AI领域的群魔乱舞：从变形金刚到百模大战

上个月，AI业界爆发了一场激烈的"动物战争"。一方是某科技巨头推出的美洲驼模型，因其开源特性深受开发者欢迎。另一方则是名为"猎鹰"的大模型，在5月问世后力压美洲驼登顶了开源LLM排行榜。

有趣的是，"猎鹰"的开发者不是科技公司，而是位于阿联酋的一家研究所。阿联酋人工智能部长随后入选了《时代周刊》评选的"AI领域最具影响力的100人"。

如今，AI领域已进入"群魔乱舞"阶段。只要有足够财力的国家和企业，都在打造自己的大语言模型。仅在海湾国家，就不止一个玩家在这场竞赛中。

有投资人吐槽道："当年看不起互联网的商业模式创新，觉得没有壁垒。没想到硬科技大模型创业，依然是百模大战..."

原本被认为是高难度的硬科技，怎么就变成了一国一模、遍地开花的局面？

Transformer改变了游戏规则

当前各国各企业能够逐梦大模型，都要归功于2017年发表的那篇著名论文《Attention Is All You Need》。该论文公开了Transformer算法，成为此轮AI热潮的引爆点。如今的大模型，无论国籍如何，都是建立在Transformer的基础之上。

在此之前，"教机器读书"一直是公认的学术难题。人类阅读时不仅关注当前词句，还会结合上下文理解。早期神经网络难以做到这一点，直到2014年循环神经网络(RNN)的出现才有所突破。

然而RNN存在效率低下的问题，难以处理大量参数。Transformer的出现解决了这一难题，它用位置编码取代了RNN的循环设计，实现了并行计算，大大提升了训练效率。这一改变让AI迈入了大模型时代。

Transformer迅速成为自然语言处理领域的主流方案。它将大模型从理论研究变成了纯粹的工程问题 - 只要有足够的算力和数据，任何有技术能力的公司都能打造大模型。

正如某位计算机科学家所言，AI正在成为一种通用技术，类似于电力和互联网。虽然某些公司的大模型仍领先一筹，但分析师预计，其他科技巨头很快也能打造出相当水平的产品。

百模大战背后的思考

截至今年7月，国内大模型数量已达130个，超过了美国。除中美两国外，一些较为富裕的国家也都推出了自己的大模型，如日本、阿联酋、印度、韩国等。

这种局面让人想起了互联网泡沫时代。但入场容易并不意味着人人都能成为AI时代的巨头。以开源大模型为例，活跃的开发者社群才是其核心竞争力。某社交媒体巨头深谙此道，其开源大模型系列已成为这一领域的风向标。

然而，大多数大模型在性能上仍与顶级产品有明显差距。最新的AgentBench测试结果显示，第二名的得分还不到第一名的三分之二。这种差距源自顶级公司拥有的优秀科学家团队和长期积累的经验。

大模型的核心能力并非仅仅在于参数数量，而是在于生态建设(对于开源模型)或纯粹的推理能力(对于闭源模型)。随着开源社区的发展，各个大模型的性能可能会趋同。

更大的挑战在于商业化。除少数个例外，大多数AI公司在投入巨额成本后仍未找到盈利模式。即便是行业领军企业，在AI产品定价上也面临困境。

高昂的算力成本已成为行业发展的阻力。据估算，全球科技公司在大模型基础设施上的年度支出可能远超其带来的收入，存在巨大缺口。

尽管某些公司的突破性产品引发了这场AI革命，但单纯依靠训练大模型所能创造的价值仍存疑问。随着竞争加剧和开源模型增多，纯粹的大模型供应商可能面临更大压力。

就像iPhone 4的成功不仅仅在于其处理器，而是因为它能运行各种应用。AI领域的真正价值或许也将在具体应用中彰显。