OpenAI“停服” ，國產大模型能否接棒？_風聞

AGI行業將迎來新格局。

@科技新知 原創

作者丨林曦  編輯丨賽柯

在人工智能領域，OpenAI的一舉一動牽動着全球從業者的心。近日，OpenAI宣佈停止對中國的API服務，將對中國“斷供”。

北京時間6月25日凌晨，有開發者收到了OpenAI的郵件，郵件寫道：“數據顯示，您組織的APl流量來自OpenAl目前不支持的地區。”並表示：“從7月9日起，我們將採取額外措施，阻止來自不在我們支持的國家和地區列表中的地區的APl流量。”    

根據OpenAI官網，支持訪問API服務的國家和地區總計161個，不包括中國內地與中國香港。OpenAI官網還提到，除了被允許的國家和地區外，“訪問或提供訪問我們的服務，可能會導致您的賬户被封鎖或暫停。”

科技新知從多位AI大模型從業者處獲知，確實收到了這封郵件。業內人士認為，OpenAI出於對成本以及數據安全的考量而停止在中國的API服務。

2023年3月，OpenAI宣佈開放API，允許第三方開發者通過API將ChatGPT集成至他們的應用程序和服務中。The Information報道，自去年12月起, OpenAI年化收入翻了一倍，達到34億美元，其中32億美元源自其訂閲服務與API訪問。

藉助OpenAI大模型“套殼”創業的公司，將迎來毀滅式打擊。“對於依賴OpenAI

API的‘套殼’公司來説，他們可能需要尋找其他的API服務供應商或者尋找替代方案來維持其服務。”中國人工智能學會專家、深度科技研究院院長張孝榮對科技新知表示，“這可能需要對新的供應商進行調查，瞭解其服務的特點、質量和價格，並進行相應的技術調整和適配。”

**Part.**1

國內廠商“搶單”

技術社區的討論很快傳導到市場，OpenAI的“停服”消息一出，國內AI大模型公司紛紛上線“遷移計劃”，且一舉打出“免費”旗號。

6月25日，百度智能雲千帆推出大模型普惠計劃，為新註冊企業用户提供0元調用、0元訓練、0元遷移等服務，其中，文心旗艦模型首次免費，針對OpenAI遷移用户額外贈送與OpenAI使用規模對等的ERNIE3.5旗艦模型Tokens包。

阿里雲百鍊宣佈，將通義千問GPT4級主力模型Qwen-plus的API定價為OpenAI的1/50，併為中國開發者提供2200萬免費tokens和專屬遷移服務。

騰訊云為新註冊企業用户免費贈送騰訊混元生文1 億Tokens，還將為新遷移企業用户提供免費專屬遷移工具和服務。

除了頭部大廠，國內幾個AI大模型代表性初創企業也紛紛爭奪這波流量。智譜AI推出了“OpenAI API 用户特別搬家計劃”，為開發者提供1.5億Token，以及從OpenAI到GLM的系列遷移培訓；Kimi當天發佈遷移方案，稱Kimi開放平台接口完全兼容OpenAI，最快5分鐘實現搬家；零一萬物發起“Yi API 二折平替計劃”，推出了平滑遷移至Yi系列大模型的服務。

硅基流動（SiliconFlow）甚至將Qwen2-7B、GLM-4-9B、Yi-1.5-9B等開源大模型永久免費，創始人袁進輝在朋友圈稱：“今天SiliconCloud把一大批模型都免費了，大家輕薅，別給整破產了。”

顯然，國內大模型公司試圖抓住這一關鍵“窗口期”，為自己爭取到更多的開發者用户。

著名財經金融評論員餘豐慧對科技新知表示，“大模型公司如百度智能雲等推出‘特別搬家計劃’，不僅是為了搶佔市場份額，也是在展現其技術支持和服務能力，有助於快速建立用户信任。”

實際上，早在618前夕，國內大模型公司就已經展開了價格戰。從降價到免費，這波降價潮也體現了國內大模型行業的激烈競爭。

5月，大模型行業開始加碼性價比。發佈GPT-4o時，OpenAI宣佈調用GPT-4o模型API 的價格比GPT-4Turbo下降一半，處理100萬Token只用5美元；Google也將其主力模型 Gemini 1.5 Pro的調用價格調低了一半，處理100萬Token只要3.5美元。

但國內大模型公司可不是打五折這麼簡單，而是動輒90%的降價幅度。

5月11日，智譜AI降價80%，入門級產品GLM-3

Turbo模型調用價格從5元／百萬Tokens降到1元／百萬Tokens；5月15日，字節的豆包大模型對外提供服務，並將處理輸入文本的價格定在0.8元/百萬Tokens，宣稱比行業水平便宜了99.3%；5月21日，阿里Qwen-Long API輸入價格降到0.5元/ 百萬 Tokens；百度宣佈主力模型文心一言ERNIE Speed和Lite模型免費；騰訊宣佈輕量大模型 “混元-lite” 免費，最高配置的萬億參數模型 “混元-pro” 降至300元/百萬 Tokens，降幅70％。

“通過提供價格優惠和高質量的替代服務，這些公司不僅能夠在短期內吸引客户，還有機會在長期內培養用户忠誠度。一旦用户習慣了新的服務，並發現其滿足或超越了他們的期望，他們可能會長期留存。”大數據業務分析師、北京社會科學院副研究員王鵬對科技新知表示。

用低價擴大用户規模，再用服務留存用户，這是正確的思路。然而，便宜並不等於好用，在尚未跑通應用場景的情況下，國內大模型公司開始卷價格，AI熱潮下的市場焦慮極其嚴重。

Part.2

AGI行業面臨洗牌

OpenAI停服，國內大模型公司反應迅速，意味着市場將極速調整。

API即應用程序編程接口（Application Programming Interface），應用開發者等企業用户可通過接入OpenAI的大模型服務，在各類應用軟件中植入ChatGPT機器人的AI能力，將一個普通軟件升級為AI應用。

因此，OpenAI停止對中國的API服務，直接衝擊了不具備自研大模型能力的大模型開發商。目前，他們可以使用海外服務器，繞開限制接入API；否則，他們就必須選擇國內其他的大模型API。

對此，餘豐慧指出，依賴OpenAI API的初創企業和研發團隊可能會面臨服務中斷，影響產品開發進度和用户體驗。其次，對於使用其技術進行AI創新的研究機構和高校，可能會阻礙相關研究項目的進展。

此外，這可能會促使行業加大對本土AI技術的投資與自主研發，長期看有利於本土生態的構建，但短期內可能遭遇技術替代的挑戰。

6月26日，360集團創始人、董事長@周鴻禕在微博發佈視頻稱，他認為“OpenAI對中國地區停止服務，只能加速中國自己大模型產業的發展，未必是壞事”，他解釋道，“OpenAI的API無法調用，這逼着國內應用只能選擇國產大模型，而國產大模型與GPT的差距已經逐漸縮小了。”

國產自研大模型的能力，僅次於美國，正逐漸展現出競爭力。

根據斯坦福最新公佈的大模型測評榜單HELM MMLU，通義千問Qwen2-72B得分為0.824，與GPT-4並列全球第四。

6月25日，每日經濟新聞發佈了《每日經濟新聞大模型評測報告》（第一期），報告顯示，國產大模型正在全面趕超海外大模型。

零一萬物Yi-Large成為最大“黑馬”，在“財經新聞標題創作”“微博新聞寫作”“文章差錯校對”“財務數據計算與分析”四大應用場景的總分排名第一。幻方求索DeepSeek-V2、百川智能Baichuan4則在“財務數據計算與分析”場景顯示出強大的數據計算和分析能力。而一直備受各界推崇的GPT 4.0在本次評測中表現不佳，甚至在“財經新聞標題創作”場景中排名墊底。

事實上，在中文語境中，國內自研大模型展現出了顯著的優勢，特別是在處理中文自然語言任務方面，這些模型能夠更好地理解和生成中文內容，從而在中文問答、對話、翻譯等任務中表現出色。

例如，騰訊混元大模型，作為騰訊全鏈路自研的通用大語言模型，其參數規模超過萬億，展現了卓越的中文理解與創作能力、邏輯推理能力以及可靠的任務執行能力，其AI助手App騰訊元寶即展現了強大的AI能力和豐富的應用場景。

此外，中國的大模型更加註重圖像、視頻等多模態數據的研究，展現出強大的適應性和泛化能力。

近日，智源研究院院長王仲遠在接受網易科技採訪時指出，“（AI行業）基礎模型依然亟待突破，整個國內的大模型依然處在趕超GPT3.5的階段。國內大模型在中文的語境下已經開始能夠接近逼近GPT4，但是GPT4也在不斷研發新版本，所以依然處於追趕的局面。”

**Part.**3

國產大模型創新路

擯棄GPT，走向全面自研，這對於國產大模型來説，這是一條真正創新的道路。

實際上，去年12月，OpenAI公司就已經暫停字節跳動訪問API，而這是因為，字節跳動使用OpenAI的技術來幫助開發自己的人工智能大模型。根據第一財經報道，字節跳動承認，公司2023年初開始探索構建大模型，有部分工程師將GPT的API服務應用於較小模型的實驗性項目研究中。

無獨有偶，去年11月，零一萬物也被傳出套殼消息，其回應媒體稱，在訓練模型過程中，沿用了GPT/LLaMA的基本架構，但需要説明的是，借鑑架構並不能跟“套殼”或者“抄襲”直接劃等號。

過去，國產大模型的自研之路，或多或少都借鑑了OpenAI等國外大模型的技術，這是不可否認的事實。

“隨着外部競爭的減少，國內AGI（通用人工智能）行業或將進入一個加速整合與創新的階段。”

餘豐慧指出，企業間的競爭將更加聚焦於技術突破、應用場景的拓展以及用户體驗的優化。頭部企業可能會加大研發投入，推動算法模型的迭代升級，力求在性能上超越國際同類產品。

王鵬也表示，OpenAI的停服，將加速國內AGI行業的技術創新。為了減少對外部技術的依賴，國內企業需要加大研發投入，突破技術壁壘，開發出更高效、更智能的大模型。

目前，隨着算法和算力等技術提升，國產大模型正紛紛進入萬億參數時代。現階段，從算法創新到數據端比拼，國產大模型跟國際水平仍有一定差距。

從技術路線看，國內大模型不具備原創理論支撐，研發以追隨海外先進成果為主。例如，人工神經元模型、知識圖譜、深度學習框架、Transformer架構等開創性技術，大多由美國科學家提出。

從全球範圍來看，中文語料庫跟英文數據集的差距不容小覷。受制於搭建數據集較高的成本以及尚未成熟的開源生態，國內開源數據集在數據規模和語料質量上相比海外仍有較大差距，數據來源較為單一，且更新頻率較低，模型的訓練效果受限。

技術攻堅後，推動場景應用落地，發揮商業化的價值，也是國內AGI行業需要前進的方向。隨着OpenAI的退出，外狼”正在減少，國產大模型行業需要走出自己的新道路。