AI大模型領域熱度持續攀升，各國紛紛布局

上個月，AI領域出現了一場由Meta的Llama和阿聯酋科技創新研究所的Falcon引發的"動物戰爭"。這兩個大語言模型在開源LLM排行榜上展開了激烈角逐。

Llama因其開源特性深受開發者青睞。日本NEC公司基於Llama迅速開發出了日語版ChatGPT。而Falcon則在5月推出40B版本後登頂排行榜，9月又推出了180B版本再次取得更高排名。

有趣的是，Falcon的開發者並非科技公司，而是阿聯酋的研究機構。阿聯酋人工智能部長隨後入選《時代周刊》AI領域最具影響力100人。

當前AI領域已進入百家爭鳴階段，許多國家和企業都在打造本土版ChatGPT。僅在海灣地區，沙特阿拉伯就爲國內大學購買了3000多塊H100芯片用於LLM訓練。

這種"百模大戰"的局面，與當年的互聯網創業熱潮頗爲相似。背後的原因在於2017年Google發表的Transformer算法論文，它成爲了當前所有大模型的基礎。

Transformer解決了此前神經網路在處理長文本時的效率問題，使AI具備了理解上下文的能力。它讓大模型從理論研究變成了工程問題，降低了入場門檻。

隨着開源社區日益活躍，各大模型的性能可能趨同。未來的競爭優勢將更多體現在生態建設或純粹的推理能力上。

然而，高昂的算力成本已成爲行業發展的阻力。據估算，全球科技公司每年在大模型基礎設施上的支出可能達2000億美元，但相關收入最多750億美元，存在巨大缺口。

目前，除了少數公司外，大多數AI公司還未找到可靠的盈利模式。即使是行業巨頭微軟和Adobe，在AI產品定價上也面臨挑戰。

未來，單純的大模型供應商可能面臨更大壓力。真正的價值或許更多體現在基於AI的具體應用場景中，而非模型本身。