AI大模型的创业热潮其实刚刚开始，但又好像风云变幻了很多次，短时间内，国产AI大模型已经接近100个。

在全球性的产业趋势面前，较短的时间里，中国市场已经形成了不同组织形态的创业团队，它们在短时间内发布了多款AI大模型，以及与之相关不同类型产品。产业进度如此之快，也给了行业观察者提供了较好的观察样本。

目前，AI大模型创业正面临“百模大战”，如何甩开竞争对手取得优势？下一步要看创业者是否能啃下“硬核”问题。所谓 “硬核”问题，是指在创业过程中难啃、难以解决，但同时又是创业团队可以独立突破的行业核心问题，某一家企业一旦突破，就能够迅速甩开其它竞争对手。

当前，AI大模型创业和AIGC等应用层面的创业有很大的不同，它的硬核问题其实只有一个……

一、同一个AI梦想

风浪越大，AI大模型越多。

环球同此凉热，这一波AI大模型创业已经形成了产业趋势。在美国，AI大模型相关创业掀起热潮，而媒体给中国的AI大模型创业现象用的词是“狂飙”。5月底，《中国人工智能大模型地图研究报告》发布称，中国目前已经发布了AI大模型79个，几乎每个省都有自己的AI大模型，几乎每个大厂都有自己的大模型。中国本土的AI大模型创业狂飙半年，盘点当前形势，实际上形成了三类团队：

一是大厂团：中大型科技企业（所谓“大厂”）内部组建的AI大模型研发部门/团队，如百度组建的团队发布了文心一言，该团队为李彦宏亲自带队；阿里云代表阿里系发布了通义千问等，而腾讯、华为、蚂蚁、字节、美团的大模型据称都已在路上。

值得注意的，除了这些市值（估值）在数千亿甚至上万亿的互联网大厂之外，在中国A股、港股市场上市的一些上市公司也发布了或号称将发布AI大模型，这些公司有些是为炒作股价，暂时不做讨论，有些公司我将合并到“大厂团队”中，在后文讨论。

二是独立团：各类独立的创业、融资进行AI大模型研发的团队，这类团队目前多数聚集在北京上海。如搜狗创始人王小川成立的百川智能，以及最近成为融资市场明星团队的MiniMax。这类团队的创始人多是前一波互联网创业热潮中取得成功的创业者，身后也有一些大厂的身影。

三是学院派：它们的组织构成、战略目标等企业团队都有所区别，例如今年初就发布了MOSS大模型的复旦大学计算机学院团队，MOSS号称是国内首个类ChatGPT大模型。

对于AI大模型创业可能遇到的困难，一般的观点往往会将困难聚焦在算力和语问题上，但在白熊观察员看来，这两个问题在当前阶段还不是三种创业团队的核心问题。现阶段有一个硬核问题，将拦在AI大模型创业团队面前，成为区分不同团队能力的核心问题。

二、什么是硬核问题？

先定义一下“硬核”问题。“硬核”问题是指在创业过程中难啃、难以解决，但同时又是创业团队可以独立突破的行业核心问题，某一家企业一旦突破，就能够迅速甩开其它竞争对手。

对于AI大模型创业团队而言，可能不久之后，他们就将面临真正的硬核问题 —— 如何自主探索AI大模型领域的创业方向问题。

这里又包括两个细分问题，一是如何自主探索技术路线；二是如何探索合适的商业模式、保持良好的商业化节奏等。现阶段，大模型领域最高优先级仍然是技术路线的探索，因为技术提升的空间仍然非常大，技术提升带来的产品差异也非常大。

从创业的一般规律来看，在一条技术赛道上，当先行者技术路线已经比较成熟时，虽然双方差距较大，但追赶者完全可以学习别人的成功经验，即所谓“抄作业”。在这个阶段，追赶者往往能迅速缩小差距，以超预期的速度将差距缩小至一代以内，创造看似“奇迹”的发展速度。

当差距缩小到一代以内之后，抄作业的模式往往失效，因为即使是领先者，他所采用最新的技术路线和商业模式也包含较大探索成分，本身不一定是正确，跟追赶者的情况也很可能不适配。甚至可能最终领先者可能要自我否定多次，最终跑出来的技术路线，很可能是一开始并不被看好的。

这也意味着，从技术路线到商业模式，中国AI大模型创业前将充满对未知领域的探索，在这条赛道上，真正能抄的作业不多。

目前中美的差距有多大？通过新闻能看到一些企业家的预估，如李彦宏判断中美在AI大模型领域差距是两三个月，刚刚卖掉搜狗又重新下场创业的王小川则认为中美差距达到三年，双方还互打了口水仗。当然，最自信的是科大讯飞的董事长刘庆峰，他则认为很快就能给ChatGPT一点来自A股上市公司的震撼，甚至提出了“_今年10月将整体赶超ChatGPT”_的豪言。

不过你怎么看，反正白熊观察员选择在手机里看。不过总体而言，中美的差距仍有可能很快缩短（或已经缩短）至一代以内。这时候才真正结束热身，切入了大模型创业的正赛。

最近有条值得关注的新闻，图林奖得主、Meta的首席科学家杨立昆（Yann LeCun）多次批评自回归模型，认为这一技术路线没有前途。在北京举办的2023世界人工智能大会上，杨立昆通过视频参会发言。他延续了之前在其它场合多次提到了观点，认为以ChatGPT为代表的自回归模型永远无法解决事实错误、逻辑错误等各种错误，同时也不了解世界的底层事实（也就是不能真正认知世界）。杨立昆之前的PPT中旗帜鲜明地指出：自回归模型是注定失败的（Auto-Regressive LLMs are doomed）。

目前，对杨立昆的观点，业界并无激烈的反对与交锋，因为对于AI大模型未来的技术路线，行业仍在探索中，现在正处于“迷茫期”。

这正是没有作业可抄的一种表现，对于中国的创业者，是往GPT的方向继续走，还是寻找新的技术路线。或者更进一步说，国内的AI大模型创业团队，是否有自主探索技术路线的能力？

除了技术路线之外，商业化路线的探索也是一道硬核问题。与太平洋对岸的美国队长Open AI类似，中国的AI大模型团队也有不少已经开放了API接口，可以接受用户付费接入，但看看有些企业的价格标准，高得有点离谱，似乎只是在讲某种资本故事。

最近一款名为妙鸭相机的应用出圈，这应该是国内AI大模型领域第一款真正意义上出圈的应用。妙鸭相机采取了前置付费的模式，用户需要先支付9.9元才能使用它的AI生成照片功能。从它的人气来看，这一波应该收入不错。从应用本身的玩法来看，妙鸭相机让用户上传十几张个人照片，可能是在后台训练了一个LoRa模型，这或是基于Stable Diffusion的技术应用。

这一波妙鸭相机的出圈算是给大模型的商业化打了样，但显然它跟国产AI大模型暂时还没有什么关系。因为最近妙鸭相机举行了一场媒体见面会，印证了之前外界的报道，它们正是阿里大文娱旗下孵化的创业团队。不过，会后各类媒体的报道中，并没有提到它们具体的使用的具体技术来源，重点还是介绍了一下企业的产品理念。如果这是一款运用了某种国产大模型的技术产品，媒体见面会的重心显然就不会是那些内容。

所以妙鸭相机的出圈，是否对国内AI大模型创业产生一些启发，希望实践中会有证明。

三、为什么其它问题不是硬核问题

“自主探索”这个问题其实比较抽象，相对而言，此前被谈论最多的其实是两个具象的问题，一个是算力问题，特别是高端显卡问题，另一个是语料问题。这两个问题很重要，并且在某些发展阶段也会成为硬核问题，但目前仍然不是。

先说说算力问题，这是最早的热点问题，一方面是因为目前GPU领域一家独大，而国际关系上的问题又严重影响了高端显卡的进口。目前来看，无论是解决外部国际关系的问题，还是解决GPU生产制造的问题，短时间内都不太可能。因此GPU会一直制约AI大模型行业的发展，提升了大模型的训练能力。

不过从实操来看，现阶段仍然有办法。一是高端显卡仍然有替代品可用，如英伟达的H800，又如英特尔已经发布了面向中国特供的面向中国“特供”的7nm工艺深度学习芯片Habana Gaudi2，近期AMD首席执行官苏姿丰也明确表示要通过定制产品绕开相关的出口限制，寻找机会向中国客户提供对应的人工智能解决方案。市场竞争的压力给了中国AI大模型创业团队一丝喘息的机会，从目前国产大模型的普遍参数量来看，这为产品仍然够用。

当然，即使是A100这样的芯片，创业团队仍然可以小批量通过各种方式购买到，而依托大厂的一些创业团队，甚至可以直接在海外搭建办公室，把算力资源放在海外。

从当前大模型的发展现状来看，不管对大模型吹的有多厉害，多数团队还处在样本验证阶段，这一阶段对算力的需求仍然是有限的，随着模型参数量的增大，算力的需求才会不断增大。不过，无论是大厂团队，还是独立创业的团队，目前这些解决方案基本上是适用的。算力的制约是行业性制约，任何一种类型的头部团队，都有可能借助资本的力量获得算力，而在发展过程中的落伍者，即使你身在大厂内部，也一样会被无情砍掉。

因此，算力问题基本上不存在说某个团队可以单独突破，从而形成竞争上的独家优势的局面。

同样的原因也存在于语料这个问题上。语料这个问题其实形式更为严峻，半年前ChatGPT刚刚爆红的时候，语料问题就被认为是将是中文AI大模型发展的一大障碍。

对于中文语料质量问题，目前已经有诸多讨论，这里不做进一步讨论。这里想说的是，为什么中文语料问题目前暂时不被我列为国产AI大模型创业的硬核问题，主要原因仍然是上面这两个：一是当前大模型的阶段，中文语料还没有成为死结（本人近期和朋友一起横向评测了几个中文大模型的能力，后续另撰文详述）；二是这个问题和显卡问题类似，目前看不出哪家有可能单独突破。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

四、新的征程即将开始

数据显示，5月至6月期间，OpenAI 的ChatGPT 网站的全球流量下降了10%，这是自2022 年11月以来的ChatGPT首次出现访问量下降。

关于这个新闻有诸多原因解释，有人认为是用户的使用效率更高了，也有人认为用户有更多大模型可供选择。但在白熊观察员看来，考虑到AI大模型在全球范围的渗透率跟各种国民级应用完全不在一个量级上，如果是用户觉得大模型“更好用”了，那么无论如何ChatGPT作为头部应用，只会成倍地吸引更多用户。

在这个阶段用户数量下滑，几乎可以说只有一个解释，那就是那些出于尝鲜目的使用ChatGPT的用户兴趣逐渐退潮。

当前的ChatGPT，从某种程度上很像PC互联网时代的一些应用，仍然缺乏一个支点，让它能撬动广大普通用户。或许，正像杨立昆所说的问题，自回归模型本身的局限，导致他还无法封装出一个国民级应用？因此AI大模型创业者需要探索新的技术路线吗？

“我现在越用GPT，越感觉杨立昆的观点可能是对的。”崔博士是清华的一位

对于大厂团、独立团、学院派三个类型无数AI大模型创业团队，这是硬核挑战，也是甩开竞争者的一个重大机遇。

从近期中国A股中的“AI概念股”（包括AI大模型概念、AIGC概念等）的走势来看，一大堆这类概念股已经舒舒服服地泡在泡沫之中，这往往也正是泡沫即将破裂的时候，至少在中国是。