大模型低價火拼間，智譜AI“錢途”黯淡_風聞

智譜AI陷入“盛世危局"。

@科技新知 原創

作者丨王思原  編輯丨賽柯

前不久，來自沙特的一筆“熱錢”湧入一家國產大模型企業，成為萬眾矚目的焦點。

市場消息顯示，國內人工智能初創公司智譜AI在今年6月初完成新一輪融資，投資方為中東石油巨頭沙特阿美（Aramco）旗下風險投資部門管理的基金Prosperity7，融資金額達4億美元。

此輪融資後，智譜AI估值將達到約30億美元，躋身200億俱樂部，也成為第一個獲得國外基金機構融資的國內AI獨角獸。

智譜AI能夠成為投資界的焦點，與其清華系背景，以及獨有的自研技術路徑脱不開關係，但資本的簇擁，並沒能讓智譜AI脱離大模型行業普遍的焦慮。

智譜AI相關高層多次強調，對標Open AI“是（公司）成立以來的目標”，而為了完成目標，或者説為了努力留在牌桌上，激進的商業化拓展便成了智譜AI近兩年打造的新籌碼。    

然而隨着大模型技術的快速演進，以及市場商業邏輯的不斷變化，智譜AI也迎來一些值得思考的問題：智譜AI的優勢究竟是什麼？離OpenAI還有多遠？商業化上如何解題？未來的想象空間又有多大？

**Part.**1

與OpenAI試比肩？

早在2020年，智譜AI便開進行GLM預訓練架構的研發，並訓練了100億參數模型GLM-10B；2022年合作研發了1300億級超大規模預訓練通用模型GLM-130B；2023年，智譜AI推出千億開源基座對話模型GLM系列，並在2024年1月推出GLM-4。

入局時間和迭代節奏幾乎跟ChatGPT一致，也因此拿到眾多投資，並被看作國產OpenAI的先驅。

這次中東的大額投資，《金融時報》給出的標題非常直白：沙特基金投資中國，意在打造OpenAI的競爭對手。

分析人士也指出，這筆投資一方面給智譜AI帶來了資金支持，有利於發掘市場機遇，拓展後續可能的國際業務，另一方面，中東資本也並不希望將大模型時代的話語權完全交給歐美。

值得注意的是，5月下旬在首爾舉行的第二屆人工智能安全峯會上，OpenAI、谷歌DeepMind和Anthropic、微軟、亞馬遜、IBM、Meta等AI圈頭部公司悉數到場，而智譜AI同樣作為唯一受邀的中國大模型企業參會，與上述公司達成技術和安全方面若干協議。

與全球頂尖AI巨頭同台，來自全球範圍內的認可短期內接踵而至，讓智譜AI正逐漸向大模型舞台的中心區域靠攏。

不過，一個不得不接受的事實是，目前智譜AI與全球頂級大模型企業仍有一定差距。

去年底智譜AI CEO張鵬也直言説，“GPT-4的發佈讓我們認識到，其實距離還是很大的，人家也在以更快的速度往前奔跑。”這點從兩家的產品以及技術層面也能窺知一二。

首先在模型規模方面，OpenAI的GPT系列語言模型規模已突破萬億，而智譜AI的模型規模還在千億級別，作為基座模型，數據規模的大小，也意味着在處理自然語言數據的能力上，存在一定差距。

從技術角度來看，OpenAI從一開始走的便是通用大模型的路線，所以更加註重通用性、可移植性和可擴展性，這也使得GPT系列語言模型可以在多個場景下應用，並且具有高度的可定製性。

相比之下，智譜AI的技術路線是“大模型+小模型”，通過大模型的預訓練和微調，來適應不同場景和任務的需求。這種技術路線可以提高模型的泛化能力和應用範圍，就相當於將一個大模型分割成多個小模型，但也會產生模型複雜度高、計算量大、訓練時間長等問題。

更為簡單的説便是，無論資金成本還是時間成本都會大大增加。不過不能否認的是，這種路線在行業專注度上也更為出色和精準，對於垂直行業應用或許是一個較優的解法。

張鵬也坦言，和國外大模型相比，國內的大模型發展起步晚了一些，加上高性能算力限制、數據質量的差距等，國內大模型在規模和核心能力上都與世界先進水平存在一定差距，這樣的差距大約在一年左右。    

事實上，智譜AI面臨的挑戰不僅僅是技術上的，更在於其商業化和生態構建的能力。能否訓練出與GPT-4相媲美的語言模型，對於智譜AI來説至關重要，但更為關鍵的是，如何將技術優勢轉化為商業價值，構建起一個健康、可持續的生態系統。

**Part.**2

商業化難題湧現

與其他創業團隊不同，從成立之初，智譜創始團隊就表現出有別於多數創業學者的商業熱情。

據熟悉智譜節奏的投資人透露，從去年2月開始，張鵬等人便開始對外尋找商業化負責人，招攬了前大搜車CTO、連續創業者張帆，據科技新知了解，截至去年底，智譜AI的商業化團隊已經從最初的十幾人迅速發展到上百人，從售前到售後、包括解決方案均建立了完善的團隊。

而之所以快速搭建商業化團隊，除了熱情外，更實際的還是資金問題。隨着智譜AI大模型能力持續提升，訓練參數自然也需要提升，對算力、存儲等需求也會增加。粗略來看，私有化部署一個千億規模的大模型，一年費用接近4000萬，但這4000萬花出去能帶來多少價值，卻是一個未知數。

所以資金從哪來，是一個亟待解決的問題。按照智譜AI的策略，B端的付費意願比C端好很多，所以智譜AI從一開始就瞄準B端。而其盈利方式和行業盈利方式基本一致，一是根據客户需求，提供大模型定製化開發服務。二是標準版大模型，提供API接入方式，按照tokens使用收費。    

然而大模型行業的“價格戰”來的比預想的更快。

目前，OpenAI年內GPT-3.5

Turbo降價50%，還更新了可限量免費使用的GPT-4o，API價格同樣五折。國內AI大廠更是“喪心病狂”，字節跳動、百度、阿里、科大訊飛接連砸價，大量性能尚可的模型官宣免費，付費業務的定價標準甚至降至小數點後四位的水平——阿里雲Qwen-Long API輸入價格降至0.0005元/千tokens，字節跳動豆包大模型0.0008元/千Tokens。

與這些大廠相比，智譜AI無論從公司體量還是資金儲備上顯然都不在同一量級，但頗為意外的是，6月第一週，智譜AI也官宣下場參與價格戰，入門級產品GLM-3 Turbo模型調用價格從5元／百萬Tokens降至1元／百萬Tokens，降幅高達80%。

毋庸置疑，大模型定價的持續走低有望帶來更快的商業化落地，但同時“價格戰”往往意味着企業需要在價格上做出讓步。另外，根據工信部賽迪研究院最新數據，預計在2024年國內市場規模僅有132億元，然而隨着大模型供給和開源企業增加，短期內買方仍以國企、央企等具備資金實力和需求場景明確的企業為主，這十分考驗智譜AI的銷售團隊。

事實上，對於初創企業來説，口碑不夠、根基不穩本就是其銷售短板，尤其是和華為、阿里、字節等廠商相比，其在客户積累上本就不足。

以華為為例，做ToB服務起家的華為，手中已積累大量國企、央企等客户，而且內部有專人跟進這些客户需求。一旦這些客户有大模型需求時，華為則會迅速介入。另外，針對ToB銷售，大企業還可通過交叉銷售的方式分攤成本，並且為客户定製更系統的解決方案，這也是智譜AI這些初創企業短時間難以突破的。

客觀來看，目前國內大模型的業態，屬於百花齊放，已經開始出現同質化的特徵，這樣的大背景趨勢下，智譜AI憑什麼脱穎而出呢？   

**Part.**3

智譜AI籌碼漸空

此前業內對於智譜AI共識的優勢有三點，一是商業化快，二是算力多，三是生態在不斷完善。

但站在當下來看，商業化能力已經開始與價格掛鈎，價低者得逐漸成為清晰的走向；至於算力，簡單來説，誰的卡多，誰能成為中國OpenAI的機會便更大。

然而沒人知道其他同行手裏還有多少“王炸”，在超級認知、超級對齊上的技術突破，會被快速被迭代跟進，坦白講目前國內外主流大模型在算法層面尚不存在代際差，但是在算力和數據方面存有差距。

所以，對於智譜AI來説，生態完善或許才是重中之重。

按照智譜AI規劃，將聯合生態夥伴發起總額10億元的大模型創業基金用於支持大模型原始創新，覆蓋大模型算法、底層算子、芯片優化、行業大模型和超級應用等方向。智譜AI還為大模型開源社區提供計算卡、獎金、免費API等方式用來支持與大模型相關的開源項目。此外投資相關AI公司也是其計劃之一。

然而，智譜AI生態上的佈局看似“熱火朝天”，但也存在漏洞。

縱觀這些大手筆投資，幾乎都是圍繞技術層面，但模型質量的提升，除了技術進步外，另一個重要的點是要有紮實且優質的數據儲備。除了傳統的文本處理之外，語音識別、圖像生成、視頻理解和推薦系統等也都是未來發展方向。

只是與一些同行相比，智譜AI在數據的多樣性和規模上可能存在一定差距。例如，百度、字節等大型科技公司擁有更廣泛的數據源和海量的數據積累，能夠涵蓋更多領域和場景，從而為模型訓練提供更豐富的素材，並且對於一些本就以內容起家的科技企業來説，也有更完善和精細的數據標註體系，確保數據的準確性和可用性。

另外，互聯網巨頭在計算、存儲能力以及數據資源方面有着較大地優勢。而對於智譜AI而言，這些都需要其投入大量的資金去搭建。當然，與雲廠商巨頭的合作，可以很大程度上降低研發成本、提高研發效率。但目前主流的雲廠商幾乎也都有自己的大模型產品，智譜AI能否拿到合適的價格，以及如何解決數據安全的可信，都是問題。

當下智譜AI正於大模型的江湖中奮力闖蕩，雖獲資本青睞、技術亦有突破，然與頂尖高手相較，差距仍存。商業化的鏖戰、生態的構建，皆為待解之難題。未來，智譜AI是能披荊斬棘、笑傲江湖，還是深陷泥沼、鎩羽而歸，還需時間給出答案。