巨头不敢“重注”下场，国内AIGC或有“先天残疾”

文 | 数科星球，作者丨科科，编辑丨十里香在疫情还在“小高潮”的躺平时刻，创业者们却并没有闲着。就在日前，北京通州的一所民房内，几名大厂离职员工正在筹划着在AIGC赛道里分得一杯羹。“BAT不像以前热衷于赛道竞争了，现在他们的思路更趋向于‘防御’”，一名不愿意透露姓名的BAT前员工对数科星球这样说，“当然这也是创业的机会”。‍‍‍‍‍‍‍‍‍他一边陈述着项目，一边洋溢着灿烂的笑。此刻，在铺天盖地的AIGC文章中，似乎已无人可否认该领域的火爆。创业者们在寻找机会、大厂在厉兵秣马，似乎下一个盛况又要出现了。然而真的是这样吗？不下重注的真实原因据不完全统计，在AIGC赛道中，大厂的参与者就有：阿里、百度、华为、浪潮、腾讯等企业；而在创业企业层面，加入的公司就更多了。但在规模浩大的声势面前，巨头们仿佛并不敢重注下场。这首先体现在成本方面。“在大厂层面，面临的首要问题是，无法找到有效的盈利模式”，一位BAT前员工对数科星球分享道。他曾立项了一个AIGC项目，并对其进行了成本测算：仅训练GPT-3（参数量为1750亿）规模就需要硬件成本2000万美元（保守估计）。若加上后期的运营成本，则每月又要额外支出100-200万元（可能还包括电费、人员成本未统计在内）。在他看来，这样的高额支出，一般创业型企业很难维系，而对于大厂来说，这种情况也同样如此。“这两年大厂不能不计成本地做什么事了，像这种项目，也要考察投入和回报的”，数科星球了解到。在这另外一名行业人士眼中，大厂领导对于AIGC的态度仿佛“不那么积极”。在几周前，AIGC刚刚大火之时，该人士的领导只是过问了一下项目，在得知“我们也有”的回复后，就没再花心思在上面了。实际上，大厂领导的有这样反应不无道理，因为至少目前，AIGC除了自证“吞金兽”的事实外，还未交出令人满意的变现答卷。现在，由于参数数量和成本之间存在“类指数关系”，在资金有限的前提下，参数成本不能无限提高。所以，在当下，行业内普遍将大厂之间的竞争看作是“千亿参数”规模的较量。在这名行业人士眼中，他认为，“这已经是大厂所能做的极限了”。而在一些传统硬件大厂主导的AIGC项目中，更是有着“挂羊头卖狗肉”的嫌疑。有爱好者曾访问其网站落地页，却发现“上面全是静态页面，连个体验测试的DEMO都没有”。巨头对AIGC的态度，好像更倾向于获得“参与感”，而不是以往的“梭哈”。这还体现在某些巨头对参数的宣传上。“虽然个别厂商号称有万亿参数，但就我们的研究发现，他们的模型太稀疏，达到的效果估计也跟几千亿的一样”。在一再追问下，知情人仍然拒绝透露该大厂的名字和项目的具体情况。“参数不是越多越好”，一位技术人员这样说。在他看来，一些大厂打着万亿级参数的旗号，但其产品的实质可能跟几千亿的参数量的产品类似。实际上，决定AI智能水平的因素除参数数量外，还有参数的“密度”。也就是说，在稀疏模型中，参数数量虽多，但都被“撒芝麻”般摊薄，参数的效益得不到充分发挥，在某些具体的方面，“大模型”的能力甚至赶不上“小模型”。目前来看，在各个大厂之中，百度的文心大模型是公认推广力度最大、商业体系搭建较为完整的产品之一。对比其他大厂的“自下而上”，百度文心大模型是典型的“自上而下”发力案例。在其他大厂员工看来，百度意图在AI弯道超车，这样做也无可厚非，但在具体商业变现层面，还不知究竟，只能等待时间检验。“国内AIGC有天然硬伤”很明显，对于投资者而言，“成为中文版的OpenAI”这个故事很有吸引力。客观上，这个故事似乎也有成立的可能——“OpenAI似乎只痴迷于追求学术”，换句话说，在国内创业者眼中，它对应用层面，尤其是其他语言的应用并不饥渴。以至于，对于中国企业而言，下一个百度之于谷歌、支付宝之于PayPal、或者滴滴之于Uber的梦想似乎就摆在那里。但横亘在梦想与现实之间却有一条天然屏障——国内企业之间互不信任。根本上，和企业服务行业SaaS/PaaS/IaaS的关系类似，应用型企业需要在“底座型”企业提供的接口基础上二次开发。本来这没什么不好，在云计算的生态中，IaaS厂商可以兜售服务器云资源等基础设施获利。但问题出在，在AIGC中，“底座”厂商通常并没有较之IaaS厂商的有效盈利途径。这样一来，“底座”厂商就对应用层面的暴利分外眼红。在一些观察者看来，大厂的做法可能要颠覆OpenAI所信奉的“三层结构”模型，让大厂直面消费者，变成“两层模型”。如若这种设想成为现实，那么对于无数AIGC开发企业来说，无疑自诞生之日头上便悬停了一把达摩克利斯之剑。“或者大厂倾向于和大企业合作”，这位知情者补充道。对于创业公司而言，艰难的问题是如何寻找到自己的生态位。“我认为，中国的创业公司迟早会走上诸如Jasper.ai这条路上”，一位大厂员工这样说。在数科星球的了解中，Jasper.ai是美国一家AI内容提供商，通过AI人工智能帮助企业和个人撰写营销推广文案以及博客等各种文字内容获利，其更专注于对营销文案的写作。在参数量级不能太大的基础上，加之多如牛毛的“文生文”企业竞争下，更加垂直、更加细分成为了创业企业不得不选择的道路。不过，中国的企业似乎没有Jasper.ai那样的好运气。OpenAI与Jasper.ai互相成就，以至于后者可取得1亿美金营收的惊人成绩。但反观国内，从业者们对底座厂商和应用厂商之间的是否存在共赢基础的看法略显悲观。“至少我还不知道，行业里谁因为调用别人的接口做出了类似Jasper.ai的产品”，他对数科星球最后说道。看似无限实则有限的机会投资人心目中青睐的项目长什么样？一些人给出了自己的观点：它要在行业内有深厚的积累，既懂算法、又要懂行业，具备较为灵活的变动的能力、团队要年轻。这可能是一条粗糙的判断标准，但就细节而言，在众多企业参与角逐的过程中，挑中未来的明日之星却并非易事。比如，在微软旗下的Copilot日臻完善之时，人们已能用该软件辅助编程，但在Copilot还没有广受关注的那个时间点，辅助编程概念就已经爆火了，把时钟播回当时，火爆概念下的企业都没能推出可商用化的辅助编程系统。也就是说，从纯粹的投资角度，AIGC赛道存在巨大的风险。目前，就已知范围内，较为靠谱的落地模型是，利用AIGC替代游戏行业的部分美术外包的工作。“因为最好的文生图算法是开源的，手里有数据有行业资源的话，这种会扩散的很快”，一位从业者表示。但追求短期盈利则会导致企业壁垒降低。实际上，仅对游戏场景而言，所用的模型参数还不多，创业公司也承担得起，但问题在于，没人知道这个生意能持续多久。也就是说，它是个生意，还是个商业模式，还很难确定。另一位开发者表示：“我还是觉得大模型更有天花板，大模型的东西非常复杂，设计的东西也非常多。”作为技术人员，他觉得AIGC的技术成就感满满，甚至有点“瞧不上”小模型产品。他给出的更加犀利的判断是“AIGC的投资潮可能是一阵风”，最后的行业格局可能会演变成大厂自己做底座、自己做应用。这样的逻辑认为，在AIGC的数据训练成本得以降低后，行业的竞争天平将向巨头科技企业倾斜，而到那时，中小公司的处境便会极其尴尬。如若大厂时代再次来临，行业格局将会如何发展？“我认为对于大厂来说，研发中台这件事又会回来”，在他的判断中，上一代AI狂潮所诞生的“研究院”模式更适合GPT-4，在新的阶段，研究院的职责就是研究大语言模型，然后让各个部门在不同领域展开落地应用（即一个公司把活全干了）。所以，在他的思维中对于创业项目而言，当此之时，只是在“搏”时间窗口。