文｜光锥智能，作者｜周文斌，编辑｜王一粟

“不敢下手，现在中国还没跑出来一家绝对有优势的大模型，上层应用没法投，担心押错宝。”投资人Jucy（化名）向光锥智能表示，AI项目看得多、投的少是这段时间的VC常态。

ChatGPT点燃AI大爆炸2个月中，中国一直在等待自己的GPT-3.5。

AI真的冒犯到了打工人。游戏团队替代掉30%的原画师、电商团队用AIGC生成低成本数字人模特、基础程序员也感受到了被降维打击的焦虑......眼看着GPT在国外要将所有领域都重新做一遍的趋势，科技颠覆裹挟着金钱的味道滚滚而来。

于是，除了焦虑的打工人，企业急着用大模型降本增效，创业者急着接入大模型推出新产品，股市急着用ChatGPT概念割韭菜，培训机构更是先赚一波为敬。

衬托之下，反而显得喜欢追逐风口的中国科技巨头们比以往更沉得住气。

果然，周期使人成长，公司也是。

终于，众望所归、望眼欲穿、姗姗来迟，4月第二周，中国也迎来了新一代大模型的密集发布。

·继通义千问开放测试4天后，张勇在接手阿里云后首次亮相，宣布所有阿里产品未来将接入“通义千问”大模型，进行全面改造；

·商汤科技在10日的技术交流会上，演示了“日日新”大模型的能力：对话、AI绘画、编程、数字人，第二天开盘大涨9%；

·华为盘古大模型在8日低调亮相，但并于10日发布新产品；

·明星创业者王小川公开亮相，携手搜狗老搭档茹立云正式开启AI创业的新征程，将在下半年推出百川智能的大模型；

·毫末发布首个自动驾驶大模型DriveGPT雪湖·海若，把人类反馈强化学习引入到驾驶领域。

就连游戏公司昆仑万维也赶来凑热闹，宣称“中国第一个真正实现智能涌现”的国产大语言模型将于17日启动邀请测试，但随后被媒体质疑其借热点炒作股价。

热热闹闹、真真假假，大模型一时竟然有点乱花渐欲迷人眼。中国的大模型怎么就一下子如雨后春笋般都冒了出来？如果不重复造轮子，大家还能干点什么？

虽然是摸着Open AI过河，但中国大模型也都迈入了无人区。

01 涌现之前：亦步亦趋，又分道扬镳

如果要为AI大模型找一个时间节点，2019年应该是关键的一个。

这一年2月，远在大洋彼岸的OpenAI推出了GPT-2，恰好也是这个时间点，微软慷慨的投入了10亿美元，让OpenAI从“非营利性”组织变成了“盈利上限”组织。

大概在一个月之后，太平洋的另一边，百度发布了ERNIE1.0，成为中国第一个正式开放的预训练大模型。

但这种第一其实有很多，比如华为的盘古大模型，业界首个千亿参数的中文语言预训练模型；比如阿里的M6，中国首个千亿参数多模态大模型；再比如腾讯HunYuan，国内首个低成本、可落地的NLP万亿大模型.....

总之，只要定语加的足够多，就总能在某个领域当第一。那段时间，从硅谷到北京西二旗、再从五道口到上海临港，包括华为、阿里、腾讯、商汤在内，凡是有能力的企业，都开始涉足AI大模型的相关研究。

但中国第一波AI大模型的“涌现”却是在两年之后。

2021年，曾任职过微软亚洲工程院院长、后被雷军亲自邀请到金山接替求伯君任CEO的张宏江，牵头成立的智源研究院发布“悟道1.0”，包括国内首个面向中文的NLP大模型、首个中文通用图文多模态大模型和首个具有认知能力的超大规模预训练的模型等等。

智源成立于2018年，也就是OpenAI发布GPT-1.0的前五个月，作为北京市和科技部牵头成立，并集合学界和头部科技企业资源的研究机构，智源其实是中国早期探索AI大模型的一个代表。

可以说，“悟道1.0”其实为中国后来所有AI大模型的一个样本。除此之外，智源研究院还为中国构建了大规模预训练模型技术体系，并建设开放了全球最大中文语料数据库WuDaoCorpora，为后来其他企业发展AI大模型打下了基础。

也正是在“悟道1.0”之后，中国大模型开始出现井喷的状态。

2021年，华为基于昇腾AI与鹏城实验室联合发布了鹏程盘古大模型。2022年，阿里发布了“通义”大模型系列，腾讯发布混元AI大模型......

在中国AI大模型如雨后春笋般涌现的同时，国外的AI大模型也走到了从量变到质变的节点。

2022年11月，OpenAI发布了基于GPT-3.5的ChatGPT，彻底打开了人工智能的魔盒，然后就是席卷全球的AI 2.0浪潮。

事实上，如果以2018年GPT-1发布为节点，中国的AI大模型的发展与国外的发展脉络一直都亦步亦趋，但ChatGPT为什么并没有出现在中国？

这其实和国内外AI大模型两种不同的发展路径有关。

从目前国外具有代表性的AI大模型产品来看，比如ChatGPT、Midjourney、Notion AI或者Stable diffusion等等，都是以C端用户为基础的产品。

而反观国内，目前大模型的主要应用场景的都在B端。

比如阿里的“通义”大模型的典型应用场景包括电商跨模态搜索、AI辅助设计、开放域人机对话、法律文书学习、医疗文本理解等等，而腾讯的HunYuan-NLP-1T大模型则应用在腾讯广告、搜索、对话等内部产品落地，或者像商汤的大模型，为自动驾驶、机器人等通用场景任务提供感知和理解能力支持。

之所以选择To B，一个重要的原因是，B端能够更容易进行商业化。

To B的行业特点导致中国的AI大模型并不需要做到非常大的参数规模，甚至于当ChatGPT出来之后，国内的公司讨论的一个重要方向，是如何将已有的大模型规模“做小”，应用到具体的行业上。

所以中国采用谷歌BERT路线的AI大模型会比较多，以更小的参数，做更有效率，更适合垂类的场景。

所以某种程度上，从出生的第一天，中国大模型就带着商业化的任务。

而国外To C的大模型则不同，如ChatGPT的用户在短短两个月就达到一亿，其底层预训练大模型GPT-3.5作为通用大模型，“大”成为参数的一个基本要求。

这在某种程度上促进OpenAI不停为GPT增加参数，然后激发更强大的“涌现”现象，最终实现“大力出奇迹”的ChatGPT。

因此，To B和To C两种完全不一样的发展路径，也将中国和美国的AI大模型引向了两种完全不同的发展方向。