文章摘要
【关 键 词】 人工智能、行业发展、数据挑战、算力困局、垂直整合
人工智能大模型行业在2022年取得了显著进展，特别是ChatGPT的推出，实现了大模型的Scaling law和通用能力涌现，商业化也取得了不错的进展。然而，OpenAI的发展并不顺利，多位核心高管离职，苹果退出了其最新一轮融资谈判。目前，GPT在to C和to B侧更像是一个超级APP，而非类似IOS的底层平台，其插件和GPTs证明了底座LLM不能简单复制IOS的App Store模式。
大模型行业泡沫已经显现，无论是在创业还是投资层面。限制GPT进行平台型商业化的根源在于应用方数据难以整合，这是GPT平台型商业化的底层制约。华映资本关注具有底座大模型算法能力的垂直整合应用层公司，预见了这一挑战。
AI领域的投资人和创业者主要分为应用场景派和底层技术派。应用场景派依赖对底座模型的调用实现垂直行业大模型商业化，而底层技术派更聚焦于底座大模型，即底层平台。这两派的划分受到互联网时代公司可以清晰分为“互联网应用”和“互联网平台”两层的思维惯性影响，但在大模型时代，这种分层解耦的阶段尚未到来。
人工智能产业化的本质在于数据和算力的充分应用和依赖。数据困局是AI公司面临的主要挑战，需要拥有足够的私有数据才能形成护城河。然而，数据的双刃剑特性也带来了挑战，如数据清洗成本和训练成本。垂直行业企业拥有大量私有数据，但这些数据是否能有效推动scaling law的进程，是大模型能否触发大规模落地应用的核心。
算力困局也是大模型行业面临的挑战。为了打破高额算力成本投入的僵局，出现了“垂直行业小模型”或“端侧小模型”，但其起点和核心价值仍在大模型上。小模型的价值有限，其真正价值仍聚集于大模型。
潜在的破局方案可能在于借鉴互联网时代的思考。大模型时代可能经历三个发展阶段：B/C端用户直接使用大模型；出现各种垂直整合的大模型商业化应用；上层商业化应用和底层平台充分解耦，落地应用爆发，底座模型规模性变现。目前，我们处在“阶段一”已经完成、“阶段二”刚刚开始的过渡时期。
原文和模型
【原文链接】 阅读原文 [ 8824字 | 36分钟 ]
【原文作者】 硅星人Pro
【摘要模型】 moonshot-v1-32k
【摘要评分】 ★★★★★
