“人工智能的商業模式，是要創造一個市場，而非一個算法”。這是世界AI泰鬥Michael I.Jordan的觀點。
而當前的全球AI市場，佔據主導地位的中美雙方，卻也走出了兩條截然不同的技術路徑，前者執着於前沿技術的探索，後者則發力應用優化和商業化落地。
南轅北轍的兩個方向，或許已經無法直接進行排位先後、優劣的對比，但對於應用和落地，中國明顯有自己的鮮明主張，甚至即將完成超越。谷歌中國區前負責人李开復表示，預計到明年年初，中國的應用普及速度將遠遠超過美國。
只是，這一路走來，中國企業付出了多少，鮮爲人知。
國內AI大模型：從“雨後春筍”到“銷聲匿跡”
2022年11月，自ChatGPT推出後，國內市場被激發出前所未有的熱情。隨後在2023年初，國內湧現出首批大模型創業者，掀起了一陣大模型創業的小高潮。同年6月，百模大战正式打響。
耗時不到三個月，中國就誕生了超200款大模型，但到23年12月，持續更新的模型便迅速減少至156款。再到今年5月，便僅剩19款。很多大模型如同曇花一現，稍縱即逝。
而被業界稱爲"六小虎"的智譜AI、零一萬物、百川智能、MiniMax、月之暗面和階躍星辰，也开始進行業務調整，有的暫停了預訓練模型的研發，有的則逐漸退出C端市場，轉而聚焦B端業務，甚至還有公司進行了人員縮減。
這一現象背後，可以預見的是單靠融資驅動的商業模式已經成爲過去式。面對全球AI大模型百舸爭流的形勢，中國AI產業需要深刻反思並尋求破局之機。而首要目標就是回歸商業本質，摒棄單純追求技術參數競賽的浮躁心態，更加注重市場需求導向的研發與應用創新。
彼時，國內AI大模型开始進一步分化。按模態劃分，大模型可分爲自然語言處理（NLP）大模型，視覺（CV）大模型、多模態大模型等；按照部署方式劃分則可以分爲雲側大模型和端側大模型兩類。
其中，雲側大模型又有通用大模型和行業大模型兩種，通用大模型具有適用性廣泛的特徵，目前更具代表性的有文心一言、通義千問、訊飛火星等，行業大模型則具有專業性強的特點，針對特定行業（如金融、醫療、政務等）的需求進行模型訓練。
可見，國內AI大模型的應用路线开始日漸清晰，大致途徑爲“基礎大模型→行業大模型→終端應用”。
值得注意的是，繼百模大战降溫、應用路线清晰後，價格战也开始了。一個典型例子就是，今年5月21日，百度宣布兩款大模型免費开放：Speed和Lite，這兩個相對輕量的大模型免費提供，而最強大的大模型依然收費。
盡管，低價甚至免費可以增加用戶基數，但也給企業帶來了不小的生存壓力，畢竟這違背了最基本的商業邏輯。但如果技術和產品的競爭力足夠強，那么也無需主動去參與價格战。
如此一來，價格战的开啓雖然不是一個好兆頭，但也從側面推動AI技術創新進入了新的加速期。
中美多維差異背後，技術落地路徑已然不同
在全球人工智能持續競速的背景下，中美雙方孰強孰弱一直是備受關注的議題。據悉，目前全球發布的大模型總數中，中美合計佔約80%，處於絕對的主導地位。
具體來看，中美雙方之間在技術背景、文化屬性、市場環境、人才培養、算力、數據等維度上都存在差異。
技術背景方面，美國的科技發展尤其注重“技術優先”和“知識密度優先”，行業、企業之間重視基礎創新，對於新興的事物保持着較強的鼓勵和促進態度。同時，整個生態上的分工也更爲明確，形成了一套較爲完整且兼具創新的生態鏈，從而共同推近統一目標。
國內相較更爲多樣化，並嘗試依托於更多的應用爆發以及市場的多樣性來加速發展。同時在發展過程中，對於安全、可控，以及持續性和自主性等維度的要求會更高。
又因爲技術背景和市場環境的緣故，雙方在商業模式上的區別也較爲明顯。美國AI公司更多用的是軟件模式，可以快速起量；國內公司則更擅長性能調優，多採用個性化定制的服務方式。
圖源來自知乎@hayley
人才培養方面，從上圖可以看出，國內在人工智能人才培養上的比例分布情況。國內人工智能人才的本科比例較高，但碩士和博士比例逐漸下降。
原因在於大量人才選擇出國深造和工作。相關數據顯示，美國39.52%的人工智能人才實際上來自於中國。這使得錯失更多高端人才的中國，在基礎研發上阻力相對較大。
算力方面，由於國內在先進制程芯片以及計算密度上不佔優勢，所以仍處在落後於美國的階段。但基於國內政策及資本的積極態度，長遠來講，算力難題是有解的。
而算力之外，數據是另一個限制中國AI產業發展的重要因素。一方面是因爲大量數據的私有化，導致獲取數據的成本高，另一方面，因爲處理數據的成本居高不下，所以企業之間對自己的數據策略（包括數據配比，數據來源，數據加工等等）高度保密。
最後也最關鍵的是，產業發展路徑方面，美國傾向於從底層开始限制开源生態的分發過程，並試圖通過限制开源來抑制產業創新。而國內則傾向於大力推動开源模型的發展，從而更加貼合垂直行業的應用落地。
就影響而言，美國所主張的限制开源，對國內不會造成太大影響。盡管底層研發技術仍有差距，但GPT-3.5的出現意味着技術取得了階段性的突破，而且因爲开放使用，國內已經獲取了开源模型。因此，技術革命的傳播速度快於立法監管的速度，導致監管是失效的。
綜合來看，多個角度上的差異造成了中美雙方在技術落地路徑上的大相徑庭，美國仍舊處於從0-1技術探索的前沿陣地，而國內則更關注商業落地並貼合市場需求進行應用優化。
想“超車”美國，還得看“應用线”
在國內企業轉向美國的开源人工智能模式以求迎頭趕上的同時，美方也陷入一個相對尷尬的境地。因爲，他們一直試圖通過限制微芯片銷售和遏制投資來減緩國內的進步，但卻無法阻止企業爲了促進軟件的普及而選擇公开發布的做法。
美國在开源模型上的“兩頭爲難”恰好爲國內企業實現“超車”提供了機會。
從Sora和GPT-4這兩大爆款來看，Sora在算法上的突破並不大，效果展示上的驚豔更多源於巨亮算力的堆集，它解決了決幀與幀之間的時序一致性問題，但同時導致Sora的視頻生成成本短時間內無法降低。
而GPT-4雖然強大，其成本高企同樣是當下最難跨越的現實問題之一。這也使得企業在實際應用中往往選擇性價比更高的解決方案，如开源模型或規模更小的商用模型。
而且，一旦最好的开源技術來自於中國，美國开發者最終將由主動轉爲被動，甚至需要在中國技術的基礎上構建自己的底層系統。
可見，追求技術領先的美國，在跨出商業化落地的“臨門一腳”時已經被成本“絆倒”，未來還有可能因此陷入僵局。
形成鮮明對比的是，中國的科技投資者在推動人工智能時追求盡快轉虧爲盈，這意味着資金正在流向易於執行的應用，而不是更具抱負、專注於基礎研究的目標，杜克大學約翰·科克電氣與計算機工程傑出教授陳怡然這樣說到。
與此同時，中國對人工智能的投資中，多達50%投向了監控所需的計算機視覺技術，而不是爲生成式人工智能建立基礎模型。
尤其對於國內本地市場的需求，百度文心一言、阿裏通義千問等國內自主研發的大規模模型，在應對廣泛且普遍的應用場景時，已經充分展現了其實用性與高效性。誠然，在應對極其復雜或特定復雜需求時，這些模型與全球頂尖的大模型相比，尚存在一定的性能差距。
然而，就當前多數生產工具的實際需求而言，無論是通過开源途徑獲取的模型，還是國內商業化提供的解決方案，均能提供基本且相對令人滿意的服務支持。
尤爲值得一提的是，隨着各類應用場景的不斷拓展與深化，國內大模型的實際應用落地進程正顯著加速，展現出蓬勃的發展態勢。
由此來看，中國雖然暫時無法通過現有的大模型實現技術上的全面超越，但美國也無法進行有效封鎖，开源技術既是中國AI發展如此迅速的關鍵原因，也將是中國取得領先地位的機遇。
而技術路徑上的差異已經讓美國陷入階段性停滯不前，國內應該繼續專注於應用开發，從而縮小商業化價值上的差距。
長遠來看，美國如果真限制开源，那么這將是技術衰落的开始，同時也是中國正式崛起的开始。
战局最終將如何演化，我們靜待時間揭曉。
作者：璟松
來源：港股研究社
原文標題 : “創造市場”與“算法進化”，中美AI競速的岔路口
標題：“創造市場”與“算法進化”，中美AI競速的岔路口
地址：https://www.utechfun.com/post/425243.html