自从ChatGPT 4.0 发布之后，大家一方面期待着5.0的发布，一方面国内大模型开始卷智能体和应用，以至于有人开始怀疑：大模型是不是变慢了？这篇文章，希望可以解答你的疑问。
最近逛知乎听到不少声音：这波大模型是不是到了低谷期？感觉热度不比以前了。等了一年都没等来GPT-5，的确大模型更新速度也变慢了…
这个话题成功激发了我的好奇心，同时也引发了系列思考：
目前大模型的发展是否真如有的人所说在降温降速？如果行业热情和前景还在，那么今年以来，为什么国内外大模型的发展会给人们带来这种感觉？有哪些深层次的原因在左右整个行业的发展走向？于是便有了此文。以下，共享~
作为大模型赛道的一员，身在其中，笔者可能没觉察到多少异样。恰恰相反，个人感觉对比2023年，行业客户对大模型及AI应用的接受度和商用认可度有增无减。尤其随着越来越多大模型应用案例的成功落地，AI加速赋能千行百业正逐渐从“口号”变成现实。
如果说低谷是指“百模大战”的新进参与者不再是野蛮增长的状态，或者现有大模型选手的更新频次不同以往，个人觉得这或许是行业自然发展的一种映射。
毕竟大模型赛道本身具有一定进入门槛，只有前期拥有较深的技术沉淀和长期的蓄力的选手，才能获得准入资格。在市场爆发的窗口期，有条件的选手基本已经抢先进入。即便有后来者，但在越发拥挤的赛道和逐渐激烈的市场竞争面前，再进入的一般不会太多。即便有，也可能另辟蹊径，这是其一。
其二，因为基础大模型一开始就很偏向于“巨头间的游戏”，少数头部玩家手握绝大多数的资金和资源，这使得这一赛道的新进入者，更容易在持续高投入面前望而却步。相比之下，大模型应用赛道有更多发展可能，但在多方势力角逐下，行业也在面临洗牌，呈现“强者愈强，弱者愈弱”的局面。随着市场格局逐渐成型，新加入的玩家少，也容易带来行业降温的错觉。
从大模型厂商的产品更新看，虽然今年以来，很多主流玩家很难保持刚成立时“拼命三郎”式的更新频率（比如百川智能在成立半年内接连发布baichuan-7B/13B、Baichuan-53B、Baichuan2-7B/13B等多款大模型产品），但整体的“上新”力度和性能提升依然可观。
比如自2018年发布GPT-1以来，一直保持几乎一年一次迭代的OpenAI，今年虽然没带来大众期待已久的GPT-5，但推出的新一代大模型o1仍在业内引起了轰动，还开创了Scaling law定律外，不拼数据量，也能实现模型性能显著提升的新思路。
OpenAI强有力的竞争对手Anthropic去年3月、7月、11月密集发布了Claude初版，Claude 2，Claude 2.1，今年节奏虽有放缓，但也在3月和10月先后发布Claude 3系列、升级版 Claude 3.5 Sonnet、新Claude 3.5 Haiku等模型，整体表现还算平稳。
国内基础大模型方面，阿里于今年5月发布通义千问2.5，6月百度上线文心大模型4.0 Turbo，百川智能在今年上半年先后发布千亿参数大模型 Baichuan 3、角色大模型Baichuan-NPC、新基座大模型Baichuan 4，智谱年内陆续推出GLM-4、CogVideoX、GLM-4-Plus、GLM-4V-Plus…总体来看，国内主流大模型厂商其实动态不断。
但为什么还是有人感觉大模型更新好像没那么勤了，热度也降了？
除了因高质量数据、算力等方面面临瓶颈，导致模型代际周期受到一定影响（“大力出奇迹”式Scaling law策略不再那么有效可行）。笔者觉得，很大一部分原因，可能在于持续惊喜和刺激后带来的情绪波动在变小。毕竟前期给到大众模型性能越惊艳，后期除非有突破式进展，否则人们面对再多的水花也可能波澜不惊。而目前抛开Scaling law另辟蹊径，来大幅拓展AI大模型的能力边界，需要时间，也需要大量的探索。这也推动着大模型厂商降低迭代速度，从“小步快跑”转向长线运营。
此外，商业变现压力也推动大模型厂商放慢迭代速度，转向客户转化和服务。为此，我们也不难发现：今年以来，国内外主流大模型厂商都在加快商业模式的完善和行业落地。当提升产品的适用性与性能，比起大量开发新品占有更多优先级，也可能引起大模型发展放缓的错觉。
目前基础大模型及大模型应用赛道正稳步前行，但仍呈现出一些代表性趋势。
比如上面提到的AI大模型底层技术的对齐与进阶。
就行业而言，现阶段GPT-4 Turbo、新模型o1仍代表业界前沿水平，也是国内大模型争相对标和赶超的对象。而就内部来说，推动新模型产品在性能、模型能力等方面，实现比以往大模型产品有显著的提升和进阶，这样的举措只会多，不会少。
其次，大模型多模态能力的开发正成为很多大模型服务商不约而同的选择。尤其是视频生成领域，今年以来，国内主流的基础大模型厂商对标Sore，基本都推出了自己的重量级视频生成模型。
摘自网络公开信息，以上为不完全统计，仅供参考
从结果看，处于V2.0阶段的视频生成模型在提示词还原度、物理模拟、画面表现力、运动控制、运镜控制、光影反射、主角统一、镜头切换、视频长度、生成等待时长等方面均有不同程度的提升。加上视频生成与广告、影视、动画、游戏等多领域的业务关联与广阔的商用前景，使得AI视频生成模型虽然并非全新的赛道，却因为能力方面的大幅跃迁，吸引到更多玩家布局。
大模型应用方面，虽然比拼的焦点不在视频生成模型，但图像理解、音频理解、视频理解等方面的能力和需求，在客服、销售、营销等场景的落地过程中的显得越发强烈。以上推动当下一些大模型应用商深度打磨多模态能力，以更好地服务于相应业务场景。
与此同时，为了满足复杂场景的应用需求，拓展大模型的能力边界，发展AI agent（智能体）也正成为基础大模型及应用厂商主动或被动的选择。
比如越来越多的通用大模型厂商倾向于通过对智能体的探索，挖掘和自身业务更匹配的应用场景。而大模型应用厂商为了打造更智能、强大的AI应用产品，增强自身竞争优势，也陆续在智能体应用上投入更多的精力。
尤其是今年以来，包括微软、谷歌、百度等在内的公司，在加大布局AI业务的同时，也加快推出了自己的AI智能体生态项目。而在实际落地中，AI公司利用智能体，丰富商业化场景的案例也相当普遍。
综上，随着现阶段大模型市场的成熟度越来越高，行业逐渐告别野蛮生长的状态，从百花齐放走向开花结果。也许在时间长河中，行业有高潮，也有低谷，但高潮与低谷其实本身就是一种常态，也是一种相对的状态，与其介怀，还不如一同前行。
在商业化压力的推动下，国内外基础大模型厂商纷纷和应用结合，并布局多模态能力、智能体等，以拓展AI的应用场景，加速通用人工智能的实现，这点显得有些不谋而合。
司普科技CEO张振广先生曾在公开演讲时表示：目前就AI大模型而言，世界牌桌上其实只有2.5个对手。特别是今年以来，大模型领域，中美的双强格局越发明显。
也许在底层技术上，国内之前大多处于追赶状态，但随着新一波大模型尤其是多模态模型的深度发展，有些方面我们其实已经走在了前面。
备注：本文原创，首发司普科技，第三方首发人人都是产品经理。
本文由 @iseeworld 原创发布于人人都是产品经理。未经许可，禁止转载。
题图来自 Unsplash，基于 CC0 协议
该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。