自“百模大战”开启近一年，涌入基础大模型市场的热潮正转向大模型应用领域。仅在过去的一个月，国内大模型厂商掀起了价格战，向应用开发者抛出橄榄枝。联发科等芯片厂商向开发者开放合作。OpenAI和谷歌在发布会上展示了搭载于电脑和手机的多模态AI助手，引发了人们对大模型应用的无限想象。
大厂商业化先行
截至目前，真正推动大模型商业化进程的，似乎仍以互联网大厂既有业务为主。以谷歌为例，其搜索引擎并未如业界预期的那样被大模型颠覆，而其既有的广告业务却率先受益于大模型，第一季度的广告收入增长约70亿美元。在大厂之外，原生的大模型爆款应用仍然稀缺。
创业团队面临挑战
随着大模型价格战的爆发，创业基础大模型团队面临着更加激烈的竞争环境。商业化应用将成为制胜关键。对于有意在大模型创业浪潮中分一杯羹的应用开发者来说，选择基础模型只是一项挑战，构建商业模式和切入细分市场才是更大的考验。
大模型应用探索仍在进行中
近日，第一财经采访了多位大模型应用开发者和技术人员。他们表示，开发者们已经在不同的细分领域寻找机会，但大模型本身的能力和算力限制仍然形成阻力。与文本大模型相比，视频生成模型走向成熟将是一条更漫长的道路。
市场认知不断提升
AI客服创业团队创始人章程向记者表示，今年客户对大模型的需求明显提升，从一开始一无所知，到如今能够形成一定的判断。大模型在B端的商业效果得到了初步证明，表明今年有可能是大模型应用爆发的一年。然而在C端，许多场景仍然缺乏核心的产品。
企业仍处于探索阶段
一些大模型应用企业仍在摸着石头过河。杭州萌嘉网络科技有限公司创始人兼CEO卢向东去年年底开始创业，其产品TorchV AI主要帮助企业客户建立基于大模型的应用。由于团队熟悉相关市场并有经验，创业公司很快拿下了第一个客户订单。目前，试用客户已超过200家，产品接入了近10个国内大模型，包括开源和闭源模型。
卢向东认为，市场需求旺盛，但许多潜在客户对大模型还处于学习和了解阶段。“有一部分客户的需求很明确，他们布局得早，清楚自己想要什么。大多数客户则处于‘害怕错过’的心态，他们更希望了解其他案例的解决方案，在可接受的条件下推进合作。”
大模型应用赛道尚未明确
投资机构对于大模型应用将会在哪个赛道跑出来也似乎并不是很肯定。卢向东表示，去年投资机构更倾向于对头部公司进行较大额度的投资，而今年对于较小的创业公司也有一定的投资策略。
截至目前，已有超过 20 家投资机构与公司接触。据了解，部分机构仍处于前期了解阶段，手握资金有限，但又不想错过机遇，正持续关注市场动向。
与国资背景的投资机构相比，风投机构目前的出手速度较慢。“我对大模型应用持谨慎态度。从基本面来看，生成式 AI 绝对具有价值。但一项新技术突破后，业内所有人都能从中获利吗？答案是否定的。”拥有多年互联网大厂和创投机构从业经历的王先（化名）向记者表示。
他的考虑是，这一波大模型浪潮与上一波 AI 浪潮颇为相似。上一波浪潮中，即使是号称“AI 四小龙”的企业，上市后盈利依然困难。以往 AI 创业公司的血淋淋教训表明，曾经畅销的 AI 产品因开源冲击而沦为“白菜价”。这波大模型创业公司有可能重蹈覆辙，同时还要面临互联网巨头的竞争。
“生成式 AI 的投资尚未形成共识。”王先告诉记者，未来大部分需求可能会被互联网巨头吞并。在同等条件下，客户更倾向于选择大公司。创业公司要在垂直赛道建立深厚背景，获取足够且廉价的数据，才能在未来拉开与巨头的差距。
进入市场后，如何撬开需求并构建竞争壁垒？这是卢向东目前思考的问题。“在过去的一个月，我们并没有考虑要做什么细分市场。当时各行各业的需求纷至沓来，‘海纳百川’不失为一个好选择。我们的团队以前对某些行业了解不深，所以先抛出一个基础产品吸引客户，然后逐步了解行业痛点和刚需。”卢向东告诉记者，后续团队仍需缩小关注领域，明确产业方向，这也有利于人员调配和品牌势能的建立。目前初步选定的两个领域是能源和银行，综合考虑了客户支付能力和落地前景。
成本是否足够低？除了“做什么”的问题外，大模型应用开发者目前感受到的主要掣肘仍然在于算力、成本和模型能力。
卢向东告诉记者，现在面临的最大问题不是模型本身，而是显卡。国内高端显卡匮乏，团队希望部署多模态模型，但受到现有显卡能力不足的制约。办公室仅有几块消费级的英伟达 4090 显卡，而其他可替代品牌的 AI 芯片易用性远不及英伟达。如果不在云端租赁显卡而选择自行购置，价格又太贵。
绿联科技近期也尝试在私有云 NAS（网络附加存储）系统中内嵌本地自学习 AI 模型，用于辅助图片整理等功能。绿联 NAS 私有云产品总监魏婷告诉记者，NAS 可以存储大量数据并长时间运行，用户可以使用自己的数据调校 AI，训练过程中无需联网。这是搭载大模型的优势所在。但该公司对扩大 AI 应用也持谨慎态度，除了文生视频等功能尚未达到稳定使用阶段外，为了凸显 AI 功能而堆砌高性能显卡，价格可能也不为用户所接受。
章程告诉记者，他目前遇到的难点在于大模型能力不足且成本偏高。“大模型刚推出时，我们对它寄予厚望，认为它无所不能，但后来发现，大模型只能达到初级专业客服的水平。大模型可以解决 50% 至 60% 的问题，剩下的还需要人工协助。”章程表示，该团队使用了 GPT-4、Claude 3 以及谷歌和 Mistral 旗下的模型，一个月调用大模型的花费高达数万美元，成本压力不小。
从近期大模型厂商的进展来看，该人士认为，多模态能力虽然有所提升，但落地应用时仍然面临成本过高的难题。
尽管国内多款大模型云端 API（接口）近期已降价甚至免费，但该人士认为实际降成本效果有限。由于不少企业希望将数据保存在本地，倾向于在本地部署模型，因此选择开源模型，无需使用云端调用。
随着更多国内大模型降价，另一位业内人士计划建立一套测试体系。他将测试免费或更低价的模型能否达到 GPT-4 60%-70% 的水平，再考虑更换模型。
“如果价格免费或降至原价的 50%、30%，我们就有动力使用这些模型。最担心的是模型性能不够好，比如回复时间过长或结果不符合预期。”该人士表示，公司已采用开源和闭源的大模型，而在严格的商业场景中，收费的闭源 GPT-4 凭借强大的推理能力仍然难以取代。
与文生文大模型相比，业内分析人士认为视频生成模型不仅更难做好，开放应用的成本也更高。“Sora 始终未发布，有猜测认为，原因是其开放使用后成本太高，与文本大模型类似。视频大模型的体量至少是文本的 10 倍。”
多模态应用落地还有多远？在一场行业活动中，出现了将多模态大模型应用搭载于端侧设备的尝试。使用手机摄像头拍摄人物，便可自动切换成不同风格，比如“女扮男装”、“明星脸”，或更换发型等。业内人士指出，这种简单的图片生成功能可在手机端侧实现，目前手机算力可支持 70 亿参数大模型，未来可能提升至 100 多亿。
但与云端相比，手机算力始终有限。除算力外，推动多模态应用落地还需要模型自身的成熟度。年初 OpenAI 推出的 Sora，从当时发布的演示视频来看，尚未很好地展现物理世界的特性，比如视频中杯子摔倒了却不会碎。至今 Sora 仍未对外公测，其演示视频是否有人为参与和调整剪辑，也多次受到质疑。
“视频生成大模型算法成熟度还有限。视频生成大模型需要对数据进行实打实处理，没有开源模型。”业内人士分析企业对视频生成模型市场参与度低于文本大模型的原因。他认为，Sora 虽然提升了大家的期望值，但做好视频大模型十分困难。与文本大模型理解人类不同，视频大模型需要理解的是世界，而连人类自己都无法完全理解世界。
企业投入视频生成模型并不简单。一年多前，国内大语言模型掀起“百模大战”，但 Sora 面世后，跟进视频生成大模型的玩家却不多。该人士认为，相较于几千万元就能打造的文本大模型，视频模型可能需要几个亿资金才能起步。目前，视频大模型的商业模式尚未明确，付费意愿也是需要考虑的问题。视频大模型与应用深度捆绑，采用渐进式做法，将是比较可持续的路线。
大型视频模型比大型图片模型，维度更多，需要更多计算资源，这是一个较大的难题。腾讯混元大模型文生图技术负责人芦清林透露，目前生成一个视频需要分钟级别的时间，且合格率较低。
芦清林认为，大型视频模型的关键在于如何生成高质感视频，但目前受限于生成时间短、视频分辨率低等因素，导致很多场景难以应用。
在应用方面，文生图像模型似乎更容易落地。今年五一期间，一款提供黏土滤镜的 AI 图像软件 Remini 颇受关注。据统计，5 月 1 日，该应用在国内 iPhone 上下载量达 28 万，但之后每日下载量降至 1 万以下，没有成为大爆款。
拥有文生图明星产品 Stable Diffusion 的初创公司 Stability AI，也尚未找到明确的商业模式，负面消息频传，如团队动荡、资金紧张、考虑被收购等等。
芦清林表示：“文生图模型的应用点较多，但我不认为它的商业化前景很明朗。很多玩法已经出现，但这并不代表它未来具有强烈的商业化能力，我们仍处于探索阶段。目前还没有看到 AI 原生产品有突出的商业化表现。”
记者了解到，与文本大模型技术路线逐渐收敛至 Transformer 不同，文生图技术仍在迭代，从 Stable Diffusion 向 Diffusion、Transformer 融合的技术路线（如 DiT）演进，业内公司和产品仍在探索和适应。
或许不得不承认，从大模型智能涌现的惊艳时刻到大模型真正改变世界的道路上，更具挑战性的是繁琐的工程化和商业化问题。这些具体问题的解决方式，将决定爆款应用问世的时机。
