狂飙200多天，“百模大战”毫不夸张地记录了这个顶流赛道的火热，背后是企业群雄逐鹿的野心。随着战事升级，一种共识也逐渐成型：通用大模型注定是少数玩家的游戏，行业大模型或许才是机遇。

悬疑剧《漫长的季节》结尾，当象征着时代的火车驶过玉米地，老年的王响冲着年轻时的自己大喊：“往前看，别回头。”

大模型也正在经历一个这样的季节，当大模型回归理性，市场必然要经历一场大浪淘沙。关乎技术，更关乎商业模式。无论是入局还是出局，结果未知，只能一路向前。

这是大模型留给市场的大悬疑。

从“20”到“80”

8月3日，“神秘”的腾讯混元大模型传来新进展，目前已经进入公司内应用测试阶段。

通用大模型队伍即将“+1”，但在过去200多天里大模型的密集发布中，“场景”已经取代“参数”成为新的关键词，行业大模型也逐渐成为新的竞争焦点。

上一个备受关注的是京东。本月中旬，京东言犀大模型面世，“融合70%通用数据与30%数智供应链原生数据”的招牌，垂直瞄准了零售、物流、金融、健康等带有强烈京东色彩的业务领域。再早些时候，华为云盘古大模型3.0版本发布，“不作诗只做事”的“豪言”一度出圈。

5月的报告显示，中国10亿参数规模以上的大模型发布数量已经达到了79个。那时候距离ChatGPT在国内“破圈”后引起轰动不过3个月。

在接受北京商报记者采访时，无界AI联合创始人马千里提供了一种国际视角的看法：中国大模型像是三国时期的东吴，大、中、小厂皆入其局，宛如江东六郡八十一州，实力不可小觑。

这种视角下的魏国是美国，OpenAI和Google在大模型方面的实力毋庸置疑，而其“挟算力以令诸侯”的做法更加剧了这种标签。蜀国则是以LLama为代表的开源势力，也是因其开源而深得人心。

据悉，今年上半年全球新发布的大模型已超过400个。麦肯锡的报告《生成式人工智能的经济潜力》中提到，在其研究的63种应用中使用生成式AI，将为全球经济带来每年2.6万亿-4.4万亿美元的增长。

传统的人工智能在落地产业的时候，需要以特定场景、海量数据这两点为前提，进行非常定制化的训练和交付。在效果方面，如果假设一家企业有100个需要AI解决的具体问题，由于数据量的限制和极高的定制化成本，传统人工智能可能只可以解决其中的20个。

以大模型为代表的新一代人工智能正好可以解决以上两大痛点。百度集团科技与社会研究中心主任余欢对北京商报记者分析称，“通用”意味着大模型不再需要将所有解决问题的能力都从0到1做完全的定制，在通用大模型基础上，加上一定量的场景数据，人工智能就有望在数据不多、成本不高的情况下，解决上述100个问题中的剩余80个问题。

“这些原来难以被解决的中长尾问题得到了有效的解决。当基础模型的通用性和训练推理成本达到一个新的平衡点，就可以实现如工业生产一般的规模化效应，商业模式跑通了，才算是真正实现了AI赋能产业的目标。”余欢称。

外热内冷

2023世界人工智能大会的开幕式上，华为轮值董事长胡厚崑说，通用人工智能正带领我们走向下一个黄金十年。

几乎是同一天，网络分析公司Similarweb发布的数据显示，6月ChatGPT全球访问量出现了推出以来的首次环比负增长，降幅达到9.7%。

尽管访问量可能并不具有实际意义，但却几乎瞬时掀起了人们对于ChatGPT流量见顶以及大模型降温的探讨。于资本层面，马千里称，一级市场讨论火热，但并没有特别多的机构真正参与了这个领域的投资，“实际情况远不如当初团购、共享单车的时候”。

AIGC的故事“编不下去”了吗?今年6月，昆仑万维实控人前妻李琼减持的消息，一度带崩整个AI板块。同样的情况还有三六零集团创始人周鸿祎的“90亿”分手费。

余欢称，在最近的这些大模型相关宣传中，有一些比较重要的概念被混淆或者弱化了。如果单单只是以参数达到百亿级别来衡量的话，那么GPT2到GPT3之间的2020前后就已经是大模型了。但这一波“生成式AI大模型浪潮”的重点在于智能涌现能力、多轮对话以及更强的生成能力。这些才是催生新一波生成式AI浪潮或者说LLM大语言模型浪潮的核心要素。

自今年3月，在全球科技大厂中首发大模型产品文心一言以来，百度对于底层的大模型做了数次的迭代和升级。今年6月，文心大模型从3.0版本升级到3.5版本。百度当下的重点任务，也放在了持续优化生成效果方面，例如优化多轮对话的记忆能力等。

对于如火如荼的“百模大战”，余欢断言，在通用大模型领域，至少往前看两年以上，如果一家公司没有相关领域布局的信息，而是在当下突然宣布自己有大模型产品了，多半都是“套壳”或者接入了其他人的模型，通用大模型产品是很难一蹴而就的。绝大部分的公司和团队都是在“投机”，毕竟资本市场还是认概念、认故事的，而当下的A股市场又恰恰缺乏好标的和新概念。

商业及战略管理专家、她力量创始人&CEO卢步云也对北京商报记者分析称，AI技术在实际应用中的推广和落地，并不是单纯数据整合和效果呈现的事情，而是需要充分考虑业务需求、