“BAT不像以前熱衷于賽道競爭了，現在他們的思路更趨向于‘防御’”，一名不愿意透露姓名的BAT前員工對數科星球這樣說，“當然這也是創業的機會”。
他一邊陳述著項目，一邊洋溢著燦爛的笑。
此刻，在鋪天蓋地的AIGC文章中，似乎已無人可否認該領域的火爆。創業者們在尋找機會、大廠在厲兵秣馬，似乎下一個盛況又要出現了。
然而真的是這樣嗎?
不下重注的真實原因
據不完全統計，在AIGC賽道中，大廠的參與者就有：阿里、百度、華為、浪潮、騰訊等企業;而在創業企業層面，加入的公司就更多了。
但在規模浩大的聲勢面前，巨頭們仿佛并不敢重注下場。
這首先體現在成本方面。
“在大廠層面，面臨的首要問題是，無法找到有效的盈利模式”，一位BAT前員工對數科星球分享道。
他曾立項了一個AIGC項目，并對其進行了成本測算：僅訓練GPT-3(參數量為1750億)規模就需要硬件成本2000萬美元(保守估計)。若加上后期的運營成本，則每月又要額外支出100-200萬元(可能還包括電費、人員成本未統計在內)。
在他看來，這樣的高額支出，一般創業型企業很難維系，而對于大廠來說，這種情況也同樣如此。“這兩年大廠不能不計成本地做什么事了，像這種項目，也要考察投入和回報的”，數科星球了解到。
在這另外一名行業人士眼中，大廠領導對于AIGC的態度仿佛“不那么積極”。在幾周前，AIGC剛剛大火之時，該人士的領導只是過問了一下項目，在得知“我們也有”的回復后，就沒再花心思在上面了。
實際上，大廠領導的有這樣反應不無道理，因為至少目前，AIGC除了自證“吞金獸”的事實外，還未交出令人滿意的變現答卷?，F在，由于參數數量和成本之間存在“類指數關系”，在資金有限的前提下，參數成本不能無限提高。所以，在當下，行業內普遍將大廠之間的競爭看作是“千億參數”規模的較量。在這名行業人士眼中，他認為，“這已經是大廠所能做的極限了”。
而在一些傳統硬件大廠主導的AIGC項目中，更是有著“掛羊頭賣狗肉”的嫌疑。有愛好者曾訪問其網站落地頁，卻發現“上面全是靜態頁面，連個體驗測試的DEMO都沒有”。
巨頭對AIGC的態度，好像更傾向于獲得“參與感”，而不是以往的“梭哈”。
這還體現在某些巨頭對參數的宣傳上。“雖然個別廠商號稱有萬億參數，但就我們的研究發現，他們的模型太稀疏，達到的效果估計也跟幾千億的一樣”。在一再追問下，知情人仍然拒絕透露該大廠的名字和項目的具體情況。
“參數不是越多越好”，一位技術人員這樣說。在他看來，一些大廠打著萬億級參數的旗號，但其產品的實質可能跟幾千億的參數量的產品類似。
實際上，決定AI智能水平的因素除參數數量外，還有參數的“密度”。也就是說，在稀疏模型中，參數數量雖多，但都被“撒芝麻”般攤薄，參數的效益得不到充分發揮，在某些具體的方面，“大模型”的能力甚至趕不上“小模型”。
目前來看，在各個大廠之中，百度的文心大模型是公認推廣力度最大、商業體系搭建較為完整的產品之一。對比其他大廠的“自下而上”，百度文心大模型是典型的“自上而下”發力案例。在其他大廠員工看來，百度意圖在AI彎道超車，這樣做也無可厚非，但在具體商業變現層面，還不知究竟，只能等待時間檢驗。
“國內AIGC有天然硬傷”
很明顯，對于投資者而言，“成為中文版的OpenAI”這個故事很有吸引力。
客觀上，這個故事似乎也有成立的可能——“OpenAI似乎只癡迷于追求學術”，換句話說，在國內創業者眼中，它對應用層面，尤其是其他語言的應用并不饑渴。以至于，對于中國企業而言，下一個百度之于谷歌、支付寶之于PayPal、或者滴滴之于Uber的夢想似乎就擺在那里。
但橫亙在夢想與現實之間卻有一條天然屏障——國內企業之間互不信任。
根本上，和企業服務行業SaaS/PaaS/IaaS的關系類似，應用型企業需要在“底座型”企業提供的接口基礎上二次開發。本來這沒什么不好，在云計算的生態中，IaaS廠商可以兜售服務器云資源等基礎設施獲利。但問題出在，在AIGC中，“底座”廠商通常并沒有較之IaaS廠商的有效盈利途徑。
這樣一來，“底座”廠商就對應用層面的暴利分外眼紅。在一些觀察者看來，大廠的做法可能要顛覆OpenAI所信奉的“三層結構”模型，讓大廠直面消費者，變成“兩層模型”。如若這種設想成為現實，那么對于無數AIGC開發企業來說，無疑自誕生之日頭上便懸停了一把達摩克利斯之劍。
“或者大廠傾向于和大企業合作”，這位知情者補充道。
對于創業公司而言，艱難的問題是如何尋找到自己的生態位。
“我認為，中國的創業公司遲早會走上諸如Jasper.ai這條路上”，一位大廠員工這樣說。在數科星球的了解中，Jasper.ai是美國一家AI內容提供商，通過AI人工智能幫助企業和個人撰寫營銷推廣文案以及博客等各種文字內容獲利，其更專注于對營銷文案的寫作。在參數量級不能太大的基礎上，加之多如牛毛的“文生文”企業競爭下，更加垂直、更加細分成為了創業企業不得不選擇的道路。
不過，中國的企業似乎沒有Jasper.ai那樣的好運氣。
OpenAI與Jasper.ai互相成就，以至于后者可取得1億美金營收的驚人成績。但反觀國內，從業者們對底座廠商和應用廠商之間的是否存在共贏基礎的看法略顯悲觀。
“至少我還不知道，行業里誰因為調用別人的接口做出了類似Jasper.ai的產品”，他對數科星球最后說道。
看似無限實則有限的機會
投資人心目中青睞的項目長什么樣?一些人給出了自己的觀點：它要在行業內有深厚的積累，既懂算法、又要懂行業，具備較為靈活的變動的能力、團隊要年輕。
這可能是一條粗糙的判斷標準，但就細節而言，在眾多企業參與角逐的過程中，挑中未來的明日之星卻并非易事。比如，在微軟旗下的Copilot日臻完善之時，人們已能用該軟件輔助編程，但在Copilot還沒有廣受關注的那個時間點，輔助編程概念就已經爆火了，把時鐘播回當時，火爆概念下的企業都沒能推出可商用化的輔助編程系統。
也就是說，從純粹的投資角度，AIGC賽道存在巨大的風險。
目前，就已知范圍內，較為靠譜的落地模型是，利用AIGC替代游戲行業的部分美術外包的工作。“因為最好的文生圖算法是開源的，手里有數據有行業資源的話，這種會擴散的很快”，一位從業者表示。
但追求短期盈利則會導致企業壁壘降低。實際上，僅對游戲場景而言，所用的模型參數還不多，創業公司也承擔得起，但問題在于，沒人知道這個生意能持續多久。也就是說，它是個生意，還是個商業模式，還很難確定。
另一位開發者表示：“我還是覺得大模型更有天花板，大模型的東西非常復雜，設計的東西也非常多。”作為技術人員，他覺得AIGC的技術成就感滿滿，甚至有點“瞧不上”小模型產品。
他給出的更加犀利的判斷是“AIGC的投資潮可能是一陣風”，最后的行業格局可能會演變成大廠自己做底座、自己做應用。這樣的邏輯認為，在AIGC的數據訓練成本得以降低后，行業的競爭天平將向巨頭科技企業傾斜，而到那時，中小公司的處境便會極其尷尬。
如若大廠時代再次來臨，行業格局將會如何發展?“我認為對于大廠來說，研發中臺這件事又會回來”，在他的判斷中，上一代AI狂潮所誕生的“研究院”模式更適合GPT-4.在新的階段，研究院的職責就是研究大語言模型，然后讓各個部門在不同領域展開落地應用(即一個公司把活全干了)。
所以，在他的思維中對于創業項目而言，當此之時，只是在“搏”時間窗口。
