大模型「六小虎」里，至少两家要放弃大模型了

主要观点总结

本文讨论了从模型到应用的转变，在追赶AGI之前，AI公司面临生存压力，开始调整策略，专注于AI应用而非预训练模型。文章分析了背后的原因，包括资金短缺、算力成本压力、与OpenAI的技术差距等。同时，模型公司转向应用也是基于变现渠道的考量，因为目前大模型本身的变现渠道并不清晰。此外，开源模型的崛起也削弱了闭源模型的竞争力。一些公司开始抓住AI应用的盈利潜力，而仍在坚持预训练的厂商则在技术上寻求降本增效的方法。文章指出，放弃预训练模型并不意味着消极，反而是厂商重新思考和整合技术范式和行业资源的体现。

关键观点总结

关键观点1: AI公司面临生存压力，从模型转向应用，专注于AI应用而非预训练模型。

随着资金短缺和算力成本的压力增大，AI公司开始调整策略，将重心转向AI应用。这是因为相比于预训练模型的高成本，AI应用更为实际和具有盈利潜力。

关键观点2: 预训练模型存在高成本和技术瓶颈问题。

预训练模型需要大量的算力和数据投入，成本高昂。同时，技术瓶颈使得模型性能提升困难，难以与OpenAI等领先企业拉开差距。

关键观点3: 开源模型的崛起对闭源模型构成挑战。

随着一系列开源模型的性能提升，闭源模型的竞争力被削弱。这使得模型厂商面临更大的压力，需要寻找新的竞争优势。

关键观点4: AI公司开始重新思考和整合技术范式和行业资源。

一些公司放弃预训练模型，转向抓住AI应用的盈利潜力。同时，仍在坚持预训练的厂商则在技术上寻求降本增效的方法。这是厂商重新思考和整合技术范式和行业资源的结果。

免责声明