這個五月，全球科技圈異常熱鬧。
先是OpenAI和谷歌掰手腕，後有微軟、蘋果的開發者大會即將召開；反觀國內，大廠和創業公司也都在拼場景、卷技術。
5月15日，谷歌舉辦了2024年I/O開發者大會，AI是全場的主題，谷歌發布了Gemini 1.5 Pro的新版本，谷歌CEO皮查伊宣布谷歌已經全面進入Gemini時代。
原本打算掀起全球的科技狂歡的谷歌沒想到被OpenAI搶了先。
就在谷歌發布會前一天，OpenAI舉行了春季發布會，發布最新多模態大模型GPT-4o，相較於GPT-4 Trubo速度更快、價格也更便宜。更重要的是，該大模型響應速度更接近人類水平，無限接近現實。
OpenAI這場空降的發布會，被市場看作是對谷歌的「截胡」和「狙擊」。雙方「掰手腕」的核心競爭點在於AI，這個令全球科技市場興奮的技術，一場關於AI技術的比拼再度開啟。
大洋彼岸的中國，也聚集了一眾參與大模型軍備競賽的玩家，正努力縮小與國外科技公司的差距，並在場景、價格、落地上有更多的探索。
5月15日，字節近期推出豆包大模型，日均處理1200億Tokens文本，生成3000萬張圖片；5月14日，騰訊混元大模型升級開源，采用與Sora同款DiT架構；5月9日，阿裏雲正式發布通義千問2.5，模型性能全面趕超GPT-4 Turbo……
經過一年多的發展，大模型技術不斷提高，玩家們要面對的不僅是技術上的差距，更重要的是如何通過場景落地、商業化覆蓋大模型高昂的訓練成本以及研發成本。
新一輪的技術大爆炸開始了，新一輪的競賽也開始了。
1、OpenAI 與谷歌的AI競賽，拉開新一輪技術大爆炸的序幕
連著兩天，大洋彼岸的OpenAI和谷歌掀起了新一輪的AI軍備競賽。
5月14日淩晨，繼上周預告了ChatGPT和GPT-4「就像魔法一樣」的重大更新後，OpenAI揭開了最新大模型的神秘面紗。
會上，OpenAI發布了新旗艦模型「GPT-4o」，這裏的「o」代表「omni」，意為「全能」。顧名思義，最新的GPT-4o是款全能型大模型，也是OpenAI CEO阿爾特曼口中「很有意思的東西。」
為了彰顯「全能」，OpenAI首席技術官米拉·穆拉蒂用大量篇幅介紹GPT-4o的先進程度。 比如，GPT-4o可以綜合利用語音、文本和視覺信息進行推理；GPT-4o在GPT-4的基礎上，新增語音處理能力，掌握多國語言；GPT-4o還可接受文本、音頻和圖像的任意組合作為輸入，並生成文本、音頻和圖像的任意組合輸出。
用OpenAI官網的話來解釋，GPT-4o在文本、推理和編碼智能方面達到了GPT-4 Turbo級別的性能，同時在多語言、音頻和視覺功能上也達到了新高水位線。
整場發布會最大的亮點，也是最特別之處莫過於GPT-4o更像人。
圖源OpenAI官網
一方面，GPT-4o幾乎可以做到即時回應，沒有停頓。OpenAI表示，在GPT-4o推出之前，用戶使用語音模式與ChatGPT進行對話時，延遲時間分別為GPT-3.5的2.8秒和GPT-4的5.4秒，GPT-4o將這一延遲被大幅縮短為320毫秒。
另一方面，GPT-4o能在與人的對話中，通過圖表、圖像等形式判斷用戶的情緒、狀態，並給出「情緒化」的回應——誇張的、戲劇的、低沈的……
當電影《Her》中的畫面照進現實，GPT-4o的「擬人化」給了市場足夠多驚喜。GPT-4o驅動下的ChatGPT，已不再是一個單純追求性能的AI工具，而是可以主動給予用戶情緒價值的AI助理。
這一次，GPT-4o的出現，是OpenAI向本就不平靜的池水中投擲了一枚極具殺傷力的炸彈，並直指同在矽谷的科技巨頭谷歌，谷歌必須直面勁敵。
就在OpenAI開發布會的第二天，谷歌年度I/O開發者大會主題演講上，谷歌CEO皮查伊發布數十款Google和 AI 結合產品，堪稱「全家桶」級別，全力對戰OpenAI。
其中包括支持200萬Tokens長文本的Gemini 1.5 Pro和 Gemini 1.5 Flash、谷歌版Sora技術Veo，最強開源模型Gemma 2，支持生成式搜索的AI Overviews、第六代TPU等。
圍繞AI，皮查伊及同事進行了長達110分鐘的演講，據谷歌統計，皮查伊提及AI的次數高達121次。
不過，有GPT-4o「擬人」在前做標桿，谷歌發布會最受關註的莫過於AI助手Project Astra。
相比於谷歌上一代AI助手Google Assistant，Project Astra是一個實時、多模式的AI助手，通過接收信息、記住它所看到的內容、處理該信息和理解上下文細節來與周圍的世界進行交互，沒有延遲或延遲，可以回答問題或幫助你做幾乎任何事情。
演示視頻中，Project Astra可以通過手機攝像頭識別現實環境，實現了能看、能說、能聽。這與前一天GPT-4o的功能不謀而合。
圖源谷歌官網
相比於GPT-4o提供情緒價值，Project Astra更強調指向人、機器與現實世界的三重交互。用谷歌Deepmind負責人哈薩比斯的話說，這是真正通向AGI的萬能助手項目。
此外，谷歌還針對生成式AI大模型Gemini進行了多功能拓展。
谷歌在Gemini Advanced中加入新模型成員Gemini 1.5 Pro，稱它擁有的上下文窗口在全球消費類聊天機器人中最長，窗口起始就有100萬個Tokens；今年年底，這個數字將被擴大到200萬Tokens，最終目標是無限上下文；Gemini 1.5 Pro將向150 多個國家地區的Gemini Advanced訂閱者提供，支持超過35 種語言。
在多模態功能方面，今年夏季谷歌將擴展Gemini用語音進行深入雙向對話的能力，該功能被稱為Live。通過 Gemini Live，用戶可以與 Gemini 交談，並可以從各種自然的聲音中選擇它回應的聲音，用戶甚至可以按照自己的節奏說話；谷歌還表示，今年年內將加入相機功能，實現實時視頻。
全面接入 Gemini 的「谷歌辦公全家桶」，也將在未來幾個月內陸續上線「智能問答」「智能郵件回復」「表格圖像化總結」等新功能。
在谷歌最擅長的搜索上，谷歌在一周內將在美國推出「AI概覽」（AI Overviews）功能，搜索引擎會直接歸納總結搜索結果；谷歌還推出了新的TPU，第六代TPU芯片Trillium，較上一代芯片的算力表現翻4.7倍。
可以看到，在全球技術的中心矽谷，OpenAI與谷歌的「廝殺」正如火如荼地進行著。更重要的是，GPT-4o的限量免費擡高了這場競爭的維度，未來的谷歌如何應戰，還要看市場後續的表現。
2、卷技術、拼落地、比價格，國內大廠競逐大模型風口
大模型風口之下，AI重構了邊界，也掀起了一眾創業者和巨頭們探索新業務的熱情。
當這樣的熱情來到大洋彼岸的中國，絲毫沒有減少。和矽谷的公司幾乎同步，國內大廠也在大模型風口上你追我趕。
一個明顯的變化是，去年國內大廠還處在大模型軍備競賽的初期，競相推出大模型產品；今年，經過一年的技術發展，大廠們的競爭點不僅限於技術，還有價格，更重要的是落地場景。
5月9日，阿裏雲正式發布通義千問2.5，宣布模型性能全面趕超GPT-4Turbo，成為地表最強中文大模型。
在阿裏雲AI峰會上，阿裏雲首席技術官周靖人介紹，阿裏雲大模型API日調用量已經過億；除了日常2C應用外，也服務了9萬家企業客戶；尤其在開源場景中，周靖人強調，開源是阿裏雲的戰略。目前通義開源模型下載量已超過700萬。
同樣選擇對外開源的還有騰訊混元文生圖大模型。5月14日，騰訊宣布其旗下混元文生圖大模型全面升級，並對外開源。這也是首個中文原生的類 Sora 架構開源模型，支持中英文雙語輸入及理解，參數量15億。
放眼市場，當下的文生圖開源生態，比如Stable Diffusion基本圍繞英文語義理解，要先把中文翻譯成英文才能生成圖片。騰訊混元文生圖大模型的出現，打破了這一現狀，讓文生圖生態更了解中文。
值得註意的是，騰訊在大模型上的打法有著明顯的產品思維。 自去年9月混元大模型上線以來，騰訊采取的就是「大模型全家桶」策略，其內部目前已有超400個業務在接入騰訊混元大模型。比如，此次混元大模型升級後，既可以是微信讀書的「AI問書」，也可以是騰訊會議的「AI小助手」。
事實上，關於開源還是閉源，行業的討論由來已久。 百度創始人李彥宏曾表示，「大模型開源的意義其實不是很大，這些開源模型都是在外頭零零散散小規模地去做各種各樣的驗證應用，它沒有經過大算力的驗證。」
「對百度而言，開源還得自己去維護一套開源的版本，這是不劃算的；相反，同等能力下，閉源模型的推理成本一定是更低的，響應速度一定是更快的。」李彥宏認為。
這樣的路徑之下，百度文心一言采用了閉源模式。近期，百度推出多個輕量級大語言模型，並上線Agent Builder、App Builder和Model Builder三大開發工具，幫助開發者和企業創建智能體、開發AI原生應用和定製模型。
據百度2024年一季度財報披露，發布一年多，「文心一言」用戶數突破2億，文心大模型日調用量也達2億。
本質上，開源還是閉源，是大模型廠商在成本和技術上衡量。尤其是在大模型應用市場，大家都試圖推出更普惠的大模型應用。
最突出的是字節豆包大模型。5月15日，盡管沒有公布榜單成績和參數規模，但豆包大模型靠價格出圈了。
豆包主力模型pro-32k版的模型推理輸入價格僅為 0.0008 元 / 千 Tokens，相當於一元錢就能買到125 萬Tokens，比行業價格低 99.3%；在處理 128K 長文本時，豆包通用模型 pro 的推理輸出價格為 0.005/ 千 Tokens。
這堪稱是行業「地板價」。以OpenAI發布的全新模型GPT-4o為例，GPT-4o的價格已經來到輸入5美元 / 百萬Tokens（約為0.035 元/千Tokens），輸出15美元 / 百萬 Tokens（約為0.1元/千Tokens）；而像阿裏、騰訊等國內大模型均價在0.12元/千Tokens左右。
火山引擎總裁譚待在接受媒體采訪時提到，「降價是用技術優化成本來實現的。如果只是補貼，用虧損換收入是不可持續的，火山引擎不會走這條路。」
如何進行技術優化，據介紹，模型本身就有優化的空間，模型結構、訓練方法都可以持續改進，包括業界很關註的MoE（混合專家模型），就是優化推理成本很好的解決方案。
其次是工程上的優化。大模型的調用量越大，優化推理成本的空間也越大。以前的模型都是單機推理，大模型用的是分布式推理。所以如果能把各種各樣的底層算力用得更好，推理成本就會大大降低。
事實上，為了讓用戶可以低成本地使用AI，並推動應用的發展，降價是國內大模型廠商的共識。
今年2月份，阿裏雲宣布全線下調雲產品官網售價，平均降價幅度超過20%，最高降幅達55%，涉及100多款產品、500多個產品規格，4月份，阿裏雲將降價策略擴大至海外公有雲產品。
大廠們之所以打起價格戰，是因為大模型價格越低，使用的人越多；使用量越大，大模型才能被調用得越來越好。簡言之，價格力的出現，才能推動大模型更好地落地。
2024年，被行業看作是大模型落地元年，推出大模型已不再是新鮮事，重要的是充分釋放大模型的生產力，如何真正實現落地。
對於大模型廠商而言，如何真正服務好企業，是考驗各家AI產品是否是個好商品的重要標準。
3、火熱和洗牌並行，資本市場更冷靜看待大模型
從ChatGPT橫空出世後，大模型的火熱有目共睹。面對大模型帶來的技術革命，不僅是微軟、谷歌、百度、字節、阿裏、騰訊等大廠下場做大模型，眾多與AI相關的創業公司湧現出來。
在我國，更是誕生了「新AI四小龍」：百川智能、月之暗面、MiniMax、智譜AI。從估值上看，除百川智能估值超百億元外，月之暗面、MiniMax目前估值分別為超23億美元和超25億美元，智譜AI估值超百億元。
「新AI四小龍」快速成長的背後，是資本的助推。CBInsights數據顯示，2023全年生成式AI新創在全球獲得約204億美元融資，是2022年36億美元的5倍以上。
火熱的背後，也有一些現象值得思考。最為明顯的一點是，與上一代移動互聯網創業潮相比，這場AI掀起的創業潮，資本和創業者都顯得更為冷靜謹慎。
從創業者角度看，大模型創業從研發大模型，到落地應用場景，這條路的成功不僅依賴資金的投入和人力的積累，更需要過硬的技術和清晰的落地路徑，缺一不可。
從資本角度看，創業公司燒錢換增長在大模型行業是行不通的，投資者不會因為短暫的增長就不遺余力地押註真金白銀。
市場研究機構CB Insights發布的《2023年人工智能行業現狀報告》指出，2023年中國AI領域的投融資案例數量約為232起，與去年同期相比下降了38%；融資總額約為20億美元，同比大幅下降了70%。
肉眼可見的是，市場冷靜下來了，在錢少的時候，對於創業公司而言，活下來更加重要。尤其是到了今年，商業化、落地等關鍵詞成為大模型新的競賽點後，商業模式不清晰，營收增長乏力的企業或面臨危機，行業或將迎來真正洗牌階段。
從新變化看，今年，場上大模型玩家都從圍繞模型層的「參數之爭」，轉變為發力應用層的「用戶之爭」，百度創始人李彥宏也多次表示「卷模型不如卷應用」。
海外市場和國內類似，投資Facebook和Salesforc的Meritech Capital，以及TCV、General Atlantic、Blackstone等機構紛紛暫停對生成式AI的關註。Gartner分析師John-David Lovelock稱，大模型數十億美元的投資數量已經放緩且幾乎已經結束，熱錢湧向AI 應用。
今年5月這波技術大爆炸後，玩家們都瞄準了「更像人」的方向，即推出互動能力更強的AI助手。
過去一周內，創業公司月之暗面和零一萬物接連發布Kimi+和萬知，兩款產品定位均為AI專業助手。其中，Kimi+搭建了一套智能體商店，包含辦公助手、研報生成、學術搜索、提示詞設計、輔助寫作等場景；萬知則是一套一站式AI工作平臺，覆蓋寫作助手、文件解讀、PPT圖文製作等功能。
同時，也有一些企業從加入「百模大戰」開始，就將應用落地放在重要位置。舉例而言，「技術頂天，應用落地」是科大訊飛在發展大模型過程中始終遵循的兩項準則，在研發技術的同時，思考場景落地與商業化。
近期，科大訊飛披露投資者關系活動記錄表顯示，其多模態大模型能力已廣泛應用在教育、醫療、工業、汽車、機器人等領域。此外，科大訊飛與人保集團聯合發布了人保首個百億級參數的專屬問答領域大模型「人保大模型」；在軟件等 IT 行業，科大訊飛的 AI 程序員不僅在公司內部使用，也已經在軟通動力、交通銀行等100 多家企業「上崗」。
從爆火至今，大模型經歷了很多個重要節點，其中最重要的是從參數到應用的演變，大模型跑得快的標準正變成好用和實用。
行業的共識在於，通用大模型公司的能力水平再高，最終也要依靠商業化造血，底層通用大模型可能最終僅剩少數玩家，但應用層的創業生態會相對繁榮。
從這點上看，新一輪的AI應用競賽或許不會出現一家獨大的情況，巨頭和創業公司都將有機會突圍。不過，矽谷掀起的這場席卷全球的科技競賽，已經呈現出更內卷的態勢，這考驗著各個玩家的技術實力和賺錢能力，想不被淘汰，只能跑得更快。---[文:王慧瑩*編輯:子夜/來源: 連線Insight]
