國(guó)產(chǎn)視頻模型，何以風(fēng)靡美國(guó)社交媒體？

最近有一篇題為《2美元的H100：GPU泡沫是如何破滅的？》的文章異常火熱，甚至投資人都認(rèn)為英偉達(dá)堅(jiān)挺的股價(jià)就是被這一篇文章所摧毀。

這篇看似討論英偉達(dá)基本面的分析文實(shí)際上代表的是華爾街對(duì)于人工智能的兩種態(tài)度：

文章作者認(rèn)為基建投資并非終端需求，而只是中間需求，如果沒(méi)有終端需求的承接，任何基建投資都是不可持續(xù)的。

而反對(duì)者則表示，即便當(dāng)下人工智能商業(yè)化模式尚未明確，但AI改變世界成為科技革命的趨勢(shì)不變，公司們注定會(huì)不斷加大資本開(kāi)支，從而利好英偉達(dá)。

兩派觀點(diǎn)都各自擁有一批擁躉，可同時(shí)，這兩派又存在一種共識(shí)：即人工智能非常燒錢，且暫時(shí)看不到利潤(rùn)。

而另一邊，海外媒體Financial Times以及The information在今年10月各發(fā)了一篇文章，標(biāo)題分別是《中國(guó)的人工智能初創(chuàng)企業(yè)競(jìng)相打入美國(guó)市場(chǎng)》、《中國(guó)應(yīng)用在AI視頻領(lǐng)域取得早期勝利》。

對(duì)AI泡沫的擔(dān)憂和中國(guó)應(yīng)用在海外攻城略地的現(xiàn)狀形成了巨大的反差，在絕大多數(shù)公司還在焦慮如何獲得足夠的收入來(lái)支付高昂的模型訓(xùn)練計(jì)算成本的時(shí)候，國(guó)內(nèi)已經(jīng)有公司開(kāi)始談?wù)撦^短時(shí)間內(nèi)實(shí)現(xiàn)自負(fù)盈虧甚至盈利了。

在公認(rèn)AI尚未有成熟商業(yè)化模式的當(dāng)下，這些公司是怎么做到的？

給大模型算筆賬

對(duì)于OpenAI來(lái)說(shuō)，去年的冬天著實(shí)是不堪回首。除去Ilya等科學(xué)家大戰(zhàn)Sam Altman這場(chǎng)舉世矚目的宮斗大戲之外，還有一個(gè)當(dāng)時(shí)外界很少關(guān)注的噩耗：

OpenAI背后最大的金主、Altman能夠官?gòu)?fù)原職的靠山，微軟，正在秘密打造一款OpenAI的替代品。

據(jù)海外媒體報(bào)道，微軟正嘗試將原本集成在Bing當(dāng)中的GPT模型逐步替換成自研版本，而背后的原因也不是因?yàn)镚PT能力不足或是提前預(yù)見(jiàn)到如今的大規(guī)模高管離職動(dòng)蕩，反倒是因?yàn)镺penAI的技術(shù)能力太強(qiáng)了。

大體來(lái)說(shuō)使用大模型的成本分成兩部分，一者是模型訓(xùn)練和數(shù)據(jù)中心建設(shè)，這部分通常是一次性的資本開(kāi)支尚且不足為懼；二者是日常運(yùn)行所需的推理成本，絕大多數(shù)科技公司的虧損都來(lái)自于此。

用戶每一次調(diào)用都代表著一筆推理費(fèi)用，而參數(shù)越大、能力越強(qiáng)的模型，單次調(diào)用成本也就越高，同時(shí)伴隨著用戶數(shù)量的提升，推理成本卻并不存在規(guī)模效應(yīng)。

與此同時(shí)，科技公司又無(wú)法讓詢問(wèn)“今天天氣適合穿什么衣服”和“火箭發(fā)動(dòng)機(jī)建造原理”的兩種用戶進(jìn)行差異化定價(jià)，在輕度用戶為主的今天，使用頂級(jí)模型幾乎和用復(fù)興號(hào)拉煤無(wú)異。

在這種語(yǔ)境下，題為《How does OpenAI Survive》以及《AI's 600B$ Question》的分析文流傳甚廣。前者作者對(duì)于OpenAI這種盈利模式不清晰、但卻需要大量燒錢的模式產(chǎn)生了質(zhì)疑：

“OpenAI的營(yíng)收在35億至45億美元之間，但其運(yùn)營(yíng)虧損可能高達(dá)50億美元，其收入遠(yuǎn)遠(yuǎn)無(wú)法覆蓋成本。而為了推出下一代的大模型GPT5，OpenAI需要更多的數(shù)據(jù)和算力，這又是一大筆花費(fèi)。”“但在這些花費(fèi)之下，我們暫時(shí)沒(méi)有看到一個(gè)具有清晰模式的商業(yè)產(chǎn)品。”

后者則更為直白：當(dāng)下AI公司6000億美元的成本和收入之間，還存在5000億美元的虧損。

半年過(guò)去，2000億變成6000億了

這兩篇文章其實(shí)都在闡述一個(gè)相同的觀點(diǎn)，即下游應(yīng)用端尚未發(fā)現(xiàn)使用AI帶來(lái)的收益能夠覆蓋其使用成本之前，大模型公司想要實(shí)現(xiàn)類似蘋(píng)果芯片那樣“技術(shù)領(lǐng)先-產(chǎn)品商業(yè)化-資金反哺技術(shù)”的商業(yè)化閉環(huán)極為困難。

相比于OpenAI們?cè)诩夹g(shù)領(lǐng)先的同時(shí)遇到的商業(yè)化困境，蘋(píng)果的Apple Intelligence和Adobe的AI工具Firefly卻呈現(xiàn)出另一種狀態(tài)：即完全不擔(dān)心用戶付費(fèi)，卻由于技術(shù)問(wèn)題導(dǎo)致AI并沒(méi)能帶來(lái)實(shí)質(zhì)上的溢價(jià)。

即便隆重推出Apple Intelligence，最新款的iPhone 16并未漲價(jià)的同時(shí)仍然銷量平平，分析師們異口同聲的表示這就是由于“創(chuàng)新不足”。而Adobe在幾乎壟斷設(shè)計(jì)創(chuàng)意市場(chǎng)的前提下，并且在去年四季度加入AI工具之后，其營(yíng)收在今年三季度不過(guò)同比增長(zhǎng)12%。

這兩家公司的共性在于，在AI浪潮出現(xiàn)之前，他們本就擁有龐大的信眾群體和付費(fèi)基數(shù)，這種先發(fā)優(yōu)勢(shì)顯然不是創(chuàng)業(yè)公司所能夠復(fù)制的。

因此OpenAI們和蘋(píng)果們存在的問(wèn)題，實(shí)際上是技術(shù)領(lǐng)先和應(yīng)用側(cè)提供充足需求之間的錯(cuò)位。

兩條腿走路

過(guò)去一個(gè)月，名廚戈登·拉姆齊（Gordon Ramsay）在廚房里“煉丹”的段子視頻，在美國(guó)的TikTok、Instagram和X 上瘋傳。

這段由MiniMax旗下產(chǎn)品海螺AI制作的視頻爆火并不是個(gè)例，在OpenAI的Sora依舊是“內(nèi)部體驗(yàn)”狀態(tài)的情況下，來(lái)自中國(guó)的可靈、PixVerse、Vido都在海外擁有海量用戶。

這種現(xiàn)象在海外精英媒體的嘴里，已經(jīng)被形容為“中國(guó)應(yīng)用在AI視頻領(lǐng)域取得早期勝利”，要知道在2022年末在ChatGPT引領(lǐng)文字大模型的時(shí)代，中國(guó)公司在全球市場(chǎng)幾乎沒(méi)有聲音。

今天，以MiniMax為例，它擁有來(lái)?全球近200個(gè)國(guó)家的6000萬(wàn)用戶，每日與全球用戶進(jìn)行30億次交互，包括日均處理超3萬(wàn)億Token，日均生成2000萬(wàn)張圖片，日均合成7萬(wàn)小時(shí)語(yǔ)音，是國(guó)內(nèi)日處理量、交互時(shí)長(zhǎng)最高的大模型公司。

在今年8月31日發(fā)布旗下首個(gè)視頻模型abab-video-1之后，海螺AI網(wǎng)頁(yè)版9月訪問(wèn)量達(dá)497萬(wàn)，同比增加867.41%，位列AI產(chǎn)品榜（web）9月全球增速榜、國(guó)內(nèi)增速榜雙榜單榜首。今年10月再次迭代，新增圖生視頻功能。

視頻模型在海外的火熱甚至帶動(dòng)A股傳媒板塊，在同花順等股吧熱榜中都出現(xiàn)相關(guān)話題。

對(duì)于普通用戶來(lái)說(shuō)，選擇使用一款大模型的理由其實(shí)很簡(jiǎn)單：模型效果足夠好。

MiniMax視頻模型在VBench（視頻?成模型評(píng)測(cè)框架）的第三方獨(dú)立測(cè)試結(jié)果中綜合排名第一，在畫(huà)面質(zhì)量、連貫性、流暢性等多維度均處于領(lǐng)先地位。

衡量視頻生成模型的使用效果，主要是從畫(huà)面質(zhì)量、連貫性、流暢性、指令響應(yīng)這幾個(gè)用戶能夠感知到的維度，MiniMax視頻模型能夠準(zhǔn)確識(shí)別用戶上傳的圖片，并確保所生成視頻在形象保持上與原輸入圖像高度一致，且光影、色調(diào)完美嵌入新場(chǎng)景的設(shè)定，為創(chuàng)作者提供連貫、深度創(chuàng)作的空間。

指令響應(yīng)方面，MiniMax視頻模型可以理解超出圖片內(nèi)容之外的文本，解構(gòu)指令框架和深層語(yǔ)義并在視頻生成中整合，捕捉到創(chuàng)作者的每一個(gè)小心思，實(shí)現(xiàn)“所寫(xiě)即所見(jiàn)”。在海螺AI超強(qiáng)的圖片信息控制能力加持下，每一位創(chuàng)作者都可以做最任性的導(dǎo)演。

對(duì)于絕大多數(shù)應(yīng)用產(chǎn)品來(lái)說(shuō)，用戶缺乏付費(fèi)意愿的本質(zhì)是缺乏黏性，以嘗鮮為目的的使用方式難以形成轉(zhuǎn)化，今天用戶獲取到的信息中，文字、圖片、視頻，三種形式基本是等比例共存，也就意味著使用AI生產(chǎn)內(nèi)容的用戶同樣會(huì)自發(fā)的涌入一個(gè)全能的產(chǎn)品。

而對(duì)MiniMax來(lái)說(shuō)，他們認(rèn)為提高用戶覆蓋度和使用深度的唯一辦法，就是輸出多模態(tài)內(nèi)容。在推出視頻模型后，MiniMax擁有了文本、圖像、語(yǔ)音、音樂(lè)、視頻五類模型布局。

在技術(shù)能力和應(yīng)用側(cè)的全方位布局下，MiniMax才能夠?qū)崿F(xiàn)兩條腿走路，從而完成商業(yè)閉環(huán)。

如何實(shí)現(xiàn)商業(yè)閉環(huán)？

在一次采訪中，MiniMax國(guó)際業(yè)務(wù)總經(jīng)理盛靜遠(yuǎn)曾提及：“MiniMax現(xiàn)在是所有中國(guó)大模型公司里面，少數(shù)幾個(gè)能講商業(yè)化變現(xiàn)，能講產(chǎn)品跟模型驅(qū)動(dòng)，甚至很有可能能在比較短的時(shí)間內(nèi)實(shí)現(xiàn)自負(fù)盈虧及盈利的公司”。

在融資不足的現(xiàn)狀下，創(chuàng)業(yè)公司必須想辦法創(chuàng)造收入，而在海外用戶付費(fèi)習(xí)慣更好且產(chǎn)品夠好的情況下，相比競(jìng)爭(zhēng)激烈且付費(fèi)意愿不強(qiáng)的國(guó)內(nèi)市場(chǎng)明顯更有增收的空間。國(guó)內(nèi)消費(fèi)者對(duì)訂閱制的低黏性有目共睹，最典型的就是中視頻平臺(tái)。

公開(kāi)數(shù)據(jù)顯示，MiniMax旗下的Talkie全球月活躍用戶數(shù)已達(dá)1100萬(wàn)。

盛靜遠(yuǎn)認(rèn)為，MiniMax現(xiàn)在處在半山腰的狀態(tài)，如果做得比較成功，很快就能達(dá)到一個(gè)正向的商業(yè)循環(huán)，希望通過(guò)技術(shù)突破，產(chǎn)品商業(yè)化，從而再反哺技術(shù)，而不是考慮還有哪些錢會(huì)來(lái)投。

在技術(shù)層面，MiniMax在尚未得到行業(yè)認(rèn)可時(shí)就堅(jiān)定要做MoE架構(gòu)，到了今天其實(shí)已經(jīng)很難找到說(shuō)自己不用MoE的語(yǔ)言大模型了。

這種架構(gòu)最大的意義就在于處理任務(wù)時(shí)，模型只有特定部分會(huì)被激活。例如當(dāng)用戶需要生成一段摘要時(shí)，模型會(huì)自動(dòng)激活最適合該工作的部分，不必每次都調(diào)動(dòng)整個(gè)大模型，簡(jiǎn)單來(lái)說(shuō)，就是殺雞無(wú)需用牛刀，從而極大降低前文所述的推理成本。

MiniMax是國(guó)內(nèi)首個(gè)完成MoE算法技術(shù)路線突破，首個(gè)將Linear Attention架構(gòu)與MoE結(jié)合并應(yīng)用于模型研發(fā)的大模型企業(yè)。

如果說(shuō)MoE架構(gòu)是一種有效調(diào)用和分配算力的方式，Linear Attention則是通過(guò)降低計(jì)算復(fù)雜度，從而將每一份算力最大化利用起來(lái)的技術(shù)，說(shuō)人話就是，在殺雞的時(shí)候迅速找到角度從而精準(zhǔn)下刀。

相比于通用Transformer架構(gòu)，在128K的序列長(zhǎng)度下，新架構(gòu)成本減少90%以上，且序列長(zhǎng)度越長(zhǎng)，優(yōu)勢(shì)越明顯，也就是我們常說(shuō)的超長(zhǎng)文本閱讀能力上表現(xiàn)更佳。

新架構(gòu)的原?線性計(jì)算復(fù)雜度?幅減少了?模型的訓(xùn)練和推理成本，利用國(guó)內(nèi)有限的算力，達(dá)到了一個(gè)真正可以比肩GPT-4o的效果。

在產(chǎn)品方面，AI產(chǎn)品活在新聞稿和爆料中著實(shí)不少見(jiàn)，隔壁OpenAI畫(huà)餅都成習(xí)慣性操作了，從Sora遲遲未上線，到SearchGPT的測(cè)試名額只有10000個(gè)，再到前兩天又透露說(shuō)計(jì)劃12月前推出下一代模型“獵戶座（Orion）”，但又是計(jì)劃首先向與其密切合作的公司授予訪問(wèn)權(quán)限...以至于網(wǎng)友都給OpenAI的產(chǎn)品發(fā)布做了個(gè)非常形象的流程圖。

為了讓用戶滿意，MiniMax堅(jiān)持做到“可見(jiàn)即可用”，拒絕期貨產(chǎn)品。這種交付能力也為它贏得了海量用戶的青睞。聲網(wǎng)（旗下海外公司Agora是OpenAI的合作伙伴）與MiniMax正在合作國(guó)內(nèi)第一個(gè)Realtime API，將帶來(lái)更低延時(shí)、更自然、更沉浸的實(shí)時(shí)語(yǔ)音對(duì)話，為企業(yè)協(xié)作、社交、直播、游戲等多種場(chǎng)景提供新玩法、新機(jī)會(huì)。

除去海螺AI、星野、Talkie（海外）等多款直接面對(duì)用戶的APP產(chǎn)品外，MiniMax推出的開(kāi)放平臺(tái)產(chǎn)品，接入的2B客戶企業(yè)和開(kāi)發(fā)者已超3萬(wàn)個(gè)。

尾聲

在算力、算法、數(shù)據(jù)三大核心要素的比拼上，美國(guó)巨頭擁有先天性的優(yōu)勢(shì)，國(guó)內(nèi)無(wú)論是互聯(lián)網(wǎng)大廠還是創(chuàng)業(yè)公司，這種客觀條件下的差距是無(wú)法回避的。

在客觀差距存在的前提下，借鑒互聯(lián)網(wǎng)行業(yè)得以領(lǐng)先的事實(shí)，MiniMax提出了第四大要素——

用戶。

我國(guó)最具備競(jìng)爭(zhēng)力的要素，很可能就是用戶規(guī)模。用戶規(guī)模并不是單純意味著更大的商業(yè)化潛力或者市場(chǎng)規(guī)模可以用千億萬(wàn)億來(lái)衡量的概念，更重要的是大量用戶帶來(lái)的“交互頻次”。

絕大多數(shù)AI產(chǎn)品是由技術(shù)極客開(kāi)發(fā)的，但用戶卻以普通人為主，前者在MoE算法和Linear Attention架構(gòu)的世界里自由探索，但普通人很可能只關(guān)注語(yǔ)音交互是否卡頓。

在每天30億次的交互下，MiniMax更認(rèn)為是這些用戶在幫助他們做更強(qiáng)大的、以解決問(wèn)題為導(dǎo)向的應(yīng)用，甚至是底層技術(shù)的提升，用MiniMax CEO閆俊杰的話來(lái)說(shuō)：

“每當(dāng)我們的模型有重大提升，處理速度有顯著提升的時(shí)候，就可以看到用戶使用的場(chǎng)景和用戶使用的深度顯著地變高。反過(guò)來(lái)，這里還有一個(gè)曾經(jīng)發(fā)生的真實(shí)案例：一個(gè)bug導(dǎo)致對(duì)話重復(fù)錯(cuò)誤率變高，當(dāng)天對(duì)話量掉了40%。這也解釋了我們堅(jiān)持技術(shù)創(chuàng)新的最底層原因。”

這最終也構(gòu)成了MiniMax所堅(jiān)持的一個(gè)原則性的目標(biāo)——

Intelligence with Everyone。

這時(shí)我們不妨再回到文章開(kāi)頭的那個(gè)問(wèn)題：人工智能的錢是不是都被英偉達(dá)賺走了？

誠(chéng)然，談起AI我們總會(huì)說(shuō)國(guó)內(nèi)環(huán)境不好、融資情緒差、技術(shù)存在差距、商業(yè)化不盡人意零零總總，我們也不能否認(rèn)與美國(guó)存在差距的事實(shí)。

可回過(guò)頭來(lái)看這一輪AGI革命，曾在電子產(chǎn)業(yè)領(lǐng)先的日韓杳無(wú)音訊、歐洲只余Mistral一家獨(dú)苗，還是從硅谷返鄉(xiāng)創(chuàng)業(yè)，中國(guó)的AI人才規(guī)模在全球卻已經(jīng)僅次于美國(guó)，在一些特定領(lǐng)域的模型甚至出現(xiàn)了反超，對(duì)于全球科技的追趕者來(lái)說(shuō)，這已經(jīng)殊為不易。

如果只盯著英偉達(dá)的百億利潤(rùn)，全球的AI公司都難免黯淡無(wú)光。

參考資料：

[1]Chinese Apps Notch Early Wins in AI Video，The information

[2]China’s AI start-ups race to crack US market，F(xiàn)inancial Times

[3]硅谷深思：GPT應(yīng)用遲未爆發(fā)，大模型泡沫根源初探，硅星人Pro

[4]閆俊杰對(duì)話黃明明：AGI，只有一條最難但唯一的道路，暗涌

作者：張澤一

編輯：戴老板

視覺(jué)設(shè)計(jì)：疏睿

責(zé)任編輯：張澤一