中国大模型洗牌年将开启，暗藏两大逻辑_新浪财经

　　高额融资难以持续，短期内技术弯道超车希望渺茫，科技公司们在2025年会减少在技术上的新投入，转向实际应用和商业化，在这个过程中会有一些公司淡出舞台

　　文|《财经》记者刘以秦

　　2024年，AI（人工智能）领域的融资热度终于有所回升。第三方数据机构企名片数据显示，今年前九个月，AI领域共完成融资金额371.5亿元，相比去年同期翻了1倍多。此前AI融资额已经连续两年下滑。

　　但这一趋势在2025年很难持续。

　　目前，AI领域的投资方相对集中，以一二线地方政府基金、国央企和巨头科技公司为主，投资方向以AI大模型为核心，包括基础大模型、具身智能、大模型应用等方向。这些方向的特点是资金需求量巨大，也因此大部分的融资额都被头部创业公司拿走了。对应在数据上，今年整体融资额同比翻了1倍多，但融资交易数只增长了约10%。

　　政府引导基金和国央企组成的国资投资方们，虽然大力支持科技创新创业，但其方向是“投新、投早、投小”，其更愿意投新成立的公司，而非再次投那些已经投过且估值很高的独角兽企业。但接下来还有能力、有决心、有号召力进入大模型领域的创业者越来越难找了。

　　对于科技巨头们来说，继续对外投资大模型的意愿也在下降。阿里、腾讯、美团等公司已经投资多家大模型创业公司，其本身也有大模型业务，行业竞争越来越激烈，接下来更多的注意力会放在自身业务上，会更关注技术的实际应用。

　　因此，2025年，一个相对确定的趋势是，高额融资难以持续，短期内技术弯道超车希望渺茫，科技公司会减少在基础大模型上的新投入，转向实际应用和商业化，价格战等抢占市场的动作还将持续一段时间。这个过程中会有一些公司淡出舞台，行业洗牌开始。

　　亟待形成商业闭环

　　2022年后，科技巨头和AI创业公司们纷纷投入大模型军备战。中国信通院数据显示，截至2024年7月，全球AI大模型数量为1328个（包含同一企业、同一模型的不同参数版本），美国的AI大模型数量位居第一位，占比44%，位居第二位的中国大模型数量占比为36%。

　　中国和美国在大模型领域呈现出双强格局，但业内的共识是，中国依然处于追赶状态，尤其在底层技术上，中国科技公司相对薄弱。

　　2023年至今，几乎所有的头部科技公司都在强调“预训练模型”，也就是通过长期堆算力和数据，将模型训练成接近通用的基座大模型。

　　所有人都知道这个过程耗资巨大，但只有真正经历过这个阶段的人才清楚到底有多大，持续投入究竟有多难。据媒体报道，GPT-4的一次训练成本约6300万美元，2022年的总训练成本约5.4亿美元。OpenAI称2024年的运营成本将超过85亿美元，预计亏损约50亿美元，预计2023年至2028年的总亏损（不包括股权补偿）将达到440亿美元。OpenAI还提到，模型训练成本还将进一步增长，预计到2026年每年将达到95亿美元。

　　此外，模型上线后的运营成本也极高，2023年4月，OpenAI每天为ChatGPT支付的运营成本约694.4万美元，年化运营成本约为2.5亿美元，综合年化成本可能超过13亿美元。

　　对比来看，目前中国头部的AI创业公司单笔融资金额最高在5亿-10亿美元；百度2023年全年的净利润是287亿元（约合41亿美元）。

　　中国科技公司整体投入的体量没有美国公司那么庞大，但也是一笔不菲的费用。过去大家相对坚定投入有几个因素，对于大型科技公司来说，AI能力可能决定它们是否会被取代甚至淘汰，且AI技术本身和科技公司的业务密切相关，即便要“降本增效”，在AI技术出现新突破时，投入也是必须的。

　　对于创业公司和投资人来说，OpenAI以及一系列新涌现的独角兽企业证明了这件事的创业和投资价值。它们想做出“中国的OpenAI”，更焦虑于真的有人做成了，但那个人不是自己。

2024年7月5日，上海世界人工智能大会上的大模型、AI+平台能力展示。图：IC

　　整个科技行业热闹一年多后，不少人冷静下来，他们发现似乎在未来一段时间内，几乎不可能有人能实现这一目标，投资方也意识到大模型的“烧钱”是个无底洞，难以在有限时间内收到投资回报。

　　大公司们几乎是在开启大模型的第一天就在努力做应用和商业化，创业公司们本可以在早期通过融资，专注打磨技术，但在现实压力下，它们的空间被缩窄，必须提前考虑自我造血。与此同时，市面上的大模型产品和服务没有太多差异化和明显优势，也由此出现了“价格战”。

　　2025年，中国大模型产业会进一步探索落地应用和商业化机会，良性竞争不能停留在价格上，AI行业需要找到新的突破口。

　　商业化的基础条件

　　今天，大模型距离大规模落地应用还有差距。要实现商业化，需要满足几个条件。

　　一是模型本身的能力。不同的应用场景需要不同的能力，大模型之所以带来巨大的热度，是因为找到了一条大概率能让模型具备通用能力的路径，也就意味着一个基础模型可以在训练后适应绝大部分的应用场景。

　　二是有愿意为模型能力买单的市场和用户。大部分用户买单的原因是产品和服务能带来价值，价值不光是解决具体问题，如提升工作效率、提供情感陪伴等，市场上还有一类价值是“符合政策方向”。

　　第三就是要具备找到具体客户并交付的能力，这考验的是AI公司在技术和产品之外的能力，甚至在很多时候，这项能力比技术实力更能帮助AI公司成长。中国的AI市场和美国不同，很难通过平台销售软件的模式打开市场，大部分时候需要抓住一个个的项目和工程来实现商业化。

　　2025年，大模型依然会在通用的道路上前进，且很难在短时间内实现真正的通用。再加上国外的开源模型能力越来越强，对于多数中国科技公司来说，再去“卷”参数、做预训练价值不大，很可能是几十亿元投入换回“0元购”的订单。但可以通过针对性训练，去提升较小模型的专有能力，也相当于是“降本增效”，是更符合当下市场环境的做法。

　　巨额投入的AI公司们已经开始陆续对外提供算力服务、模型训练服务等业务。

　　科技公司们也开始陆续意识到，仅发布一个免费的应用，并不能为公司带来直接收益，C端用户量很难增长，获客成本已经明显提升。更重要的是去直接触及那些愿意付费的行业客户，例如金融、政务、汽车等。2025年还会有更多新行业被挖掘。

　　通常有大量公司集中进入某个行业时，会出现价格战，因为大家都需要有标杆客户来为之后的市场拓展铺路。价格战会让一些公司主动或被动退出，随后价格恢复常态。但矛盾之处在于，“有钱”的领域大家都想进入。找到那些需求相对分散、竞争者还不多的新领域是一个可选项，但这更适合规模较小或不依靠融资的AI公司们来做。

　　一些AI公司也开始拓展海外市场，但今天国际形势复杂，尤其是涉及AI技术方面，遇到的挑战更大。不仅如此，一旦进入国际市场，就要和美国公司、欧洲公司正面竞争，会更考验公司的技术、产品和服务能力。

　　2025年，对于科技巨头公司来说，有自身业务可以和大模型结合，相对安全，更考验的是它们的耐心和继续投入的决心，要跟上新技术的步伐，不断优化研发到应用的流程。创业公司会相对艰难，尤其是今天估值已经很高的独角兽企业，因为需要有力证明自己的商业化能力，甚至要开始考虑IPO（首次公开募股）的方向，这两件事都有挑战。