熱錢仍在湧入大模型圈
出品 | 虎嗅科技組
作者 | 王欣
編輯 | 苗正卿
頭圖 |視覺中國
熱錢仍在湧入大模型圈，只不過，這次的主角從雲端模型變成了端側模型。
12月11日，面壁智能宣佈完成新一輪數億元融資。面壁智能CEO李大海在公開信中表示，將進一步提速以端側AI為代表的高效大模型商業化佈局。
雲端大模型市場卷生卷死，端側逐漸成為大模型公司的新戰場，已經有國內AI公司開始轉向端側，李大海感受到了水溫的變化——「2024年下半年，行業突然形成新共識，更高知識密度的小模型和端側智能，成為大模型發展的新階段」
從2023年末，面壁智能就聚焦端側大模型的研發，「不追熱點，不浪費人才與算力」，這讓它與同期專注通用大模型的公司相比，顯得有些另類。
另類還體現在面壁的很多細枝末節，面壁智能告訴虎嗅，不同於其他公司，他們有一個獨立的數據團隊，專門處理高質量數據來源和數據配比。因為對於端側模型來說，對高質量數據要求更高——他們的判斷是「密度定律推論，大模型隨著時間不斷增長，模型的能力密度每3.3個月翻一倍」。
這種另類從它的名字來曆也可見一斑，《三體》中面壁者通過獨立思考來抵禦三體人的入侵，承擔的是人類歷史上最艱難的使命，肩負著拯救人類的責任。
而面壁則將AGI作為自己的長期使命。
01
硬幣的兩面
「你們相不相信AGI？面壁智能是不是要做AGI？」
這是在加入面壁智能前，李大海向每個核心成員發問的問題。在得到肯定答覆後，他才決定加入面壁智能。
對面壁智能來說，商業化與實現AGI同樣重要。他們的策略是：一方面，他們依託面壁智能創始人、清華NLP實驗室劉知遠教授團隊來進行前沿技術的探索；另一方面，他們通過商業化落地保持資源競爭力與長期生存。
李大海認為「不管是端側模型還是雲端模型，都需要盡快去把商業閉環先做起來，讓大家看到預期通路是通的，這是最重要的事情。」
這體現在面壁的組織架構上——其中研發團隊分為兩部分：一部分負責迭代基礎模型，比如優化MiniCPM的文本和多模態功能；另一部分形成了一個以技術專家為主導的交付團隊。
面壁智能告訴虎嗅，不同於銷售型為導向的To B交付團隊，面壁的交付團隊是工程師文化濃厚的專家型團隊。這意味著，他們能夠更高效率地做出針對性決策，內耗更少。
效率是面壁在組織和商業化落地上一直強調的關鍵詞，這顯然是吸取了大模型To B的一些教訓：為企業提供定製化服務的大模型公司，很難去有效壓縮成本。
02
一年前的面壁看到了什麼
大模型的「To B」生意難以壓縮成本，是因為為了滿足不同企業的定製化需求時，大模型公司甚至需要派團隊入駐企業，這種商業模式很難控制人員與工程成本。
相對而言，面壁的優勢則在於標準化——他們的每個行業都有相對標準化的流程。端側終端行業的標準化，使得他們可以針對性地快速適配，不需要從0到1去做研發。
面壁智能向虎嗅舉了這樣一個例子：首先他們會按照終端客戶需求選擇適合的模型與功能，其次根據終端的芯片與配置，去做模型的適配與優化。
這樣的流程相對清晰。
另外，面壁與高通、聯發科等芯片廠商合作，在基座和多模態方面都進行了適配。
這意味著，在搭載這些芯片的終端上，可以直接複用之前的模型參數配置，只需要針對終端廠商的要求去做應用層的功能開發，而不需要再次進行底層的開發，能夠快速落地。
雖然行業內已經有公司開始轉向端側，但面壁對自己的壁壘依舊保持自信：
「端側模型的參數量更小，因此對模型的能力密度要求更高。並不是說原來大模型做得很好，能力就可以直接遷移到小模型。還需要豐富化的實驗手段積累，做一些有意思的洞察，然後慢慢做起來。」
因此，劉知遠教授團隊近期也在聚焦探索模型的能力密度的提升。他們提出了大模型的密度定律（densing law），引入了衡量大模型性價比的新指標——能力密度（capability density）。
面壁這樣向虎嗅解釋這項工作的重要性：「模型能力密度提升意味著——如果一個4B的模型能實現40B模型的效果，那麼它能搭載運行的終端範圍會大大拓寬，比如原來服務器上的模型，就可以直接在手機上運行，它的應用範圍也就拓寬了。」
不止一家大模型公司，以及跟大模型有接觸的機構，都提出了一個相似觀點：目前行業的轉向部分原因在於，雲端模型同質化嚴重，用戶看不到明顯的差異化，價格戰、刷榜等亂象橫生。
「雲端模型的故事已經沒有太多可以講的了，卷價格、卷服務，捲到最後誰都沒錢賺。而終端落地更快、出貨量穩定的手機、PC、智能座艙硬件仍存在很大的市場增量空間。」
在一年前，面壁預判到了這一問題趨勢，也看到了沿Scaling Law卷大規模外的其他方向，因此從2023年底，他們開始聚焦端側模型。
這也能夠解釋，面壁智能脫胎於清華大學NLP實驗室，卻狂奔在端側模型的道路上。
大模型正在開始進入真刀真槍的比拚階段，從大躍進轉向持久戰。通往AGI道路仍然漫長，面壁也開始加快步伐。
