本文来自微信公众号“物联传媒”，作者：旸谷。
ChatGPT发布不过半年，以LLM大模型为基点的全球性AI再造竞赛已进入白热化竞争状态。据不完全统计，国内类似ChatGPT的产品已经有接近40个。ChatGPT依赖大模型、大数据、大算力支撑，其出现标志着通用人工智能的起点和强人工智能的拐点，是里程碑式的技术进步。
可以预见的是，大模型时代，AI开始像人一样思考和工作，传统的交互方式和内容生成方式将被彻底颠覆，新的业态和商业模式将出现，相关产业也将被重构。下面，笔者将基于大模型发展的现状，给出相关行业洞察。
大小巨头抢跑GPT,不止于算力
如今，各大厂商主要围绕着算力和模型展开竞赛，算力焦虑自大模型诞生之日起便与日俱增。但笔者认为，“得算力者得天下”的论断仅在大模型竞争的前期阶段有效，这一阶段的竞争核心是资质筛选，以最快速度和绝对优势实现攻城略地是大厂商的生产策略。这也解释了为何各家都有在按部就班地训练大模型，但却只在ChatGPT出现后才真正出现疯狂井喷之势。
作为智能时代的基础设施，大模型的算力就如同工业生产中的电力，并非所有企业都有能力建发电厂，因而势必只能诞生少数大模型运营商提供基础底座支持。
那么，没有先发优势和算力优势的小厂商再进入强强竞争的生态中是不是就没了活路？非也。
算力并不能成为持续的第一竞争力，GPU卡数量越多，也并不意味着大模型的表现就越优秀、企业使用大模型的效果就越好。这也是为什么，GPT降临后，大模型厂商一边拼命卷算力模型，一边困惑着如何在同质化严重的产品中走出自己的路。
目前，国内的行业生态遵循着这一基本路线——用底座做通用大模型，在通用大模型的基础上建行业垂类大模型，通过B、C端联动的方式筑起自家的生态围墙。
诚然，在这种基础资源的绝对优势面前，小厂商很难突围。但这一路线的弊端也显而易见，很多时候大巨头们忙着靠算力抢站位，无暇顾及落地。唯有产品模式真正能落地，才能持久地运用好已有的算力优势。作为落地的关键环节，资源分配的先后顺序、产品形态的想象能力，以及商业模式的设计，都是实现超车的重要因素。
因而即使是小厂商，也可以在已有的产业版图上通过比拼专业度，兼顾技术、用户与赛道，来发挥专业特长，规避资源调度的短板，开辟竞争新路径。
可以说，在大模型竞赛度过以算力为第一驱动力的“跑马圈地”阶段后，大模型的真正铺开，带来各行各业的重构式革新，一定是在算力、框架、模型、应用所构筑的四维架构下驱动的。如果现有的巨头厂商无法协调好这四维的发展层次，就会逐渐失去竞争力与规模优势，最终消失在GPT时代的市场版图中。
AI之于企业，需要更多想象空间
AI所能做到的，不止是替代人力拥有更强大的大脑，那么如何最大发挥其效能，关键还是在于运用方式。
将AI当作一种功能拓展，它会是产品升级的有力亮点。
目前，亚马逊正在准备将生成式AI和大型语言模型通过其Alexa Teacher模型引入到语音助手中，来提升用户交流体验和智能家居使用的效率。无独有偶，阿里也瞄准了智能家居作为AI应用场景嵌接的首要端口。在不同型号的天猫精灵音箱设备和几千种终端型号中，都将接入AliGenie 6.0智能交互系统。阿里巴巴集团CEO张勇也曾表示，阿里巴巴所有产品未来都将接入“通义千问”大模型，进行全面改造。面向AI时代，所有产品都值得用大模型重新升级。
将AI看成高阶劳动力，它能创造出更多。
在过去，AI在产品质量检验、设备预警管控中发挥着特定的作用。未来，随着生成式AI不断深入制造企业的生产流程，AI将在设计仿真和管理协作方面发挥更出色的性能，而这两点也是AI在大模型赋能下所实现的高阶技能突破。
参与到产品研发中的生成式AI将以广袤的智能储备带来显著的效率提升。Monolith AI公司在2023年工博会上带来其机械工程仿真解决方案，基于该方案，创建者依靠实时数据每次进行仿真都会开发一个模型，省去许多测试程序，该公司的目标是到2026年将十万名工程师的产品开发时间缩短50％。
而参与到供应链管理中的生成式AI既能与人无障碍沟通，又能串联起机器的语言从而实现更高维的协作。一方面，实时数据追踪和数据分析以及可视化表达让管理者能实时了解生产动态，便于管理调度。另一方面，人也可以通过简易的语言指令来指挥机器的运作，实现人—物—物的链接，最终实现全自动化的制造生态。
目前，大模型训练的数据来源主要是互联网数据，以文本和图表为主，且通用大模型并不适配于工业场景的需求，因而许多投资者并不看好AI在制造生产领域的前景，但随着未来商业模式的明晰下定制化模型的拓展，以及私有云部署的安全优化，生成式AI必将在生产制造业铺开更广阔的应用空间。届时，基于客观物理实体产生的物联网数据将成为生成式AI模型训练的主要数据来源，AI的可控力和模型的精确性将大大提升，为物联工业拓展出更多可能性。
软件价值重定义，更广阔的服务市场
由大模型所开启的AI经济的序幕，意味着一般意义上的AI模型即将被大多数消费者、软件厂商所接受。
未来，在大模型市场的竞争中，绝大多数企业都会被淘汰，形成少数几家头部大模型厂商，后面跟着庞大长尾的大模型团队来服务各个行业客户的格局。而这长尾便是AI经济的源头活水。
大模型虽与传统人工编写的软件采用了完全不同的生产方式，但并未出离软件的本质，可以通过在用户使用的过程中不断进行重新训练、微调来满足用户的具体需求，这便导致大模型训练需求的源源不断。
也正如前Google AI算力平台工程师赵亚雄所言：“如同中国跳过PC互联网的成熟而直接进入移动互联网，中国的软件服务业也会跳过SaaS进入AIaaS阶段，这意味着绝大部分软件应用都会用AI模型来支持其功能，也意味着更广泛的AI算力需求，这是极为广阔的市场空间。”
大模型的出现意味着以AI为主体的软件服务会给中国软件产业带来跳跃式发展，拓展出更大的价值空间，国内传统的对于硬件设备优先于软件的价值次序或将迎来重构。基于此，以大模型训练为开端，逐步扩大和深入发展的国内AI经济，将会是一个多元多维发散，潜力十足的市场。
