最近，AI圈发生了两件事。
一是商汤科技战略转型，二是李开复在采访中透露OpenAI即将发布新产品。
这两件看似不相关的事，表达了AI领域两种人生，同一种困境。
商汤的转型
2022年及此前，商汤的业务主要分为智慧商业、智慧生活、智能汽车、智慧城市四大业务线。值得注意的是，商汤积极推广生成式AI业务，业务结构进一步转型。
2023年年报显示，在2023年的业务重组中，商汤科技明确了新的三大业务板块——生成式AI、传统AI和智能汽车，它们分别对应着提供生成式AI的模型训练、微调及推理服务业务，传统智慧城市、智慧商业与智慧生活的非生成式AI业务，以及原智能汽车业务。
商汤表示，2024年生成式AI迎来黄金发展时期，大模型和智算成为新质生产力，显著提升各行业效率。同时，商汤在财报中引用IDC报告表示，其大模型平台及应用以16%市场份额排名行业第二，AIDC服务以15.4%市场份额跻身行业前三。
上一个概念还是元宇宙，2021年还是公司的高频词汇，如今已经不再出现。
商汤科技表示，公司正在积极推进战略转型，聚焦“大装置-大模型-应用”重点业务和战略增长领域，同时进行组织和人才结构的优化和调整，以更好地满足业务发展需求。
商汤科技强调，公司此次战略转型，旨在通过优化组织架构和人才结构，提升公司在人工智能领域的竞争力。目前，商汤科技的社会招聘和校园招聘均正常进行中，整体业务保持稳健发展。
做的是TO B的生意，心中幻想的是C端的买卖。
作为一个观察“标本”非常有价值，这是一家不大不小的人工智能企业。不是巨头但在垂直赛道又颇具巨头范。
在股市，甚至有投资人以“亏损”为人工智能企业的认证标志，亏了说明你真花钱买芯片、买算力了。
真的在认认真真搞人工智能。
采用了所谓的“混合专家”模型架构，与 “从互联网和其他来源抓取数据构建起庞大数据库上，并一次性地训练一个庞大的‘稠密模型’”不同，“混合专家”模型选择将多个对不同领域可称为“专家”的神经网络集合到一起。研究人员认为，混合专家模型架构是以较少的算力，达到与稠密模型相同智能水平的关键技术。但这种方法训练失败的可能性更大，因为在模型训练过程中需要同时协调多个“专家”模型，而非集中关注单个模型的训练。因此不少美国公司（如Meta的Llama）就没有开发出来，而中国公司似乎掌握了“混合专家”模型架构。
一是人，二是算力。
这两个都是公司过去几年大力投入的重点，在市场疯狂期人才价格和芯片价格都有了“大模型”溢价。
正如，公开信所说的那样。在传统的AI 1.0时代，模型生产的主要成本在于研发人员的投入。而在生成式大模型A1 2.0时代，模型生产的成本主要在于算力资源的投入。随着尺度定律在大语言模型、多模态模型、视频生成模型以及慢思考推理过程中得到验证，生产和使用大模型的成本可以直接等价于算力资源的消耗。简言之，生成式大模型的普及和商业化，需致力于降低大模型的生产和使用成本，这势必要结合大模型来迭代和优化算力，同时也需根据算力资源的特点来迭代大模型设计和应用。因此，在生成式大模型AI领域，商汤的核心战略是实现算力大装置(SCO)、大模型和应用(CNI)的无缝集成，以应用驱动模型，以模型带动算力的优化。
OpenAI的日子也不好过
OpenAI也在寻求融资，利用新的噱头，发布新的产品。
李开复在最近的一次采访中透露这一消息：“我刚刚从硅谷飞回来，刚得的OpenAI的消息还是比较准的。为什么OpenAI一直还没有发布GPT-5呢？因为他确实需要花很多钱去准备10万张卡的集群。但是他一直发不出来GPT-5，所以融资几十亿美元还是比较难的，然后就先发布一个o1出来，证明他自己的实力。其实他们是不想发布o1的。然后，他其实内部还有很多很多好东西。然后很多团队以为是自己发明的，其实OpenAI早就发明了。”
就像雷军说的：“这不是在跟我抢卖点吗？你拿出来卖呀？”
GPT-5训练过程遇到了阻碍，OpenAI拥有很强大的人才储备。
算力是最大成本，人其次。
跟互联网时代的流量思维不同。
砸钱就能得到流量、流量到了我这其他家就自然死亡，流量到我这以后就能盈利。
这些年，很多企业还是延续互联网思维来看待大模型。甚至认为大模型是远超互联网级别的超级变革。带来的产值和社会变革将会是几个数量级的提升。
这么大的蓝海，但凡有点野心的企业，都不敢错过。
互联网时代的经验仍未走远，这次无非是历史的第二次押韵。
美国研究机构提出了5000亿美元猜想，就是当前生成式AI的投入和产出，有着5000亿的巨大鸿沟。
大模型开局即打价格战，一打就是绝杀，直接降为零。
卷死了别人你未必能赚钱，大家各自卷自己，你的死去不代表别人也能生存。就好像一群在水平面底下的人，潮水涨起来，大家都会死，区别只是个子高的晚一点死而已。
产品同质化非常严重，留下了两种产品，一是代码生成，一是文字生成。这几乎是所有大模型的标准配置功能。
AI教育赚钱了，芯片大厂赚钱，唯独搞大模型的不赚钱。
今年10月，OpenAI获得史上最大一轮融资，融资金额高达66亿美元，这使其估值飙升至1570亿美元。美国彭博社援引消息人士的话说，除65亿美元的融资计划外，OpenAI还计划以循环贷款形式从银行筹集50亿美元。
紧跟着，OpenAI宣布推出名为canvas的新界面，它用OpenAI的最新主力模型GPT-4o构建，借助ChatGPT，进行不仅限于聊天的写作和编码项目工作。
不过，在OpenAI大举融资之际，OpenAI创始团队核心成员纷纷离职，此前，该公司首席技术官Mira Murati、首席研究官Bob McCrew和研究副总裁Barret Zoph均已经离职，融资之后，文生视频大模型Sora团队研发负责人Tim Brooks（蒂姆・布鲁克斯）也宣布离职，加入谷歌DeepMind。Tim Brooks表示，将在谷歌从事视频生成和世界模拟器方面的工作。
OpenAI备受资本市场重视的原因，除了其具备领先的生成式AI技术之外，也出于其背后庞大的市场规模，据预计，这一市场未来十年内将产生超万亿美元收入。
OpenAI目前已经拥有全球1.8亿个人用户和100万企业订阅用户。
一份媒体获得的OpenAI财务数据文件显示，OpenAI的8月收入同比去年增长3倍，预计今年ChatGPT将产生27亿美元收入，去年这一数字为7亿美元。OpenAI预计，到2029年其收入将达到1000亿美元，届时才能实现盈利。然而，在这一目标实现之前，公司必须承受巨额的亏损。OpenAI发布了一份令人瞩目的财务预测报告，指出公司在未来几年内可能面临巨大的财务压力。根据这份报告，OpenAI预计到2026年的亏损额将高达140亿美元，几乎是其今年预期亏损的三倍，而公司预计到2029年才能实现盈利。
OpenAI的财务文件显示，公司每年用于训练大型语言模型的支出高达数十亿美元，这是导致其亏损的主要原因之一。尽管OpenAI的现金消耗量远低于之前的预期，今年上半年公司仅烧掉了约3.4亿美元的现金，但未来几年现金消耗可能会急剧增加。
商汤科技加速淘汰人的同时，AI企业的大规模淘汰也开始加速了。去年，多家规模较小的AI企业被大型科技公司收购。大模型的战争，就从GPT一马当先，到国产大模型百模大战，再到行业格局固定，只剩大模型MiniMax、智谱AI、百川智能、月之暗面、零一万物、阶跃星辰被称为大模型公司“六小虎”和几个互联网大厂。从“新AI四小龙”，到“AI五小虎”“AI六小强”。
从做加法到做减法。
对于AI产业，只卷基础大模型，或许会是一段时间里，行业最大的失误。
一个最直接的原因就是，当所有资源全部被押注在基础大模型的研发上时，直接带来的，或许不是技术的突飞猛进，而是相同成果一遍遍的复现，反而带来算力与研发资源的极大浪费。
彼此之间的大模型，并没有什么本质区别。对用户而言，差异性几乎可以忽略不计。产生这样一种悖论，越是研发大量的投下去，大家的同质性越大。
大模型的生意怎么赚钱？
AI芯片厂商、B端大模型以及AI教育家，是目前在大模型真正赚钱的。而最被寄予厚望和最具想象力的C端，却一直没有大的波澜。
如果跟互联网时代相比，你就知道这件事多么反常，互联网时代最先爆发的都是C端，围绕大家的衣食住行展开。叫车、外卖、购物、社交、影音娱乐，这些都是大家喜闻乐见的场景。普通用户接受、使用起来有很高的意愿。大模型则不然，目前最经典的应用场景是写作和代码，提高生产力。很明显是“打工人”的专属场景，但是牛马还真看不上AI的能力。这就产生了第二个问题，获客成本。互联网时代，久而久之，用户对于平台会产生很强的依赖。最难是吸引用户，留存普遍而言不是个问题。但大模型从吸引到留存都是个问题，这导致用户的留存成本极高。为了吸引用户可以不惜代价打价格战，但是即便打赢了价格战，用户还留不住，这就不好持续作战了。
C端市场的最后一个角落都被占领了以后，大家才略带遗憾的去做B端生意。做过企业服务的都知道，B端生意是个苦活累活，挣得是一份辛苦钱。
C端的大模型产品不是没有，上来就基本延续互联网的打法，免费使用。先用免费的方式聚拢流量，然后再做增值服务的收费。比如，百度文心一言正式升级为“文小言”，加码AI搜索；近日，月之暗面也推出Kimi搜索版。
从体验上，没有质的区别。
比如以智谱AI为首的公司，将文生视频嵌入其自身的AIGC应用内，这类大多数见于自身AIGC应用本身流量较好，通过文生视频能够继续加强其影响力；相比之下，还有另一类大模型公司则是将文生视频作为单独的应用，如MiniMax推出的海螺AI，希望通过其自身产品的强大功能，创造出杀手级应用。在AI战略之外，被调动的还有企业的周边业务，如搜索、协同办公。在过去一年时间里，钉钉、飞书、企业微信这三家协同办公厂商也都不约而同地加入了AI功能，比如具有代表性的钉钉“魔法棒”和飞书的“My AI”。
无论是AI搜索、AI长文、文生视频、商汤科技的代码生成，这些是大模型“卷”得主流方向。有数据显示，ChatGPT每天的运营成本要达到70万美元。在这其中，不仅涉及卡的成本，还有能源成本和其他训练成本等等。比如，参数1750亿的GPT-3耗能1,287MWh，而参数2800亿的GPT-4耗能则达到1,750MWh，也就是说GPT-3每次回答要消耗0.0003kWh，而GPT-4的每次回答消耗0.0005kWh。
据报道，OpenAI训练GPT-5需要数万张英伟达H100芯片，也就是说，相应的服务器成本，将达到30亿人民币上下，如果再算上数据中心成本、人力成本、电力成本，以及无数次推倒重来的可能，需要的成本，几乎相当于国内头部大模型独角兽的融资总额之多。
行业正陷入“冰与火”的焦灼之中。而这背后，是市场逐渐对大模型祛魅，资本也回归理性，也只有当热潮退去，真正有价值的企业或应用才会浮现出来。
但短期来看，大模型创业公司为了活下去，则是ToB和ToC两手抓。除了持续探索AIGC类应用，以智谱为首的创业公司，已经开始大刀阔斧地开拓ToB市场，从2024年整体中标情况即可看出，在目前的大模型“六小虎”当中，智谱是中标最多的公司，然而从中标金额来看，其平均金额则要低于像电信运营商和百度智能云等大厂。
但是TO B的生意，到底有多大是市场驱动的很难说。而且毋庸讳言的是，大部分TO B生意都是项目制的，大模型是被套牌的对象。
总之，大模型已经迅速进入了淘汰赛阶段，未来的“战斗”必将更加精彩。谁会笑到最后，拭目以待吧。
