AI企业曾经受困于投入和回报难成比例的问题，在今年的人工智能大会上，大模型的“变现”之路也成为外界关注焦点。
“（商业化）就像小时候玩打砖块的游戏，把砖块精准地打到一个缝隙里去，首先要知道缝隙在哪儿，路径在哪儿。”7月5日，2024世界人工智能大会暨人工智能全球治理高级别会议（简称“WAIC2024”）现场，智谱AICEO张鹏在接受澎湃新闻采访时，谈及自己的看法。
他提到，对于大模型的商业化之路，整个AI行业都需要耐心，也需要前赴后继地探索。目前智谱AI正在布局国际业务线，积极进军海外市场。
“实际上，目前大模型的语言和文字能力已经略微超过人类的平均水平。大模型的下一步，是不再成为‘缸中大脑’”，走入到生活、工作和生产中，创造实际的生产力。”张鹏表示。
大模型应用开发就像“沿途下蛋”
AI如何落地应用、何时将会出现超级应用是这次大会的热议话题。
百度CEO李彦宏在开幕演讲中提到，要避免掉入“超级应用陷阱”，认为一定要出现一个10亿DAU（日活用户）的APP才叫成功，这是移动时代的思维逻辑。AI时代，规律可能不是这样的，“超级能干”的应用比只看DAU的“超级应用”更重要。
李彦宏还提到，应用并不遥远，最简单的是智能体，这也是百度最看好的AI应用的发展方向，搜索是智能体分发的最大的入口。比如，刚刚过去的高考季，很多大模型公司热衷于写高考作文，李彦宏认为使用价值并不大，真正的需求是大量考生在考完之后要报志愿，选择学校与专业，这时需要一个智能体来回答考生专业的问题。
张鹏坦言，在大模型这样一个日新月异的行业，更需要“沿途下蛋”：不能等到技术完全成熟再落地应用，而是要在快速迭代技术同时，相应地进行产业落地，这也是大模型应用开发的普遍思路。
在落地中，行业的超级应用什么时候产生？能否达到千万级日活跃用户？不少从业者似乎都指向了一致的答案——短期期望不应过高，应该少一些对于发展速度的苛求。
张鹏认为，超级应用的出现并非完全是技术驱动的事情，它还涉及很多因素，比如市场、用户是否准备好了,需要时间作为基础。举例而言，谷歌打造出世界第一的搜索引擎，到探索出成功的商业落地路径，花了6年；而现在的Meta，原来的Facebook也同样如此，“从AI行业来说，不能只看到最终结果，更重要的是采取行动。”
智谱AI成立于2019年，专注于人工智能大模型研发与商业化落地，由清华大学知识工程实验室（KEG）技术成果转化而来。
对于大模型的商业化，近期最为明显的趋势就是大模型的“价格战”。对此，人工智能企业MiniMax创始人、首席执行官闫俊杰认为，这是非常正常的事，本来就应该降低，“对于大部分企业来说，价格降低的好处是会有更多的用户，更多的用户使用时长，更多的流量，产生更大的价值，然后基于质量和价值，找到一种好的商业模式。”
当下大模型市场竞争激烈。此前，金山江创投主管合伙人朱啸虎曾在2024创投十年高峰论坛上表示，“5年后将没有独立的大模型公司存在”。
对此，闫俊杰认为，未来全球只会剩下5家大模型企业，但他也不知道中国会有几家。在他看来，AI时代，大厂与初创公司最终所占的市场比例，可能会比互联网或移动互联网公司的比例更为凄惨，“极端的比例可能会达到9：1”。
大模型的下一步：超级智能和超级对齐
“百模大战”后，大模型产业下一步到底会走向何方？
张鹏认为，超级智能和超级对齐是大模型发展的两个主要方向。
在超级智能方面，大模型将来会不再限于“缸中大脑”，而是“脱虚向实”，走入到实际的生活、工作当中，创造实际的生产力。这意味着大模型除了语言能力以外，还要具备视觉、听觉、执行等方面的能力，逐步向多模态发展。所谓多模态，就是指模型能融合各种能力，理解人的意图，把人的意图拆解成一些逻辑性的执行步骤，并且连通物理世界去完成工作。
而在发展速度的“狂飙”之下，“以善治促善智”也日益成为大模型发展的另一大命题。在大模型具备更强的干涉物理世界的能力的同时，也相应的安全和对齐措施以防止其对现实世界中造成危害。
开源和闭源的路径选择也是AI企业面临的争议话题。对于开源和闭源，诸多巨头各有倾向，有OpenAI的GPT系列、百度的文心大模型、月之暗面的Kimi等为代表的闭源大模型，也有Meta的Llama系列、阿里旗下通义千问的Qwend模型等为代表的开源大模型。
此前，智谱AI曾经发布GLM-4的最新版本GLM-4-9B，多模态模型GLM-4V-9B也已上线，每一代智谱大模型均有对应的系列开源模型。
“开源和闭源不是对立的。”张鹏告诉澎湃新闻记者，闭源往往被视为一种商业化路径，通过提供更安全、更专业的服务来满足市场需求。开源则是一条旨在丰富技术生态、推动创新的道路，“技术生态就像生物圈一样，必须要保持一定的多样性。”开源的最终目标是鼓励开发者深入参与到技术核心发展，以保持持续创新。张鹏表示，“开源与闭源的争论，也不止是谁更好的二元问题，而是涉及看待产业发展的不同角度。”
李彦宏在世界人工智能大会上也指出，同样参数规模之下，闭源模型的能力比开源模型要更好，而如果开源想要能力追平闭源，那么它就需要有更大的参数，这就意味着推理成本会更高，反应速度会更慢。
在李彦宏看来，当处在一个激烈竞争的市场环境中时，还是要闭源大模型，闭源才有真正的商业模式，才能聚集人才和算力。开源模型在某些场景下有价值，例如学术研究。
特别声明：本文转载仅仅是出于传播信息的需要，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、网站或个人从本网站转载使用，须保留本网站注明的“来源”，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，请与我们接洽。
