中美AI竟速岔路口“创造市场”和“算法进化”。

“人工智能的商业模式是创造一个市场，而不是一个算法”。这是世界AI大师Michaelael I.对Jordan的看法。

pixabay图源

目前，在全球AI市场中，占据主导地位的中美两国也走出了两条完全不同的技术路径。前者痴迷于前沿技术的探索，而后者则致力于应用优化和商业化。

两个方向相反的方向可能无法直接比较排名顺序和质量，但中国显然对应用和落地有自己明确的看法，甚至即将完成超越。谷歌中国区前负责人李开复表示，预计到明年年初，中国的应用普及率将远远超过美国。

然而，一路走来，中国公司付出了多少，鲜为人知。

国产AI模型：从“雨后春笋”到“消失”

自ChatGPT推出以来，2022年11月，中国市场被激发出前所未有的热情。随后，2023年初，国内首批大型企业家涌现，掀起了大型企业家创业的小高潮。同年6月，百模对决正式开始。

不到三个月，中国就诞生了200多个大模型，但到23年12月，不断更新的模型迅速减少到156个模型。今年5月，只剩下19个模型了。很多大模型就像昙花一现，转瞬即逝。

pixabay图源

智谱AI被业界称为“六小虎”、零一万物，百川智能，MiniMax、月亮的阴暗面和阶跃星也开始调整业务。一些预训练模型的研发已经暂停，而另一些则逐渐退出C端市场，然后专注于B端业务，甚至一些公司已经减少了人员。

这种现象的背后，可以预见，单靠融资驱动的商业模式已经成为过去。面对全球AI大模式竞争的局面，中国AI产业需要深刻反思，寻求破局的机会。第一个目标是回归商业本质，摒弃单纯追求性能参数竞争的浮躁心态，更加注重市场需求导向的R&D和应用创新。

当时，国内AI模型开始进一步分化。根据模式，大模型可以分为自然语言理解。（NLP）大型模型，视觉（CV）大型模型、多模态大型模型等；按部署方式可分为云侧大型模型和端侧大型模型。

其中，云侧大模型有两种:通用大模型和行业大模型。通用大模型具有普遍适用性的特点。目前比较有代表性的有文心话、通义千问、讯飞火花等。，而行业大模型具有专业性强的特点，需要针对特定行业(如金融、医疗、政务等)进行模型培训。).

可以看出，国内AI大模型的应用路线越来越清晰，一般的方法是“基础大模型”→行业大模型→终端应用”。

值得注意的是，价格战在百模对决减温、应用路线清晰之后开始了。一个典型的例子是，今年5月21日，百度宣布免费开放两个大模型:Speed和Lite，两个相对轻便的大模型都是免费提供的，而最强大的大模型还是收费的。

虽然低价甚至免费可以增加用户群，但也给企业带来了很大的生存压力。毕竟这违背了最基本的商业逻辑。但是，如果技术和产品有足够的竞争力，就没有必要主动参加价格战。

因此，虽然打开价格战并不是一个好运气，但也从侧面推动了AI技术创新进入了一个新的加速期。

在中美多维度差异背后，技术落地路径已不同。

在全球人工智能持续快速发展的背景下，中美两国哪个更强哪个更弱一直是一个备受关注的话题。据悉，目前全球发布的大模型总数中，中美占80%左右，处于绝对主导地位。

具体而言，中美两国在技术背景、文化属性、市场环境、人才培养、计算率、数据等方面存在差异。

在技术背景方面，美国的科技发展特别注重“技术优先”和“知识密度优先”。行业和企业注重基础创新，对新事物保持强烈的鼓励和促进态度。同时，整个生态分工更加明确，形成了一个相对完整、兼顾创新的生态链，进而共同接近统一目标。

与国内相比，它更加多样化，并试图依靠更多的应用爆发和市场多样化来加速发展。同时，在发展过程中，对安全性、可控性、可持续性和自主性的需求会更高。

由于技术背景和市场环境，双方在商业模式上的差异也很明显。美国AI公司更多使用软件模式，可以快速增加数量；国内公司更擅长性能优化，更多采用个性化定制服务模式。

在人才培养方面，从上图可以看出，我国人工智能人才培养的比例分布特征。我国人工智能人才本科比例较高，但硕士和博士比例逐渐降低。

原因是大量的人才选择出国深造和工作。相关数据显示，美国39.52%的人工智能人才实际上来自中国。这使得错过更多高端人才的中国在基础研发上有了相对较大的阻力。

在计算率方面，由于国内先进的工艺芯片和计算密度不占优势，仍处于落后美国时期。然而，基于国内政策和资本的积极态度，从长远来看，计算率问题得到了解决。

除了计算率之外，数据是限制中国AI产业发展的另一个关键因素。一方面，由于大量数据的私有化，获取数据的成本很高；另一方面，由于处理数据的成本很高，企业对自己的数据策略(包括数据比例、信息源、数据处理等)保密性很强。).

最后，最重要的是，在产业发展路径方面，美国专注于限制开源生态从底层开始的分发过程，并试图通过限制开源来抑制产业创新。然而，在中国，我们专注于大力推动开源模型的发展，从而更好地适应垂直行业的应用。

就影响而言，美国提倡的有限开源不会对中国产生很大影响。虽然底层R&D技术还存在差距，但GPT-3.5的出现代表了技术的阶段性突破，开源模型已经在中国获得。因此，技术革命的传播速度比立法监管更快，导致控制失败。

总的来说，多角度的差异导致了中美在技术落地路径上的完全不同。美国仍然处于从0-1技术探索的前沿，而中国更注重商业落地，根据市场需求进行应用优化。

想要“超车”美国，还得看“应用线”

美国也陷入了一个相对尴尬的境地，同时国内企业转向美国的开源人工智能方式正在追赶。由于他们一直试图通过限制微芯片营销和遏制投资来缓解国内进步，但他们无法阻止公司选择公开发布，以促进软件的普及。

在开源模式上，美国的“两头为难”正好为我国企业实现“超车”提供了机会。

从Sora和GPT-4两大爆款来看，Sora在算法上没有太大的突破，惊艳的效果展示更多的是由于巨大的光明计算能力的积累，解决了决帧和帧之间的时序一致性问题，但同时Sora的视频生成成本也不能在短时间内降低。

尽管GPT-4很强大，但它的高成本也是目前最难克服的现实问题之一。因此，公司在实际应用中往往会选择性价比更高的解决方案，如开源模型或较小的商业模型。

而且，一旦最好的开源技术来自中国，美国开发者最终会从主动变成被动，甚至需要在中国技术的基础上建立自己的底层体系。

可以看出，追求技术领先的美国，在跨越商业化的“临门一脚”时，已经被成本“跌倒”，未来可能会僵持不下。

与此形成鲜明对比的是，中国科技投资者在推动人工智能的同时，追求尽快将亏损转化为盈利，这意味着资金正在向易于实施的应用流动，而不是更有野心，致力于基础研究的目标。杜克大学约翰·科克电气与计算机工程优秀教授陈怡然说。

同时，中国对人工智能的投资，高达50%转向了监控所需的计算机视觉技术，而不是为生成人工智能建立基本模型。

特别是对于国内当地市场的需求，国内自主研发的大型模型，如百度文心一言、阿里通义千问等，在面对普遍而普遍的使用场景时，充分展现了其实用性和高效性。诚然，与世界顶级大型模型相比，这些模型在面对极其复杂或特定的复杂需求时仍然存在一定的性能差距。

但就目前大部分生产设备的实际需求而言，无论是开源模式还是国内商业化提供的解决方案，都可以提供基本且相对满意的服务保障。

特别值得一提的是，随着各种应用场景的不断创新和深化，国内大模型的实际应用和落地进程明显加快，呈现出蓬勃发展的趋势。

从这个角度来看，虽然中国暂时无法通过目前的大模型实现技术上的全面超越，但美国无法有效封锁。开源技术不仅是中国AI快速发展的关键原因，也是中国领先的机遇。

而且技术路径上的差异已经使美国陷入了阶段性的止步，国内应该继续致力于应用开发，从而缩小商业价值的差距。

从长远来看，如果美国真的限制开源，那将是技术衰退的开始，也是中国正式崛起的开始。

游戏的最后会如何演变，我们等待时间揭晓。

作者：璟松

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com