随着2024年的深入，人工智能领域的大模型竞赛愈发激烈，从年初的Sora到最新的o3，各类更新迭代层出不穷，引发了业界对于“内卷”现象的广泛关注。所谓“内卷”，指的是某一行业或领域在达到一定发展阶段后，陷入了一种停滞不前的状态，尽管投入增加，但实际效果并未显著提升。
在这一背景下，大模型的scaling law法则正面临前所未有的挑战。尽管算力集群的规模从万卡级别跃升至十万卡级别，但模型的智能水平并未以同样的速度提升。同时，应用端也缺乏具有颠覆性的“杀手级应用”，模型厂商之间为了争夺市场份额，纷纷采取了价格战策略，这无疑加剧了内卷的趋势。
公众和投资者的态度变化成为了一个明显的信号。去年，人工智能的发展速度被形容为“AI一天，人间一年”，美股“七姐妹”等相关企业也在这股热潮中屡创新高。然而，近期这股热情已经明显降温，投资者对于AI的发展前景开始持谨慎态度。OpenAI的股东和服务商企业纷纷抱怨AI能力的进展缓慢，OpenAI的发布会也未能带来太多惊喜，反而前首席科学家的言论“预训练将会终结”进一步打击了市场信心。
与此同时，产品同质化竞争的问题也日益凸显。大模型之间的性能差异逐渐缩小，开源模型与闭源模型之间的差距也在快速缩小。在同一厂商内部，旧模型被新模型取代的速度也在加快，用户更倾向于选择性价比更高的新产品。这种激烈的竞争环境使得模型厂商不敢减少对新模型的投入，同时又要应对价格战的压力，经济负担日益沉重。
面对这些挑战，模型厂商开始从商业层面寻找出路。云+API模式作为大模型的主要变现方式之一，其效果却并不尽如人意。虽然云厂商通过降价来吸引更多用户上云，但B端客户更注重模型的长期性和质量。因此，那些本身具备较强模型能力的云厂商在竞争中占据了优势。另一方面，订阅制模式也受到了内卷化的影响，用户粘性低、忠诚度不高，会员市场呈现出高度分散的状态。
为了逃离内卷化的困境，大模型市场需要更加完善的商业基础设施。一个“外向”的大模型应该具备高度的开放度和兼容性，以满足用户对多元多模的需求。同时，还需要更加细致的开发工具来支持大模型技术的应用转化。平台还需要加大对开发者的商业资源扶持，帮助他们将AI应用商业化。
例如，腾讯混元大模型提供了多个免费资源包，支持不同模型的共享和切换，满足了用户对灵活性的需求。同时，OpenAI为Sora打造了专业的开发工具，吸引了大量专业用户。在国内，字节跳动和百度等企业的开发平台也提供了易于上手的开发工具。
然而，尽管有这些努力，大模型市场仍然面临着诸多挑战。技术天花板的限制使得模型能力的提升变得困难重重，市场饱和和同质化竞争的局面也在短期内难以改变。因此，大模型要取得商业成功，必须关注用户和开发者的业务需求，提供完善的商业基础设施来支持他们的成功。
在2025年，随着大模型商业基础设施的逐步完善，我们有望看到更多创新的应用和解决方案涌现。但在此之前，所有模型厂商都需要回答一个问题：如果大模型是水和电，那么当用户和开发者拧开开关时，他们究竟能得到什么？
