有创意的杂志广告

<随心_句子c><随心_句子c><随心_句子c><随心_句子c><随心_句子c>朱(zhu)嘯(xiao)虎(hu)VS傅(fu)盛(sheng)，懟(dui)出(chu)了(le)大(da)模(mo)型(xing)創(chuang)業(ye)的(de)兩(liang)個(ge)共(gong)識(shi)

原(yuan)文(wen)來(lai)源(yuan)：字(zi)母(mu)榜(bang)

作(zuo)者(zhe)：趙(zhao)晉(jin)傑(jie)

圖(tu)片(pian)来源：由(you)無(wu)界(jie) AI? 生(sheng)成(cheng)

刷(shua)到(dao)知(zhi)名(ming)投(tou)資(zi)人(ren)朱啸虎給(gei)大模型创业潑(po)的壹(yi)盆(pen)冷(leng)水(shui)後(hou)，正(zheng)在(zai)著(zhe)手(shou)推(tui)進(jin)ChatGPT與(yu)原有(you)機(ji)器(qi)人创业項(xiang)目(mu)結(jie)合(he)的傅盛，開(kai)始(shi)坐(zuo)不(bu)住(zhu)了。

近(jin)日(ri)，傅盛在朋(peng)友(you)圈(quan)轉(zhuan)發(fa)朱啸虎對(dui)外(wai)演(yan)講(jiang)的一篇(pian)文章(zhang)（《朱啸虎：ChatGPT对创业公(gong)司(si)很(hen)不友好(hao)，未(wei)来两三(san)年(nian)內(nei)請(qing)大家(jia)放(fang)棄(qi)融(rong)资幻(huan)想(xiang)》），並(bing)評(ping)論(lun)道(dao)：“矽(gui)谷(gu)一半(ban)的创业企(qi)业都(dou)圍(wei)繞(rao)ChatGPT开始了，我(wo)們(men)的投资人還(hai)能(neng)這(zhe)麽(me)无知者无畏(wei)。”

围绕“大模型创业價(jia)值(zhi)到底(di)有多(duo)大”“大模型创业机會(hui)到底有多少(shao)”等(deng)問(wen)題(ti)，雙(shuang)方(fang)展(zhan)开了一場(chang)隔(ge)空(kong)爭(zheng)辯(bian)。

杜(du)克(ke)大學(xue)電(dian)子(zi)与計(ji)算(suan)机工(gong)程(cheng)系(xi)教(jiao)授(shou)、计算进化(hua)智(zhi)能中(zhong)心(xin)主(zhu)任(ren)陳(chen)怡(yi)然(ran)總(zong)结了两人的不同(tong)立(li)场：

朱啸虎覺(jiao)得(de)大模型摧(cui)毀(hui)了创业，因(yin)為(wei)模型、算力(li)和(he)數(shu)據(ju)，三大支(zhi)柱(zhu)都向(xiang)大廠(chang)集(ji)中，看(kan)不到创业公司的机会，且(qie)直(zhi)接(jie)在大模型上(shang)做(zuo)應(ying)用(yong)護(hu)城(cheng)河(he)太(tai)低(di)。傅盛反(fan)而(er)認(ren)为大模型催(cui)生了很多新(xin)的架(jia)構(gou)在大模型之(zhi)上的创业机会，包(bao)括(kuo)直接在大模型上搭(da)建(jian)的不同应用和由於(yu)数据私(si)有帶(dai)来的垂(chui)直領(ling)域(yu)的大模型等等。

为了消(xiao)解(jie)外界对金(jin)沙(sha)江(jiang)创投在大模型投资领域的誤(wu)解，在与傅盛朋友圈争辩后的當(dang)晚(wan)，朱啸虎又(you)特(te)意(yi)发了條(tiao)朋友圈解釋(shi)，稱(cheng)金沙江创投应該(gai)是(shi)國(guo)内投资垂直AIGC创业项目最(zui)多的早(zao)期(qi)投资人，自(zi)己(ji)并非(fei)否(fou)定(ding)大模型领域创业机会，而是希(xi)望(wang)提(ti)醒(xing)创业者不要(yao)迷(mi)信(xin)通(tong)用大模型。

朱啸虎的上述(shu)觀(guan)點(dian)基(ji)本(ben)已(yi)成为当下(xia)国内投资圈的共识。恒(heng)业资本创始合夥(huo)人江一告(gao)訴(su)字母榜，国内最終(zhong)能夠(gou)存(cun)活(huo)下来的通用大模型玩(wan)家，“可(ke)能有个3家就(jiu)已經(jing)不錯(cuo)了。因为訓(xun)練(lian)大模型需(xu)要大量(liang)投入(ru)，要燒(shao)很多錢(qian)，而且还不一定能追(zhui)得上ChatGPT或(huo)者GPT-4。”

將(jiang)通用大模型從(cong)创业方向中篩(shai)掉(diao)之后，朱啸虎和傅盛其(qi)實(shi)在另(ling)一个維(wei)度(du)上也(ye)達(da)成了共识，即(ji)行(xing)业大模型以(yi)及(ji)基于大模型的应用开发，才(cai)是大部(bu)分(fen)创业者真(zhen)正能够抓(zhua)住的机会。

垂直领域的大模型需求(qiu)強(qiang)勁(jin)到什(shen)么程度？杜克大学教授陈怡然表(biao)示(shi)，“幾(ji)乎(hu)每(mei)周(zhou)都会有人问我相(xiang)關(guan)的技(ji)術(shu)可能性(xing)，国内国外都有，涵(han)蓋(gai)了各(ge)種(zhong)行业。当務(wu)之急(ji)是趕(gan)緊(jin)deliver所(suo)期望的性能，否則(ze)就会和上一波(bo)AI发展一樣(yang)，投资者和用戶(hu)会逐(zhu)漸(jian)地(di)失(shi)去(qu)耐(nai)心。”

在今(jin)年6月(yue)份(fen)的奇(qi)績(ji)创壇(tan)春(chun)季(ji)创业路(lu)演上，奇绩创坛创始人陸(lu)奇分享(xiang)過(guo)一組(zu)数据：创业營(ying)最终錄(lu)取(qu)的60个项目中，大模型项目39个，占(zhan)比(bi)高(gao)达65%，几乎都围绕垂直大模型应用开发展开。

接下来，考(kao)驗(yan)这些(xie)垂直大模型领域创业者的，将是誰(shui)能率(lv)先(xian)找(zhao)到落(luo)地场景(jing)，并持(chi)續(xu)不斷(duan)獲(huo)取高質(zhi)量行业数据。

在OpenAI爆(bao)火(huo)之后，擺(bai)脫(tuo)对国外大模型提供(gong)商(shang)的依(yi)賴(lai)，打(da)造(zao)中国版(ban)OpenAI就成了中国IT產(chan)业勢(shi)在必(bi)行的一件(jian)大事(shi)。

但(dan)通用大模型的训练并非一朝(chao)一夕(xi)之功(gong)，每前(qian)进一步(bu)都需要耗(hao)費(fei)巨(ju)大的资源，包括更(geng)强的算力、更豐(feng)富(fu)的数据，和更先进的算法(fa)。

調(tiao)研(yan)机构TrendForce在一份報(bao)告中指(zhi)出，OpenAI训练ChatGPT的前身(shen)GPT-3時(shi)，大概(gai)用到2萬(wan)个英(ying)偉(wei)达A100 GPU的算力，以每塊(kuai)A100芯(xin)片售(shou)价約(yue)1万美(mei)元(yuan)计算，这就相当于2億(yi)美元的投入。有业内人士(shi)估(gu)计，ChatGPT所需的GPU数量，达到了3万个以上。

英伟达A100 GPU 图源：英伟达官(guan)網(wang)

大規(gui)模投入的另一面(mian)，OpenAI不僅(jin)連(lian)年虧(kui)損(sun)，甚(shen)至(zhi)亏损額(e)还在逐年增(zeng)加(jia)。据媒(mei)體(ti)爆料(liao)，OpenAI去年亏损额翻(fan)倍(bei)，达到5.4亿美元左(zuo)右(you)。为了开发足(zu)够先进的通用AI，同时维持公司的正常(chang)運(yun)转，OpenAI CEO 山(shan)姆(mu)·阿(e)爾(er)特曼(man)（Sam Altman）更是表示，OpenAI可能需要在未来几年嘗(chang)試(shi)籌(chou)集多达1000亿美元的资金。

高昂(ang)的前期投入成本讓(rang)不少公司在大模型研发上望而卻(que)步。金山辦(ban)公CEO章慶(qing)元在解释自己不做大模型时就提到，紧缺(que)的英伟达GPU芯片，昂貴(gui)的算力成本，以及自研大模型商业化上的不確(que)定性，都決(jue)定了这不是任何(he)公司都願(yuan)意承(cheng)擔(dan)的風(feng)險(xian)。

创业公司不適(shi)合研发通用大模型的认知，不仅仅局(ju)限(xian)在朱啸虎和他(ta)的金沙江创投，越(yue)来越多投资机构在这一点上达成了共识。

線(xian)性资本创始合伙人兼(jian)CEO王(wang)淮(huai)坦(tan)陈，创业公司的机会相对很小(xiao)，“歷(li)史(shi)上创业公司能够成功，很大的緣(yuan)故(gu)是妳(ni)‘为別(bie)人所不敢(gan)为’，或者做别人认为不会起(qi)来、不太看得重(zhong)的東(dong)西(xi)，这一類(lei)的创业模式(shi)我们称之为‘桃(tao)花(hua)源式的创业’。而大模型需要一些必須(xu)成功的要素(su)，要有算力，要有钱等。”

遠(yuan)望资本程浩(hao)则更为直接，认为中国版的ChatGPT只(zhi)会在5家公司裏(li)产生：BAT+字節(jie)+華(hua)为。在程浩看来，创业者只有在具(ju)有先发優(you)势的情(qing)況(kuang)下，才有可能跑(pao)贏(ying)大厂。

正是因为当初(chu)谷歌(ge)等国外大厂并不看好OpenAI的大語(yu)言(yan)模型路线，才让ChatGPT借(jie)助(zhu)先发势能跑了出来。但是，当下研发大模型已经成为中国科(ke)技大厂的共识，甚至百(bai)度、阿里推出产品(pin)的動(dong)作，比创业公司还快(kuai)。

傅盛此(ci)前也发表过类似(si)的看法，认为国内未来的大模型競(jing)争会朝着两个方面走(zou)：一个是大公司主攻(gong)通用大模型；另一个则是创业者在大模型基礎(chu)上开发各式各样的行业大大模型应用，做平(ping)民(min)化的大模型。

在通用大模型上比拼(pin)不过大厂的创业者，只能被(bei)迫(po)選(xuan)擇(ze)做行业大模型或者垂类应用，以此来避(bi)开前期大模型训练的无底洞(dong)式投入。

頭(tou)部雲(yun)厂商大模型研发工程師(shi)吳(wu)伟向字母榜解释道，不同的參(can)数量对于数据和算力的要求，完(wan)全(quan)不一样，数据量越少，需要的算力也越低，就能带动整(zheng)体训练成本的下降(jiang)。

而且，大部分的企业场景，也并不需要ChatGPT那(na)样参数量过千(qian)亿的通用大模型来滿(man)足需要。“像(xiang)邏(luo)輯(ji)推理(li)、数学推理等，确实要用到百亿甚至千亿参数量，才能实現(xian)比較(jiao)理想的能力提升(sheng)，但是一些开放问答(da)等，维持在数十(shi)亿参数量的大模型，就可以满足客(ke)户用大模型提升现有业务能力的需求。”吴伟表示。

如(ru)何在合理成本下，能够选择到性价比最高的模型，这才是B端(duan)客户做出最终决策(ce)的核(he)心依据。

对于依赖外部大模型打造垂类应用的创业者来說(shuo)，其调用大模型的成本将變(bian)得越来越低，已成为可預(yu)見(jian)的趨(qu)势。

阿里云表示，希望未来企业在阿里云上训练一个模型的成本，“能够降低到现在的十分之一，甚至是百分之一。即使(shi)是中小企业，也能通过云平臺(tai)获得AI大模型的能力和服(fu)务。”

百度大模型服务在推出三个月后，已经实现了超(chao)过十倍的成本下降，“价格(ge)应该不会成为大家所使用或者是擁(yong)抱(bao)大模型的瓶(ping)頸(jing)。”百度云表示。

除(chu)了成本考量之外，通用大模型也并非满足所有行业场景需求的最优解。远望资本程浩指出，这方面更核心的问题是各行各业都有自己的Know-How。这些最有价值的Know-How很可能不在互(hu)聯(lian)网上，而是在企业的私有数据庫(ku)里，甚至在一部分專(zhuan)家的腦(nao)子里。

科技大厂即便(bian)通过烧钱提升通用大模型能力，也難(nan)以跨(kua)越上述这道数据門(men)檻(kan)，这也恰(qia)恰是拥有行业资源積(ji)累(lei)的创业者，有針(zhen)对性开发行业大模型和垂类应用的机会所在。

还有一点值得註(zhu)意的是，正如同样在做大模型的360创始人周鴻(hong)祎(yi)所言，通用大模型在落地政(zheng)府(fu)、城市(shi)、行业和企业场景时并不能直接使用，存在着缺乏(fa)行业深(shen)度、易(yi)带来数据安(an)全隱(yin)患(huan)、无法保(bao)障(zhang)内容(rong)真正可信及无法实现成本可控(kong)等痛(tong)点。这都给行业大模型创业留(liu)出了生長(chang)空間(jian)。

正是基于此，在百度、阿里搶(qiang)发通用大模型产品之后，騰(teng)訊(xun)反而率先选择了行业大模型的落地方案(an)，在争奪(duo)B端客户上与百度、阿里展开了同頻(pin)竞争。

但留给行业大模型和垂类应用创业者的挑(tiao)戰(zhan)同样不少。除了需要应对来自BAT的竞争之外，更重要的考验在于，如何提前大厂一步，找到适合自己产品的落地场景，并挖(wa)掘(jue)到行业数据。

如同朱啸虎在与傅盛争辩中所说，投资机构同样在找拥有上述特征(zheng)的创业项目，但符(fu)合要求的很少。

相比创业公司重构新的场景，大模型反而更加利(li)好每个行业中的现有玩家。在朱啸虎看来，已经拥有使用场景的玩家，通过ChatGPT很容易就能为自己的产品加上人工智能的功能，如眼(yan)下的智能客服。

如何获取差(cha)異(yi)化竞争优势，一家即将发布(bu)大模型产品的公司给出了自己的解决方案。该公司負(fu)責(ze)人李(li)振(zhen)告诉字母榜，自己即将推出的行业大模型方案，已经全部被客户買(mai)过單(dan)了，“沒(mei)被买过单的我们还没发。”

除此之外，在与大厂的同位(wei)竞争中，李振祭(ji)出的另一殺(sha)手鐧(jian)是簽(qian)署(shu)獨(du)家合作，目前其服务的快消飲(yin)料前十厂商中，基本都已经达成了独家大模型开发方案。

留给行业大模型创业者的另一重挑战，则在于数据。在李振看来，算法和算力都可以短(duan)时间追赶或者復(fu)制(zhi)，但对数据的處(chu)理，反而可能是对整个行业大模型影(ying)響(xiang)最大的一个因素。“在以数据为中心（data-centric）的AI新时代(dai)，模型能不能出彩(cai)实際(ji)上主要是靠(kao)数据。”李振表示，数据里面潛(qian)藏(zang)的諸(zhu)多魔(mo)鬼(gui)細(xi)节，甚至决定着大模型产品的成敗(bai)。

谷歌就是前車(che)之鑒(jian)。不管(guan)从算力还是算法，谷歌并不比OpenAI差，甚至还要强，但恰恰是借助基于人类反饋(kui)的强化数据训练工作，OpenAI最终赶在谷歌前面做出了ChatGPT。

根(gen)据OpenAI公开的资料，旗(qi)下数据團(tuan)隊(dui)被建設(she)成为不同水平的層(ceng)級(ji)，数据量大、標(biao)注要求簡(jian)单明(ming)确的淺(qian)层数据，交(jiao)给肯(ken)尼(ni)亞(ya)等廉(lian)价外包勞(lao)工，高等级的数据则交给更高素质标記(ji)人員(yuan)，不少都是训练有素的高校(xiao)博(bo)士。“OpenAI在数据采(cai)集方面的有效(xiao)探(tan)索(suo)，目前没有任何一个团队可以匹(pi)敵(di)。”李振说道。

在解决了场景落地和数据采集问题之后，生产出来的行业大模型，还面臨(lin)另一个急迫的问题——知识产權(quan)歸(gui)谁。

吴伟表示，与某(mou)一企业合作研发的大模型，能不能复用给其他行业内的企业，要看客户的意愿，只能逐个談(tan)判(pan)解决。

但走到与企业客户利益(yi)綁(bang)定后的行业大模型，在获取确定性商业回(hui)报之外，也同时失去了大规模擴(kuo)張(zhang)的可能性，很容易成为朱啸虎口(kou)中“零(ling)零散(san)散的小机会”。

失去通用大模型创业机会后，留给创业者做出下一个BAT的机会也无限渺(miao)茫(mang)，傅盛在这方面顯(xian)然已经有了足够清(qing)醒的认识，“我已经放弃BAT的创业夢(meng)了，那的确没机会。”返(fan)回搜(sou)狐(hu)，查(zha)看更多

责任編(bian)辑：