文|Alter
如果說2023年是大模型的資格賽，融資額度決定了能否晉級，2024年已然快進到了淘汰賽的階段。
字節(jié)跳動、阿里云、百度智能云、騰訊云等先后在5月中下旬加入“價格戰(zhàn)”，輕量級模型直接免費，主力模型的API價格普遍下調了90%以上。曾經(jīng)以“燒錢”著稱的大模型，迅速進入到“白菜價”時代。
當時就有人提出這樣的問題：大廠選擇“燒錢狂飆”，大模型創(chuàng)業(yè)公司怎么辦？
時間過去半個多月，幾家獨角獸級的大模型創(chuàng)業(yè)者紛紛表明了態(tài)度：智譜AI果斷跟進，一個月里兩次下調價格；MiniMax悄然啟動了注冊認證贈送1億tokens，以及TPM擴容不收費的活動；百川智能創(chuàng)始人王小川公開表態(tài)不會跟風降價；零一萬物CEO李開復直言“國內大模型市場瘋狂降價是雙輸?shù)拇蚍ā薄?/p>
作為大模型行業(yè)真正意義上的“第一戰(zhàn)”，大廠們不計成本的拼價格，到底會對初創(chuàng)企業(yè)產(chǎn)生什么樣的影響？
三種可能的結果
截止到目前，大模型降價潮還在蔓延中，市場格局的變化至少需要半年乃至更長時間。但在故事塵埃落定前，并不難揣測一些可能的結局。
第一種比較理想化的結果：大模型降價利好開發(fā)者，AI原生應用加速爆發(fā)，逐漸從量變引發(fā)質變。
目前大多數(shù)中小企業(yè)和個人開發(fā)者是通過API接口來調用大模型能力的，瘋狂降價前的價格普遍在0.02元/千tokens上下，對于缺少盈利模式的開發(fā)者來說，算力成本儼然是一座沉重的大山。
大模型降價甚至免費，意味著開發(fā)者的成本曲線將大幅下降，促使開發(fā)者更低成本進行開發(fā)、試錯，進而打造出更多的AI原生應用，讓大模型能力滲透到更多場景中。也許當下的應用仍存在同質化，主要以智能助手和情感陪伴為主，卻不乏從量變引發(fā)質變，孕育出超級應用的可能。
可以佐證的是，百度宣布ERNIESpeed和ERNIELite免費開放使用后，兩款模型的日調用量翻了10倍。有點像移動互聯(lián)網(wǎng)早期的一幕，因為運營商下調了流量費，用戶開始嘗試各種新奇應用，最終迎來了百花齊放的繁榮景象。而在一個生機勃勃的生態(tài)里，每個大模型廠商都將是受益者。
第二種更符合現(xiàn)實的結果：部分缺少“護城河”的大模型廠商被淘汰，算力、人才和資本越來越集中。
一種較為流行的觀點是：誰的用戶多，產(chǎn)生的數(shù)據(jù)就越豐富，投喂給大模型的“飼料”就越多，越有可能訓練出更好的AI。大模型廠商降價的目的，是為了吸引更多人使用，將用戶的真實使用數(shù)據(jù)反哺給大模型，然后進行訓練迭代。
資本市場的謹慎態(tài)度，讓“百模大戰(zhàn)”的局面曇花一現(xiàn)，但不少拿到了融資的中腰部創(chuàng)業(yè)者，仍在煉模型這件事上苦苦掙扎。頭部玩家們打出的價格牌，有望讓部分搖擺的創(chuàng)業(yè)者放棄自研大模型，將注意力轉移到應用層或其他領域，避免大模型在底層硬件、軟件等方面的重復建設，推動整個行業(yè)朝同一個方向發(fā)力。
不管是出于什么樣的考量，行業(yè)集中度的提升都不是什么壞消息。大模型屬于極限考驗算力資源和人才密度的賽道，即使“百模大戰(zhàn)”沒有上演，活躍的大模型廠商仍然多達兩位數(shù)，還需要進一步優(yōu)勝劣汰。
第三種相對悲觀的結果：價格戰(zhàn)是同質化的表現(xiàn)，當價格成為市場的主導力量，將上演“圈地運動”。
網(wǎng)約車、外賣、社區(qū)團購等移動互聯(lián)網(wǎng)時期的經(jīng)典戰(zhàn)役，無不經(jīng)歷了價格戰(zhàn)的階段，且或多或少是同質化競爭導致的。倘若大模型卷性能帶來的收益越來越低，而且能力大同小異的時候，價格無疑是攻城略地的有效手段。
可能在一些人眼中，大模型的關鍵在于效果，比起價格，客戶更在意落地帶來的價值。這樣的觀點沒有錯，卻忽略了價格戰(zhàn)的時機：如果企業(yè)已經(jīng)深入使用了一段時間，價格上的差異很難撬走客戶；如果客戶還處于選型的階段，誰能吸引到更多的客戶，誰就在競爭中拿到了先手棋。
借用智源研究院總工程師林詠華的說法：“大模型的降價潮是一場生態(tài)的爭奪戰(zhàn)。當一家企業(yè)已經(jīng)適配了一個模型，他未必還愿意再去適配更換另一個，在更換成本客觀存在的前提下，行業(yè)企業(yè)會希望先通過價格的方式拉攏一批用戶?！毖匮@樣的邏輯，大模型的價格戰(zhàn)和網(wǎng)約車、共享單車等并無本質的區(qū)別，都是一場有預謀的“圈地運動”，不過是目標對象不同而已。
客觀的說，大模型價格的下降是必然的結果，畢竟推理成本下降了。就像百度創(chuàng)始人李彥宏在 Create 2024 百度 AI 開發(fā)者大會上提到的：“相比一年前，文心大模型推理的成本降到了原來的1%?！?/p>
問題在于，國內大模型的價格幾乎是斷崖式的，并未給大模型創(chuàng)業(yè)者足夠的緩沖時間，尚未找到行之有效的盈利方式。
這場價格戰(zhàn)中最活躍的選手，基本都是云廠商，降價乃至免費獲取到的客戶，可以通過模型微調、模型部署以及各種配套云服務對沖成本。而大模型創(chuàng)業(yè)者缺少足夠厚的生態(tài)，甚至要向云廠商租賃算力，API的商業(yè)模式被“切斷”后，短期內恐怕難以實現(xiàn)“自我造血”。
無論以哪一種結果收場，大模型創(chuàng)業(yè)者都是弱勢的一方。
怎么才能活下來
歷史經(jīng)驗告訴我們，在充滿不確定的賽道里，從來都沒有穩(wěn)操勝券的戰(zhàn)局。大模型的背后是一場萬億級的資本盛宴，比起場上的幾家云廠商，初創(chuàng)企業(yè)的想象空間更大，總有人希望他們可以留在牌桌上。
云廠商推波助瀾的價格戰(zhàn)，無疑會加重大模型初創(chuàng)企業(yè)的危機感，但并不意味著沒有破局的可能。
對策一：技術側破局，在大模型性能上搶先打破天花板，或者在大模型的落地部署上找到最優(yōu)解。
按照獵豹移動董事長傅盛的說法：“短期來看，大模型的性能遇到了瓶頸。誰也甩不開誰，誰也拿不出撒手锏，降低推理成本、降低售價成了現(xiàn)在每一家的高優(yōu)先級任務”。撥開價格戰(zhàn)迷霧最好的方式，正是在大模型性能上甩開對手。面對不明晰的技術路線，不乏“運氣”的成分，但初創(chuàng)企業(yè)往往更有“賭”的勇氣。
即使不能在性能上拉開太大差距，提升大模型工程化能力也是一個可行方向。目前API調用的是“標準版模型”，想要將大模型能力和場景深度融合的企業(yè)類用戶，仍需要對大模型進行精調或本地化部署。如果能夠進一步降低大模型的落地門檻和成本，不無對沖“價格戰(zhàn)”沖擊的可能。
這也是一些大模型創(chuàng)業(yè)者正在嘗試的應對方案。比如智譜AI在MaaS 2.0大模型開放平臺上推出的一鍵微調功能，用戶僅需準備訓練數(shù)據(jù)，不需要代碼即可完成一個“私有大模型”的訓練。
對策二：專注提升大模型的差異化能力，做云廠商的“ISV服務商”，低姿態(tài)熬過大模型浪潮的淘汰賽。
鑒于隱私、安全、性能等種種因素，行業(yè)內一直存在“模型混用”的現(xiàn)象，即在不同場景調用不同的大模型。在各家模型能力水平相近、價格不相上下的情況下，打造某一塊的“比較優(yōu)勢”，同樣是一種活法。
況且阿里云、百度智能云等云廠商，也在“拉攏”大模型創(chuàng)業(yè)者：一方面在算力資源上和大模型廠商綁定，比如阿里云對MiniMax、月之暗面的投資，都將一部分資金限定用于購買阿里云服務；另一方面積極布局一站式大模型開發(fā)及服務運行平臺，比如百度智能云千帆大模型平臺，用戶可以同時調用不同大模型的能力。至少就現(xiàn)階段而言，沒有云廠商愿意為了大模型的“芝麻”，丟了云服務的“西瓜”。
就像許多行業(yè)曾出現(xiàn)的，價格戰(zhàn)常常是行業(yè)進入“大混戰(zhàn)”的標志。對于那些沒有拿到巨額融資的大模型創(chuàng)業(yè)者，以ISV服務商的身份“茍活”，熬過大模型浪潮的淘汰賽，何嘗不是一種生存哲學。
對策三：繞過或弱化在To B市場的競爭壓力，選擇To C作為突圍方向，試圖成為下一個時代的行業(yè)巨頭。
王小川不摻和“價格戰(zhàn)”的理由是：“在國內的商業(yè)環(huán)境里，To B的市場比To C小十倍?！卑俅ㄖ悄芡桨l(fā)布了AI助手“百小應”，開啟“超級模型+超級應用”雙輪驅動模式，希望能夠和云廠商進行錯位競爭。
有相似想法的不只有王小川。MiniMax先后孵化出了星野、海螺AI等多款日活超過百萬的產(chǎn)品；月之暗面一開始就專注于To C路線，推出了Kimi智能助手；對價格戰(zhàn)詬病連連的李開復，出任零一萬物旗下AI助手“萬知”的“首席體驗官”；就連To B布局最深的智譜AI，也開始加碼推廣AI助手智譜清言。
踏足To C賽道就能避免內卷了嗎？正如前面所提到的，目前To C應用以智能助手和情感陪伴為主，大模型初創(chuàng)企業(yè)尚未給出更好的產(chǎn)品形態(tài)，同樣集中在陪聊、提效等場景，功能大同小異。不過，相較于To B價格戰(zhàn)的被動性，To C承載了大模型創(chuàng)業(yè)者的希望。
創(chuàng)業(yè)從來都是九死一生，所有的成功之路都充滿荊棘，沒有人能提前知道哪種對策是正確的選項。
至少就目前而言，情況遠沒有到糟糕的程度。字節(jié)跳動放出的降價“大招”，并未影響智譜AI、月之暗面的新一輪融資，且估值均已超過30億美元；布局多模態(tài)通用大模型的生數(shù)科技，憑借對標OpenAI Sora的視頻大模型Vidu，日前完成了百度領投的數(shù)億元Pre-A輪融資......
然而，并非所有的創(chuàng)業(yè)者都這么“幸運”。前微軟（亞洲）互聯(lián)網(wǎng)工程院副院長簡仁賢創(chuàng)辦的竹間智能，已經(jīng)在現(xiàn)金流壓力下停工了6個月；憑開源模型Stable Diffusion走紅的Stability AI，傳出了尋求被收購的消息......
突如其來的大模型價格戰(zhàn)，某種程度上為行業(yè)敲響了警鐘，在信息差越來越小的語境下，像互聯(lián)網(wǎng)時代那樣照搬國外的商業(yè)模式，抑或是踩著時間窗口和紅利窗口“一步登天”，已經(jīng)沒有生存的土壤。