百億估值背后，起底智譜AI

在國內(nèi)大模型競爭愈發(fā)競爭激烈、難落地的當(dāng)下，智譜AI的模式有什么特殊之處？以及被資本追捧的它能給中國大模型帶來哪些不一樣的思考？

作者|斗斗

出品|產(chǎn)業(yè)家

對于智譜AI而言，很長一段時(shí)間里，“眾星捧月”這個(gè)詞再合適不過。

前段時(shí)間，智譜AI的最新一筆融資再次引發(fā)了廣泛關(guān)注，成為萬眾矚目的焦點(diǎn)。公開信息顯示，新一輪融資金額超過 25 億元人民幣，加上前幾輪融資，智譜AI市值已經(jīng)突破百億。

更值得注意的是投資方的豪華陣容，包括社?；鹬嘘P(guān)村自主創(chuàng)新基金（君聯(lián)資本為基金管理人）、美團(tuán)、螞蟻、阿里、騰訊、小米、金山、順為、Boss 直聘、好未來、紅杉、高瓴等多家機(jī)構(gòu)，以及包括君聯(lián)資本在內(nèi)的部分老股東跟投。

在這場“百模大戰(zhàn)”中，智譜AI無疑是被寄予眾望的一個(gè)。

然而，值得注意的是，就目前來看智譜AI能商用的ChatGLM3只有6B版本，對標(biāo)GPT 3.5商用高參數(shù)版本仍有距離。尤其是在阿里正式開源72B參數(shù)模型之后，智譜亦會面臨不小的壓力。

一些值得思考的問題是，智譜AI的優(yōu)勢究竟是什么？未來發(fā)展的想象力在哪？以及其目前面臨的一些問題下，如何解題？挖掘其頻繁融資的另一面。

一、百億估值，憑什么？

從3月份開源第一代到現(xiàn)在7個(gè)月之后迭代到第三代，智譜AI發(fā)展十分迅猛。

在最新發(fā)布第三代基礎(chǔ)大語言模型ChatGLM3系列。官方表示該模型的性能較前一代大幅提升，是10B以下最強(qiáng)基礎(chǔ)大模型。

具體來看，按照MMLU排序，在所有規(guī)模的模型對比下，ChatGLM3-6B得分排序第9，但是前面8個(gè)模型最小的也是140億參數(shù)規(guī)模的Qwen-14B，如果按照GSM8K排序，ChatGLM3-6B-Base甚至排到第三，超過了GPT-3.5的57.1分。

可見，智譜AI趕超OpenAI不是空穴來風(fēng)。

想要深入挖掘智譜AI的優(yōu)勢，就不得不從國產(chǎn)大模型發(fā)展、落地的諸多難題講起。

一項(xiàng)新技術(shù)的價(jià)值幾何，商業(yè)化變現(xiàn)是最直接的檢驗(yàn)方式。在國內(nèi)一眾大模型廠商中，可以說大部分都還處于講技術(shù)、講發(fā)展的階段。對于商業(yè)化落地，基本處于一個(gè)探索階段。

而智譜AI早在創(chuàng)業(yè)前就已經(jīng)服務(wù)B端，目前客戶已經(jīng)超過1000家?？梢娖洚a(chǎn)業(yè)落地、商業(yè)化變現(xiàn)更有前景。

大模型落地又一個(gè)極為重要的前提，便是數(shù)據(jù)安全。智譜AI 作為國內(nèi)唯一全內(nèi)資、國產(chǎn)自研的大模型企業(yè)，它推出的 GLM 國產(chǎn)芯片適配計(jì)劃，面對不同類型的用戶不同類型的芯片提供不同等級的認(rèn)證和測試，可真正實(shí)現(xiàn)安全可控。

這個(gè)優(yōu)勢，從某種意義上可以完全俘獲央國企以及有特殊要求的大型企業(yè)?！皣笱肫?，想做模型能力或者接入，智譜都是無論如何都是繞不開的選項(xiàng)?！蹦硺I(yè)內(nèi)人士對產(chǎn)業(yè)家說。

此外，還有人的因素。在一級市場，早期投資就是投人，這一點(diǎn)在所有初創(chuàng)公司都適用。智譜AI的“前身”是清華KEG（知識工程實(shí)驗(yàn)室），CEO張鵬本科畢業(yè)于清華大學(xué)計(jì)算機(jī)系博士；董事長劉德兵師從高文院士，曾任清華數(shù)據(jù)科學(xué)研究院科技大數(shù)據(jù)研究中心副主任；總裁王紹蘭為清華創(chuàng)新領(lǐng)軍博士。

總體來看，智譜AI具備了落地經(jīng)驗(yàn)、人才完備、資金充足、技術(shù)到位等天時(shí)地利人和的條件。這種條件也使其在一種大模型廠商的賽跑中，率先脫穎而出。然而這只是表象。

路徑選擇上，不同于比較主流的 GPT，智譜 AI 采用的是 GLM，智譜AI提出了全新的GLM（通用語言模型）路徑。訓(xùn)練效率比GPT更高，也能理解更復(fù)雜的場景。

在大模型落地層面，其沒有選擇推出行業(yè)大模型，而是說服行業(yè)客戶在通用大模型基座上做微調(diào)。在CEO張鵬看來，只有一定規(guī)模的通用大模型，才能實(shí)現(xiàn)類人的認(rèn)知能力涌現(xiàn)。

此外，為了提高大語言模型作為AI Agent的表現(xiàn)和能力，清華大學(xué)和智譜AI推出了一種新的方案——AgentTuning，可以將有效增強(qiáng)開源大語言模型作為AI Agent的能力。

智譜AI獲得資本和互聯(lián)網(wǎng)巨頭青睞的原因，不僅僅是因?yàn)槠浼夹g(shù)，更在于其在路徑、模式、策略上的選擇，以及對自身大模型底層定位的明確。

用CEO張鵬的話來說，智譜AI的全線產(chǎn)品與 OpenAI 的產(chǎn)品已經(jīng)做到了對標(biāo)。

那么，就當(dāng)下而言，除了被驗(yàn)證的路徑和模型，智譜AI有沒有其它待完成的拼圖？

二、商業(yè)化、AI開源和避不開的資金

通過智譜AI商用授權(quán)的模型版本來看。目前僅限于6B，即60億參數(shù)。而從OpenAI開源模型來看，GPT-3 為具有 1750 億參數(shù)的自回歸語言模型，OpenAI 已將其部分開源；GPT-3.5具有 1375 億參數(shù)，同樣有一部分已經(jīng)被開源。

更值得注意的是，阿里最近也開源了72B參數(shù)的模型。要知道目前的大模型應(yīng)用，多處于大力出奇跡階段，更大的參數(shù)，意味著更好的落地效果。

可以發(fā)現(xiàn)，雖然智譜AI作為國內(nèi)第一開源大模型，有著較強(qiáng)的技術(shù)架構(gòu)，但對標(biāo)OpenAI以及國內(nèi)大廠商業(yè)授權(quán)的模型規(guī)模上來看仍有一些距離。且隨著阿里更大參數(shù)的開源模型發(fā)布，智譜AI在6B模型上的優(yōu)勢或?qū)⒆內(nèi)酢?/strong>

而想要補(bǔ)齊這個(gè)短板，則需要大量的資金支持。

“如果智譜AI背后也能有一個(gè)像微軟這樣的金主，會十分亮眼?！蹦硺I(yè)內(nèi)人士對產(chǎn)業(yè)家直言。

事實(shí)上，隨著智譜AI大模型能力持續(xù)提升，訓(xùn)練參數(shù)自然也需要提升，對算力、存儲等需求也會增加。這在資金上以及資源調(diào)度上將會是一個(gè)巨大的難題。

粗略來看，私有化部署一個(gè)130b規(guī)模的大模型，一年費(fèi)用接近4000萬，但這4000萬花出去能帶來多少價(jià)值，卻是一個(gè)未知數(shù)。在AI大模型部署方面，目前小企業(yè)付費(fèi)能力弱，大企業(yè)要么自研，要么還處于了解、認(rèn)知階段，商業(yè)化落地較難。

資金從哪來，是一個(gè)亟待解決的問題。

“智譜開源6b模型有一部分原因是為了告訴市場，我這有更好的，看你愿不愿意花錢?！?/strong>某業(yè)內(nèi)人士對產(chǎn)業(yè)家說。對于智譜AI而言，開源6B展示實(shí)力，以及拉投資是較為明顯的解法。

而另一個(gè)解法，則是擴(kuò)大“朋友圈”。

眾所周知，互聯(lián)網(wǎng)巨頭在計(jì)算、存儲能力以及數(shù)據(jù)資源方面有著較大地優(yōu)勢。而對于智譜AI而言，這些都需要其投入大量的資金去搭建。與巨頭的合作，可以很大程度上降低研發(fā)成本、提高研發(fā)效率。此外，智譜 AI 還可以借助云廠商的市場地位和渠道，推廣自身的人工智能技術(shù)和服務(wù)。

另一邊，由于大模型需要部署在云上，按照數(shù)據(jù)運(yùn)行付費(fèi)，越多的用戶使用模型和資源，對云算力的需求量就越大，云廠家的收入也就隨之增加。且云廠商則可以借助智譜 AI 的技術(shù)實(shí)力，提升自身在人工智能領(lǐng)域的競爭力。

總體而言，對于云廠商而言，可以拉動(dòng)自身云收入；對于大模型廠商，可以減少基礎(chǔ)設(shè)施的投入，可謂一石二鳥。

目前，智譜AI已經(jīng)與阿里、騰訊、美團(tuán)等企業(yè)展開一系列合作。

從這點(diǎn)來看，智譜AI之所以“眾星捧月”，更在于其開放、融合的商業(yè)模式，在國內(nèi)大模型競爭愈發(fā)競爭激烈、難落地的當(dāng)下，智譜AI的模式更能推動(dòng)大模型的落地以及加速大模型生態(tài)的發(fā)展。

智譜AI的這種模式，也為其自身以及國內(nèi)大模型未來的發(fā)展業(yè)態(tài)帶來了一些新的想象力和思考。

三、國產(chǎn)大模型未來在哪里？

“模型能開除一半人，企業(yè)才會考慮用。”在與某行業(yè)人士的溝通中，其表達(dá)了對當(dāng)下大模型商業(yè)化路途之遠(yuǎn)的觀點(diǎn)。

客觀來看，目前國內(nèi)大模型的業(yè)態(tài)，屬于百花齊放，已經(jīng)開始出現(xiàn)同質(zhì)化的特征。這不僅會造成算力等基礎(chǔ)設(shè)施的非合理化使用，更或造成非良性的競爭。

目前，大模型落地進(jìn)程較慢，加上仍舊如春筍般往外冒的大模型創(chuàng)業(yè)熱潮，必將產(chǎn)生大量泡沫。對于國內(nèi)大模型廠商而言，以生態(tài)之力，各司其職推動(dòng)大模型商業(yè)化落地，無疑是一個(gè)最佳選項(xiàng)。

事實(shí)上，目前國內(nèi)外主流大模型在算法層面尚不存在代際差，但是在算力和數(shù)據(jù)方面存有差距。

通過大力支持通用領(lǐng)域國內(nèi)頭部科技企業(yè)研發(fā)自主可控的國產(chǎn)大模型，同時(shí)鼓勵(lì)各垂直領(lǐng)域在大模型基礎(chǔ)上，利用開源工具構(gòu)建規(guī)范可控的自主工具鏈，既探索“大而強(qiáng)”的通用模型，又研發(fā)“小而美”的垂直行業(yè)模型，就可以逐漸構(gòu)建基礎(chǔ)大模型和專業(yè)小模型交互共生、迭代進(jìn)化的良好生態(tài)。

在大模型生態(tài)愈發(fā)完善下，也將帶來一些新的變化。

首先是模型質(zhì)量的提升。隨著技術(shù)的進(jìn)步和資源的投入，未來的大模型將具有更高的精度、更強(qiáng)的理解能力和更廣泛的適用性。這不僅意味著它們能夠更好地理解自然語言，還能夠進(jìn)行更多的復(fù)雜任務(wù)，如翻譯、推理、創(chuàng)作等。

其次是更豐富的應(yīng)用領(lǐng)域。除了傳統(tǒng)的文本處理之外，大模型也將在語音識別、圖像生成、視頻理解和推薦系統(tǒng)等領(lǐng)域發(fā)揮更大的作用。這意味著我們可以在更多的場景中享受到AI帶來的便利。

此外，未來大模型將更加定制化，能夠更好地滿足用戶的個(gè)性化需求。用戶可以根據(jù)自己的實(shí)際需求選擇合適的模型，并進(jìn)行定制化配置。這將使用戶能夠更加靈活地利用大模型來解決自己的問題。

在大模型生態(tài)中，數(shù)據(jù)將變得更加共享和開放。機(jī)構(gòu)和企業(yè)之間可能會加強(qiáng)合作，共享優(yōu)質(zhì)數(shù)據(jù)資源，從而促進(jìn)大模型技術(shù)的發(fā)展。這種合作將為大模型的開發(fā)和應(yīng)用提供更加廣闊的空間。

新的科技浪潮襲來，就必然需要一些企業(yè)承擔(dān)一些使命。著眼當(dāng)下，技術(shù)架構(gòu)是大模型走出來的重要標(biāo)準(zhǔn)；遙看未來，想要站在AI大模型浪潮之上，生態(tài)構(gòu)建力愈發(fā)重要。