AI创业者陈冉注意到行业内存在一些“怪现象”，不少客户向他反映感到困惑：一方面，大模型更新速度让他们难以判断哪一个更好用；另一方面，他们不知道如何将大模型有效地与自己的业务结合；同时，他们对自己手中的数据集是否能够调优出一个高效的大模型也心存疑虑。最终的结果是，尽管他们愿意投入大模型，但却不知如何下手。即使下定决心，也常常由于预算有限而犹豫不决。
这一状况导致市场上大模型公司开始价格竞争。“到头来，结果就是：既烧钱又压价，且没有人真正使用。”陈冉是人工智能社区及生态公司开放传神（OpenCSG）的创始人兼CEO，他认为大模型行业的无效内卷是一种资源消耗。许多去年急于进入大模型领域的公司，最终未能逃脱ofo当年吃过的苦头。
这促使行业领军人物、零一万物创始人李开复直言：“如果中国市场真是这样内卷，大家宁愿赔光通输，也不让你赢，那我们就会转向国际市场。”
而同样从事多年技术开发和AI创业的李友峰，对现状也感到困惑。他提到，“过去我们在讨论一个项目时，会关注其所带来的价值，但在AI大模型时代，似乎很少有人讨论价值，更多的是竞争谁更领先。”
行业内的各种榜单、排名及夸大的营销手段使得市场显得浮躁而喧嚣。最终，厂商们投入大量资金，却未能落地产品，技术也并无显著领先。
当前行业环境
进入2024年后的市场状况与去年相比明显“安静”了许多。去年是各路资本和初创公司蜂拥而入，数以百计的大模型层出不穷，而今年除了少数科技巨头和头部创业公司，其他大多数公司逐渐停下了脚步。
“厂商总是对外宣传大模型能做的事情，却很少提到它的局限性，这让客户受到误导，认为大模型可以颠覆其旧有业务，这显然不切实际。”陈冉在与「定焦」的对话中表示。
回顾过去一年的发展，发现行业内率先展开的并非价格战或技术战，而是营销战。营销的目的在于争夺话语权，无论是召开发布会、刷榜、投放广告，甚至是抨击对手，都是为了吸引更多的关注，以让外界“觉得”自己处于领先地位。至于产品好不好用及技术实力如何，可以稍后再补课。
李友峰补充道，目前国内所有自研大模型基本都是基于开源架构的改进，并没有真正原创的技术。这意味着同类公司之间的技术差距并不显著。例如，李开复的零一万物去年发布的“Yi”系列模型，被指使用了LLaMA架构，仅对部分张量进行了重命名。
陈冉认为，国内尚未形成完整的大模型创业生态。大家纷纷涌入市场发布模型，但这并没有显示出任何实质性的成果。他将当前情况与早期智能汽车行业的局面进行比较：众多公司都想造车，但最基础的电池、电控系统甚至车轮等核心组件尚未完成。
在技术层面，目前并没有哪个团队处于绝对领先的位置。AI大模型的三大要素包括算法、数据和算力，而国内厂商们长期以来主要集中在算法方面。发布的模型实际上是一套算法和系统的组合。虽然各自的算法和模型规模在增大，但不少从业者发现算法的壁垒并不显著。陈冉甚至直言：“大模型并没有太大价值。”
他强调：“企业级的大模型没有意义，开源的企业级模型就足够了，因为数据才是最重要的资源。” 数据的稀缺性超越了算法，算法可以通过对开源模型的微调和集体协作迭代，而算力则可以通过资金购买，但高质量的数据往往无法轻易获得。
在过去一年，评估大模型优劣的标准主要依赖于测评，这类似于考试。然而，考试固然有“作弊”的可能，让一些模型的得分水涨船高，实际上却并没有能力转化为实践效能。这导致很多大模型成为了“应试教育”的结果——参数庞大、得分高，但实际应用能力不足。
李友峰指出，当算法脱离实际应用场景后，其意义便会大打折扣。“例如，模型参数虽然大，计算能力很强，在做数学题时表现出色，但这并不意味着它能在真实业务中产生价值。”
近期，大模型参数一较高下的风气略有缓解，各种杂七杂八的“野榜”也有所收敛，表明公众对于市场的认知已经更加成熟。不过，如果不再比拼参数，大家还能比什么呢？
涉及价格的竞争
在大模型行业，最直接的证明自身价值的方法便是从市场中获利。随着越来越多的AI创业者和投资人关注商业模式，行业的商业化进程逐渐清晰。
大模型行业的商业化模式主要分为两类——面向个人用户的To C和面向企业（包括政府与开发者）的To B。去年行业大致达成共识，认为To C收费较难，决定先从B端入手。
B端企业是大模型的主要客户。例如，一家系统集成公司早已接入了百度的千帆大模型平台，尽管愿意拥抱大模型的意图十分强烈，但他们并非因为模型效果而使用，而是出于对行业发展的担忧。如果模型收费，他们就不得不重新考虑。
这代表了许多企业的心态：能白嫖就尽量白嫖，付费则必须看到成效。正如陈冉所言：“让客户花钱，就需让他看到成倍的增效，‘不见兔子不撒鹰’。”
李友峰认为，真正投入大模型的企业关注的应该是业务数据，而不是算法指标。例如，转化率、点击率及其他关键指标提升了几个百分点，如果做不到这些，即便算法拥有万亿参数并提供超低价格，客户也不会买账。
今年5月，市场上API调用价格骤然下调超过90%。以字节跳动、阿里和百度为例，每百万token的推理输入费用已降至0.8元、0.5元以及完全免费。然而，这一降价现象更多被解读为市场营销行为，似乎成了清仓大甩卖。
Lepton AI创始人、阿里前副总裁贾扬清表示：“今天并非API价格太高导致无人使用，而是企业必须先搞清楚如何使用才能产生业务价值，否则任何便宜的价格都属于浪费。”
百度同时向C端和B端倾斜，文心一言4.0是其面向C端的付费版，持续包月收费49.9元，而百度暂无文心一言的付费率数据。根据AI产品榜的数据，后起之秀月之暗面旗下产品Kimi，其网页版访问量在4月超过了文心一言，而Kimi采取的并非收取会员费，而是推出了一种打赏功能，既不强制，也可以在高峰期让使用者获得优先使用权。
尽管Kimi是C端大模型中的一员，收费之难却显而易见。归根结底，当前大模型产品的实用性尚未达到刚需，无法提供足够的付费理由。
AI初创公司语核获得了奇绩创坛的投资。其早期产品主要面向C端，解决各种实用需求。创始人池光耀告诉「定焦」，其主打产品CopyAsk的用户中，超过99%选择了免费使用，这使得收费难以维持公司的运营。
今年初，语核进行了转型，转向B端Agent产品，市场反响不错，已获得两个订单。“客户的付费意愿还挺好，现在能赚钱真不错。”但是，要彻底跑通某一细分市场，仍需时间来探索。
只有极少数公司抓住了市场需求，并成功实现了业务场景的转化，率先盈利。
陈冉希望构建一个生态，其OpenCSG线上社区，线下销售软件CSGHub和Starship，客户主要是B端企业和开发者。他的公司已经初步探索出应用分佣和用户订阅两种变现模式，未来还可以添加算力分佣。他告诉「定焦」，公司今年的营收预期为几千万，预计盈利超过百万。
应用方面的竞争
如今，大模型行业发展到了一定阶段，业内人士努力寻求盈利模式，同时也等待着爆款应用的出现。尽管过去出现了妙鸭相机、Kimi和Suno等应用，但这些尚不足以称为真正的爆款，唯有爆款应用的出现才能证明AI技术的实际效用。
当大模型厂商展开API价格战时，对于降价这一举动，各方反应不一。有些人对此持怀疑态度，有些则感到嗤之以鼻，还有人表示乐观。
对于独立应用开发者池光耀来说，API降价的确是一项巨大利好。在降价之前，他每月需花费约200元用于模型调试，而在调用降价后的深度求索DeepSeek-V2模型时，他用了半个多月仅花费1.11元。
池光耀过去开发的多个应用因高频调用产生的昂贵成本迟迟未能推出，而用户又不愿付费。现在，他迫不及待希望将这些应用投入市场。“要不是手头有B端订单推不掉，我会立刻去开发C端产品。”同时，以前因高API调用费用而无法进行的B端项目，现在也变得可能。
他预期将在未来几个月，广泛探索大模型的应用场景，这或将带来大量应用场景的涌现。一些过去依赖人工或工程手段进行判断的高频、低逻辑需求场景，或许会被免费的大模型API取而代之。
许多业内人士认为，大模型应用的落地需要从场景出发。无论API价格如何波动，寻找应用场景将成为下半年的共识。
李友峰则认为，未来将会出现更多出圈应用，关键在于找到合适的场景，并在规模产出的基础上覆盖相关成本。“大家应该努力寻找价值，而不是单纯卷价格。”
目前已有两类AI应用逐渐显露出其价值，并获得了良好反馈。其一是提升工作效率，如Kimi帮助职场人士快速搜索资料和整理文献，而造物云则为一品牌提供了以AI进行的产品设计与营销物料支持，据公司创始人邱懿武介绍，他们使用AI为某咖啡品牌设计了2000个杯子，算力成本仅为10元。
另一类则是娱乐性应用，例如Suno这一AI写歌软件，以及多家初创公司在开发的AI陪伴与角色扮演产品。
当前行业普遍认为，Agent AI将在下半年成为发展的重点，国内外从业者纷纷朝这方面努力。
随着对产业的深入探索，李友峰发现，AI真正的挑战在于产品与工程（指构建、开发和部署大型机器学习模型的一系列技术与实践）。要让大模型产品化、工程化及商业化，成为中国创业公司成长的唯一路径。
一旦工程问题得以解决，具体的模型反而不再重要，用户在使用产品时不太关心所用模型的底层结构、研发比例，关键在于其实际效果如何。
然而，现阶段大模型在具体应用中尚不能确保百分之百的成效。例如，基于大语言模型的应用，仍然面临“胡言乱语”的问题尚未解决。这种不可控状态使得其在生产环境中的实际功用受到限制，仍需时间来细致打磨。
“对大多数B端客户而言，如何跟上社区和大模型生态的发展与演变，才是需要关注的重点。”陈冉说道。
他认为，之前行业对大模型的预期过于乐观，总有抱有“训练一个大模型就能改变世界”的不切实际幻想，但实际上大模型尚未真正形成生产力。在AI 1.0与AI 2.0之间，仍有必要进行一个过渡，“这就是如何通过AI赋能现有体系，而不是全盘否定。”
在这一爬升的过程中，必然会有一些公司被淘汰，尤其是那些尚未具备盈利能力的公司。斯坦福大学以人为本人工智能研究院的一份报告指出，2023年全球对人工智能的投资已连续第二年下降。
尽管在国内，以阿里和百度为代表的科技巨头依旧在持续投资，例如阿里已耗资8亿美元投资了Kimi的母公司月之暗面，占股36%。市场上甚至传闻腾讯也在洽谈跟进。
然而，大型科技公司在推动原始创新及产品落地方面究竟发挥了多大作用，作用何在，越来越难以评估。大厂不仅自己开发大模型，还同时投资了几乎所有的明星初创公司，以股权绑定竞争对手。即便这一轮备受开发者称赞的API降价，也并非由大厂主动提起，而是起源于一家名为幻方量化的私募巨头以及创业公司智谱AI的先行，其中大厂则是被动跟进，充满了营销色彩。
展望下半年，行业竞争依然激烈，毕竟国内大模型自始至终都是竞争驱动的。或许，我们会从中诞生几个赢家，爆款应用指日可待。