AI大模型时代：谁能在科技巨头与新兴力量的对决中胜出？

数字经济应用实践专家骆仁童博士表示，当商业化成为2024年AI大模型角逐的新方向后，商业模式存疑以及营收增长乏力的AI新创企业将加速出清，行业将迎来真正洗牌阶段。这意味着，只有那些能够持续创新、有效控制成本并找到可行商业模式的企业，才能在这场竞争中生存下来并最终胜出。

科技巨擘弈局

美国科技巨头谷歌、Meta、微软在AI大模型领域的布局体现了它们在技术、资本和市场方面的强大优势。谷歌通过其DeepMind部门在AI领域取得了一系列突破，Meta（Facebook的母公司）则通过不断的技术创新和收购来加强其在AI领域的地位。微软则利用其云计算服务Azure，为AI大模型提供强大的算力支持，并推动AI技术的商业化应用。这些公司不仅在研发上投入巨大，而且在市场推广和生态建设上也具有丰富经验。

中国AI领域的新兴力量正在迅速崛起，特别是“新AI四小龙”——月之暗面、百川智能、MiniMax和智谱AI，它们凭借创新的商业模式和技术实力，在资本市场上获得了高度关注。这些企业不仅在技术上取得了突破，更在探索如何将AI技术转化为实际的商业价值。

月之暗面（Moonshot AI）

月之暗面由杨植麟创立于2023年3月，专注于大模型研究和应用。公司在2023年获得了超2亿美元融资，并在2024年2月完成了超过10亿美元的融资，估值达到约25亿美元。月之暗面推出的Kimi智能助手面向C端市场，通过提供个性化服务吸引用户，但面临的挑战是如何在竞争激烈的市场中持续创新并维持用户增长。

百川智能

百川智能由前搜狗公司CEO王小川创立，成立之初便获得了5000万美元的启动资金，并在2023年10月完成了3亿美元的A1轮战略融资，估值超过18亿美元。百川智能依托王小川的行业经验和资源，快速崭露头角，但其挑战在于如何将技术优势转化为可持续的商业模式，并在AI领域保持领先地位。

MiniMax

MiniMax由闫俊杰成立于2021年12月，致力于开发通用人工智能（AGI）技术。公司在2022年6月融资超2.5亿美元，并在2023年进行了新一轮大规模融资。MiniMax的挑战在于如何将AGI技术商业化，并在AI技术快速发展的今天，持续提供创新的产品和服务。

智谱AI

智谱AI由张鹏创立于2019年，起源于清华大学计算机系知识工程实验室的技术成果转化。公司在2021年完成了A轮过亿元融资，并在2022年和2023年累计获得超25亿人民币融资，估值超过100亿人民币。智谱AI的挑战在于如何利用其在知识工程领域的优势，开发出更具市场竞争力的产品，并在AI大模型的商业化道路上取得成功。

算力飞跃与资本博弈

AI大模型的发展核心在于技术进步，尤其是算力的显著提升。随着模型规模的不断扩大，对算力的需求也随之增加。摩根士丹利报告指出，未来大模型的训练将需要前所未有的算力，这对硬件设施提出了巨大的挑战。算力的提升不仅依赖于芯片技术的进步，如英伟达的Blackwell芯片，还依赖于软件架构的创新，如Tree of Thoughts架构，这将直接影响大模型在创造力和复杂任务处理上的能力。 资本市场对AI技术的热情曾一度推动了行业的快速发展，但随着市场逐渐趋于理性，投资者开始更加关注企业的商业模式和盈利能力。AI企业在获得资本支持的同时，也面临着来自投资者的压力，需要展示其技术的商业价值和市场潜力。 首先是投资者的期望与企业的挑战。投资者期望AI企业能够快速实现技术突破，并在市场上取得成功。然而，AI大模型的研发周期长、成本高，且市场竞争激烈，这使得AI企业在短期内实现盈利变得非常困难。企业需要在保证技术领先性的同时，探索有效的商业模式，以满足投资者的期望。 其次是资本市场的波动与企业的生存。资本市场的波动对AI企业的生存和发展具有重要影响。在资本市场寒冬期，融资难度增加，那些商业模式不清晰、盈利能力弱的企业可能会面临生存危机。因此，AI企业需要更加注重现金流管理，提高资金使用效率，以应对资本市场的不确定性。 最后是长期投资与短期回报的平衡。AI大模型的研发需要长期投入，但资本市场往往追求短期回报。企业需要在长期投资和短期回报之间找到平衡点，这不仅需要企业有清晰的战略规划，还需要投资者对AI技术的发展有足够的耐心和信心。 政策监管和数据合规是AI大模型发展中不可忽视的因素。随着AI技术的广泛应用，各国政府对AI领域的监管越来越严格，特别是关于数据的使用和隐私保护。企业必须在遵守相关法规的前提下，合理利用数据资源，推动技术的发展。例如，斯坦福大学AI研究院发布的《The AI Index Report 2024》报告指出，美国AI监管法规显著增加，这对AI企业的国际化发展构成了挑战。

小帆启航AI蓝海

AI大模型在B端的应用标志着商业定制化服务的兴起，满足了企业对提高效率和降低成本的迫切需求。 随着AI技术的进步，这些大模型将越来越多地应用于解决行业特定问题，例如医疗健康、金融服务和智能制造等。这种转变使得AI能够以类似人类的思考方式工作，展现出强大的创造力和战略思维能力，以及处理复杂、多维任务的能力。

在C端，AI大模型通过互联网订阅模式实现商业化，满足消费者对个性化和智能化服务的不断增长需求。AI大模型能够提供更加精准和个性化的用户体验，例如通过智能助手协助日常任务管理和教育辅导等。

尽管大模型的开发和训练需要大量的资本和算力支持，但小公司在AI领域仍然拥有独特优势和机遇。数字经济应用实践专家骆仁童博士表示，尽管小公司在开发复杂度较高的大型模型方面可能面临边缘化的风险，但小型模型的兴起将为它们开辟新的发展机遇。

例如，专注于垂直领域的专业化小公司可以开发针对特定行业的AI解决方案；结合边缘计算的AI应用可以为物联网设备提供即时的数据处理和智能决策能力；AI即服务（AIaaS）平台可以使没有足够资源开发自有AI模型的企业也能利用AI技术提升业务能力；利用开源技术和建立活跃的开发者社区可以降低开发成本并快速迭代和改进产品；提供专业的AI伦理和合规咨询服务可以帮助企业在发展AI技术的同时确保遵守相关法律法规。

但骆仁童博士也补充到，用户留存率的波动不仅是AI企业的挑战，更是其运营成本的隐形杀手。在算力成本高昂的现实下，如何实现成本的均衡分配，以及如何有效管理大模型算力的需求高峰与低谷，成为了这些企业必须面对的双重难题。

海外市场上，AI初创企业的竞争已日趋激烈，一些战略失误的企业正逐渐被行业巨头吞并。例如，美国的Banana、Togetther、RunPod等公司，通过提供价格亲民的GPU服务器租赁服务，满足了那些无法承担大厂云端服务费用的初创企业的需求。 而在国内，如果AI初创企业在用户增长和收入方面持续低于资本的预期，那么在当前资本市场的严冬中，它们还能期待多少资本的支持呢？对于那些无法获得新一轮融资的企业来说，如何应对上游供应商不断提高的价格压力？

尽管我们坚信AI大模型将在未来创造巨大的经济价值，但在国内AI大模型商业化道路仍不清晰的情况下，又有多少企业能够坚持到最后，迎接黎明的到来呢？

海外的AI产业分析：

国内AI相关产业：

商道童言（Innovationcases）欢迎点赞和分享哦！~~

免费电子书： | | | |

数字经济应用实践专家 骆仁童主讲课程

人工智能：

数字应用：

数字中国：

数字化转型：》

产业数字化：《》

宏观与趋势：

思维与技能：》

创新与创业：