在新一轮互联网创新历程中，大模型有幸成了下一个赛点，这次不再像之前的元宇宙一样稍纵即逝，而是真的在逐渐往应用层面渗透。
《2024 年中国移动互联网半年报告》发布，报告显示，2024 年 6 月，AIGC 类 APP 的月活跃用户规模达 6170 万，同比增长 653%。从去年开始，大模型就再次掀起互联网混战，全球科技大厂生怕错过一次重要的时代转折，无论是做游戏的、电商的、还是社交玩家，都在倾尽全力跟进大模型时代。
有机构曾预测过，未来到 2025 年，全球 AI 市场规模将超过 6 万亿美元，2017 年 -2025 年复合增长率达 30%。
诚然，互联网世界已经安静了许多年，赖以大模型，总算又热闹了一回。淘宝、支付宝、抖音等国内流量规模前 20 的超级 APP，基本都在发力内嵌式 AI 应用，智能助理、智能搜索、智能导购……各类新玩法层出不穷。
在全球互联网领域失去创新能力之后，大模型真的能给予互联网新的生命力吗？这个问题值得认真思考。
创新认知正在降级，产品研发故步自封
在大模型出现之前，互联网巨头为什么迟迟没有孵化出新的创新产品？
实际上，全球科技企业都在被这个问题残忍逼问。去年 1 月份，英国杂志《自然》刊登了一篇论文，文中基于 4500 万份手稿与 390 万项专利发现，全球范围内的颠覆性技术都在下降。
从企业角度来看，这些年来，互联网市场从未停止过研发进度，甚至还在不断加强。只不过，大厂的研发似乎都失去了意义，长远的投入与回收不成正比，严重消耗了资本的创新热情。
这不是空穴来风。根据上海证券交易所报告，仅在 2021 年，国内以寒武纪为代表的一众科创板块企业的投入研发成本就高达 167 亿，可惜，累计亏损远远超过了这个数。统计局数据显示，从 2000 年到 2019 年，企业的投入已经超出国内研发总投入的 76%，年增速度达到 10%。
即便是在这几年外部环境不利好的情况下，国内企业的研发增速依旧能保持在 18% 以上。但研发难以增收也是不争的事实，此前，百度的李彦宏公开表示，百度研发工程师超过万人，投入一度是收入的 20%，但换来的实际业绩却不理想。
如此一来，巨头公司宁愿去投资现有项目，以腾讯为例，数据显示，腾讯目前总投资企业超过 800 家，其中有 160 家为估值超过 10 亿美金的独角兽企业。为此，外界甚至曾流传过一种说法，巨头的投资与干预使行业内部的创新力被压缩了。
除此之外，研发换不来可观的回收，也让大厂不再一味盲目开发新产品。
这些年，小程序成品的涌现频率要高出独立 APP 许多，此前，阿里、腾讯、字节、百度、快手、美团、京东……陆续开发小程序，而独立 APP 为了节约试错成本大面积关停。统计显示，腾讯曾一年关掉了 40 多个项目，字节也下架了派对岛，截止目前为止，仅互联网大厂这几年关停的独立产品就高达 70 多款。
而这背后与整个互联网行业的盈利状态息息相关，工信部数据显示，今年第一季度，我国规模以上互联网企业营业成本同比增长 5.1%，实现利润总额 278.9 亿元，但同比下降 15.3%，利润总额增速由正转负。
大模型的出现，算是一缕照进互联网世界的曙光，苦于固步自封的大厂们一涌而上，从研发方向也能看出，大模型的确激发了巨头们的研发信心。然而，大模型所带来的创新能维持多久？
有一点需要注意，时至今日，创新疲软的互联网领域很难再出现一个现象级产品，或者领头式技术。毕竟走过微信、抖音年代，任何一点风吹草动都能引发行业内卷，正如当下，自研芯片、大数据、云计算、人工智能等技术成了所有巨头，乃至科技创业的重头戏。
同质化的戏码，从未在互联网界消失，当 AI 玩法在任何一个 APP 上都能见到，这样的创新也就不再是 " 创新 "。
另外，虽然大模型热多少激起了一些水花，但互联网巨头曾经最担心的研发与营收不成正比的问题更为严重了。全球科技发力 AI，所造就的资本支出也就越来越多。这段时间，海外巨头的财报把大模型烧钱的本质展现得淋漓尽致。
有机构分析，到了 2025 年和 2026 年，大模型训练成本会接近 50-100 亿美元，其中，Meta、谷歌、微软可能计划将大模型研发成本提高到 500 亿美元。
种种迹象显示，互联网或许从未停止创新，只是对于创新的认知下降了。
大模型应用的威力，并没预想中的强
不同于过去的几次革新，这一次互联网集体向用户提供的大模型应用，面世没多久就遇到了一些麻烦：用户需要大模型的几率大吗？就目前一系列数据来看，答案或许是比预期的要悲观一些。
红杉资本数据显示，即便是全球大模型的头部 ChatGPT，其首月用户留存率也只有 56%，有大约一半的用户用不到一个月就将其 " 搁置 " 了。同样的，《2024 年中国移动互联网半年报告》也显示，国内 AIGC 用户不稳定，AIGC 行业人均使用时长同比下滑了 23.5%。
说到底，人工智能渗入现实生活还只是资本的 " 幻想 "。
从用户层面来看，几乎所有主流 APP 上的 AIGC 应用的用户留存率低于传统应用，参与度也较低。7 月份，贝壳财经发布了一项调查，52.05% 的受访者在工作中有时使用大模型，23.97% 很少使用，经常使用的受访者占 20.55%，总是使用的人仅占 2.05%。
从企业层面来看，华为有一组预测数据，到 2026 年，人工智能对企业的渗透率也只能达到 20%。
为什么会出现这种情况？技术、成本、实用性、安全性其实都是原因。
以 AI 落地应用最广泛的文娱行业为例，前段时间，成龙新片《传说》上映，在该片上映之前，AI 技术一直是影片宣传的最大噱头。据悉，博纳影业在电影里用 AI 还原了 27 岁的成龙，但买账的观众却寥寥无几。
数据显示，当前《传说》豆瓣评分 5.4 分，上映十几天也只有 7000 多万的票房。
在另外一大应用领域 " 广告界 " 的使用口碑也褒贬不一。艾瑞咨询显示，已有约半数广告主企业在线上营销活动中应用 AIGC 技术，其中超 9 成用于内容及创意场景，当前大部分互联网在自身产品里引入大模型，也是为了拉动每况愈下的广告收入。
然而，AIGC 短板也开始浮出水面：例如生产素材过于公式化、AI 效果令用户审美疲劳、以及众所周知的 AI 抄袭问题……之前，" 我用 AI 五分钟生成一个广告 ，却花了五个小时去 AI 味 " 的文章在社交平台上产生热议。
如果大模型无法像社交通讯、短视频娱乐那样，在用户的网络生活中产生刚需效应，那大模型之于互联网进程，也就没太大的推进作用。当前，互联网领域最大的重心就是要提升 AI 落地的应用效率。
而资本也意识到了这一点，投资流向正从研发赛道流向应用赛道。海通国际研报称，2024 年有望成为国产大模型全面商业落地的元年。
数据显示，在今年近 120 起全球大模型投资事件里，大模型应用企业占 69%，占比超过一半，而 AI Infra、通用大模型分别只占 16%、11%，大模型数据服务甚至只剩下了 3%。细看大模型应用领域，AI 医疗健康、视觉 / 视频生成领域、办公助手和编程助手获得融资的企业最为密集，分别占比为 15%、15%、13%、11%。
总而言之，资本正在现实世界中加速普及大模型，技术和业务需求如何匹配是大模型企业迫在眉睫的问题。也只有这样，互联网才有被 " 拯救 " 的可能，反之，失去创新力的互联网还要继续迷茫。
互联网留给大模型吃老本的 " 家底 " 不多了
有一个问题需要注意，互联网走到大模型阶段，大多数的玩法还与从前一样，要么持续打价格战，要么回身吃本身的流量 " 老本 "。
从本质上讲，大模型的落地与古早互联网时期 " 圈地跑马 " 没什么区别。
今年 5 月份，国内一众大模型玩家开始官宣降价，阿里的通义千问主力大模型 Qwen-Long 的 API 价格直降 97% 后，文心大模型两大主力模型 ERNIE Speed 和 ERNIE Lite 全面免费，随后，科大讯飞也宣布，讯飞星火 API 能力免费开放。
而字节跳动这边，豆包从发布到冲上第一只用了 30 天的时间，据悉，豆包之所以能短时间内成为大模型 " 顶流 "，不仅因为月活 7.94 亿人的抖音为其助力，新一轮的烧钱金额也达到了 1.24 亿元。
遥想当年，国内互联网大厂最屡试不爽的招数就是砸钱。时至今日，" 圈地 " 的打法还适用吗？
首先，大模型在当前只能砸钱换流量的关键在于技术趋同，最终影响用户留存的也会是回归于技术，单纯降低应用成本从短期角度来看的确能增加曝光、争抢用户，但长久来看，AI 技术服务不是外卖、更不是短视频，依靠烧钱无法带来良好的使用体验。
其次，大模型发展本身就是个成本巨大的资金型工程，或许对于现金流富裕的大厂而言，价格战打得起，但当前大模型盈利遥遥无期，小型企业入局的风险不可小觑，这必然会进一步降低整个行业的创新力和创造力。
事实上，大模型价格战是从海外先开始的，彼时，OpenAI 和谷歌最先宣布降价。但在海外，云厂商正在脱离传统服务模式，转用其他方式来填空这一成本，以英伟达为例，5 月份，英伟达公布了 2025 财年的第一季度数据。
英伟达方面表示，在英伟达 CUDA 上训练和推理 AI 可以推动云租赁收入的增长，每 1 美元的英伟达 AI 基础设施支出让云服务提供商有机会在四年里获得 5 美元的 GPU 即时托管收入。国内能否快速跟进这一步计划，其实还有待商榷。
当然，除了能够继续 " 传承 " 的打法，互联网这些年给大模型留下的 " 家底 " 也不多了，即便是从全球范围内来看，资金之外，大模型最需要的信息数据已出现短缺。
Similarweb 的数据显示，自 2023 年 5 月 ChatGPT 全球访问量达到 18 亿次的巅峰后，其流量增长开始逐渐放缓。对此，OpenAI 决定放宽对 ChatGPT 的限制，用户一度无需注册就能使用。
没办法，这也是当前大模型发展的困境之一：现有的互联网信息量难以支撑如此之多大模型训练。
这段时间，字节跟一众在线办公企业 " 喂养 " 大模型的事引发不少用户不满。公开资料显示，GPT-4 训练涉及的数据量高达 12 万亿 tokens，未来像 GPT-5，可能需要 60 万亿到 100 万亿 tokens。
根据 Epoch 研究所预测，到 2024 年年中，大模型对高质量数据的需求超过供给的可能性为 50%，到 2026 年发生这种情况的可能性为 90%，而这种数据短缺风险将延迟至 2028 年。
至于如何弥补这一巨大的数据缺口，渗透率逐渐触到天花板的互联网，一时间也找不到更好的办法。
来源：道总有理
