大模型、生成式AI、通用人工智能，如今已经是几乎每个互联网人都能讲个几句的通识概念。
作为2023年上半年最受关注的热门赛道，国产大模型争相出世，谁将成为“中国版GPT-4”惹人注目。“百模大战”空前激烈，华为、阿里、腾讯、商汤、京东等企业陆续发布或更新大模型。比如，百度智能云的“文心”系列、阿里云的“通义”系列、华为云的“盘古大模型”、京东云的“言犀”、商汤的“日日新”、科大讯飞的“星火”、出门问问的“序列猴子”、第四范式的“式说”等产品。
AI大模型兴起和快速发展即将推动我们进入第四次工业革命，以云计算、物联网、大数据、机器人等为代表，正在推动社会生产、生活方式的变革。大模型热掀起了整个人工智能产业全新浪潮。如今各行各业都在探索跟大模型的结合。派财经将聚焦于“AI大模型”开展系列专题分析，该篇为第一篇。
大模型混战 三大派系同台竞技
值得关注的是，大模型产品的批量涌现呈现了一定程度的同质化，尤其展现在“文生文”领域，各家大模型在文生文方面，关注的重点比较类似，集中于流畅的上下文理解、减少幻觉问题、符合伦理安全等。
在“文生图”上略有区别，百度文心一格称能够实现对人物面部表情、毛发等部位的精细刻画；商汤科技的“秒画SenseMirage”则能够帮用户补全提示词，生成摄影级图像……
围绕着“通用大模型”这一热门概念，市面上分为了大厂派、创业派和学院派三类。
其中，大厂派布局范畴广，普遍在ToB与ToC两级进行布局。在ToB行业解决方案方面，大厂派一方面纷纷发布了覆盖各行业的端到端解决方案，其中金融、文旅、传媒、医疗、政务等行业也几乎是各家大厂关注的重点；同时，大厂也致力于为其余大模型研发企业提供算力、数据管理等基础设施服务。
创业派企业则更多专注于将大模型能力应用到其优势业务领域中，比如商汤科技、第四范式等企业。
此外，拥有高校、科研院背景的学院派企业也是不可忽视的力量。比如，仅有2021年成立、由全球NLP（自然语言处理）技术专家周明创办的“学院派”代表企业澜舟科技和拥有“清华系”创业北京的生数科技等企业。
目前发布的通用大模型已超过80个，但随着入局者激增，通用大模型头顶的光环正在变得黯淡下来。
蹭着“大模型”热 迎来新一波上市热潮
大语言模型是具有能力边界的，不仅落地成本高昂，其准确率也需要反复商榷。通用性大模型技术仍然没走到成熟阶段，比起在C端的运用，大模型的真正价值在产业落地方向更能体现。
早在2015年，深度学习的算法突破带来智能语音和计算机视觉领域的一波AI创业浪潮，AI四小龙横空出世，但长期以来AI技术如何落地到应用层面，自我造血能力颇为困扰。当前，仅以人脸识别为代表的技术在安防领域实现了大规模落地，并未在某个产业端实现稳定应用。
在烧光了600多亿融资后，AI四小龙们一度陷入生存困境。直到ChatGPT的出现，再次加固了人们对于AI技术的信心，以大模型为商业模式的AI创业公司如雨后春笋般涌现。
对于大模型创业热潮的火热，经纬创投创始管理合伙人张颖引用了一个调研数据——从今年3月到5月，召开业绩电话会议的标普500指数的公司中，有110家公司的高管提到了AI，这是过去十年的3倍。
截至今年6月底，有十几家大模型初创公司宣布获得融资。根据公开信息显示，当前融资规模最大的是MiniMax，今年6月获得腾讯公司超过2.5亿美元A轮融资；王慧文创办的光年之外在被美团以收购前，也获得了2.3亿美元的天使+轮融资。
一波AI智能公司，蹭着这波热潮纷纷开始排队申请IPO。近期，AI 智能驾驶芯片公司“黑芝麻智能”、AI 语音公司“云知声”、生成式 AI公司出门问问、AI制药公司“英矽智能”等多家 AI 公司密集向港交所递交上市申请。
其中，作为亚太首家启动IPO的 AI 制药公司英矽智能备受资本关注，若能成功上市，将有望成为“亚太 AI 制药第一股”。不过值得注意的是，英矽智能并没有实现新药量产销售，且在2022年年亏损高达2.21亿美元，收入仅3014.7万美元。
在上一轮AI热潮中未能成功上市的AI企业均呈现短期亏损、盈利难的情况。
与上一轮AI技术热潮相比，ChatGPT为代表的通用大模型同样具备技术门槛高，开发训练和运营所需的成本巨大等特点，大模型的训练成本要更高，动辄一次训练就能耗光数百万美元。
在人工智能领域对于技术研发的费用支出，数额庞大且惊人。
2022年在研发费用上投入最大企业是华为，累计投入了1615亿元；其次是腾讯，614亿元；第三是阿里，投入研发费用高达555亿元。另据公开资料显示，百度作为较早入局人工智能的玩家，过去十年，其在AI领域的投入超过1000亿元。
不同的是，有了AI1.0科技热潮的教训，AI2.0时代，技术在产业层的落地更快了。
聚焦特定领域、针对特定场景、解决特定问题的行业大模型，取代了通用大模型，成为了关注重心。人们普遍意识到走向细分领域才有更多机会，综合考虑行业专业性、持续迭代和综合成本等因素，行业大模型更容易实现商业价值落地。当前，已有一些行业大模型在金融、制造、医药研发、煤矿、铁路等诸多领域发挥了作用。
