大模型創業之困：小模型難賺錢，大模型太燒錢，去年投融資金額縮水七成

本文來源：時代财經 作者：謝斯臨

圖檔來源：Pixabay

大模型熱潮已湧動了一年多，站在現在這個節點回看，并沒像人們預想的那樣帶動無數熱錢湧入。對專注在這一領域的創業者來說，生存還是他們最先要考慮的問題。

“現在（大模型）創業都很具體，要麼幫企業一年内賺錢，要麼幫客戶三個月内增效，本質上技術都要為這兩個目的服務。”特贊創始人兼CEO範淩如是說道。

特贊是一家專注在AIGC領域的科技獨角獸企業，身為同濟大學設計人工智能實驗室主任、教授的範淩希望通過強大的生成式人工智能技術，助力企業降低内容生産、管理和分發的成本，并提升效率。

與月之暗面、階躍星辰、MiniMax這類信仰AGI（通用人工智能）、追求AGI，并試圖改變世界的大模型明星創業公司相比，範淩的願景并不是一個特别有想象力的故事，但它更實用，也能更快賺錢。

據騰訊科技此前報道，眼下，中國科技行業對大模型的态度已分裂成兩派陣營。一派相信技術，認為倘若不追求“更大更強的AI能力”，一旦其他人的模型能力取得飛躍，很快會降維碾碎現有根據地與護城河；另一派更為現實，他們認定隻需将“足夠的AI能力”投入可以快速變現的商業場景中，就可以用中國市場龐大而獨特的資料構築壁壘。

前者固然令人激動，但後者，或許才是更多中國大模型創業者面對的現實。

小模型難賺錢，大模型太燒錢

近日，圍繞“大模型時代的創業生态”的主題，騰訊研究院聯合前海國際事務研究院、青騰一同發起了AI&Society人工智能+社會發展高端研讨會，諸如特贊、智譜AI、元象XVERSE、瀾碼科技等AIGC創業公司及行業知名投資機構發表了演講。

“大的模型投不起，小的模型還看不到賺錢能力。”在研讨會上，梅花創投創始合夥人吳世春用這樣一句話形容當下大模型領域的投資難題。

在吳世春來看，AI領域的投資機會主要是三個，都與快速落地相關：一是投應用場景，如将AI嵌入智能手表；二是投AI配套服務；三是投有造血能力的企業。

事實上，這是多方因素共同導緻的結果。

一方面，大模型的“貴”衆所皆知，數千萬元一次的訓練成本注定了這是少數人的遊戲。再疊加美元基金黃金時代落幕，風險投資也愈發謹慎。或許正是是以，大模型熱潮難以帶火一級市場。

研究機構CB Insights釋出的《2023年人工智能（AI）行業現狀報告》資料顯示，2023年，中國AI領域投融資數量約為232筆，同比下降38%；融資總額約為20億美元，同比下降70%。特别是2023年第一季度，無論是融資額還是融資量，都創下了5年來最低，中國AI行業融資熱“降溫”尤為明顯。

當創業者擷取融資的難度增大，難以覆寫長期研究所需成本，它們就必須迅速獲得商業成果、完成商業閉環，才能確定項目的可持續發展——這成為了中國與矽谷大模型創業生态之間的最大差異。

姚星曾主導建立了騰訊首個人工智能實驗室AI Lab，後離職創業通用大模型公司元象XVERSE。他分享了年初拜訪矽谷時收獲的感悟：“國内普遍認為做大模型必須先想清楚怎麼賺錢，有錢才能活命的。與之相比，矽谷的大模型從業者普遍相信，最重要的事情就是幹通用大模型，他們隻想‘奔月’。”

但在姚星看來，兩種發展方向之間并無優劣之分，隻是文化上的差別，做好大模型的應用落地同樣重要。

香港中文大學（深圳）教授、前海國際事務研究院院長鄭永年同樣認為，中國大模型創業公司與OpenA的I發展方向不同，不應該是差距，而是差異化。

他在接受時代财經采訪時指出，不同國家（地區）在人工智能發展模式上存在差異，中國已經在大模型監管層面站在世界領先的位置，下一步應當鼓勵發展。“既然我們可以造刹車，那我們也可以造速度更快的汽車，是以發展與監管安全我們可以做到兩者并存。”

至于如何鼓勵創新發展，鄭永年認為，應當加強政府部門、學校及企業之間的資訊流通，并重新調整資源配置設定，把更多的資源放在年輕學者、創業者身上，給予他們試錯的空間。

ToB仍是商業化主流

不過，要如何将大模型強大的能力落地應用，并從中實作商業閉環，創業者們仍在探索。一些曾經被看好的方向似乎被證明困難重重。

如此前曾備受期待的AI原生應用，百度創始人兼CEO李彥宏曾多次公開表示，卷大模型沒意義，卷AI原生應用才有價值。

但大模型熱潮鼓動一年之後，吳世春卻發現，市場上完全基于AI原生的項目隻有30%到40%，絕大部分項目仍是過去已有的産品更新。

“一方面在于AI原生應用要承擔教育市場的成本，目前的使用者要麼是基于好奇，要麼是行業内的自消費，難以持續。另一方面，底層大模型能力仍在不斷進化更新，AI原生應用很容易被能力更新過後的通用大模型取代。”吳世春分析道。

類似的故事已有發生。OpenAI釋出令世人驚豔的視訊生成模型Sora之後，Pika、Runway等一衆文生視訊的創業公司均遭受嚴重挑戰。而依靠文案生成能力跻身獨角獸之列的明星創業公司Jasper，也在ChatGPT出現之後迅速隕落。

“ChatGPT毀滅你，與你無關。在這種情況下，創業者很難自己構成一種獨立的邏輯，完成使用者某一個大的體驗服務閉環。”吳世春說。

與之相比，企業服務仍是大模型目前最主流的商業化路徑。相比缺乏付費意願的C端使用者，B端客戶對先進技術的渴求更為明确。

國際資料公司IDC曾在2023年四季度開展過一次AI應用調研，結果顯示，在100家受調企業中，對生成式AI完全沒有規劃的企業比例隻有7%，這也意味着超九成被調查企業已布局了AI應用。已經投資了生成式AI，并已有明确預算的企業有24%；還有34%的企業已經開始制定潛在應用場景；35%的企業開始嘗試試點，但暫未明确預算。

其中，最受關注且最希望從中擷取價值的前三大應用分别是：智能客服類應用、支援财務和營運決策類應用，以及專注于提升員工生産力的應用。在實際探索中，預計能最先落地的場景則是數字化營銷、智能客服，以及支援财務和營運決策的應用。

在範淩看來，大模型創業破局的關鍵就在于明确知道企業需要什麼。“企業需要的就是增長，要短期的降本和長期的增效。用AI做出一些場景創新，他們也是能夠接受的，但如果隻是純粹的創新，其實生命力很短暫。”

此外，如算力供應等AI配套服務，也是另一大創業方向。如算力服務企業無問芯穹，就緻力于在大模型和晶片之間打造一個更靈活适配的中間層，并利用GPU推理和加速技術降低部署成本。

在無問芯穹聯合創始人兼首席科學家戴國浩看來，2024年很有可能成為大模型技術發展的一個轉折點。戴國浩發現，在30億、70億參數這樣特定規模的模型上，開源和閉源的模型差别在變小，反而是應用的人越來越多。這就說明，随着時間的推移，模型能力會逐漸觸頂。

“更重要的事情是做落地，怎麼在部署的時候把成本打得足夠低。”戴國浩表示。

畢竟，價格與應用場景仍是大模型難以大規模落地的主要原因。可見，與AGI的遙遠夢想相比，現階段國産大模型賽道的創業者們必須先考慮的是ROI（投入産出比）。