在新一輪互聯網創新歷程中，大模型有幸成了下一個賽點，這次不再像之前的元宇宙一樣稍縱即逝，而是真的在逐漸往應用層面滲透。
《2024 年中國移動互聯網半年報告》發布，報告顯示，2024 年 6 月，AIGC 類 APP 的月活躍用戶規模達 6170 萬，同比增長 653%。從去年開始，大模型就再次掀起互聯網混戰，全球科技大廠生怕錯過一次重要的時代轉折，無論是做游戲的、電商的、還是社交玩家，都在傾盡全力跟進大模型時代。
有機構曾預測過，未來到 2025 年，全球 AI 市場規模將超過 6 萬億美元，2017 年 -2025 年復合增長率達 30%。
誠然，互聯網世界已經安靜了許多年，賴以大模型，總算又熱鬧了一回。淘寶、支付寶、抖音等國內流量規模前 20 的超級 APP，基本都在發力內嵌式 AI 應用，智能助理、智能搜索、智能導購……各類新玩法層出不窮。
在全球互聯網領域失去創新能力之后，大模型真的能給予互聯網新的生命力嗎？這個問題值得認真思考。
創新認知正在降級，產品研發故步自封
在大模型出現之前，互聯網巨頭為什么遲遲沒有孵化出新的創新產品？
實際上，全球科技企業都在被這個問題殘忍逼問。去年 1 月份，英國雜志《自然》刊登了一篇論文，文中基于 4500 萬份手稿與 390 萬項專利發現，全球范圍內的顛覆性技術都在下降。
從企業角度來看，這些年來，互聯網市場從未停止過研發進度，甚至還在不斷加強。只不過，大廠的研發似乎都失去了意義，長遠的投入與回收不成正比，嚴重消耗了資本的創新熱情。
這不是空穴來風。根據上海證券交易所報告，僅在 2021 年，國內以寒武紀為代表的一眾科創板塊企業的投入研發成本就高達 167 億，可惜，累計虧損遠遠超過了這個數。統計局數據顯示，從 2000 年到 2019 年，企業的投入已經超出國內研發總投入的 76%，年增速度達到 10%。
即便是在這幾年外部環境不利好的情況下，國內企業的研發增速依舊能保持在 18% 以上。但研發難以增收也是不爭的事實，此前，百度的李彥宏公開表示，百度研發工程師超過萬人，投入一度是收入的 20%，但換來的實際業績卻不理想。
如此一來，巨頭公司寧愿去投資現有項目，以騰訊為例，數據顯示，騰訊目前總投資企業超過 800 家，其中有 160 家為估值超過 10 億美金的獨角獸企業。為此，外界甚至曾流傳過一種說法，巨頭的投資與干預使行業內部的創新力被壓縮了。
除此之外，研發換不來可觀的回收，也讓大廠不再一味盲目開發新產品。
這些年，小程序成品的涌現頻率要高出獨立 APP 許多，此前，阿里、騰訊、字節、百度、快手、美團、京東……陸續開發小程序，而獨立 APP 為了節約試錯成本大面積關停。統計顯示，騰訊曾一年關掉了 40 多個項目，字節也下架了派對島，截止目前為止，僅互聯網大廠這幾年關停的獨立產品就高達 70 多款。
而這背后與整個互聯網行業的盈利狀態息息相關，工信部數據顯示，今年第一季度，我國規模以上互聯網企業營業成本同比增長 5.1%，實現利潤總額 278.9 億元，但同比下降 15.3%，利潤總額增速由正轉負。
大模型的出現，算是一縷照進互聯網世界的曙光，苦于固步自封的大廠們一涌而上，從研發方向也能看出，大模型的確激發了巨頭們的研發信心。然而，大模型所帶來的創新能維持多久？
有一點需要注意，時至今日，創新疲軟的互聯網領域很難再出現一個現象級產品，或者領頭式技術。畢竟走過微信、抖音年代，任何一點風吹草動都能引發行業內卷，正如當下，自研芯片、大數據、云計算、人工智能等技術成了所有巨頭，乃至科技創業的重頭戲。
同質化的戲碼，從未在互聯網界消失，當 AI 玩法在任何一個 APP 上都能見到，這樣的創新也就不再是 " 創新 "。
另外，雖然大模型熱多少激起了一些水花，但互聯網巨頭曾經最擔心的研發與營收不成正比的問題更為嚴重了。全球科技發力 AI，所造就的資本支出也就越來越多。這段時間，海外巨頭的財報把大模型燒錢的本質展現得淋漓盡致。
有機構分析，到了 2025 年和 2026 年，大模型訓練成本會接近 50-100 億美元，其中，Meta、谷歌、微軟可能計劃將大模型研發成本提高到 500 億美元。
種種跡象顯示，互聯網或許從未停止創新，只是對于創新的認知下降了。
大模型應用的威力，并沒預想中的強
不同于過去的幾次革新，這一次互聯網集體向用戶提供的大模型應用，面世沒多久就遇到了一些麻煩：用戶需要大模型的幾率大嗎？就目前一系列數據來看，答案或許是比預期的要悲觀一些。
紅杉資本數據顯示，即便是全球大模型的頭部 ChatGPT，其首月用戶留存率也只有 56%，有大約一半的用戶用不到一個月就將其 " 擱置 " 了。同樣的，《2024 年中國移動互聯網半年報告》也顯示，國內 AIGC 用戶不穩定，AIGC 行業人均使用時長同比下滑了 23.5%。
說到底，人工智能滲入現實生活還只是資本的 " 幻想 "。
從用戶層面來看，幾乎所有主流 APP 上的 AIGC 應用的用戶留存率低于傳統應用，參與度也較低。7 月份，貝殼財經發布了一項調查，52.05% 的受訪者在工作中有時使用大模型，23.97% 很少使用，經常使用的受訪者占 20.55%，總是使用的人僅占 2.05%。
從企業層面來看，華為有一組預測數據，到 2026 年，人工智能對企業的滲透率也只能達到 20%。
為什么會出現這種情況？技術、成本、實用性、安全性其實都是原因。
以 AI 落地應用最廣泛的文娛行業為例，前段時間，成龍新片《傳說》上映，在該片上映之前，AI 技術一直是影片宣傳的最大噱頭。據悉，博納影業在電影里用 AI 還原了 27 歲的成龍，但買賬的觀眾卻寥寥無幾。
數據顯示，當前《傳說》豆瓣評分 5.4 分，上映十幾天也只有 7000 多萬的票房。
在另外一大應用領域 " 廣告界 " 的使用口碑也褒貶不一。艾瑞咨詢顯示，已有約半數廣告主企業在線上營銷活動中應用 AIGC 技術，其中超 9 成用于內容及創意場景，當前大部分互聯網在自身產品里引入大模型，也是為了拉動每況愈下的廣告收入。
然而，AIGC 短板也開始浮出水面：例如生產素材過于公式化、AI 效果令用戶審美疲勞、以及眾所周知的 AI 抄襲問題……之前，" 我用 AI 五分鐘生成一個廣告 ，卻花了五個小時去 AI 味 " 的文章在社交平臺上產生熱議。
如果大模型無法像社交通訊、短視頻娛樂那樣，在用戶的網絡生活中產生剛需效應，那大模型之于互聯網進程，也就沒太大的推進作用。當前，互聯網領域最大的重心就是要提升 AI 落地的應用效率。
而資本也意識到了這一點，投資流向正從研發賽道流向應用賽道。海通國際研報稱，2024 年有望成為國產大模型全面商業落地的元年。
數據顯示，在今年近 120 起全球大模型投資事件里，大模型應用企業占 69%，占比超過一半，而 AI Infra、通用大模型分別只占 16%、11%，大模型數據服務甚至只剩下了 3%。細看大模型應用領域，AI 醫療健康、視覺 / 視頻生成領域、辦公助手和編程助手獲得融資的企業最為密集，分別占比為 15%、15%、13%、11%。
總而言之，資本正在現實世界中加速普及大模型，技術和業務需求如何匹配是大模型企業迫在眉睫的問題。也只有這樣，互聯網才有被 " 拯救 " 的可能，反之，失去創新力的互聯網還要繼續迷茫。
互聯網留給大模型吃老本的 " 家底 " 不多了
有一個問題需要注意，互聯網走到大模型階段，大多數的玩法還與從前一樣，要么持續打價格戰，要么回身吃本身的流量 " 老本 "。
從本質上講，大模型的落地與古早互聯網時期 " 圈地跑馬 " 沒什么區別。
今年 5 月份，國內一眾大模型玩家開始官宣降價，阿里的通義千問主力大模型 Qwen-Long 的 API 價格直降 97% 后，文心大模型兩大主力模型 ERNIE Speed 和 ERNIE Lite 全面免費，隨后，科大訊飛也宣布，訊飛星火 API 能力免費開放。
而字節跳動這邊，豆包從發布到沖上第一只用了 30 天的時間，據悉，豆包之所以能短時間內成為大模型 " 頂流 "，不僅因為月活 7.94 億人的抖音為其助力，新一輪的燒錢金額也達到了 1.24 億元。
遙想當年，國內互聯網大廠最屢試不爽的招數就是砸錢。時至今日，" 圈地 " 的打法還適用嗎？
首先，大模型在當前只能砸錢換流量的關鍵在于技術趨同，最終影響用戶留存的也會是回歸于技術，單純降低應用成本從短期角度來看的確能增加曝光、爭搶用戶，但長久來看，AI 技術服務不是外賣、更不是短視頻，依靠燒錢無法帶來良好的使用體驗。
其次，大模型發展本身就是個成本巨大的資金型工程，或許對于現金流富裕的大廠而言，價格戰打得起，但當前大模型盈利遙遙無期，小型企業入局的風險不可小覷，這必然會進一步降低整個行業的創新力和創造力。
事實上，大模型價格戰是從海外先開始的，彼時，OpenAI 和谷歌最先宣布降價。但在海外，云廠商正在脫離傳統服務模式，轉用其他方式來填空這一成本，以英偉達為例，5 月份，英偉達公布了 2025 財年的第一季度數據。
英偉達方面表示，在英偉達 CUDA 上訓練和推理 AI 可以推動云租賃收入的增長，每 1 美元的英偉達 AI 基礎設施支出讓云服務提供商有機會在四年里獲得 5 美元的 GPU 即時托管收入。國內能否快速跟進這一步計劃，其實還有待商榷。
當然，除了能夠繼續 " 傳承 " 的打法，互聯網這些年給大模型留下的 " 家底 " 也不多了，即便是從全球范圍內來看，資金之外，大模型最需要的信息數據已出現短缺。
Similarweb 的數據顯示，自 2023 年 5 月 ChatGPT 全球訪問量達到 18 億次的巔峰后，其流量增長開始逐漸放緩。對此，OpenAI 決定放寬對 ChatGPT 的限制，用戶一度無需注冊就能使用。
沒辦法，這也是當前大模型發展的困境之一：現有的互聯網信息量難以支撐如此之多大模型訓練。
這段時間，字節跟一眾在線辦公企業 " 喂養 " 大模型的事引發不少用戶不滿。公開資料顯示，GPT-4 訓練涉及的數據量高達 12 萬億 tokens，未來像 GPT-5，可能需要 60 萬億到 100 萬億 tokens。
根據 Epoch 研究所預測，到 2024 年年中，大模型對高質量數據的需求超過供給的可能性為 50%，到 2026 年發生這種情況的可能性為 90%，而這種數據短缺風險將延遲至 2028 年。
至于如何彌補這一巨大的數據缺口，滲透率逐漸觸到天花板的互聯網，一時間也找不到更好的辦法。
來源：道總有理
