大模型，在内卷中寻找出口

2024年，大模型进展不断。从年初的Sora到最新的o3，更新更好的模型不断被推出，“内卷”到底有没有发生?

我们要先确定“内卷”的定义，指某一类产业模式，发展到一种确定形式后，陷入“高水平均衡陷阱”，出现“没有发展的增长”，这种局面一直无法被打破，那就会走向停滞和危机。

声明：本文来自于微信公众号 xxxxxx（ID：xxxxx），作者：xxxxx，授权站长之家转载发布。

而这一年，大模型的scaling law法则越来越受到挑战，训练模型的算力集群已经从万卡发展到十万卡，扩大了十倍，而模型的智商并没有以这个倍率提高。应用端也没有出现killer app（杀手级应用），模型厂商开始了流血换量的价格战……这些特征与“内卷”的定义是契合的。

那么接下来的问题就是，内卷化让大模型陷入危机了吗?以及脱离内卷的出口，究竟在哪里?

在内卷化周期中，一个产业是很难保持活力和创新动力的。大模型内卷化的加剧，也让行业进入调整期。

首先可以感受到的，就是公众和投资者的失望。2023年，人们都用“AI一天，人间一年”来形容AI的发展，美股 “七姐妹”（苹果、微软、谷歌母公司alphabet、亚马逊、英伟达、特斯拉、meta）更是在这一股热潮下屡创新高。而近来我们明显看到，这股热情已经回落。

OpenAI的股东、接入模型API的服务商企业，都公开抱怨过，AI能力没有太大进展了。刚刚结束的为期12天的OpenAI 发布会，也大多是对已有模型、产品或技术路线的增强，符合预期，但缺乏亮点，无法为AGI提供强支撑。OpenAI前首席科学家Ilya在NeurIPS2024大会上提出“预训练将会终结（Pre-training as we know it will end）”，更是给大众浇了一瓢凉水。

来自产学各界的质疑态度是一个比较危险的信号，因为历史上的AI寒冬都源于信心缺失和投资退潮。

另一个危机信号，是产品同质化竞争和淘汰赛加剧。

基础模型的竞赛，也在2024变得格外激烈，一是模型数量过密，且性能表现逐渐趋同，尤其是开源模型与闭源模型的差距在快速缩小，进入同质化竞争。

二是同一厂商的模型家族，也在加速淘汰，比如GPT-3.5-Turbo就退役了，由GPT-4o mini取代，国内模厂的模型也基本如此，用户都愿意用加量不加价、物美价更廉的新模型，旧模型没人愿意用了。GPT-4o Mini发布后，API 的使用量翻了一番。

激烈的同质化竞争，让模厂不敢减少训练新模型的投入，又为了应对价格战而不得不下调token价格，结果就是经济负担越来越重。可以说，目前大模型无论是外部的宏观形势，还是企业的微观经营状态，都没有2023年那么积极了。

模型层面，底层技术路线、数据瓶颈等无法在短期内得到有效突破，那么从商业层面寻找出路，就成为必然。

2024年，我们能看到大模型内卷，给商业模式带来的诸多挑战。

一是云+API模式，流血降价、以价换量并不是最优解。

API调用量付费，是大模型的主要变现模式之一，通过token降价来赢得更多大模型业务上云，获得长期收益，是云厂商价格战的基本逻辑。但目前来看，以价换量似乎并不奏效。

究其原因，是因为B端客户更关注模厂的长期性、模型质量，质在价先，可靠优先。所以，我们看到，一部分以价换量成功的云厂商，本身就具有比较强的模型能力，比如文心一言两款主力模型免费之后，百度智能云的日调用量一个月翻了十倍。基于豆包大模型家族的火山云，token调用量也大幅上升，甚至有客户的tokens调用量增长了5000倍。这说明新用户会倾向于头部模型，而老用户要么不考虑替换现有模型，要么会把鸡蛋放在多个头部厂商的篮子里，趁降价接入更多模型，最终留下性价比高的。而不打价格战的云厂商，比如华为云将盘古大模型作为“尖刀产品”，也在B端市场取得了不错的成绩，与行业伙伴协同打造的煤炭大模型、医药大模型及数智化解决方案，今年在垂直领域的多个企业内被复用。很多行业用户考虑华为云，就有企业抗风险能力强，能在基础模型坚持投入，业务稳健运营的预期考量。

上述企业说明，云+API模式成功的根本，是“质在价先”。

二是订阅制，由于大模型内卷化，导致用户粘性低、忠诚度不高，会员市场呈现出极高的分散性。

因为大模型的更新换代非常快，一方面新模型在质量和性价比上往往更好，“等等党”更愿意观望;另外很多旧模型会不再更新或退役，这就让会员更不愿意跟平台长期绑定。这就导致模厂为了不断吸引新用户，拉新营销活动难以停止，获客成本居高不下，而且影响用户体验，需要高频弹窗广告，打扰用户，开发出多个会员等级和收费权益套餐，增加了用户的决策疲劳。而好不容易拉来的新客户，往往使用一段时间之后就转向免费版本，或者更新更便宜的友商产品，长期续费率不高。

可以看到，大模型的内卷化，导致大多数模厂难以说服客户和开发者，与其建立长期信赖关系。这就给后续的商业变现与价值挖掘，造成了极大挑战。

告别内卷，就要向外寻找出路。数量多、同质化的大模型，形成了一个密度很高的堰塞湖。那么逃离内卷，就必须疏浚河道，缓解拥塞。所以，2025，将是大模型商业基础设施日趋完善的一年，通过更全面的“水利设施”，让大模型应用者和开发者们能够更方便地取用。

如何判断一个大模型是否“外向”?有以下几个衡量标准:

一是模型的开放度或者说兼容性。

如前所说，内卷化周期中，用户并不愿意将鸡蛋放在一个篮子里，或者跟某一个模厂进行长期绑定，这就需要模型具备很强的开放度和兼容性。比如腾讯混元大模型的免费资源包，同时支持hunyuan-pro、hunyuan-standard、hunyuan-turbo等多个模型共享，支撑第三方平台、ISV服务商为客户提供多种模型的灵活选择与切换、模型竞技场等，来满足最终客户对多元多模的需求。

二是更细致地开发工具。

将大模型技术转化为生产力，还需要加工工具、工作流等更细致的支持，比如此次OpenAI就为Sora打造了Remix、Blend和Loop三个专业工具，来支撑更好的视频生成，为此支付每月200美元的Pro用户也不少。国内，我们实测过的，字节跳动的扣子开发平台、百度文心智能体开发平台等的开发工具也已经很容易上手了。

三是大模型应用从开发到商业化的“端到端”支持。

2024年并没有出现国民级的第三方AI应用。一方面是模型能力本身还需要提升，一些AI智能体平台充斥着大量低水平、易复制的个人智能体，对话体验、理解能力、多模态任务等的效果一般，没有太大商业价值;另一方面，是很多开发者不知道AI应用如何商业化，所以还没有投入太大精力去开发市场缺乏的产品，满足尚未解决的需求，这就需要平台加大对开发者的商业资源扶持。

归根结底，技术天花板短期内难以突破，大模型市场饱和与同质化竞争的局面就不会宣布解决。大模型要取得商业成功，前提是用户和开发者的业务能否成功，这是为什么完善的商业基础设施必不可少。

逃离内卷的堰塞湖，所有模厂2025年都必须回答的问题是:如果大模型是水和电，那么用户和开发者拧开开关，究竟能得到什么?