AI开场秀落幕后：国外机构忙着打破泡沫，中国却在忙着打破门槛|AI_新浪财经

自去年ChatGPT彻底点燃了人工智能（AI）的开场大秀后，全世界的人们都发现，从来没有哪项技术能像AI一样，可以用“日新月异”来形容：无论大模型还是芯片，都在以惊人的速度升级迭代；而以中美为首，带动了整个行业呈现出千帆竞发的盛况。随着技术的飞速迭代与市场的深刻变革，开场秀终将落幕，现实的问题终将摆在所有人面前：如何应用？如何盈利？

于是，一个清晰的共识正在逐渐形成：AI的发展已经走过了单纯的“大模型军备竞赛”阶段，正式迈入了“场景应用深度挖掘”与“创新理念引领”并重的下半场。

在这个新的发展阶段，如何在技术创新与商业应用之间找到最佳平衡点？如何在激烈的竞争中寻求合作契机？如何在挑战中发现并抓住发展机遇？这些问题，已成为从业者们深思熟虑并给出答案的关键课题。中美两国作为领头羊，其动向无疑吸引了全世界的目光。两国的战略选择、技术投入与市场动态，正以前所未有的方式塑造着全球AI的发展轨迹与竞争格局。

美国视角：投资迷雾与商业化困境

美国，作为AI技术的发源地，其在大模型研发上的投资巨大，但商业化进程却步履蹒跚，面临着投资回报率低和市场泡沫的风险。

在AI的热潮之下，市场展现出无比热情。英伟达、Meta、特斯拉、亚马逊、谷歌母公司Alphabet、微软以及苹果，这七家被誉为“七巨头”（Magna 7）的科技巨头，在2023年的股市上大放异彩，其股价分别飙升了239%、194%、102%、81%、59%、57%和48%。

然而，在这股热潮的背后，却隐藏着不容忽视的阴影。今年6月末，高盛的一篇名为《投资太多，收益太少》更是将AI泡沫论推向了前台，文章直言，大公司计划在未来几年投入巨额资金于AI相关领域，但除了略微提高开发人员的工作效率外，并未见到其他显著成果。红杉资本也认为，AI产业泡沫正在加剧，而AI盈利的需求缺口不断扩大。不少机构纷纷发出警示：AI大模型的研发正面临前所未有的挑战。尽管资金投入持续增加，但商业化进程却远未达预期，收入增长乏力，盈利前景堪忧。更为严重的是，行业泡沫的风险日益凸显，投资回报率低迷，引发了对于AI产业可持续性的深切忧虑。

具体来看，首当其冲的便是商业化与投入产出问题。当前，大模型研发的投资持续增加，但商业化路径却尚未明确，导致投入产出比严重失衡。赛道的发展前景模糊不清，使得投资者和开发者均面临巨大的不确定性。此外，AI大模型的收入增长不足，盈利前景堪忧，进一步加剧了市场的焦虑情绪。特别是随着技术的进步，AI模型的训练成本不断攀升，例如《2024年人工智能指数报告》称，OpenAI的GPT-4模型训练成本预计高达7800万美元，而谷歌的GeminiUltra模型更是高达1.91亿美元。这样的高额成本对于许多企业来说是一个重大的负担，尤其是在回报不明确的情况下。

另一方面，AI应用的实际发展情况也令人担忧。尽管大模型在技术上取得了显著进展，但其应用落地却远远慢于市场预期。虽然AI技术在图像分类、视觉推理和英语理解等任务上已经超过了人类的表现，但在更复杂的任务上，比如竞赛数学、视觉常识推理和规划等方面，仍然落后于人类。这种发展滞后不仅影响了市场的信心，也加剧了行业内部的焦虑情绪，使得人们开始重新审视AI技术的发展路径。

在这一背景下，美国AI领域正经历着一场深刻的反思与转型。从单纯的技术竞赛转向对商业化路径的深入探索，从对大模型研发的盲目乐观到对场景应用落地的迫切需求。

愈发昂贵的赛道亟需寻求新方向

在人工智能的汹涌浪潮中，大模型无疑成为了耀眼的明星，其强大的生成能力和广泛的应用前景使之成为炙手可热的投资项目。然而，大模型产业的现状却犹如“冰火两重天”，一面是技术的飞速突破和投资热潮的汹涌澎湃，另一面则是企业在实际应用中面临的诸多挑战与困境。

自ChatGPT横空出世以来，大模型技术以惊人的速度发展，不断拓宽着人工智能的认知边界。谷歌、微软、Meta等科技巨头纷纷加大在AI领域的投入，竞相建设数据中心，算力资源的争夺战愈发激烈，成为行业关注的焦点。然而，《华尔街日报》3月31日的报道却如冷水浇头，揭示了一个残酷的现实：AI行业去年在训练大模型上，仅在英伟达芯片上的花费就高达500亿美元，而收入仅为30亿美元，显示出高昂的投入与微薄的回报之间的巨大鸿沟。

科技巨头们的AI支出规模同样证明了这一点。据媒体报道，Meta预计今年的AI支出将激增至多100亿美元，谷歌每季度投入约120亿美元，微软更是在一个季度内豪掷140亿美元，并预示这一支出将持续显著增长。随着超大规模数据中心的迅速崛起，Synergy研究集团预测，未来每年将有超过120至130座造价以亿美元计的超大型数据中心上线，而每座数据中心的造价都以亿美元为单位。

然而，AI及大模型赛道的昂贵不仅仅体现在烧钱速度上，更在于短期难以回本的现实。尽管OpenAI的年收入已超过34亿美元，但高昂的运营成本和激烈的竞争环境仍使其处于亏损状态，预计到2024年底，亏损将接近50亿美元。

面对这一现状，国内科技巨头展现出了更为审慎与务实的态度，开始从通用大模型的广泛探索转向行业垂直大模型的深耕布局。通用大模型作为应对广泛任务的基石，其重要性不容忽视；而垂直大模型则以其对特定行业的深度挖掘与精准满足，成为市场的新宠。在医疗、金融、法律、教育等领域，垂直大模型正逐步展现出巨大的应用潜力，重塑行业面貌。

值得强调的是，大模型的广泛应用离不开算力、数据与算法的坚实支撑，这为中小企业或算力资源有限的企业设置了高门槛。但正是这样的挑战，促使整个行业不断探索创新，寻求更加高效、经济的解决方案，以推动AI技术的普及与深化。

破局：在中国，AI正在重塑千万行业

垂直大模型之所以受到青睐，不仅在于其相对较低的开发成本和可控的难度，更在于其能为企业带来差异化的竞争优势。通过深耕细作，企业能够显著提升产品和服务的智能化水平，从而在激烈的市场竞争中脱颖而出。然而，垂直大模型领域仍是一片待开发的沃土，传统企业因IT基础薄弱、投入产出比考量等因素，往往难以自主研发大模型，更倾向于借助外部力量共同探索。

即便垂直大模型降低了门槛，可在实际落地过程中面临两大难点：一是如何找到合适的应用场景，并设计出高性价比的产品形态，以最优的成本实现最佳效果；二是战略规划和软硬件设施的兼容性问题，客户目标的模糊、技术认知的不足以及系统整合的复杂性，都增加了大模型落地的难度。

业内人士指出，企业的目标应是利用AI解决实际问题，而非单纯追求与大模型的结合。因此，企业需思考如何让人与机器更好地协作，以解决问题为出发点，避免盲目追捧大模型。在此背景下，国内头部科技企业正积极调整战略方向，将重心转向垂直大模型的精细化深耕，力求实现大模型实际应用价值的最大化，助力企业实现效率与效益的双重飞跃。在中国，这一趋势尤为明显。其中，华为云的技术和产品正在帮助各行各业实现智能化转型。

以往新药研发是一项复杂且漫长的系统工程。医药健康行业长期面临新药研发周期长、成本高、成功率低的困境。传统模式下，新药研发常被“双十定律”束缚，即十年时间、十亿美元投入，且成功率极低。这不仅制约了我国医药创新，也让众多药企在研发路上步履维艰。

面向医药健康行业，华为云推出了以盘古大模型为核心的医疗健康解决方案，将药物设计的效率提升33%，优化后的分子结合能提升40%以上，实现早研阶段的全流程加速，为“创新药”解难题，让“双十定律”不再困扰药物研发。基于盘古药物分子大模型，西安交通大学第一附属医院成功将药研时间周期从数年降低至数周，并降低90%的资金及人力成本；东南大学借助盘古药物分子大模型实现与器官芯片实验验证一致性超80%的成果；天士力通过盘古药物分子大模型学习350万天然产物分子数据，打造了“数智草本大模型”，实现天然产物属性预测和优化结果提升10%。

为了打通AI落地“最后一公里”，华为云提供“AI+行业”解题思路在越来越多的行业里出现。面向制造场景的大模型落地，海亮集团携手华为打造了海亮铜箔工艺优化大模型，通过工艺优化提升生产效率，配方优化提高产品品质，并通过工艺仿真加速产品创新。面向物流行业的大模型落地，顺丰在华为云昇腾云服务的支持下，顺丰打造了“丰语”大模型，构建了AIGC应用的宏大版图。其中，华为云昇腾云服务提供澎湃算力支持，并通过高效的数据、开发、训练及推理平台，助力AI应用的高效开发与资源利用，构建起坚实的大模型底座。

在知识密集型行业中，大模型的应用正推动着“智力即服务”的范式转变。在汽车行业，广汽AI研发助手依托华为云CodeArts，构建了代码助手和诊断助手，实现了代码的自动编写与检测，以及智能汽车故障的自动诊断。围绕人工智能在矿山领域落地难、复制性难的问题，依托华为盘古矿山大模型，云鼎科技构建了“1+4+N”架构的智能化方案，打造国内首个矿山行业大模型。通过1个AI开发平台和4个盘古大模型能力，开发N个高价值应用场景，支撑人工智能大规模“下井”。

如今，AI技术的应用已经渗透到了各行各业，成为推动全球经济发展的新引擎。同时，也面临关键数据稀缺、专业场景识别、以及模型性能与性价比的平衡难题等多重挑战。华为副董事长、轮值董事长徐直军在2024年华为全联接大会上强调，AI技术正在成为对行业影响最大的技术，通过AI使行业数字化，改变行业的生产方式，成为各行业进入智能世界的核心引擎。他提出，智能化时代的企业应具备“六个A”特征，包括自适应体验、自演进产品、自治运营、增强员工、全量全要素全联接、智能原生基础设施。

作为世界第二大经济体，中国在制造、医疗、交通、家居等应用场景和数据方面拥有丰富的资源，为AI的发展提供了广阔的试验田和应用空间。中国AI领域的发展前景广阔而充满机遇。然而，只有产业界共同探索解决方案，才能真正推动技术与应用的协同发展。面对AI时代的种种挑战，唯有产业融合、多方协作才能实现共赢。通过深度挖掘场景应用，中国将能够不断释放AI技术的潜力，推动各行业实现数智化转型。