大模型厂商选型，大厂这次赢麻了！

AI 大模型开启洗牌模式，大厂赢麻了。

仅仅过去了半年多，大模型赛道即将迎来一次大洗牌。

根据第三方网站 SimilarWeb 的监测数据，今年 6 月 ChatGPT 的网站与移动客户端的全球流量（PV）环比下降了 9.7%，美国地区的流量环比下降了 10.3%。

ChatGPT 的独立访客数量（UV）下降了 5.7%，访客在网站上花费的时间也下降了 8.5%。

这是自 2022 年 11 月 30 日发布以来，ChatGPT 首次出现流量负增长。

很显然，初期的新鲜感已经消退，AI 要回到现实了。

在谷歌内部泄漏的一份文件中，一位内部的研究者表示：「我们没有护城河，OpenAI 也没有。」

就在 7 月 18 日，Meta 又放出大招，开源  Llama 2。

Llama 2 模型系列包含 70 亿、130 亿和 700 亿三种参数变体，效果强于 GPT-3。

Llama 2 开源就算了，甚至还可直接商用，简直是一次降维打击。

这意味着，很多小公司的研发计划泡汤，毕竟已经有这么强的免费可直接商用的大模型面世了。

在国内，自从百度在 3 月份打响大模型的第一枪后，国内各大公司开启了“狂飙”模式。互联网公司、学术界大佬纷纷下场，发布了 79 款 10 亿参数以上的大模型。

我汇总国内的部分成果，感兴趣的小伙伴，可以看一看：

这么多大模型，一眼看过去，真是“眼花缭乱”。

那么问题来了：大模型技术，哪家强？

通用大模型的能力是基础，为了盈利，最终都要走上行业大模型的道路，要从通用面向产业。在通用大模型的基础上，针对业务场景 finetune 大模型适配特定场景。

所以显而易见，谁能更好的服务各个产业，谁就能活到最后，谁就能从“千军万马过独木桥”中胜出。

医疗问诊、法律咨询、情感服务、客服咨询等等，有太多太多的业务，可以用做过特定场景训练的大模型所“覆盖”。

有提供大模型训练能力的公司，提供训练服务，有业务数据的产业提供训练数据，大家配合起来才能实现共赢。

开源的背景下，发展到最后，技术不再是壁垒。数据、算力平台、业务渠道才是。

就像当年的云计算市场一样，底层算力和平台能力可以构建壁垒，市场需要算力强悍、模型全面的服务商。

那些在算力、平台、模型、应用方面都有布局的大厂，对企业客户具备更强吸引力。

像百度，其实在这些方面就很有优势。

百度有着自己的云服务器，不用像一些小厂那样，需要与多家云厂商合作，存在利益点和后期分成隐患。

在框架层，百度的飞桨 PaddlePaddle 是中国首个开源的产业级深度学习框架，在中国的市场综合份额排第一。

同时，飞桨长期深耕产业落地，连接着 750 万的开发者，20 万家企事业单位。文心共享飞桨生态，解决了大模型研发和部署难题，加快文心的产业落地。

大厂有着持续更新的能力，可长期投入，配套更丰富，更安全，还有着分行业的交付、运维和保障专属团队。

具备硬实力的大厂，在这次洗牌中，行业厂商选型中，具备显著优势。

不过，这都是基于现阶段的理论分析，行业格局如何演变，这没人敢保证。

毕竟，大模型推动的历史车轮，才刚刚开始。布局大模型的公司会经历一轮又一轮的洗牌。

在产业落地的过程中，能力留下来的必定是能够真正解决行业问题，创作价值的公司。

未来的大模型进展如何，我们拭目以待。