美团20.6亿收购光年之外，大模型创业是巨头游戏？8位一线从业者这样说
1. 怎么看傅盛和朱啸虎的这次“辩论”，怎么看美团收购光年之外？ 2. 怎么看“大模型创业是巨头的游戏”这一观点？个人或初创公司有哪些机会？ 3. 怎么看国内AI大模型应用层的现状？
对光年之外，我认为王慧文在美团多年打拼，神经应该足够坚强。这次因工作抱恙，还是很神奇的。目前中国有七八十个大模型，做大模型的创业者肯定会有很大的压力，比如技术成果的压力，资金的压力。光年之外账上有2.8亿，所以资金压力应该不大。那么压力就是技术成果的压力了。要用很短的时间达到GPT同等水平，可见还是很困难的事情。
关于“大模型创业是巨头的游戏”这个说法，王慧文不缺钱、不缺团队，他能调动的资源并不比巨头小，但还是退出了，可见这个游戏跟公司大小无关。国内的巨头从技术上来说在GPT面前也是小弟弟。任何一家国内巨头跟创业公司的技术差距，都远小于这个巨头跟OpenAI的差距。难点在怎么跟GPT竞争，怎么跟国内这么多模型竞争，怎么找到模型和应用之间的通路。
“AI应用创业，电商、本地生活等都有大机会”
“大模型不单纯是技术层面的竞争，更是模型生态的竞争”
傅盛则认为底层模型虽然有价值，但简单地依靠底层模型，无法把问题或需求都解决掉，还需要应用层，因此应用层创业还有机会。有意思的是，在争论的最后，两人似乎达成了一个共识，即模型层创业机会是“BAT”级别的机会，而应用层创业机会则是零散的、小一些的机会。
从竞争激烈程度上来看，模型层要激烈得多，未来模型层可能会出现“赢者通吃”的局面。每个领域，不管是语言类模型还是文生图类模型，都可能会形成寡头竞争的格局。
应用层则可能会出现“百花齐放”的局面，即只要能够解决某一领域的特定问题，就会产生持续价值。甚至底层模型的竞争也会让上层应用受益，因为每个底层模型，都在千方百计地搭建一个繁荣的应用生态，可能会有一些手段激励到应用层。
百模千模大战仍将持续，有“退出”，但会有更多的“新入”，未来并购也会非常普遍。正如刚才提到的，大模型已经不单纯是技术层面的竞争，更是模型生态竞争。
大模型创业我认为有三股主要力量：微软和Google依然是一骑绝尘；第二股力量是“造模”新势力，国内的百模大战参与方都属于这一势力；第三股势力大家容易忽略，即开源势力，以llama（羊驼模型）为代表的开源势力发展也很快，轻量化、快速迭代、全球参与是其特征。
目前国内AI赛道的创业机会依然非常多，AIGC的底层算力、AIGC垂直模型训练、AIGC私有化小型化部署、AIGC数据标注及训练等，都还有很大空间，各行各业也可以结合自己的痛点找创业机会。
我们看到很多上市公司在做AIGC概念，可能相比于新上市公司，传统AI公司或AI相关业务上市的企业转型成为第一股的概率更大一点。
不过，要建立新的范式、开发新的产品比大家想象的都要难，大部分人是低估了这个难度的。但也恰恰因为难，而且边界尚不清晰，所以反而有创业机会。
关于王慧文，我倒觉得是意料之外，情理之中。要做大模型本身是比创新产品更难的事，王慧文直接选择了一条最难的道路，所以最后退出也不影响我对他的钦佩和尊敬，我觉得他是非常勇敢的人。
至于大模型的“巨头论”，其实没有大模型的时候，很多事情都可以说是“巨头的游戏”，比如电商、出行、在线支付、内容社交，反而我觉得大模型的“巨头含量”是要低于其他领域的，巨头有机会，新人也有机会。不过，大模型一定需要大资金和大智力资本的投入，这一点巨头仍然有很大优势。之所以说“巨头含量”低，是和成熟的市场领域相比，成熟市场领域巨头更容易形成垄断。大模型的领域要比这些传统领域更不确定，更不可预料，所以相对来说巨头垄断的含量会低很多。
另外我觉得，如果说做一个大模型，巨头和初创公司的机会是五五开，那么做一个AI原生应用这件事，所有人都是平等的，巨头也没有想好，普通人更有机会乱拳打死老师傅。
我个人认为，目前大模型的生产力第一是教育，第二是翻译和文本的润色处理，三是个人和企业的知识助理。我觉得大家可能都被生成式AI的生成式给骗了，其实它不太擅长生成一样东西，它擅长的是改写和浓缩。
“在通用大模型研发上，BAT该承担起责任和义务”
王慧文因为身体原因退出肯定是行业的损失，美团作为移动互联网时代崛起的巨头，也有实力和责任将这份使命和事业延续。
围绕大模型的创业，智源、华为、BAT等均已参战，应用层还有很多创业机会。硅基智能在一个月前发布了“炎帝大模型”，用LLM大模型技术将行业私有域知识训练而成，叠加硅基原有的AIGC数字人技术，就可以成为该行业的“超级专家”，自动生成数字人视频、数字人直播、数字人电影剧集、数字永生。
山高万仞只登一步，是否IPO只是资本市场上的一个结果，大模型创业应该以做出对人类社会、对这个时代有价值的公司和产品为己任。
“中小型企业要做出差异化，在垂直细分领域做出自己的特色”
国内的企业非常善于将AI大模型与自家的成熟产品相结合，改善用户体验。比如我们日常使用的淘宝等软件，在搭载大语言模型支撑的智能客服系统以后，对用户需求的理解显著增强。
在一些具体的业务领域，很多轻量级的模型已经能够稳定和高效地解决问题了，且具有很高的解释性。经过特定优化后，在时间开销、空间开销和精度上甚至全面优于大模型。这种情况下，企业往往不会倾向花费更高代价的大模型。
所以我认为中小型企业一定要做出差异化，更重要的是在垂直细分领域做出自己的特色，给予用户特别的体验。这就需要对数据进行定制化，对模型训练表现进行某些维度的侧重，提高具体领域内的精准度和数据可信度。比如西湖心辰宣称要做情感对话模型，会侧重于情感相关的数据，训练AI的情商，这就是一个很好的例子。
此外，最近我在关注DevOps for Machine Learning，或者说MLOps的技术发展。即通过MLOps管道管理、部署、监控和维护生产环境中的大模型的端到端流程。我认为MLOps的发展能真正将机器学习模型转化成生产力工具，实现产业的升级，或许是一个很好的创新方向。
“AI也不只是大模型，建议大家多关注技术进步”
相较而言，应用层是最适合初创公司进入的细分领域，适合规模较小，但能深入理解行业发展和用户需求的团队。但同时进入这一领域，需要找到能产生稳定复购及现金流的具体场景。
谈到应用现状，基于不同的价值创造逻辑，应用层可被划分为四类：生产可直接消费内容、结合底层系统生产高附加值内容、提供内容生产辅助工具、提供体系化解决方案。其中生产可直接消费内容是目前落地及变现进展最快的部分。整体而言，应用层的发展仍然处于相当早期的阶段，能够解决的行业痛点较少，整个生态的发展壮大，至少还要两三年的时间。
大模型现在非常火热，但整体仍然在刚刚起步的阶段，随着整个行业的发展，会涌现出各种各样的机会。新技术进展是一次生产力的进步，因而有机会参与各行各业的效率提升进程中。而且我们看到，大模型能力的应用门槛在逐步降低。
办公协同、在线游戏、影视传媒、电子商务、在线教育等领域，会率先被新技术影响。特别是对于内容相关创业者来说，更应该关注这一次的变革，毕竟无论是文字还是图片，大模型都已经展现出了相当的能力，另外大模型更好的视频创作能力也指日可待。
当然，AI也不只是大模型，实际上整个人工智能领域的研究一直在蓬勃发展，机器学习、深度学习还会不断产生新的前沿突破，而这些也将在未来不断影响和重塑我们生活的方方面面。建议大家多多关注技术进步，不要只局限于眼前的某一热点。
关于新榜
• 作为数据驱动的内容科技公司，新榜依托覆盖全渠道各层级的新媒体资源和内容数据产品，提供内容营销、直播电商、版权分发和内容资产运营管理服务，助力中国企业数字化内容资产获取与管理。
• 我们的客户既包括中国平安、腾讯、字节跳动、京东、宝洁、雅诗兰黛、欧莱雅、联合利华、迪士尼等500强，也包括正在蓬勃成长的中小企业、新兴品牌和MCN机构，提供从公域流量募集分发到私域内容运营建设的全链路服务。
• “新媒体，找新榜”是我们的使命。凭借全面稳定的新媒体内容数据产品和企业服务能力，新榜被评为国家级高新技术企业和上海市专精特新企业，曾荣获全国内容科技创新创业大赛一等奖 、上海文化企业十佳、上海数字广告领军企业、中国广告新媒体贡献年度大奖、沙利文中国新经济卓越增长奖等称号，拥有多个传播评估监测专利。
微信扫码关注该文公众号作者
戳这里提交新闻线索和高质量文章给我们。
来源: qq
点击查看作者最近其他文章