AI領域的羣魔亂舞：從變形金剛到百模大戰

上個月，AI業界爆發了一場激烈的"動物戰爭"。一方是某科技巨頭推出的美洲駝模型，因其開源特性深受開發者歡迎。另一方則是名爲"獵鷹"的大模型，在5月問世後力壓美洲駝登頂了開源LLM排行榜。

有趣的是，"獵鷹"的開發者不是科技公司，而是位於阿聯酋的一家研究所。阿聯酋人工智能部長隨後入選了《時代周刊》評選的"AI領域最具影響力的100人"。

如今，AI領域已進入"羣魔亂舞"階段。只要有足夠財力的國家和企業，都在打造自己的大語言模型。僅在海灣國家，就不止一個玩家在這場競賽中。

有投資人吐槽道："當年看不起互聯網的商業模式創新，覺得沒有壁壘。沒想到硬科技大模型創業，依然是百模大戰..."

原本被認爲是高難度的硬科技，怎麼就變成了一國一模、遍地開花的局面？

Transformer改變了遊戲規則

當前各國各企業能夠逐夢大模型，都要歸功於2017年發表的那篇著名論文《Attention Is All You Need》。該論文公開了Transformer算法，成爲此輪AI熱潮的引爆點。如今的大模型，無論國籍如何，都是建立在Transformer的基礎之上。

在此之前，"教機器讀書"一直是公認的學術難題。人類閱讀時不僅關注當前詞句，還會結合上下文理解。早期神經網路難以做到這一點，直到2014年循環神經網路(RNN)的出現才有所突破。

然而RNN存在效率低下的問題，難以處理大量參數。Transformer的出現解決了這一難題，它用位置編碼取代了RNN的循環設計，實現了並行計算，大大提升了訓練效率。這一改變讓AI邁入了大模型時代。

Transformer迅速成爲自然語言處理領域的主流方案。它將大模型從理論研究變成了純粹的工程問題 - 只要有足夠的算力和數據，任何有技術能力的公司都能打造大模型。

正如某位計算機科學家所言，AI正在成爲一種通用技術，類似於電力和互聯網。雖然某些公司的大模型仍領先一籌，但分析師預計，其他科技巨頭很快也能打造出相當水平的產品。

百模大戰背後的思考

截至今年7月，國內大模型數量已達130個，超過了美國。除中美兩國外，一些較爲富裕的國家也都推出了自己的大模型，如日本、阿聯酋、印度、韓國等。

這種局面讓人想起了互聯網泡沫時代。但入場容易並不意味着人人都能成爲AI時代的巨頭。以開源大模型爲例，活躍的開發者社群才是其核心競爭力。某社交媒體巨頭深諳此道，其開源大模型系列已成爲這一領域的風向標。

然而，大多數大模型在性能上仍與頂級產品有明顯差距。最新的AgentBench測試結果顯示，第二名的得分還不到第一名的三分之二。這種差距源自頂級公司擁有的優秀科學家團隊和長期積累的經驗。

大模型的核心能力並非僅僅在於參數數量，而是在於生態建設(對於開源模型)或純粹的推理能力(對於閉源模型)。隨着開源社區的發展，各個大模型的性能可能會趨同。

更大的挑戰在於商業化。除少數個例外，大多數AI公司在投入巨額成本後仍未找到盈利模式。即便是行業領軍企業，在AI產品定價上也面臨困境。

高昂的算力成本已成爲行業發展的阻力。據估算，全球科技公司在大模型基礎設施上的年度支出可能遠超其帶來的收入，存在巨大缺口。

盡管某些公司的突破性產品引發了這場AI革命，但單純依靠訓練大模型所能創造的價值仍存疑問。隨着競爭加劇和開源模型增多，純粹的大模型供應商可能面臨更大壓力。

就像iPhone 4的成功不僅僅在於其處理器，而是因爲它能運行各種應用。AI領域的真正價值或許也將在具體應用中彰顯。