刷到知名投資人朱嘯虎給大模型創(chuàng)業(yè)潑的一盆冷水后，正在著手推進(jìn)ChatGPT與原有機(jī)器人創(chuàng)業(yè)項(xiàng)目結(jié)合的傅盛，開始坐不住了。

　　近日，傅盛在朋友圈轉(zhuǎn)發(fā)朱嘯虎對(duì)外演講的一篇文章(《朱嘯虎：ChatGPT對(duì)創(chuàng)業(yè)公司很不友好，未來兩三年內(nèi)請(qǐng)大家放棄融資幻想》)，并評(píng)論道：“硅谷一半的創(chuàng)業(yè)企業(yè)都圍繞ChatGPT開始了，我們的投資人還能這么無知者無畏。”

　　圍繞“大模型創(chuàng)業(yè)價(jià)值到底有多大”“大模型創(chuàng)業(yè)機(jī)會(huì)到底有多少”等問題，雙方展開了一場(chǎng)隔空爭(zhēng)辯。

　　杜克大學(xué)電子與計(jì)算機(jī)工程系教授、計(jì)算進(jìn)化智能中心主任陳怡然總結(jié)了兩人的不同立場(chǎng)：

　　朱嘯虎覺得大模型摧毀了創(chuàng)業(yè)，因?yàn)槟Ｐ�、算力和�?shù)據(jù)，三大支柱都向大廠集中，看不到創(chuàng)業(yè)公司的機(jī)會(huì)，且直接在大模型上做應(yīng)用護(hù)城河太低。傅盛反而認(rèn)為大模型催生了很多新的架構(gòu)在大模型之上的創(chuàng)業(yè)機(jī)會(huì)，包括直接在大模型上搭建的不同應(yīng)用和由于數(shù)據(jù)私有帶來的垂直領(lǐng)域的大模型等等。

　　為了消解外界對(duì)金沙江創(chuàng)投在大模型投資領(lǐng)域的誤解，在與傅盛朋友圈爭(zhēng)辯后的當(dāng)晚，朱嘯虎又特意發(fā)了條朋友圈解釋，稱金沙江創(chuàng)投應(yīng)該是國(guó)內(nèi)投資垂直AIGC創(chuàng)業(yè)項(xiàng)目最多的早期投資人，自己并非否定大模型領(lǐng)域創(chuàng)業(yè)機(jī)會(huì)，而是希望提醒創(chuàng)業(yè)者不要迷信通用大模型。

　　朱嘯虎的上述觀點(diǎn)基本已成為當(dāng)下國(guó)內(nèi)投資圈的共識(shí)。恒業(yè)資本創(chuàng)始合伙人江一告訴字母榜，國(guó)內(nèi)最終能夠存活下來的通用大模型玩家，“可能有個(gè)3家就已經(jīng)不錯(cuò)了。因?yàn)橛?xùn)練大模型需要大量投入，要燒很多錢，而且還不一定能追得上ChatGPT或者GPT-4。”

　　將通用大模型從創(chuàng)業(yè)方向中篩掉之后，朱嘯虎和傅盛其實(shí)在另一個(gè)維度上也達(dá)成了共識(shí)，即行業(yè)大模型以及基于大模型的應(yīng)用開發(fā)，才是大部分創(chuàng)業(yè)者真正能夠抓住的機(jī)會(huì)。

　　垂直領(lǐng)域的大模型需求強(qiáng)勁到什么程度?杜克大學(xué)教授陳怡然表示，“幾乎每周都會(huì)有人問我相關(guān)的技術(shù)可能性，國(guó)內(nèi)國(guó)外都有，涵蓋了各種行業(yè)。當(dāng)務(wù)之急是趕緊deliver所期望的性能，否則就會(huì)和上一波AI發(fā)展一樣，投資者和用戶會(huì)逐漸地失去耐心。”

　　在今年6月份的奇績(jī)創(chuàng)壇春季創(chuàng)業(yè)路演上，奇績(jī)創(chuàng)壇創(chuàng)始人陸奇分享過一組數(shù)據(jù)：創(chuàng)業(yè)營(yíng)最終錄取的60個(gè)項(xiàng)目中，大模型項(xiàng)目39個(gè)，占比高達(dá)65%，幾乎都圍繞垂直大模型應(yīng)用開發(fā)展開。

　　接下來，考驗(yàn)這些垂直大模型領(lǐng)域創(chuàng)業(yè)者的，將是誰(shuí)能率先找到落地場(chǎng)景，并持續(xù)不斷獲取高質(zhì)量行業(yè)數(shù)據(jù)。

　　在OpenAI爆火之后，擺脫對(duì)國(guó)外大模型提供商的依賴，打造中國(guó)版OpenAI就成了中國(guó)IT產(chǎn)業(yè)勢(shì)在必行的一件大事。

　　但通用大模型的訓(xùn)練并非一朝一夕之功，每前進(jìn)一步都需要耗費(fèi)巨大的資源，包括更強(qiáng)的算力、更豐富的數(shù)據(jù)，和更先進(jìn)的算法。

　　調(diào)研機(jī)構(gòu)TrendForce在一份報(bào)告中指出，OpenAI訓(xùn)練ChatGPT的前身GPT-3時(shí)，大概用到2萬個(gè)英偉達(dá)A100 GPU的算力，以每塊A100芯片售價(jià)約1萬美元計(jì)算，這就相當(dāng)于2億美元的投入。有業(yè)內(nèi)人士估計(jì)，ChatGPT所需的GPU數(shù)量，達(dá)到了3萬個(gè)以上。

　　英偉達(dá)A100 GPU  圖源：英偉達(dá)官網(wǎng)

　　大規(guī)模投入的另一面，OpenAI不僅連年虧損，甚至虧損額還在逐年增加。據(jù)媒體爆料，OpenAI去年虧損額翻倍，達(dá)到5.4億美元左右。為了開發(fā)足夠先進(jìn)的通用AI，同時(shí)維持公司的正常運(yùn)轉(zhuǎn)，OpenAI CEO 山姆·阿爾特曼(Sam Altman)更是表示，OpenAI可能需要在未來幾年嘗試籌集多達(dá)1000億美元的資金。

　　高昂的前期投入成本讓不少公司在大模型研發(fā)上望而卻步。金山辦公CEO章慶元在解釋自己不做大模型時(shí)就提到，緊缺的英偉達(dá)GPU芯片，昂貴的算力成本，以及自研大模型商業(yè)化上的不確定性，都決定了這不是任何公司都愿意承擔(dān)的風(fēng)險(xiǎn)。

　　創(chuàng)業(yè)公司不適合研發(fā)通用大模型的認(rèn)知，不僅僅局限在朱嘯虎和他的金沙江創(chuàng)投，越來越多投資機(jī)構(gòu)在這一點(diǎn)上達(dá)成了共識(shí)。

　　線性資本創(chuàng)始合伙人兼CEO王淮坦陳，創(chuàng)業(yè)公司的機(jī)會(huì)相對(duì)很小，“歷史上創(chuàng)業(yè)公司能夠成功，很大的緣故是你‘為別人所不敢為’，或者做別人認(rèn)為不會(huì)起來、不太看得重的東西，這一類的創(chuàng)業(yè)模式我們稱之為‘桃花源式的創(chuàng)業(yè)’。而大模型需要一些必須成功的要素，要有算力，要有錢等。”

　　遠(yuǎn)望資本程浩則更為直接，認(rèn)為中國(guó)版的ChatGPT只會(huì)在5家公司里產(chǎn)生：BAT+字節(jié)+華為。在程浩看來，創(chuàng)業(yè)者只有在具有先發(fā)優(yōu)勢(shì)的情況下，才有可能跑贏大廠。

　　正是因?yàn)楫?dāng)初谷歌等國(guó)外大廠并不看好OpenAI的大語(yǔ)言模型路線，才讓ChatGPT借助先發(fā)勢(shì)能跑了出來。但是，當(dāng)下研發(fā)大模型已經(jīng)成為中國(guó)科技大廠的共識(shí)，甚至百度、阿里推出產(chǎn)品的動(dòng)作，比創(chuàng)業(yè)公司還快。

　　傅盛此前也發(fā)表過類似的看法，認(rèn)為國(guó)內(nèi)未來的大模型競(jìng)爭(zhēng)會(huì)朝著兩個(gè)方面走：一個(gè)是大公司主攻通用大模型;另一個(gè)則是創(chuàng)業(yè)者在大模型基礎(chǔ)上開發(fā)各式各樣的行業(yè)大大模型應(yīng)用，做平民化的大模型。

　　在通用大模型上比拼不過大廠的創(chuàng)業(yè)者，只能被迫選擇做行業(yè)大模型或者垂類應(yīng)用，以此來避開前期大模型訓(xùn)練的無底洞式投入。

　　頭部云廠商大模型研發(fā)工程師吳偉向字母榜解釋道，不同的參數(shù)量對(duì)于數(shù)據(jù)和算力的要求，完全不一樣，數(shù)據(jù)量越少，需要的算力也越低，就能帶動(dòng)整體訓(xùn)練成本的下降。

　　而且，大部分的企業(yè)場(chǎng)景，也并不需要ChatGPT那樣參數(shù)量過千億的通用大模型來滿足需要。“像邏輯推理、數(shù)學(xué)推理等，確實(shí)要用到百億甚至千億參數(shù)量，才能實(shí)現(xiàn)比較理想的能力提升，但是一些開放問答等，維持在數(shù)十億參數(shù)量的大模型，就可以滿足客戶用大模型提升現(xiàn)有業(yè)務(wù)能力的需求。”吳偉表示。

　　如何在合理成本下，能夠選擇到性價(jià)比最高的模型，這才是B端客戶做出最終決策的核心依據(jù)。

　　對(duì)于依賴外部大模型打造垂類應(yīng)用的創(chuàng)業(yè)者來說，其調(diào)用大模型的成本將變得越來越低，已成為可預(yù)見的趨勢(shì)。

　　阿里云表示，希望未來企業(yè)在阿里云上訓(xùn)練一個(gè)模型的成本，“能夠降低到現(xiàn)在的十分之一，甚至是百分之一。即使是中小企業(yè)，也能通過云平臺(tái)獲得AI大模型的能力和服務(wù)。”

　　百度大模型服務(wù)在推出三個(gè)月后，已經(jīng)實(shí)現(xiàn)了超過十倍的成本下降，“價(jià)格應(yīng)該不會(huì)成為大家所使用或者是擁抱大模型的瓶頸。”百度云表示。

　　除了成本考量之外，通用大模型也并非滿足所有行業(yè)場(chǎng)景需求的*解。遠(yuǎn)望資本程浩指出，這方面更核心的問題是各行各業(yè)都有自己的Know-How。這些最有價(jià)值的Know-How很可能不在互聯(lián)網(wǎng)上，而是在企業(yè)的私有數(shù)據(jù)庫(kù)里，甚至在一部分專家的腦子里。

　　科技大廠即便通過燒錢提升通用大模型能力，也難以跨越上述這道數(shù)據(jù)門檻，這也恰恰是擁有行業(yè)資源積累的創(chuàng)業(yè)者，有針對(duì)性開發(fā)行業(yè)大模型和垂類應(yīng)用的機(jī)會(huì)所在。

　　還有一點(diǎn)值得注意的是，正如同樣在做大模型的360創(chuàng)始人周鴻祎所言，通用大模型在落地政府、城市、行業(yè)和企業(yè)場(chǎng)景時(shí)并不能直接使用，存在著缺乏行業(yè)深度、易帶來數(shù)據(jù)安全隱患、無法保障內(nèi)容真正可信及無法實(shí)現(xiàn)成本可控等痛點(diǎn)。這都給行業(yè)大模型創(chuàng)業(yè)留出了生長(zhǎng)空間。

　　正是基于此，在百度、阿里搶發(fā)通用大模型產(chǎn)品之后，騰訊反而率先選擇了行業(yè)大模型的落地方案，在爭(zhēng)奪B端客戶上與百度、阿里展開了同頻競(jìng)爭(zhēng)。

　　但留給行業(yè)大模型和垂類應(yīng)用創(chuàng)業(yè)者的挑戰(zhàn)同樣不少。除了需要應(yīng)對(duì)來自BAT的競(jìng)爭(zhēng)之外，更重要的考驗(yàn)在于，如何提前大廠一步，找到適合自己產(chǎn)品的落地場(chǎng)景，并挖掘到行業(yè)數(shù)據(jù)。

　　如同朱嘯虎在與傅盛爭(zhēng)辯中所說，投資機(jī)構(gòu)同樣在找擁有上述特征的創(chuàng)業(yè)項(xiàng)目，但符合要求的很少。

　　相比創(chuàng)業(yè)公司重構(gòu)新的場(chǎng)景，大模型反而更加利好每個(gè)行業(yè)中的現(xiàn)有玩家。在朱嘯虎看來，已經(jīng)擁有使用場(chǎng)景的玩家，通過ChatGPT很容易就能為自己的產(chǎn)品加上人工智能的功能，如眼下的智能客服。

　　如何獲取差異化競(jìng)爭(zhēng)優(yōu)勢(shì)，一家即將發(fā)布大模型產(chǎn)品的公司給出了自己的解決方案。該公司負(fù)責(zé)人李振告訴字母榜，自己即將推出的行業(yè)大模型方案，已經(jīng)全部被客戶買過單了，“沒被買過單的我們還沒發(fā)。”

　　除此之外，在與大廠的同位競(jìng)爭(zhēng)中，李振祭出的另一殺手锏是簽署*合作，目前其服務(wù)的快消飲料前十廠商中，基本都已經(jīng)達(dá)成了*大模型開發(fā)方案。

　　留給行業(yè)大模型創(chuàng)業(yè)者的另一重挑戰(zhàn)，則在于數(shù)據(jù)。在李振看來，算法和算力都可以短時(shí)間追趕或者復(fù)制，但對(duì)數(shù)據(jù)的處理，反而可能是對(duì)整個(gè)行業(yè)大模型影響*的一個(gè)因素。“在以數(shù)據(jù)為中心(data-centric)的AI新時(shí)代，模型能不能出彩實(shí)際上主要是靠數(shù)據(jù)。”李振表示，數(shù)據(jù)里面潛藏的諸多魔鬼細(xì)節(jié)，甚至決定著大模型產(chǎn)品的成敗。

　　谷歌就是前車之鑒。不管從算力還是算法，谷歌并不比OpenAI差，甚至還要強(qiáng)，但恰恰是借助基于人類反饋的強(qiáng)化數(shù)據(jù)訓(xùn)練工作，OpenAI最終趕在谷歌前面做出了ChatGPT。

　　根據(jù)OpenAI公開的資料，旗下數(shù)據(jù)團(tuán)隊(duì)被建設(shè)成為不同水平的層級(jí)，數(shù)據(jù)量大、標(biāo)注要求簡(jiǎn)單明確的淺層數(shù)據(jù)，交給肯尼亞等廉價(jià)外包勞工，高等級(jí)的數(shù)據(jù)則交給更高素質(zhì)標(biāo)記人員，不少都是訓(xùn)練有素的高校博士。“OpenAI在數(shù)據(jù)采集方面的有效探索，目前沒有任何一個(gè)團(tuán)隊(duì)可以匹敵。”李振說道。

　　在解決了場(chǎng)景落地和數(shù)據(jù)采集問題之后，生產(chǎn)出來的行業(yè)大模型，還面臨另一個(gè)急迫的問題——知識(shí)產(chǎn)權(quán)歸誰(shuí)。

　　吳偉表示，與某一企業(yè)合作研發(fā)的大模型，能不能復(fù)用給其他行業(yè)內(nèi)的企業(yè)，要看客戶的意愿，只能逐個(gè)談判解決。

　　但走到與企業(yè)客戶利益綁定后的行業(yè)大模型，在獲取確定性商業(yè)回報(bào)之外，也同時(shí)失去了大規(guī)模擴(kuò)張的可能性，很容易成為朱嘯虎口中“零零散散的小機(jī)會(huì)”。

　　失去通用大模型創(chuàng)業(yè)機(jī)會(huì)后，留給創(chuàng)業(yè)者做出下一個(gè)BAT的機(jī)會(huì)也無限渺茫，傅盛在這方面顯然已經(jīng)有了足夠清醒的認(rèn)識(shí)，“我已經(jīng)放棄BAT的創(chuàng)業(yè)夢(mèng)了，那的確沒機(jī)會(huì)。”