AI大模型竞赛:工程问题还是科研难题?

上个月,AI界爆发了一场"动物大战"。

一方是Meta推出的Llama(美洲驼)大模型,因其开源特性深受开发者欢迎。另一方是名为Falcon(猎鹰)的大模型,由阿联酋的科技创新研究所开发。两者在开源LLM排行榜上轮番登顶。

有趣的是,阿联酋政府表示参与AI竞赛是为了"颠覆核心玩家"。如今,但凡有点财力的国家和企业,都在打造自己的大语言模型。

这种"百模大战"的局面,源于2017年谷歌发表的Transformer算法论文。Transformer解决了自然语言处理的诸多难题,让大模型从理论研究变成了纯粹的工程问题。只要有足够的算力和数据,几乎任何团队都能训练出大模型。

然而,开发大模型并不意味着能在AI时代胜出。Meta的Llama虽然排名不如Falcon,但因其活跃的开发者社区,仍然是开源LLM的风向标。而在性能上,大多数LLM与GPT-4仍有明显差距。

大模型的核心竞争力在于生态建设或纯粹的推理能力,而不仅仅是参数规模。此外,高昂的算力成本也成为行业发展的阻力。据估算,全球科技公司在大模型基础设施上的投入远超其产生的收入。

目前,除了少数个例外,多数AI公司还没有找到盈利模式。即使是微软、Adobe等软件巨头,在AI产品定价上也面临困境。

随着同质化竞争加剧和开源模型增多,单纯的大模型供应商可能面临更大压力。未来,AI的价值或许更多体现在具体应用场景,而非模型本身。