AI 大模型发展的十大关键趋势研判
当前，人工智能大模型领域的竞争已进入白热化阶段。从全球瞩目的文生视频模型 Sora、谷歌 Gemini 1.5、Meta 的 V-JEPA 到超越 GPT-4 的 Claude 3，技术迭代速度惊人。OpenAI 的 GPT-5 也即将问世。与此同时，行业领袖如奥特曼不仅自研芯片，还投资可控核聚变公司，以算力和能源为未来储备关键资源。在算力紧平衡和数据资源荒的背景下，面对快速变革，本文尝试对未来大模型的发展做出十个深度预判。
判断一：中国基础大模型的数量会快速收敛，卷不动了
中国大模型行业曾呈现'百模大战'态势，但 2024 年随着基础大模型如 Claude 3 和视频大模型如 Sora 的能力大幅提升，资源不足和'套壳'大模型厂商可能面临退出风险。行业将转向几家大厂和少量明星创业企业的竞争格局。国外则以大厂与创业公司合作为主，如微软与 OpenAI、谷歌与 DeepMind 等。芯片巨头英伟达也在 2023 年大举投资生成式 AI 项目，比 2022 年多 6 倍。但国外基础大模型领域并未出现类似的激烈同质化竞争，这主要得益于其更完善的生态协同和资本耐心。
在中国市场，由于数据合规要求提高以及训练成本激增，缺乏核心算法能力和数据壁垒的小厂难以生存。未来，只有拥有高质量私有数据、强大工程化能力或特定场景落地能力的企业才能存活。行业将从'拼数量'转向'拼质量'和'拼应用'。
判断二：万卡是一个入门的算力门槛
近日，Perplexity 的 CEO Srinivas 在《Invest Like The Best》节目中透露，他曾试图从 Meta 聘请资深研究员，但被对方以需要 1 万块 H100 GPU 回应，反映了基础大模型训练对算力的巨大需求。GPT-4 和 GPT-5 的训练分别需要 2.5 万张 A100 和 5 万张 H100（相当于 15 万张 A100）的算力。扎克伯格计划购买 35 万张 H100 芯片以追赶 GPT-5。而 OpenAI 创始人奥特曼计划筹集 7 万亿美元自研 AI 芯片，显示出算力已成为战略级资源。
在中国，2023 年前三季度，英伟达中国营收推算显示，中国新购买的算力相当于 58 万张 A100，但仍远不及 Meta 等海外巨头。受美国芯片禁令影响，中国无法补充先进算力，导致处于严重被动。国内芯片厂商如华为、海光等，受制于产能问题，供货量距离大模型训练需求尚有较大缺口。此外，国产 AI 芯片存在适配周期长、成本高、难度大等问题，延长了国产大模型训练周期。未来，异构计算和软件栈优化将成为弥补硬件短板的关键。
判断三：大模型的能力取决于一个团队金字塔顶尖人才的认知，小团队也能涌现高智能
大模型的发展由顶尖人才推动，人才密度和强度是关键。OpenAI 的三位灵魂人物——Sam Altman、Greg Brockman 和首席科学家伊利亚，在 7 年间持续投入数十亿美元，坚持 AGI 信仰，成就了 ChatGPT 的传奇。同样备受瞩目的 Claude 模型公司，由 OpenAI 核心员工如 Dario Amodei 和 Tom Brown 创立，其成员对大模型的深刻理解是取得突破的原因。尽管只有 22 人，但 Character.ai 因其 Google 前员工 Noam Shazeer 的技术背景，成为访问量第二的聊天应用。而 20 多人的 Mistral 公司，由前 DeepMind 和 Meta 科学家创办，三位创始人均有大模型开发经验，并在基准测试中表现出色。
这表明，在大模型时代，精英团队的认知高度决定了产品的上限。小团队若能聚焦核心算法创新或垂直领域数据，依然有机会实现弯道超车。反之，单纯堆砌人力而无核心技术积累的团队将被淘汰。
判断四：开源大模型难以胜过闭源
开源是软件领域的重要趋势，推动了应用生态的繁荣。然而，从 GPT-3 开始，OpenAI 选择了闭源，导致开源大模型停滞在 GPT-3.5 水平。目前，业界口碑较好的开源大模型包括 Meta 的 LLaMA 2、Mistral 的 Mistral 8x7B、智谱的 ChatGLM-6B 等。大模型的代际碾压效应导致基于旧版本开源模型的小公司面临倒闭风险。
开源方式更适合做生态，但受限于算力和算法等，原有集众智的开源模式很难在基础大模型自身的快速演进上复现。闭源模型通过控制权重分发，能更好地保护商业机密和安全策略。未来，开源与闭源将形成互补：闭源用于追求极致性能和安全性，开源用于构建插件生态和降低使用门槛。
判断五：能走多远，取决于对 AGI 和 Scaling Law 的信仰
OpenAI 等大模型企业对 AGI 的信仰获得更多认同，Sora 从视频理解到世界模拟器的路径、杨立昆的世界模型构想，都是产业界迈向 AGI 的努力。大力出奇迹的范式被证明有效，包括 Sora 的成功，也再次验证了视频领域 Scaling Law 的有效性。OpenAI 以 Scaling Law 为核心理念，坚信规模化在模型、系统、自身、过程和雄心壮志中的魔力，鼓励在疑惑时扩大规模。
Scaling Law（扩展定律）指出，模型性能随参数量、数据集大小和计算量的增加而提升。虽然边际效应递减，但在足够大的规模下，涌现能力（Emergent Abilities）将产生质的飞跃。这一理论支撑了未来几年大模型规模的持续扩张，但也带来了能耗和成本的挑战。
判断六：个人应用要过千万月活门槛
移动互联网时代的 APP 用户数量庞大，但中国 AI 原生 APP 增长相对较慢，目前头部的 APP 月活用户刚刚突破千万。即使在互联网圈，也有很多人没有使用过这些 APP，特别是在三四线或更小的城市。根据 QuestMobile 报告，头部 APP 应用去重月活用户突破 5000 万，这些应用主要集中在文本和图像生成领域。其中，豆包、文心一言等应用以月千万活跃用户规模领先，其次是天工、扮伴-AI 绘画及讯飞星火等应用。
