大模型混戰這一年： 進化之賽、效率之爭、落地之戰
文/王慧瑩
編輯/子夜
日行千里，烈火烹油的兩年過去，飛速發展的大模型行業怎麼樣了？
與兩年前“百模大戰”爲技術爭奪的景象不同，玩家們有兩個速度之爭：一是技術迭代和產品更新的速度，二是商業化賺錢和應用落地的速度。
技術和產品的迭代很直觀，直接推動大模型行業的百舸爭流。 從語言大模型，到文生視頻大模型，再到3D生成大模型，幾乎每隔幾個月就會有讓人眼前一亮的大模型出現。
大家都在嘗試和摸索。每一次技術的擴大亮相，都會將具有前瞻性的大模型廠商推到聚光燈下，並引發新一輪的行業追隨。
有人領先，就有人追趕。這些尚未成熟的技術，給了探路者彎道超車的機會，也帶來了商業化的壓力。
尤其是進入今年下半年，整個行業的風向更加微妙。市場逐漸對大模型祛魅，資本也迴歸理性，行業的兩股勢力也發生了站位的轉換。
一邊是阿里、字節等巨頭投入的動作明顯加快，收編大模型創業公司的核心人才，推出一系列AI產品；一邊是創業公司開始重新評估自身的路線，國內“AI六小虎”有兩家逐步放棄預訓練模型，業務重心轉向AI應用。
這背後，直指行業第二個速度之爭：商業化的效率。
毋庸置疑，當下的大模型賽道高度擁擠，隨着算力成本上漲、算力分配有限，對創業公司而言，大模型這場戰役時間線拉得越長，創業公司的壓力就越大。
“AI大模型（賽道），將只剩下10家企業扮演重要角色。”中國工程院外籍院士張亞勤曾表示。這幾乎是行業的共識，最後的勝利屬於少數的玩家。
大模型最終會進化成什麼樣，還不確定，但可以確定的是，大模型浪潮下，技術仍在迭代，場景仍在驚豔，商業化也始終在探索的路上。
過去兩年，大模型不缺驚豔時刻，行業也處於百家爭鳴的階段，無論是暫時領先的玩家，還是奮力追趕的玩家，都有機會在奔跑中，搶到更多的蛋糕。
1、3D世界、自主 Agent、思考大模型……大模型驚豔迭代
從ChatGPT的驚豔亮相開始，新一輪的AI浪潮整整奔涌了兩年。AI想象力被重啓，大模型站上C位，圍繞大模型的討論和嘗試也爆發式增長。
大模型的終局是什麼樣的？這一問題的答案吸引衆多玩家前赴後繼地卷技術、卷應用。
根據lifearchitect.ai數據，截至目前，全球總共有467個大模型。新技術不斷涌現，行業競速賽愈演愈烈，大模型廠商都在不斷迭代升級，旨在離AGI更進一步。
進入到今年，除了應用上的百家爭鳴，一個明顯的變化在於，以ChatGPT爲代表的大語言模型侷限性日益顯現。 比如，他們只能處理文本領域的任務，無法與物理和社會環境進行互動；雖然大模型語料庫已經十分豐富，但關於人類的價值觀的文本，他們並不具備理解能力……
技術被重構，大模型行業也在不斷改進和進化中，行業在尋找下一個更“類人”的模型或應用。
北京時間12月3日，“AI教母”李飛飛創立的World Labs推出最新成果：世界模型，一張單個圖像即可生成3D世界。
圖源World Labs官網
以往，我們熟知的大多數GenAI工具僅能製作圖像/視頻2D內容。World Labs則實現了在3D中生成，視頻的控制性、一致性能得到改善。World Labs稱，他們所生成場景的獨特之處在於它們具有交互性，而且是可修改的。
這是今年9月份創立World Labs以來，李飛飛團隊推出的首個成果，也是其邁向空間智能的第一步。早在成立之初，李飛飛團隊瞄準的就是空間智能，其初衷就是空間智能的AI，能夠對世界進行建模，同時根據3D時空中物體/地點/交互進行推理。
李飛飛的個人影響力，加之空間智能的想象力，World Labs成立三個月，有消息稱其估值達10億美元。
兩天後，北京時間12月5日，Google Deepmind緊隨其後發佈了最新基礎世界模型Genie 2。作爲今年初推出的Genie模型的升級版，Genie 2只需要一張圖就能生成可玩的AI系統。DeepMind透露，Genie 2具備從不同視角（如第一人稱視角與等距視角）生成連貫世界的能力，這些生成的世界可持續時間長達一分鐘，儘管多數情況下維持在10到20秒之間。
如果說世界模型展現的是模型理解虛擬世界運作規律，並準確做出預測的能力，那OpenAI今年9月推出的o1系列模型則在於會思考。
彼時，OpenAI CEO奧特曼對o1信心滿滿，“我認爲這次 o1 模型發佈最重要的信息是，AI 發展不僅沒有放緩，而且我們對未來幾年已經勝券在握。”
與GPT系列模型不同，o1系列模型有更強大的“思路鏈”，模型會在思考後回答用戶問題，輸出高質量的內容，而非迅速回應無效回答。此外，o1系列更擅長推理，推理能力大幅提升，特別是在奧數、編程等領域展現出了優勢。
行業風向標的新動作，引發國內大模型廠商的追趕。 11月16日，月之暗面公佈了k0 math；11月20日，Deepseek上線DeepSeek-R1-Lite大模型；11月27日，崑崙萬維推出“天工大模型 4.0” o1 版……無一不在強調大模型的邏輯思考能力。
無論是哪種路線的大模型進化，都讓人類離AGI更進一步。
其中，在應用層面，今年還有一個趨勢不能忽視，人類與機器的互動方式正在發生範式轉變，擁有對話功能的GPT逐漸進化能行動的AI Agent（智能體）。
市場研究機構 Research and Market在11月11日發佈的報告中指出，未來五年AI智能體的市場規模將增加420億美元。麥肯錫也表示，AI智能體將是生成式AI的下一個前沿。
具體到玩家的動作上，“有手、有腦、有眼睛”的AI Agent成爲玩家搶灘的對象。
10月份，作爲最早探索Agent的初創企業智譜，推出自主智能體AutoGLM ；一個月後的Agent OpenDay上，智譜展示了AI Agent的最新成果，包括AutoGLM、AutoGLM-Web、GLM-PC三個版本，對應手機、瀏覽器、電腦的應用場景。
新升級的AutoGLM能夠理解超長指令，執行超長任務，在多步、循環任務中，AutoGLM的速度表現超過人手動操作。可以預見的是，當技術足夠成熟，一個Agent就能幫助人操控一切。
此前，微軟Ignite大會上，微軟宣佈已建立全球規模最大的企業級AI Agent生態系統；前OpenAI高管創辦的初創公司Anthropic推出名爲Claude的AI智能體；OpenAI被傳出將在2025年1月發佈代號爲Operator的智能體。
在國內，智能體也百花齊放。一邊是手機廠商開始拿出智能體、智能助力講故事；一邊是巨頭下場做智能體。比如字節跳動的扣子、騰訊雲的騰訊元器、百度智能雲千帆AgentBuilder、阿里雲大模型平臺百鍊、……
這一年，大模型不缺驚豔時刻。會思考的大模型、會想象的大模型、會預測的大模型，站在大模型技術的潮頭，走向AGI的路上，更驚豔的產品迭代一直在發生。
2、AI視頻，新的角逐中誰都不甘落後
時間回到今年2月，行業軍備競賽持續一年，OpenAI再次將大模型行業推至高潮。OpenAI以世界模擬器的名號發佈了視頻生成模型 Sora，讓“一句話生成視頻”變成可能。
行業的加速器來自Sora。追趕Sora、超越Sora，幾乎成了海內外大模型玩家的共識。
在海外，今年5月，谷歌發佈對標Sora的文生視頻模型Veo；6月，Luma推出Dream Machine視頻生成模型，AI視頻生成初創公司Runway推出Gen-3 Alpha模型。
將視角放到國內，玩家們爲“中國版Sora”爭先恐後，催生兩輪爆發期。
先是今年5月開始，生數科技Vidu、快手可靈、字節即夢、智譜清影、商湯Vimi等都相繼發佈文生視頻模型。
今年9月，國產視頻生成大模型又迎來了新一輪爆發。MiniMax正式發佈視頻模型video-01、阿里雲在雲棲大會上發佈通義萬相全新視頻生成模型、美圖宣佈MiracleVision大模型完成視頻生成能力的升級。
今年11月，騰訊混元大模型正式上線視頻生成能力。目前的生成視頻支持中英文雙語輸入、多種視頻尺寸以及多種視頻清晰度。另一邊，月之暗面旗下Kimi被爆出正在內測AI視頻生成功能“Kimi創作空間”，可通過12種預設風格模板和自定義創作功能，爲用戶製作個性化音樂視頻。
兩輪爆發期間，隨着初創企業和巨頭的入局，AI視頻賽道正變得擁擠。更關鍵的是，經過上半年密集發佈新產品的階段，想要在競爭中突出重圍，行業的比拼從“有沒有”升級爲“好不好用”。
爲了變得好用，升級更新是玩家們的統一動作。在國內，動作最快的莫過於有視頻基因的快手和抖音。
截至今年9月，快手可靈經歷了十次迭代升級。目前，在可靈1.5模型的支持下，可靈AI可以直出1080p高清視頻，挑戰大屏清晰度與質感。在圖生視頻方面，可靈1.5模型可以響應更復雜的文本描述要求。此外，可靈AI還支持運動筆刷、對口型等功能。
可靈AI對口型功能，圖源可靈AI微信公衆號
快手科技2024年投資者日上，快手主站業務與社區科學線負責人蓋坤介紹，已有累計超260萬人使用過可靈AI，並累計生成超2700萬個視頻、5300萬張圖片。
同爲視頻賽道的字節，與快手正面交鋒。 今年一季度，字節AI研發團隊將視頻生成模型的優先級排在前列。3月底，即夢開啓視頻生成功能內測；9月，字節發佈豆包模型家族的兩款視頻生成模型Seaweed和Pixeldance，並通過即夢AI、火山引擎小範圍邀測。
相比於之前的視頻生成模型大多隻能完成簡單指令，字節的這兩款模型能讓視頻在大動態與運鏡中自由切換，擁有變焦、環繞、目標跟隨等多鏡頭語言能力，能更好地服務在視頻、電影領域的專業創作者。
11月，Seaweed面向平臺用戶正式開放。據字節方面介紹，本次開放使用的豆包視頻生成模型Seaweed是該款模型的標準版，僅需60秒即能生成時長5秒的高質量AI視頻，領先國內業界3至5分鐘的所需生成時間。
從底層技術看，AI視頻賽道玩家的路線基本一致，即採用Transformer架構的新型擴散模型DiT，進行相關擴散、生成的技術突破。也就是說，玩家更多是通過訓練數據豐富產品功能。
這也是字節、快手在AI視頻賽道跑得更快的原因。“Sora們”切入的60s視頻正是字節、快手的基本盤。在短視頻生態下，二者有豐厚的視頻土壤滋養，這種視頻數據的訓練，正是推動大模型“好用”的關鍵因素。
歷經近一年，國內文生視頻大模型賽道進入了Sora時刻。AI視頻大模型的生成能力邁入新階段的同時，我們也要看到行業的焦慮。
從實際落地層面上看，如果是B端商業生產，短劇、電影、廣告對畫面的連續性、一致性要求很高；如果是C端用戶娛樂，對AI生成的最大要求是真實性。
需求倒逼技術，想實現真正的好用，並不容易。
從技術上看，當下視頻模型在理解、創作物理世界方面的表現依舊有限，畫面的連貫穩定、主體的一致真實以及視頻的時長都亟需迭代進化。
從成本上看，當下的視頻技術很難下放到尋常百姓家，名噪一時的Sora至今仍處於研究階段，僅面向少數專業人士進行內測，很大一部分原因就在於高昂的成本。
再回到AI視頻是行業趨勢的這個問題上，廠商們之所以紛紛下注，一方面是因爲行業需求催生了市場規模。
頭豹研究院數據顯示，2021年中國AI視頻生成行業的市場規模爲800萬元，預計2026年，這一市場規模將達到92.79億元。
另一方面，大模型的商業落地進度越來越迫切，相比於ChatGPT這種聊天機器工具，AI視頻生成是大模型技術商業化落地更具潛力的賽道。
3、效率之爭、落地之戰
兩年，給行業帶來技術革命，也讓行業變得冷靜。
今年7月，2024世界人工智能大會上，百度創始人李彥宏在演講中提到，“2023年國內出現了百模大戰，其實造成了社會資源的巨大浪費，尤其是算力的浪費。”
李彥宏言辭激烈的背後，是整個行業更加理性。市場期待在模型之中長出能落地的應用，爲大模型廠商賺到錢、爲各行各業提供效率。
拋開技術問題，這注定是一場應用落地的效率之戰，這也就回到了商業化的問題上。
從去年“百模大戰”，到今年應用之戰，無論是哪個階段，商業化都是大模型行業反覆提到的話題。大模型的特殊性在於“燒錢”，技術上的研發成本，應用上的運行成本，每一步都少不了真金白銀的支持，這也是大模型企業們的“緊箍咒”。
在國內，相比於兩年前焦灼地坐上牌桌，爭做“中國OpenAI”的執念，這羣AI明星企業將重點放在了商業化落地應用的探索上。
據智能涌現報道，被稱爲“AI六小虎”的6家中國大模型獨角獸（智譜、零一萬物、MiniMax、百川智能、月之暗面、階躍星辰）中，已經有兩家逐步放棄預訓練模型，縮減了預訓練算法團隊人數，業務重心轉向AI應用。
這透露了市場兩個曲線，一個是部分初創企業正被困在商業化的焦慮裡；二是行業商業化戰線拉長，巨頭的戰鬥力更足。
比如去年只發布了語言大模型的字節，今年一口氣補全了視頻、3D、音樂等多領域的大模型。在應用層面，字節陸續推出了十幾個AI應用，覆蓋了娛樂、對話、Agent等多個產品方向。
在C端表現上，下半年巨頭商業化的影響力更爲突出。據數據分析機構QuestMobile，字節豆包App今年9月的日活已達760萬，成爲中國日活最大的AI產品。
這一趨勢下，大廠和創業公司的角色站位也發生變化。尤其是步入今年下半年，當資本冷靜，一些AI明星創業公司被巨頭收編，大模型創業公司高管加入大廠。
這驗證了大廠堅決投入AI的重要性。AI是個增量，不僅能爲大廠原有業務帶來新的想象力，大廠原有的業務場景也可以爲AI提供商業閉環。
不過，儘管是資源和場景更爲豐富的大廠，面對市場對其鉅額AI投入何時能換來回報的質疑時，也有些迷茫。
迷茫的背後，還有個更重要的問題：Scaling Law還成立嗎？
所謂Scaling Law，是大模型行業的一個重要技術原理。具體而言，OpenAI四年前曾經發布過一篇論文表示，模型的性能會隨模型參數量、數據量、計算資源增加而指數提升。
只要Scaling Law 還成立，那麼大模型的能力就可以通過算力、參數、數據的訓練實現AGI。
行業仍是積極的。特別是OpenAI推出o1後，標誌着大模型能力突破到了L2階段。大模型開始真正擁有了邏輯思維能力，在無人力干預的情況下進行規劃、驗證和反思。
某種程度上，o1打破了預訓練的 Scaling Law 瓶頸，商業上解鎖了新的可能。 在OpenAI和智譜給出的“通往AGI五階段”的定義中，兩家公司均將多模態和語言能力歸在L1階段，也就是最爲基礎的能力配備。
這個行業，從ChatGPT，到Sora，再到o1，OpenAI仍是具有時代性的公司。也許和過去一樣，哪個大模型廠商能最先追上o1，市場還會迎來一波新高潮。
追趕技術的路上，玩家們不能忽視的是如何把錢花到刀刃上，這是一場技術、應用、場景的效率之戰。
眼下，行業的淘汰賽已經開始，李彥宏曾預測，在未來AI浪潮裡，市場中99%的僞創新都將被淘汰，只有1%的企業能夠脫穎而出。誰是這1%，誰能創造“新”世界，要等市場給出答案。