| 我们正在经历第九次「烧钱」大战。
这个故事,大概要从2024年5月6号,一个叫DeepSeek-V2的模型开始说起。
那一天,DeepSeek宣布开源他们的第二代MoE大模型——DeepSeek-V2。根据披露的信息显示,该模型在性能上比肩GPT-4 Turbo。刚看到的时候还在想:这又是哪个大佬?咋没点印象?
一查,好家伙。幻方,国内Top级别的量化私募公司,以数学模型与计算机技术进行量化投资,拥有超过12年的AI投资经验。手里万卡A100集群,用四个字形容——财大气粗!
接着,关于国内AI大模型价格战的故事就正式拉开序幕!
那天,DeepSeek-V2的百万Token API价格是输入1元,输出2元,而GPT-4 Turbo的输入价格是72元,输出217元,国内的智谱清言跟文心一言的价格是100元跟120元。
国内各大竞品们看到之后的反应是:
5月11号,智谱清言宣布,他们GLM-3-Turbo,128K上下文,每百万Token价格为:输入1元,输出2元(之前的输入价格是5元);
5月15日,字节发布豆包通用模型Pro(32K),每百万Token价格为:输入0.8元,输出2元;豆包通用模型Pro(128K),每百万Token价格为:输入5元,输出9元;
5月21日,阿里宣布,旗下9款大模型降价,对标GPT-4的Qwen-Long,每百万Token价格为:输入0.5元,输出2元;
同日下午,百度宣布,文心大模型的两款模型,全面免费;
5月22日,讯飞宣布Spark Lite API全面免费。
一下子,让我想到了十年前的互联网烧钱大战。那几年,「打车」软件们的商业大战,让我一度天天打车上下班,而这个打车的钱比我坐地铁还便宜。那时候的我还不知道在未来的某一天,会被这个「打车」软件“杀熟”!
降价的时候,OpenAI说的是“造福世界”、谷歌“扩大AI用户”、国内大厂“让利个人和企业开发者”,实际上,就是竞争者多了,又不存在技术壁垒,为了抢用户,直接降价,甚至免费。专业点来讲,就是这玩意没有护城河。
不过在「打折降价」这一块,国内的大厂应该算是熟门熟路了。仔细算一算,这场「百模大战免费篇」应该是的第九次烧钱大战。
上面说到的打车大战是第四次。
第一次,千团大战(2010-2011年)。当年5000多个团购网站争夺市场,那年,美团笑到了最后;
第二次,电商大战(2012年)。我们熟知的京东、苏宁、当当等等赚足了流量,直接开启电商新纪年;
第三次,线上旅游大战(2013年)。携程笑到了最后;
第四次,打车大战(2012-2015年)。滴滴、快的、Uber你追我赶,最终滴滴笑到了最后。当然,后来因为某些事情,又有几家对滴滴发起挑战,而滴滴继续笑到最后;
第五次,外卖大战(2015年)。美团、百度外卖、饿了么等等互相让利补贴,最终美团、饿了么笑到最后,形成双雄对立的局面;
第六次,共享单车大战(2016-2017年)。那几年,路上都是各种颜色的单车,如今不是倒闭就是被收购。小黄跟小绿虽然还在,但人却不是当年的人;
第七次,新零售大战(2016-2018年)。**当年的“无人零售”,到后面的“无人问津”,笑到最后的阿里跟京东,迎来了此生最大的劲敌;
第八次,百亿补贴大战(2019年-至今)。大家熟知的拼一刀来了。它带着“万恶”的【再砍一刀】,走进了消费者的心中。
这次的AI大模型降价潮,折射出现阶段的大厂们已经无法再“向上定价”。
于是,大家开始**“向下竞底”**,而现阶段的底,在阿里那。
在商业世界里,价值决定价格。之前写过:[AI视频Pika 1.0爆火!一个让OpenAI参投,仅四个人团队就估值2亿美元的项目…],一家默默无名的小公司,一跃成为AI视频领域的独角兽,靠的不是盈利,而是这个叫pika的项目。通过不断积累的用户热度,以及大家对AI视频领域的憧憬,瞬间走入了资本的眼里。
但,现在回过头来看,关于pika的消息不那么多了。大家的视线转移到了Runway、SVD、Sora等等。因为这些产品一直在持续不断地制造热点。而,产品热点,也只能作为助燃剂的一种,它不具备可持续性。
于是,另外一种助燃剂——价格战,来了。
过去的价格战,参与的是所有消费者;而这次的价格战,参与的是所有开发者。后者的群体虽然不及前者多,但却为日后打下基础。
因为,这群开发者,将会利用这次的大甩卖,去创造出更多AI产品。而大厂们,会利用这些AI产品,去吸引到更多的用户群体。
我们不妨猜测一下:下个阶段,开发者补贴;再下个阶段,送模型送算力送。。。
昨天跟一个做大模型的产品经理聊天的时候,他说了一句:“*当一个行业进入全面降价的时候,也预示着‘行业大逃杀’的开始*”。
而我更喜欢用巴菲特的话来说:“当潮水退去才知道谁在裸泳。”
〔写在最后〕
纵观历史,在决出胜负之前,无论是作为消费者的我们,还是现阶段既得利益者的开发者们,无疑是最好的AI时代。
这就如同前几次烧钱大战的用户,仅仅几块钱,就能享受到几十块的服务。
但对于这帮AI公司来说,却是至暗时刻。
愿我们能一直在AI的道路上共同前进。
如何学习大模型 AI ?
由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。
但是具体到个人,只能说是:
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。