大模型混战时代互联网企业的转型与应对策略
在人工智能技术飞速发展的今天，大模型（Large Language Models, LLM）已成为行业关注的焦点。回顾历史，IBM 总裁曾预测全世界只需要五台计算机，这一观点在当时看来极具前瞻性。如今，随着云计算和大模型的普及，全球算力资源正逐渐向少数头部平台集中。行业普遍预测，未来十年内，全球可能只剩下少数几个主导性的大模型生态。这种集中化趋势不仅源于技术壁垒，更受限于能源消耗和资金投入。
一、大模型产业的现状与趋势
1. 算力与资源的集中化
训练大模型所需的超级计算机是名副其实的'吞电兽'，其耗电量可达兆瓦级。此外，构建和维护大模型需要巨额的资金和顶尖的人力资源投入。行业内流传着一种说法：'人工智能每收获一元投资，就有六毛钱流向了大模型'。在能源和资源有限的前提下，产业集中化是必然趋势。截至 2023 年 10 月，我国拥有 10 亿参数规模以上大模型的厂商及高校院所已达到 254 家，涵盖了通用大模型（AGI）和垂直大模型。这意味着每隔几天，国内就会官宣一个新的大模型版本。
随着'百模大战'进入后半场，行业过滤分层将更为剧烈。只有手握硬核实力和资源的企业才能生存下来。大模型究竟要实现何种价值？在实现价值之前，我们需要突破哪些困难？
2. 从 To C 到 To B 的赛道转移
复盘过去一年，大模型的热点经历了三次演变：
- 初期： ChatGPT 证明了大模型的能力，行业认为 AI 大模型将像水电一样随取随用，成为互联网竞争的门槛和基础设施。
- 中期： 面对'谁会为闲聊买单'的质疑，行业掀起垂直大模型热潮。认识到过热赛道虹吸了应用层资源，'重复造轮子'拖累了发展。主线变为两条：面向 To C 的交互体验和面向 To B 的商业化落地。
- 近期： 随着智能体（Agent）概念的兴起，更智能成为新风向。大模型不再被动响应，而是能主动理解意图并提供建议，如旅行规划、自动预订等。这需要更大的算力支撑，算力成为竞争关键。
对于国产大模型而言，核心课题已从'能不能做出来'转变为'如何落地'。行业的答案是更快地理解 To B 行业，赋能垂直领域创新。这与互联网产业的发展轨迹不谋而合。中国互联网在个人领域的渗透率已超九成，消费互联网接近流量天花板。随着红利减缓，航线正从 To C 驶向 To B，即产业互联网。
二、算力之困与大模型解决方案
互联网企业在选择大模型合作伙伴时，首要考虑的因素是算力。大模型是巨量参数的结晶，与大算力密不可分。虽然国内大模型在对话层面已接近 GPT-3.5，但在复杂指令处理上与 GPT-4 仍有差距。向上升级意味着需要相匹配的算力底座。
1. 算力瓶颈
AI 行业 2012 年至 2023 年算力需求翻了数十万倍，以 GPU 为核心的 AI 芯片掌握着企业命脉。然而，国内厂商提升算力面临重重阻碍：
- 硬件供应： 受制于国际环境博弈，高端 AI 芯片受限，供不应求导致抢单和涨价。
- 成本压力： 大批企业无力购买上千甚至上万张 GPU，高价算力分摊到下游客户身上，影响产品竞争力。
2. 云算力解决方案
为缓解算力焦虑，云服务提供商推出了弹性算力方案。例如，通过昇腾 AI 云服务或类似架构，企业可一键接入获取 AI 算力。主流云平台已布局多个主节点及分节点，支持超过十万卡大规模集群，兼容业界主流 AI 框架。这意味着企业无需单纯依赖'买卡'，即可实现算力的即开即用和可持续使用。
三、技术能力与产业理解的融合
互联网企业选择大模型布局时，技术能力是关键。产业互联网更趋向理性，强调价值而非规模。流量为先的产品思维不再适用，需综合技术能力、行业理解、商业模式升级及安全合规为一体。
1. 技术创新与行业深耕
当前部分互联网企业研发投入不足，缺乏自主知识产权的核心技术，导致产品和服务同质化。为助力产业升级，需要提供一套可行、可靠的解决方案：
- 双底座支撑： 一是 AI 算力底座，提供随取随用的算力；二是大模型底座，提供多种技能或开源模型，支持直接调用或个性化微调。
- 四大核心能力：
- 技术创新： 基于数智化能力重塑千行百业。
- 弥补鸿沟： 利用丰富行业经验赋能企业快速理解 To B 场景。
- 依托全球产业生态资源，深入产业链上下游。