一年前，騰訊在全球數(shù)字生態(tài)大會上發(fā)布了混元大模型。一年后，“百模大戰(zhàn)”告一段落，巨頭和獨(dú)角獸的格局初定，但市場對大模型的期待值似乎有所回落，業(yè)界對大模型的能力邊界正在重新認(rèn)知。
近日在與第一財(cái)經(jīng)等媒體的對話中，騰訊集團(tuán)高級執(zhí)行副總裁、云與智慧產(chǎn)業(yè)事業(yè)群CEO湯道生回答關(guān)于AI市場熱度下降的問題時(shí)表示，就像以往新技術(shù)所經(jīng)歷的周期一樣，一開始大家一窩蜂投入、投資甚至造成泡沫，然后發(fā)現(xiàn)新技術(shù)變革需要時(shí)間沉淀，甚至要等第一波資本驅(qū)動的不是很專業(yè)的玩家被淘汰，才能回到理性、務(wù)實(shí)的狀態(tài)�！癆I大模型現(xiàn)在也是這樣，大家可能一開始期望比較高，因?yàn)檫�沒有經(jīng)歷過打磨時(shí)間，（現(xiàn)在）鐘擺擺到了另外一個(gè)方向，這是我的感受。”
在大模型發(fā)展初期，云與大模型走得很近，算力消耗反映著大模型需求與熱度。騰訊集團(tuán)副總裁、政企業(yè)務(wù)總裁李強(qiáng)告訴第一財(cái)經(jīng)記者，過去兩年大模型橫空出世帶來GPU算力巨幅增長，以及支持大模型訓(xùn)練相關(guān)產(chǎn)品的快速增長。但從應(yīng)用側(cè)看，大模型在To B側(cè)的商業(yè)化遠(yuǎn)沒有大家想的這么欣欣向榮。相對而言，目前大模型在容錯(cuò)率相對高的場景應(yīng)用會更好，騰訊仍在面向企業(yè)客戶的大模型服務(wù)則提供靈活多樣的適配方案，并探索大模型和云產(chǎn)品的結(jié)合。
AI收入大頭還是GPU算力
騰訊最新財(cái)報(bào)顯示，今年第二季度，騰訊金融科技與企業(yè)服務(wù)收入同比增長4%，其中企業(yè)服務(wù)業(yè)務(wù)同比增長十幾個(gè)點(diǎn)。騰訊云的客戶包括國內(nèi)超80%頭部大模型廠商。不過這份騰訊財(cái)報(bào)對AI帶來的變化談及不多。
對于騰訊云收入中有多少是來自AI，湯道生告訴第一財(cái)經(jīng)記者，數(shù)據(jù)現(xiàn)在可能很難量化，但在不斷增加，例如合作的自動駕駛廠商對基于車機(jī)感知數(shù)據(jù)的模型訓(xùn)練在持續(xù)加大投入。從收入結(jié)構(gòu)看，李強(qiáng)則告訴記者，目前騰訊來自AI的相關(guān)收入中，大頭還是GPU算力。
騰訊既向大模型廠商提供算力，又推動自研的混元大模型商用，大模型最初的市場熱度有所下降后，騰訊也在評估這兩部分業(yè)務(wù)實(shí)際能帶來的增量。在此前一次采訪中，湯道生表示，如果投資的大模型企業(yè)成功了，需要持續(xù)的云消耗，這對云業(yè)務(wù)而言是極好的收入來源。但他同時(shí)表示，新科技早期在風(fēng)口，大量資本驅(qū)動創(chuàng)業(yè)公司野蠻生長，可能會過度投資，很多玩家也許是泡沫的一部分，“如果云的收入太依賴資本驅(qū)動的創(chuàng)業(yè)公司來消耗，一旦泡沫爆了，一些客戶會消失，業(yè)績會掉下來，掉下來的時(shí)候會比較痛苦�！�
大模型帶來的GPU算力消耗之外，在推動大模型B端商用方面，云廠商也經(jīng)歷了對大模型能力的重新認(rèn)知。
李強(qiáng)表示，從市場整體看，與AI相關(guān)的收入中，真正來自大模型自身的商業(yè)化產(chǎn)出占比還是較低。他將這個(gè)過程形容為市場從“狂熱”走向“理性”。具體而言，B端行業(yè)壁壘相對較深，AI在工業(yè)領(lǐng)域、傳統(tǒng)行業(yè)的應(yīng)用難度比To C更加復(fù)雜，而大模型還未達(dá)到傳統(tǒng)行業(yè)的要求，例如工業(yè)對容錯(cuò)率的要求更加嚴(yán)苛。
李強(qiáng)解釋，關(guān)鍵應(yīng)用或影響安全生產(chǎn)、重要決策的環(huán)節(jié)不太能接受意外狀況，這時(shí)AI若起到輔助決策會更好。而在一些傳統(tǒng)細(xì)分領(lǐng)域，通用大模型未必是最佳的選擇。例如嚴(yán)苛的iPhone手機(jī)質(zhì)檢，需要拍照并把照片放大一百多倍，使用通用知識訓(xùn)練的大模型在這種場景應(yīng)用沒有意義，效率和成本不如行業(yè)化的小模型。大模型可能無法在所有細(xì)分行業(yè)和領(lǐng)域應(yīng)用。就像沒有必要把孩子培養(yǎng)成名校本科生，再放到專門擰螺絲的崗位。
此外，大模型特別是參數(shù)量巨大的大模型需要在龐大的算力集群上訓(xùn)練，使用這些大模型能力的廠商也依賴于龐大的算力集群提供推理，此前這被認(rèn)為是云廠商發(fā)展公有云的機(jī)會。但B端企業(yè)仍存在關(guān)于數(shù)據(jù)安全的擔(dān)憂，使得依托公有云提供大模型能力的進(jìn)程或也不如預(yù)期般順利。
“國內(nèi)企業(yè)對自有行業(yè)化數(shù)據(jù)保密性要求比較高，設(shè)置了核心業(yè)務(wù)的更愿意以私有化部署的形態(tài)做。而走私有化路線會影響大模型跟行業(yè)的結(jié)合。某種意義上這形成今天的瓶頸。”李強(qiáng)表示，目前大模型To B的部署方式既有私有化部署又有接入API，而在涉及核心應(yīng)用的情況下行業(yè)更多考慮私有化。
大模型真正應(yīng)用在哪里？
騰訊之外，一些科技大廠也在押注AI，部分在最新財(cái)報(bào)提到來自AI的收入增量。例如，在截至2024年6月底的季度中，阿里云AI相關(guān)產(chǎn)品收入實(shí)現(xiàn)三位數(shù)增長，今年第二季度百度智能云營收則同比增長14%，其中AI對百度智能云收入的貢獻(xiàn)比例為9%。國際云廠商中，谷歌今年第二季度云業(yè)務(wù)收入同比增長29%，云收入得到AI需求提振，最新季度微軟Azure和其他云服務(wù)收入同比增加29%，AI貢獻(xiàn)Azure收入增速8%。
從部分廠商披露的數(shù)據(jù)看，AI帶來的收入增速為百分比個(gè)位數(shù)，或AI占云收入的比例為百分比個(gè)位數(shù)，相對此前市場對AI的巨大期待，AI對云收入的提振力度似乎還有待繼續(xù)加強(qiáng)。
李強(qiáng)告訴記者，客戶逐漸認(rèn)識到大模型不能“包治百病”，在場景選擇上趨于理性。相比對容錯(cuò)率嚴(yán)苛的工業(yè)生產(chǎn)場景，另一些場景中大模型有較好的應(yīng)用空間，包括知識管理、營銷、客服、代碼、智能風(fēng)控領(lǐng)域，以及對專業(yè)性要求相對不太高的領(lǐng)域，如野外巡檢場景�？蛻魰噙x擇更高應(yīng)用場景來合作，例如騰訊與中山醫(yī)院合作的醫(yī)療類大模型在醫(yī)療診斷、診斷書相關(guān)撰寫方面推進(jìn)，這算是輔助診療。決策場景中，大模型更多是做輔助決策。知識相關(guān)場景中，大模型在客服、員工培訓(xùn)場景則較普遍應(yīng)用。
就大模型的挑戰(zhàn)，湯道生告訴記者，這既包括高質(zhì)量、公共數(shù)據(jù)相對稀缺的挑戰(zhàn)，又包括大模型落地挑戰(zhàn)，大模型落地涉及數(shù)據(jù)保密、落地成本、結(jié)果準(zhǔn)確、場景選擇等系列問題。此外，還有一個(gè)挑戰(zhàn)是大環(huán)境有壓力的情況下行業(yè)容易出現(xiàn)零和游戲。他認(rèn)為，如果大家焦慮感變強(qiáng)，通過虧損來保持市場份額將不是一個(gè)健康狀態(tài)。
“我看損益表看得很緊，每個(gè)業(yè)務(wù)都應(yīng)該算清楚成本、合理定價(jià)，避免靠別人的利潤補(bǔ)貼自己的虧損。大家需要多一點(diǎn)耐心，今天的技術(shù)或許在某些場景只做到50分、60分，要達(dá)到90分需要時(shí)間去磨。起初很多人認(rèn)為模型可以快速改變世界，最近又有一些悲觀，覺得大模型好看不好用。其實(shí)‘短期高估進(jìn)度，長期低估效果’都不可取�！皽郎Q。
