随着人工智能领域的飞速发展，AI大模型正经历着前所未有的变革与挑战。近期，曾被誉为“AI大模型六小虎”之一的零一万物，在行业内引发了广泛关注。据报道，这家曾经的独角兽企业已不再执着于训练超级大模型，转而与阿里云携手成立了“产业大模型联合实验室”，其大部分训练和AI基础设施团队已并入该实验室。此举标志着国内首家AI大模型企业公开调整了战略方向。
零一万物的转型，不禁让人思考：这是否会是AI大模型创业公司“中途变道”的序幕？大模型行业的“摩尔定律”——扩展定律（Scaling Laws）是否已触及天花板？在追求通用人工智能（AGI）的技术梦想与实现商业化落地之间，创业公司该如何平衡与抉择？
面对这些灵魂拷问，零一万物CEO李开复在接受采访时直言：“仅仅一年多的时间，传统扩展定律的边际收益已明显递减，商业化同样如此。对于初创公司而言，投入巨额资源训练超大参数规模的模型，性价比极低，显然不是务实之选。”这一观点再次引发了行业对于扩展定律的广泛讨论。
扩展定律最早由OpenAI提出，它指出AI大模型的性能会随着模型参数规模、训练数据量和计算资源的增加而提升。受此理论影响，国内外大模型平台纷纷斥巨资购买GPU，提升计算能力，将模型参数规模推至数千亿甚至上万亿。然而，近年来，扩展定律的有效性开始受到质疑。据外媒报道，OpenAI的下一代模型（代号Orion）在某些任务上的改进微乎其微，与GPT-3到GPT-4的飞跃相比，提升幅度显著缩小。尽管OpenAI CEO否认了这一说法，但GPT-5的迟迟未推出，仍让外界猜测纷纷。
与此同时，Google旗下的Gemini 2.0也未能达到预期目标，Anthropic的Claude 3.5 Opus发布时间一再推迟。然而，并非所有人都认为扩展定律已失效。英伟达CEO黄仁勋在CES 2025上表示，基础模型预训练的扩展定律仍然有效，并出现了后训练扩展定律和测试时间扩展定律。其中，“测试时计算”为提升AI性能开辟了新途径，如OpenAI的o3模型能在推理过程中进行计算，通过“思考更长时间”解锁新能力。
尽管存在不同声音，但行业普遍认为，单纯依靠堆算力、堆参数的粗暴发展模式已成过去。高昂的成本导致边际效益严重递减，投入产出比成为企业不得不考虑的现实问题。近年来，大模型训练成本飙升，从2017年的数百美元到2023年的数千万美元甚至上亿美元，五年间成本增长了数十万倍。国内大厂如字节跳动、百度、阿里、腾讯等，都在筹划搭建万卡甚至十万卡GPU集群，采购成本高昂。
在此背景下，AI大模型的商业化压力日益增大。某些大模型的API调用价格大幅降低，甚至部分版本宣布对外完全免费。面对如此巨额的投入，创业公司难以承受。李开复认为，未来只有大厂才有能力做超大模型。国内AI独角兽企业，如月之暗面、百川智能、MiniMax等，虽然融资额不菲，但与国外巨头相比仍显逊色，且面临资金链吃紧的困境。
在商业化压力下，AI大模型创业公司开始探索不同的战略路径。零一万物放弃了对超大参数规模模型的追求，转而专注轻量化、高性能的模型。其新旗舰模型Yi-Lightning采用混合专家（MoE）架构，激活参数仅200多亿，但表现超越GPT-4，训练成本仅为GPT-4的三十分之一。同样，DeepSeek-V3也成为开源模型的新宠，其训练成本大幅降低，API调用价格更低，吸引了大量开发者。
智谱AI、阶跃星辰等企业则继续投入基础模型研发，强化多模态和复杂推理能力，并探索C端应用场景。月之暗面与MiniMax在C端市场表现强劲，月之暗面的智能助手Kimi和全平台月活跃用户超过3600万，MiniMax的视频模型海螺AI和海外版Talkie也聚拢了大批用户。
百川智能则独辟蹊径，将AGI与医疗结合，推出了“一大四小”医疗产品，并与儿童医院合作，探索“制造医生”的AGI之路。这些不同的技术路线和商业化路径，让AI大模型创业公司开启了不同的发展方向，而随着竞争的加剧，这种战略分化也将进一步加速。
