AI大模型领域热度持续攀升，各国纷纷布局

上个月，AI领域出现了一场由Meta的Llama和阿联酋科技创新研究所的Falcon引发的"动物战争"。这两个大语言模型在开源LLM排行榜上展开了激烈角逐。

Llama因其开源特性深受开发者青睐。日本NEC公司基于Llama迅速开发出了日语版ChatGPT。而Falcon则在5月推出40B版本后登顶排行榜，9月又推出了180B版本再次取得更高排名。

有趣的是，Falcon的开发者并非科技公司，而是阿联酋的研究机构。阿联酋人工智能部长随后入选《时代周刊》AI领域最具影响力100人。

当前AI领域已进入百家争鸣阶段，许多国家和企业都在打造本土版ChatGPT。仅在海湾地区，沙特阿拉伯就为国内大学购买了3000多块H100芯片用于LLM训练。

这种"百模大战"的局面，与当年的互联网创业热潮颇为相似。背后的原因在于2017年Google发表的Transformer算法论文，它成为了当前所有大模型的基础。

Transformer解决了此前神经网络在处理长文本时的效率问题，使AI具备了理解上下文的能力。它让大模型从理论研究变成了工程问题，降低了入场门槛。

随着开源社区日益活跃，各大模型的性能可能趋同。未来的竞争优势将更多体现在生态建设或纯粹的推理能力上。

然而，高昂的算力成本已成为行业发展的阻力。据估算，全球科技公司每年在大模型基础设施上的支出可能达2000亿美元，但相关收入最多750亿美元，存在巨大缺口。

目前，除了少数公司外，大多数AI公司还未找到可靠的盈利模式。即使是行业巨头微软和Adobe，在AI产品定价上也面临挑战。

未来，单纯的大模型供应商可能面临更大压力。真正的价值或许更多体现在基于AI的具体应用场景中，而非模型本身。