進入2024年，大模型似乎有熄火之勢：資本市場，與之關聯的概念炒不動了，英偉達股價動輒暴跌重挫，引發「泡沫戳破」的擔憂；
消費市場，BATH們的推新活動少了，產品更新疊代的速度慢了，民眾的關註度降了……
熱鬧的大概只剩下兩場酣仗：自5月15日字節跳動宣布「以厘計費」，打響國內大模型「價格戰」的第一槍，百度文心、訊飛星火、阿裏通義、騰訊元寶等紛紛跟進；
同時，地鐵、寫字樓、機場等白領人群密集區域，百度文心、訊飛星火、阿裏通義、騰訊元寶、華為盤古的Slogan，你方唱罷我登臺，貼臉營銷如槍林刀樹。
「海水」與「火焰」交融的場面，不得不讓人思考，大模型的出路究竟在哪裏？難點、卡點、節點又是什麼？
01, 難點：盈利難＆落地難
強如OpenAI，也面臨「恰飯」的難題。
援引外媒報道，OpenAI預估虧損50億美元，全年運營總成本高達85億美元，照此估算，其現金流大概率在一年內耗盡。
而在一篇題為《How does OpenAI Survive》的長文中，作者對OpenAI的商業模式產生了質疑：
「OpenAI的營收在35億至45億美元之間，但其運營虧損可能高達50億美元，其收入遠遠無法覆蓋成本。而為了推出下一代的大模型GPT5，OpenAI需要更多的數據和算力，這又是一大筆花費。」
說千道萬，靠著「碎鈔式」的大力出奇跡後，大模型卻仍未找到一條合理的盈利路徑。
據《節點財經》觀察，市面上的大模型，大部分都采取To C+To B，即會員訂閱+開發者API調用「兩條腿」走路。
但無論是To C，還是To C，能一上來就產生付費的寥寥無幾，若再刨除重負的減項，多半是鼻子大過臉。
以本土大模型先行者百度為例，2024年Q1，其雲業務收入為47億元，同比增長12%，其中6.9%來自外部客戶使用大模型及生成式AI相關服務，約為3.24億元。
而在2023年Q4，大模型為百度雲貢獻了6.6 億元增量收入。
這是國內唯一披露大模型收益的廠商，本身又是家大業大，有底氣拼到底的巨擘。但只談創收，忽略創利，就是耍流氓。
可想而知，其余不敢明示賬目的選手，內心有多迷茫、煎熬。
不掙錢，難掙錢的背後，是大模型落地難的窘境。
雖然大佬們高呼「ChatGPT」的問世是「iPhone時刻」，第四次工業革命，新一代的「火」和「電」，但坦率地講，當下大模型還有很多局限性，包括認知偏差、能動性欠缺、泛化性能弱、幻覺等。
比如，數值運算就是大模型明顯的弱項，或者說大模型是妥妥的「文科生」，做數學題的智商可能連二、三年級的小學生都不如。
《節點財經》親測，在Kimi輸入：「9.11和9.8哪個大？」一頓啰嗦後，Kimi給出了完全不正確的答案。
圖源：Kimi官網
比如，大模型資料更新不及時，必須外掛知識庫才能在一定程度上緩解這個痛點，並且還是無法完全解決「一本正經地胡說八道」的尷尬。
前幾天刷屏的SearchGPT，就在各地網友興致勃勃等待灰測展現AI搜索的「洪荒之力」時，《大西洋月刊》澆了一盆冷水，眼尖的記者發現：
問的是關於「八月份北卡羅來納州的布恩音樂節」的細節，SearchGPT的回答分為5條，3條裏包含事實錯誤——有的是把舉辦日期弄錯，有的是把距離和車程搞混，有的是把場館網址張冠李戴。
再如，大模型絕對是「健忘癥」患者，我們在和它對話時，尤其是多輪對話時，難免要化身「復讀機」，一遍一遍重復相同的話術。
而在B端，因為實戰經驗不足，生分於對方的Know-How，加之環境的復雜多變性，大模型面臨的挑戰更艱巨。某業內人士表示，迄今大模型在行業中尚沒有一個成熟的案例。
02, 卡點：數據、算力、成本
深入肌理地分析，大模型的「落地難」又與自身的三大卡點：數據、算力、成本息息相連。
➊ 卡在數據
如果把大模型比作一頭巨獸，那它的顯著特征之一便是「不停進食」：需要高質量、大面積的語料做長久期、高頻次地投餵、催肥。
換言之，「食物」的品質、多寡、新鮮度、多樣性等，決定了大模型的疊代進度和學習效果。
無疑，這對數據的挖掘、獲取提出嚴峻考驗，關系到各方的權益保障、利益分配、版權歸屬等，通常涉及到敏感信息時，數據的清洗、標註、脫敏又會很繁雜。
前陣，免費網文APP番茄小說因一份「AI協議」引發軒然大波。根據該份協議，平臺可以將簽約作品，含名稱、大綱、簡介、章節等，作為「哺育」AI大模型的素材，用於各種應用場景，如智能對話、智能文本創作等。
不過，這一舉動遭到作者的普遍反對，認為其不僅威脅網絡寫手的生計，還損害了原創內容的價值，甚至發起聯合斷更以示抗議。
➋ 卡在算力
如果把AI鏈路比作一間工廠，那麼算力便是維持工廠運轉，量級誇張且進價不菲的「燃料」（煤、石油、電力等）。
公開資料顯示，初始ChatGPT匹配的算力是1萬塊英偉達A100（AI芯片），花費超過7億元。後續調優每天消耗的算力大概是3640PFLOPS，即7至8個算力達500PFLOPS的Data Center的支撐，整體基建開支以百億計。
按照廣發證券的測算，在暫不考慮軟件層面算法優化的前提下，本土AI大模型在訓練與判斷、預測階段所需算力，相當於1.1萬臺或3.8萬臺（樂觀假設下）高端AI服務器，大致對應約126億元到434億元的資金體量。
進一步地，隨著大模型規模狀大，算力需求會倍數遞增，已然超越硬件的摩爾定律。據悉，ChatGPT從1.0到3.0，參數量從1.17億狂飆到1750億。
而目前，我們在算力這塊既面臨外部「卡脖子」，內部建設又相對落後，碎片化、傳輸慢、協同難、人才緊缺等「痼疾」亟待突破，導致大模型的實效遜於國外。
「大模型只有兩個梯隊，OpenAI和Others，國產用哪家都一樣」，多位AI從業者談道。
➌ 卡在成本
大模型「桎梏」於算力，實際也是「桎梏」於成本。
計算機飛入千家萬戶，售價下探，變得親民、接地氣，很關鍵；智能手機能人手一部，物美價廉的小米功不可沒；新能源汽車的熱賣，離不開動力電池的「跳水式」降價……
從人類歷史的進程看，任何一項新技術的推廣、普及，都離不開對成本的有效、大力壓縮、控製。
硬幣的背面，是科技發展和工業文明進步共同作用下，製造效率、運算精度提升，人均產值拔高，各類物料愈發便宜等因素集結的強大驅動力，進而減輕C端、B端「太貴了，買還不買」的糾結。
大模型同理，浩大的開支也是其成長途中的「絆腳石」。試想，當生態裏只有唯一的「賣鏟人」（英偉達）賺錢，賺頭還不小，怎麼可能持續呢？
好消息是，今年2月末，李彥宏透露，自發布以來，百度不斷降低文心大模型在推理方面的成本，已降至去年3月版本的1%。
03, 節點：在產業裏「種植」大模型
毋庸置疑，大模型仍有諸多「短板」和缺陷，但新技術的魅力向來在於探索「無人區」，跋涉「深水區」。
很多眼下看似微弱的「火種」，往往都孕育著日後「納須彌於芥子」的宏壯。盡管迄今為止的大模型，大家都是拿著錘子找釘子，但我們已經看到，其正逐步向產業邁進，嘗試扮演了一些淺層的Agent的角色。
最醒目的標識便是，大模型不再坐而論道，只會聊天、寫詩、作畫，而是起而動之，走出實驗室，去往礦區、政務、金融、醫藥、金融、物流等具體領域，努力兌現自己的終極使命。
比如，在礦區，下井工人常年深陷光線昏暗、浮塵彌漫的環境，疊加經年累月高強度的勞碌，使不少人都患上了風濕、耳鳴等職業病，更甚者，還可能遭遇瓦斯、透水等意外，但礦區作業又十分依賴人力，特別是主運系統巡檢。
華為的盤古礦山大模型這時候便派上用場了。其覆蓋煤礦的采、掘、機、運、通、洗選等流程下的1000多個細分場景，用AI取代人成為主運智能監測系統的眼睛，能夠精準識別大塊煤、錨桿等異常情況，異物識別準確率達98%，動作規範識別準確率超過95%，且全時段巡邏助力工作人員，避免因漏檢造成的安全事故，縮短停機時間。
京東表示，基座大模型是靠卡訓出來的，企業大模型是靠人用出來的。
物流領域，攬收、派送、分揀、輔助，應對突發事件等，快遞員每天都背負著繁重的任務，還要熟悉貨物處理規程、安全操作標準、客服要求等多達上百個規範，把這些統統記牢，肯定要耗費大把功夫，還容易混淆。
京東言犀大模型的小哥終端助手大大化解了上述煩惱。它告別了只「動腦」的境界，能直接「下手」，快遞員動動嘴，小哥終端助手就能立即將送貨通知發給客戶。如今，小哥終端助手為JD商城近35萬自有配送員「效勞」。
再如，零售行業，基於京東言犀大模型的AIGC營銷工具「京點點」，不僅可以幫助商家一鍵出商品圖，還支持了超過2000種視覺元素道具；不僅可以豐富吸睛資源和表現力，還能依循商品屬性、特點和宣傳想要的個性化布局，實時、自主撰寫創意賣點、種草文案、直播腳本等。
總的來說，把大模型「種植」在產業裏，讓大模型在產業裏生長、發芽，儼然是現在大廠的共識，必須攻克的難關。長遠看，該共識亦如「星星之火」終會燎原曠野。
當喧囂過後，大模型這場豪華遊戲，能留在牌桌的玩家，註定只是少數。
面對數據、算力、成本等現實問題，供需兩端漸漸回歸理性。可以預見，在真「好用」和能「吸金」之間，大模型還有很長的路要走。---[文: 節點財經，作者: 崔大寶/來源: 鈦媒體]
