持的同時，也面臨著來自投資者的壓力，需要展示其技術的商業價值和市場潛力。 首先是投資者的期望與企業的挑戰。投資者期望AI企業能夠快速實現技術突破，并在市場上取得成功。然而，AI大模型的研發周期長、成本高，且市場競爭激烈，這使得AI企業在短期內實現盈利變得非常困難。企業需要在保證技術領先性的同時，探索有效的商業模式，以滿足投資者的期望。 其次是資本市場的波動與企業的生存。資本市場的波動對AI企業的生存和發展具有重要影響。在資本市場寒冬期，融資難度增加，那些商業模式不清晰、盈利能力弱的企業可能會面臨生存危機。因此，AI企業需要更加注重現金流管理，提高資金使用效率，以應對資本市場的不確定性。 最后是長期投資與短期回報的平衡。AI大模型的研發需要長期投入，但資本市場往往追求短期回報。企業需要在長期投資和短期回報之間找到平衡點，這不僅需要企業有清晰的戰略規劃，還需要投資者對AI技術的發展有足夠的耐心和信心。 政策監管和數據合規是AI大模型發展中不可忽視的因素。隨著AI技術的廣泛應用，各國政府對AI領域的監管越來越嚴格，特別是關于數據的使用和隱私保護。企業必須在遵守相關法規的前提下，合理利用數據資源，推動技術的發展。例如，斯坦福大學AI研究院發布的《The AI Index Report 2024》報告指出，美國AI監管法規顯著增加，這對AI企業的國際化發展構成了挑戰。

小帆啟航AI藍海

AI大模型在B端的應用標志著商業定制化服務的興起，滿足了企業對提高效率和降低成本的迫切需求。 隨著AI技術的進步，這些大模型將越來越多地應用于解決行業特定問題，例如醫療健康、金融服務和智能制造等。這種轉變使得AI能夠以類似人類的思考方式工作，展現出強大的創造力和戰略思維能力，以及處理復雜、多維任務的能力。

在C端，AI大模型通過互聯網訂閱模式實現商業化，滿足消費者對個性化和智能化服務的不斷增長需求。AI大模型能夠提供更加精準和個性化的用戶體驗，例如通過智能助手協助日常任務管理和教育輔導等。

盡管大模型的開發和訓練需要大量的資本和算力支持，但小公司在AI領域仍然擁有獨特優勢和機遇。數字經濟應用實踐專家駱仁童博士表示，盡管小公司在開發復雜度較高的大型模型方面可能面臨邊緣化的風險，但小型模型的興起將為它們開辟新的發展機遇。

例如，專注于垂直領域的專業化小公司可以開發針對特定行業的AI解決方案；結合邊緣計算的AI應用可以為物聯網設備提供即時的數據處理和智能決策能力；AI即服務（AIaaS）平臺可以使沒有足夠資源開發自有AI模型的企業也能利用AI技術提升業務能力；利用開源技術和建立活躍的開發者社區可以降低開發成本并快速迭代和改進產品；提供專業的AI倫理和合規咨詢服務可以幫助企業在發展AI技術的同時確保遵守相關法律法規。

但駱仁童博士也補充到，用戶留存率的波動不僅是AI企業的挑戰，更是其運營成本的隱形殺手。在算力成本高昂的現實下，如何實現成本的均衡分配，以及如何有效管理大模型算力的需求高峰與低谷，成為了這些企業必須面對的雙重難題。

海外市場上，AI初創企業的競爭已日趨激烈，一些戰略失誤的企業正逐漸被行業巨頭吞并。例如，美國的Banana、Togetther、RunPod等公司，通過提供價格親民的GPU服務器租賃服務，滿足了那些無法承擔大廠云端服務費用的初創企業的需求。 而在國內，如果AI初創企業在用戶增長和收入方面持續低于資本的預期，那么在當前資本市場的嚴冬中，它們還能期待多少資本的支持呢？對于那些無法獲得新一輪融資的企業來說，如何應對上游供應商不斷提高的價格壓力？

盡管我們堅信AI大模型將在未來創造巨大的經濟價值，但在國內AI大模型商業化道路仍不清晰的情況下，又有多少企業能夠堅持到最后，迎接黎明的到來呢？

海外的AI產業分析：

國內AI相關產業：

商道童言（Innovationcases）歡迎點贊和分享哦！~~

免費電子書： | | | |

數字經濟應用實踐專家 駱仁童主講課程

人工智能：

數字應用：

數字中國：

數字化轉型：》

產業數字化：《》

宏觀與趨勢：

思維與技能：》

創新與創業：