大模型商业化落地已现分歧，到底是重现在还是重未来？
——产业界，大视野书写中国产业崛时刻
??懂财帝&产业界原创·作者｜苇航
ChatGPT的异军突起，犹如一颗石子，打破了原本还算平静的湖面。
市场瞬息万变，即便如诺基亚这样的巨头，也会因一念之差痛失江山。本着敌无我有、敌有我优的原则，相关企业陷入“内卷”之中。
仅仅半年，各类企业研发和大模型应用如雨后春笋般涌现。百度、阿里巴巴、华为、科大讯飞等巨头纷纷入场，国内10亿级参数规模以上大模型已超80个。
相对于其他巨头，腾讯的动作似乎显得有些“慢”。
“我们最开始以为是互联网十年不遇的机会，但是越想越觉得，这是几百年不遇的、类似发明电的工业革命一样的机遇，我感觉现在有很多公司太急了，感觉是为了提振股价，我们一贯不是这种风格。”
马化腾这番言论，也让市场越发好奇腾讯会如何出招。
不同于钟情于C端的阿里、百度和科大讯飞，腾讯此番落子，剑指2B赛道。
6月19日腾讯公布的行业大模型研发进展，7月4日，腾讯云正式发布AI原生向量数据库TencentCloudVectorDB，这意味着这场大模型热潮中，腾讯给出的答案是面向企业的行业大模型。
当然，腾讯面向C端的大模型也在同步开发中，只不过目前市场关注度稍弱。
至此，国内企业关于大模型的发展方向出现分歧。
B2B支付公司Paystand将加密货币纳入其资产负债表:金色财经报道，区块链B2B支付公司Paystand宣布将加密货币纳入其资产负债表，已购买BTC和ETH。此前消息，Paystand完成5000万美元C轮融资，NewView Capital领投，软银的SB Opportunity Fund和King River Capital跟投。[2021/12/11 7:31:46]
一方钟情C端，认为下沉用户将决定胜利的归属。
一方则青睐B端，相信B端用户才是驱动这场技术变革的初期动力。
二者互不相让，你来我往，究竟会在矛盾中寻求统一，还是胜者为王，仍需市场的检验。
通俗来说，这其实就是一个抢现在还是夺未来的问题。
1｜分歧
ChatGPT是人类科技史上里程碑事件，以超过人类最狂野想象的速度席卷全球。作为人工智能生存发展的基础，大模型成为今年最热的话题。
在这场拥抱大模型的这场大考中，基于不同的理解，各巨头给出了不同的答卷。
最大的分歧点在于：2B还是2C？
7月3日，文心一言App现已上架苹果AppStore，用户可免费下载安装，这款App的上线，不仅体现了百度在人工智能领域的布局再次深化，也意味着其2C之路向前迈进了一步。
阿里的通义千问也循着这条路一路疾驰，因为阿里入局AI大模型竞争的核心优势本就在于：算力算法层面的优越性；C端生活场景数据的丰富性所带来的对C端用户的生态入口的精准把控。
COCOS NFT 最高成交价12BNB，现值3036USDT:据官方消息，新年之际，下一代游戏数字经济平台Cocos-BCX上线了白名单，拆盲盒，集五福和挖矿等一系列 NFT 相关的福利活动，并与 DEGO 就 NFT 交易在 Treasureland 商场达成合作。
目前，根据商场交易记录显示，等级最高的COCOS NFT 最高成交价为12BNB，曾最高可达4164USDT，现值3036USDT。
且此类有多笔成交记录（其中一笔交易哈希https://bscscan.com/tx/0x880527e64ae1070d97472eb9e0aa8b3d64ba34c3e460808d14cec9326eb4240a）。
另外，Cocos-BCX 官方也将在近期推出更多的 NFT 挖矿玩法。[2021/3/3 18:12:00]
通义千问有望通过其升级版天猫精灵、淘宝、钉钉、高德地图，打开C端用户智能居家、智能电商、智能办公、智能汽车等入口，协同合作厂商共建阿里系生态，借助多项生态入口将大模型融入用户生活每个角落，打造覆盖“衣食住行工”的全域智能生态场景。
2C赛道上，同样具备代表性的便是科大讯飞。公司直接将星火大模型与学习机相结合，迅速实现大模型的商业化落地，以达到快速造血的目的。
从结果上来看，科大讯飞的结合颇具成效。7月10日盘后，科大讯飞发布中报业绩预告显示，科大讯飞在二季度扭转了一季度的不利局面，在星火大模型的加持下，学习机6月GMV同比增长了217%。
Bluehelix币核科技受邀亮相 iFX EXPO举办的B2B虚拟展览:据官方消息，Bluehelix币核科技受邀亮相iFX EXPO于6月10日举办的Virtual Vision Finance-Ultimate B2B虚拟展览。
币核科技是全球领先的区块链金融信息技术服务商之一，致力于为行业客户提供专业的技术支持和服务。现阶段已为全球超240家知名企业提供区块链金融技术，包括交易平台SaaS系统，创新型金融衍生品，以及流动性服务，届时币核科技将从数据、性能和优质案例层面向全球区块链金融行业伙伴展示币核现货交易系统、合约交易系统、期权交易系统、OTC交易系统和流动性服务等五大核心产品，以及不同应用场景下的交易所全栈解决方案。
iFX EXPO是世界上第一个也是最大的金融B2B博览会，Virtual Vision Finance-Ultimate B2B虚拟展览是iFX EXPO2020年推出24h线上展会。交互式3D展览馆将容纳100多个参展品牌和5,000多个目标访客，展商和潜在客户可以通过在线视频和语音通话进行交流。[2020/6/8]
纵观生成式AI的发展进程，2C算是“正统”血脉。OpenAI的ChatGPT正是依赖C端的爆发，从而火遍全球，重视C端也将大大提高其用户粘性，牢牢抓住未来市场。
腾讯、华为则是立足行业大模型的典型代表。
前者依托腾讯云TI平台打造行业大模型精选商店，为客户提供MaaS一站式服务，客户只需要加入自己独有的场景数据，便可快速定制自己的专属模型及智能应用。
分析 | 对基于区块链的B2B支付技术的未来期望有限:据PYMNTS.com消息，新泽西州数据分析咨询公司Dun＆Bradstreet最近发布的调查显示，到2028年，只有约四分之一的财务主管认为区块链将成为占主导地位的B2B支付技术; 相反，专业人士认为在线支付和电子支票将引领潮流。分析师指出，采用和实施基于区块链的B2B支付解决方案所带来的挑战是该技术的关键障碍。但是，虽然D＆B的报告强调了对市场区块链未来的期望有限，但其调查还发现，已经使用该技术的专业人员中有相当大比例。[2018/11/15]
后者发布的盘古3.0则是一个完全面向行业提供服务，以行业需求为基础设计的大模型体系。其采用了“5+N+X”三层架构，即五个基础大模型+N个行业大模型+X个更多细化场景的模型。以此形成的分层解耦设计，可以快速适配、快速满足行业的多变需求。
但和2C对比，2B似乎显得有些“偏航”。事实上，2B赛道上的选手思考更多的是：C端热潮退去，人工智能下一步将迈向何处，以及如何在大模型这场烧钱大战中，活得更久更滋润。
根本原因还是做大模型太烧钱了。以ChatGPT为例，微软已陆续向OpenAI注资超过130亿美元，用于其研发的费用高达数十亿美元。仅去年，OpenAI的净亏损额就高达5.445亿美元，其仅在算力和数据上的支出就高达4亿美金。
烧钱大战后期，往往拼的是谁弹药更多，粮草更足。这种时候，一个拥有造血能力的大模型便显得难能可贵，甚至有可能成为压死骆驼的最后一根稻草。
出于对这一层面的考量，企业往往会形成不同的战略方向，即抢现在还是夺未来。
Visa推出首个基于区块链的B2B支付服务:全球信用卡巨头Visa推出首个基于区块链的B2B支付服务，目前已经处于试点阶段。去年Visa首次宣布使用区块链平台，通过机构与机构之间的直接支付来缓解跨境交易时效性低的问题，切断目前业界必须依赖的中间商。[2017/11/18]
如腾讯项目方负责人吴永坚表示，不同于移动互联网的C端用户驱动，在大模型时代，这场技术变革的初期动力将由行业B端用户驱动。这其实就体现了战略方向的不同。
除了战略方向之外，分歧点产生的根本逻辑还包括企业自身优势，也就是过去的积累。
如前文中所说的阿里，便是基于此前大体量、多层次的C端用户场景数据，选择将2C这条道路；而腾讯则更喜欢行业客户，因为腾讯云CSIG此前在产业互联网领域开拓业务时，积累了大量客户和行业knowhow，这便是腾讯云做垂直的行业大模型的优势。
2｜舍与得
有舍才有得，在大模型赛道得选择上，同样如此。
对比B端和C端，无疑C端得爆发力更强，未来潜力更大，但是C端回利周期过长，带给公司巨大的资金端压力不容小觑。
国盛证券报告《ChatGPT需要多少算力》显示，GPT-3训练一次的成本约为140万美元，整体来看，其训练成本介于200万美元到1400万美元之间。
从这个方面来说，2B更具优势，因为公司训练大模型离不开云的帮助，所以大模型战争中所需要的算力成本和技术沉没成本大部分将转嫁给B端用户分担，以此实现造血，与此同时也更利于云落地的商业化。
这里同样以大模型领域标杆性的产品ChatGPT为例，作为现下全球最火的大模型公司，OpenAI即便手握重器，其商业化能力依然堪忧。要知道OpenAI的市值接近300亿美元，2023年又是站在最大的风口上的最大“明星”，但其至今收入仍不过2亿美元。
不难看出，对于2C的玩家来说，如何实现盈利，达到良性循环的目的，是个需要头疼的问题。
虽然2C付出的代价是巨大的，但风险和收益成正比，一旦能在C端站稳脚跟，其所带来的好处也远不是B端能比的。
互联网平台的本质是重塑信息的生产、分发、接收三个环节，而大模型将会对生产、分发两大环节产生重大影响。
生产端，大模型的出现将重塑信息的生产方式，一方面极大的促进信息的生产，另一方面也将快速降低信息生产的壁垒；分发端，将大幅冲击包括泛搜索入口、推荐入口在内的传统流量入口。
2C就意味着能更加轻易且深刻的把握住这两大环节，其所代表的巨大潜力和爆发力，足以让任何企业动心。
其实相较于更加专业化、复杂化的B端企业服务场景，C端AI应用的用户感知度与容忍度都较高。但AI大模型应用场景确实有从能见度更高的C端向业务需求及精度更高的B端转化的趋势。
因为目前这场战争覆盖了3000多个可用的生成式AI应用，全球数千家科技公司，这种情况下，企业明确自身产品应用落地的方向，优先探索应用层，并积累相应的交互数据显得尤为重要，只有这样才有可能在这场硬仗中突围。
其根本原因是伴随LLM的快速迭代以及模型与业务融合度的不断提升，B端企业服务场景引发下一轮AI应用层生产力革命的可能性更大。
目前来看，以百度的文心一言、阿里的通义千问为首的大模型选择2C赛道，欲像ChatGPT一样抓住C端机会；腾讯和华为的盘古3.0则落子B端，通过走行业大模型这条路，谋求领先；字节的火山方舟则选择服务这些“参战人员”，为他们提供武器。
其实相较于2B，走C端无疑是最稳健最优质的，那么这个问题的焦点便在于：2B究竟是不是真命题。下注B端的企业究竟是确信行业大模型才是未来，还是为了避免大量烧钱后却无法取得相应回报的无奈之举。这都需要时间的检验。
对于所有中国企业来说无论是选择2C还是2B，迫在眉睫的都是我们在大模型发展上绕不过一个卡脖子的问题，即芯片算力问题，众巨头或完全依赖英伟达，或尝试自己突破，但都避免不了烧钱。
3｜奔跑
美国预计最快将会在7月要求美芯片公司停止向中国客户售卖AI芯片，甚至连英伟达H100芯片降低性能后的H800也包括在内。
正如《芯片战争》中所言，“未来的战争将比以往任何时候都更加依赖芯片，比如运行人工智能算法的强大处理器，处理数据的大存储芯片，以及感知和产生无线电波的完美调谐模拟芯片。”
这无一不在传递一个信息——美国永远会尽最大的可能，卡死中国芯片发展之路。而无论是想从美国手里抢得一些芯片，还是想实现芯片方向的中国制造，大量烧钱都无法避免。
烧钱之战的重点是去年尚不温不火的GPU。
目前看，GPU争夺战火药味十足。字节跳动今年已订购了10万块A100与H800芯片，总花费超过10亿美元，仅它一家今年的订单，就已接近英伟达去年在中国商用GPU的总销售量；腾讯云在今年3月发布的新版高性能云计算服务中也使用了上万块H800芯片；百度今年向英伟达新下的GPU订单高达上万块，要知道Google等公司的订单也就这个水平，而百度去年营收仅是Google的6%，为1236亿元人民币。
据英伟达官网数据，一枚A100售价1万美元，一枚H100售价为3.6万美元，A800和H800售价略低于原版，如此大量的使用和采购这些芯片，期间投入无疑是巨大的。
即便如此，相较于国外巨头，国内企业对芯片、服务器和数据中心等方面的资本开支投入仍有提升的空间。
过去三年，海外巨头疯狂砸钱，亚马逊、Meta、Google、微软四家公司，年资本开支最少的也超过了150亿美元；同期国内阿里、腾讯、百度均远未达到这一数值，百度的年资本开支甚至仅在8到20亿美元之间。
2021年后，中国公司相关方向的投资收缩，腾讯、百度去年的资本开支均同比下滑超25%，
而四家美国巨头开支继续增长：亚马逊去年的资本开支已达580亿美元，Meta、Google均为314亿美元，支出最少的微软也有近240亿美元。
如果说资金层面的麻烦尚能解决，那“卡脖子”的问题则相当难处理。
在不伤害原有业务的情况下，拆东墙补西墙，以解一时之需，成为不少企业的选择。
阿里达摩院裁撤自动驾驶实验室，释放一批GPU；字节把一批原计划新增给字节商业化技术团队的A100分给了研发字节大模型的朱文佳；美团从多个部门调走了一批顶配版A100，为大模型研发输血；B站也在协调各部门资源，优先将GPU匀给大模型部门。
哪里有压迫，哪里就有反抗。
美国对芯片管控的日趋收紧，严重挤压了国内企业的生存空间和利润空间，部分企业力图挣脱束缚：如百度AI芯片昆仑、腾讯视频处理芯片“沧海”和AI芯片“紫霄”等互联网巨头自主研发得AI芯片，燧原科技、摩尔线程等新兴企业专注于研发通用GPU的公司。
即便相较于高性能的GPU，通用GPU只是其平替，无论是并行计算能力，还是大规模的计算核心都和前者有一定差距，但不可否认的是这个差距正在缩小。
上述事实佐证着一个观点：大模型领域迟早要走出一个甚至多个巨头，赢家通吃的残酷性也预示着这场仗绝无犹豫的时间，一旦打响便需“搏命”，为此需要大量燃烧经费，补充弹药，2B自带造血能力的优势进一步被凸显。
大模型时代已经到来，在这场没有硝烟的战争中没有撤退可言，利用自身此前积累的数据、资金优势换取时间、空间上的领先，以谋求成为大模型市场新的巨头，成为各家的诉求。
说明：数据源于公开披露，不构成任何投资建议，投资有风险，入市需谨慎。
—END—
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。