“To B or not to B？這是 AI 大模型的「哈姆雷特之問(wèn)」。”

(資料圖)

跨入2023年，大模型興起、諸多公司「跑步進(jìn)場(chǎng)」的頭幾個(gè)月，大模型一邊倒向 C 端類(lèi) ChatGPT 的研發(fā)，對(duì)成本、效率更敏感的企業(yè)客戶(hù)似乎不在關(guān)注焦點(diǎn)。

然而近兩個(gè)月，情況發(fā)生了變化。基于醫(yī)療、金融、教育等垂直行業(yè)的大模型開(kāi)始出現(xiàn)。而已經(jīng)發(fā)布通用大模型的公司，也在針對(duì)行業(yè)推出模型服務(wù)。

這將給大模型的市場(chǎng)發(fā)展帶來(lái)什么變化？

01MaaS的疑問(wèn)

隨著「大模型是AI時(shí)代的基礎(chǔ)設(shè)施」的提法深入人心，MaaS（Model as a Service，模型即服務(wù)）的概念逐漸廣為人知。簡(jiǎn)單來(lái)說(shuō)，用戶(hù)可以直接在云端調(diào)用、開(kāi)發(fā)與部署模型，而無(wú)需投資構(gòu)建和維護(hù)自己的模型所需的基礎(chǔ)設(shè)施、硬件和專(zhuān)業(yè)知識(shí)。

但從「用家」的角度來(lái)看，這一模式還有疑問(wèn)。

現(xiàn)任某知名智能家居品牌 CTO 的陳平告訴雷峰網(wǎng)，他們的智能產(chǎn)品銷(xiāo)往全球各地，對(duì)大模型有突出需求，就是想用大模型來(lái)提升多國(guó)語(yǔ)言識(shí)別與處理的能力。以前的語(yǔ)音識(shí)別做不到「一模通用」，而是要根據(jù)不同的國(guó)家設(shè)計(jì)不同的方案，但 ChatGPT 出來(lái)后，他們調(diào)用 API 調(diào)試，發(fā)現(xiàn)大模型能有效地解決這個(gè)問(wèn)題。

在海外，該品牌與亞馬遜進(jìn)行合作。他們的產(chǎn)品本身就需要通過(guò)亞馬遜的平臺(tái)在海外銷(xiāo)售，亞馬遜自己做的 Echo 音箱也賣(mài)到海外很多個(gè)國(guó)家，驗(yàn)證了亞馬遜語(yǔ)音識(shí)別技術(shù)的成熟度。盡管亞馬遜的效率成本比較高，但能夠較好地滿足他們的需求。

但在國(guó)內(nèi)，他們還不知道該用哪一家的模型：目前國(guó)內(nèi)已發(fā)布的大模型數(shù)量太多，如果他們要將所有的模型都驗(yàn)證一遍、一一對(duì)比模型的效果，那么所消耗的人力成本會(huì)非常大。

國(guó)內(nèi)模型能力的「賣(mài)方」可分為兩類(lèi)：一類(lèi)是BAT等大廠和大模型初創(chuàng)公司（如智譜、MiniMax）為主；此外還有大模型的「中間商」，主要是基于大模型開(kāi)發(fā)應(yīng)用型服務(wù)的創(chuàng)始團(tuán)隊(duì)，包括底層算力與框架的提供者，甚至還包括提供大模型微調(diào)的第三方公司。

陳平的想法，反映了部分B端大客戶(hù)的需求，他們希望有一個(gè)專(zhuān)屬于自身行業(yè)的大模型，這正好介于兩類(lèi)賣(mài)方所提供的產(chǎn)品與服務(wù)之間。

一位大廠工程師在與雷峰網(wǎng)的交談中，將市場(chǎng)需求分為金字塔的底層、中層與上層：

底層是通用大模型，如 ChatGPT。據(jù)不完全統(tǒng)計(jì)，過(guò)去三個(gè)月里，國(guó)內(nèi)發(fā)布了超過(guò) 70 個(gè) To C 通用大模型產(chǎn)品，如百度的文心一言、阿里的通義千問(wèn)、科大訊飛的星火等等。

中層是行業(yè)大模型，如彭博發(fā)布的金融大模型 Bloomberg GPT，這類(lèi)大模型或是與底層想做大模型基礎(chǔ)設(shè)施的通用大模型廠商合作定制，或直接調(diào)用 API 接口，或大廠云廠商自研。

上層是一系列應(yīng)用型服務(wù)，基于通用大模型或行業(yè)大模型開(kāi)發(fā) AI 工具，如構(gòu)建一個(gè)專(zhuān)注于論文解讀（含翻譯、摘要總結(jié)、生成等等）的學(xué)術(shù)平臺(tái)。

從數(shù)據(jù)安全的角度看，陳平更青睞與大廠合作，因?yàn)榈谌焦倦m然懂得訓(xùn)練大模型，但不懂智能家居的知識(shí)，他們依然要提供大量的數(shù)據(jù)給對(duì)方訓(xùn)練，而數(shù)據(jù)提供過(guò)去后，他們一是無(wú)法保障模型的能力得到延展，二是無(wú)法避免第三方公司將這些數(shù)據(jù)與對(duì)應(yīng)的模型賣(mài)給陳平所在品牌的競(jìng)爭(zhēng)對(duì)手。

當(dāng)理論落地現(xiàn)實(shí)，陳平的困境也是許多 B 端企業(yè)的共同難題。

02重回焦點(diǎn)

過(guò)去三個(gè)月，國(guó)內(nèi)大模型產(chǎn)品設(shè)計(jì)一味追隨 ChatGPT，將問(wèn)題的定義交給用戶(hù)自由發(fā)揮（俗稱(chēng)「AI 召喚師」），造成了嚴(yán)重的同質(zhì)化，大模型的應(yīng)用局限于文本生成、代碼生成等通識(shí)屬性強(qiáng)的場(chǎng)景上，滿足用戶(hù)社交、娛樂(lè)或創(chuàng)作的需求。

更接近生產(chǎn)，對(duì)于成本效率要求更高的產(chǎn)業(yè)市場(chǎng)，并未被過(guò)多提及。

今年 5 月份，陳平曾經(jīng)嘗試聯(lián)系一家大廠的大模型團(tuán)隊(duì)，希望探討大模型落地方案，得到的回復(fù)是優(yōu)先級(jí)不在智能家居行業(yè)。

但眼下，大廠和創(chuàng)業(yè)公司們正在將眼光重新聚焦于產(chǎn)業(yè)。

之前，國(guó)內(nèi)類(lèi) ChatGPT 的大模型產(chǎn)品都無(wú)一例外地側(cè)重「對(duì)話交互型」，而非「知識(shí)增強(qiáng)型」，大多數(shù) C 端用戶(hù)與 AI 的對(duì)話內(nèi)容趨向于「Chat」（閑聊）而非「GPT」（生成/創(chuàng)造）。但另一方面，C 端用戶(hù)的付費(fèi)意愿低，To C 的通用大模型產(chǎn)品短期內(nèi)無(wú)法復(fù)制 ChatGPT 的成功模式，在同質(zhì)化產(chǎn)品的圍攻下被迫加入資源競(jìng)賽的燒錢(qián)游戲。回過(guò)頭看，To B 客戶(hù)付費(fèi)意愿高。隨著市場(chǎng)回歸理性，大模型選擇 To B 幾乎成為行業(yè)內(nèi)心照不宣的一個(gè)范式。

有報(bào)告指出，B端的Mass服務(wù)需要針對(duì)行業(yè)領(lǐng)域和業(yè)務(wù)場(chǎng)景進(jìn)行大量工程工作，但B/G端客戶(hù)付費(fèi)能力更強(qiáng)，未來(lái)盈利空間以及成長(zhǎng)空間廣闊。

但To B客戶(hù)的需求也更「強(qiáng)勢(shì)」，一不小心走歪，很可能回到上一代 AI 模型定制化的老路。

例如，市面上已經(jīng)出現(xiàn)了一些專(zhuān)門(mén)提供模型精調(diào)服務(wù)的第三方公司。

雷峰網(wǎng)了解到，這類(lèi)第三方公司采用一次性開(kāi)發(fā)+訂閱的收費(fèi)模式，如初始研發(fā)費(fèi)用 100 萬(wàn)、再加上終身授權(quán)許可的設(shè)備費(fèi)用（8塊錢(qián)一個(gè)），幫助 B 端客戶(hù)根據(jù)需求訓(xùn)練出滿足它們行業(yè)需求的大模型，然后在客戶(hù)的平臺(tái)上進(jìn)行私有化部署。因?yàn)樵谑忻嫔蠒簳r(shí)找不到合適的標(biāo)化產(chǎn)品，這類(lèi)公司受到了沒(méi)有自主研發(fā)團(tuán)隊(duì)、同時(shí)又渴求大模型能力的B 端企業(yè)客戶(hù)（區(qū)別于大 B）的青睞。

03兩個(gè)盲區(qū)

雷峰網(wǎng)也關(guān)注到，越來(lái)越多大模型的研發(fā)團(tuán)隊(duì)準(zhǔn)備彎道超車(chē)，繞過(guò)激烈的C端市場(chǎng)，專(zhuān)注研究面向行業(yè)的大模型，如王小川建立的百川智能就剛剛推出了一個(gè)參數(shù)規(guī)模 7B的開(kāi)源商用模型。

騰訊也計(jì)劃在 6 月 19 日發(fā)布行業(yè)大模型及商用訓(xùn)練平臺(tái)。在此前4月，騰訊發(fā)布了的面向大模型訓(xùn)練的新一代HCC高性能計(jì)算集群，整體性能比過(guò)去提升了3倍，并通過(guò)騰訊云MaaS面向企業(yè)輸出模型訓(xùn)練相關(guān)服務(wù)。

看起來(lái)，騰訊沒(méi)有急于推出聊天助手產(chǎn)品，而是選擇了通用大模型、行業(yè)大模型兩條腿走路，進(jìn)一步對(duì)外釋放行業(yè)大模型服務(wù)能力。在剛剛結(jié)束的中關(guān)村論壇上表示，李彥宏提出未來(lái)每一個(gè)行業(yè)都會(huì)有屬于自己的大模型。大模型會(huì)深度融合到實(shí)體經(jīng)濟(jì)當(dāng)中去，賦能千行百業(yè)，助力中國(guó)經(jīng)濟(jì)開(kāi)創(chuàng)下一個(gè)黃金30年。阿里公布的模型即服務(wù)三層架構(gòu)中，也涵蓋了企業(yè)專(zhuān)屬大模型。

可以看出，企業(yè)客戶(hù)對(duì)大模型落地很迫切，各類(lèi)廠商與創(chuàng)業(yè)者也在追趕需求。

事實(shí)上，B 端企業(yè)客戶(hù)往往自帶場(chǎng)景與數(shù)據(jù)，是大模型落地的*檢驗(yàn)場(chǎng)。那么，在大模型的落地上，企業(yè)客戶(hù)最關(guān)心什么？

據(jù)雷峰網(wǎng)調(diào)研，大模型在企業(yè)落地有兩個(gè)盲區(qū)：一是數(shù)據(jù)安全，二是成本可控。

數(shù)據(jù)安全包含「數(shù)據(jù)隱私」與「專(zhuān)業(yè)知識(shí)」兩塊，行業(yè)人士認(rèn)為，ChatGPT 生成的答案應(yīng)該由相關(guān)領(lǐng)域的專(zhuān)業(yè)人士判斷?；谕ㄓ么竽Ｐ停壳坝脩?hù)并非將專(zhuān)業(yè)知識(shí)輸入模型后就能得到專(zhuān)業(yè)的結(jié)果。此外，陳平指出，應(yīng)用型的公司基本不愿意將自身微調(diào)的模型貢獻(xiàn)到公有版本里與其他人分享，所以企業(yè)還是傾向于訓(xùn)練自己的大模型。訓(xùn)練完后在本地進(jìn)行私有部署。

行業(yè)現(xiàn)有的通常做法是，提供一個(gè)通用大模型，然后開(kāi)放給行業(yè)的客戶(hù)去微調(diào)，再進(jìn)行私有化部署。可陳平的經(jīng)驗(yàn)是，以 Open AI 為例，雖然它們開(kāi)放了 API，但API無(wú)法私有化部署，客戶(hù)無(wú)法在最新的模型版本上微調(diào)；大模型的技術(shù)變化太快，對(duì)企業(yè)來(lái)說(shuō)，跟上潮流的成本太高。

一家企業(yè)的CTO向雷鋒網(wǎng)表示，目前大模型在企業(yè)落地的成本分兩塊：一是模型前期微調(diào)與訓(xùn)練的成本，二是模型后期與業(yè)務(wù)結(jié)合的運(yùn)行成本。大模型的訓(xùn)練需要算力、數(shù)據(jù)與工程等幾塊體系的支持?！钙髽I(yè)要考慮訓(xùn)練定制化模型的人力與時(shí)間成本，更傾向于選擇能同時(shí)提供兩種能力的廠商，將模型訓(xùn)練與運(yùn)行成本降到*?！?/p>

一個(gè)值得警惕的點(diǎn)是：目前看來(lái)，并非所有的場(chǎng)景都適合大模型落地。大模型剛火起來(lái)時(shí)，一些行業(yè)與未及時(shí)推出大模型技術(shù)或產(chǎn)品的公司擔(dān)心自身業(yè)務(wù)被大模型改寫(xiě)，觀望兩個(gè)月后，他們發(fā)現(xiàn)「自己想多了」。他們認(rèn)為，原因可能有兩塊：一是缺少提出好問(wèn)題的 AI 產(chǎn)品經(jīng)理，二是大模型的技術(shù)屬性所限。找場(chǎng)景一直是技術(shù)公司的難題，同樣也是 ToB 的難題。大模型團(tuán)隊(duì)尋找合適的場(chǎng)景，也是深入 To B 服務(wù)的關(guān)鍵一步。

每個(gè)掌握大模型自研能力的公司都想做大模型時(shí)代的「基礎(chǔ)設(shè)施運(yùn)營(yíng)商」。三個(gè)月下來(lái)，行業(yè)目前只能確定，如果大模型真的是 AI 時(shí)代的智能運(yùn)營(yíng)商，如水電網(wǎng)等社會(huì)基礎(chǔ)設(shè)施，無(wú)論現(xiàn)有的行業(yè)玩家再多，最終也只有少數(shù)幾家能成功。

先發(fā)有先發(fā)制人的優(yōu)勢(shì)，后發(fā)有后來(lái)居上的可能，大模型驅(qū)動(dòng)新生產(chǎn)力的游戲還在繼續(xù)。如果大模型真的代表一個(gè)新時(shí)代，行業(yè)集體多花點(diǎn)時(shí)間進(jìn)行深入思考也無(wú)可厚非，目前看來(lái)，繼續(xù)留在牌桌上就已經(jīng)是正確的一步。

標(biāo)簽：