在新一轮的互联网创新浪潮中，大模型成为了下一个备受瞩目的焦点。与之前的元宇宙概念不同，大模型并没有昙花一现，而是逐渐渗透到应用层面，展现出强大的生命力。
《2024 年中国移动互联网半年报告》显示，截至 2024 年 6 月，AIGC 类 APP 的月活跃用户规模已达 6170 万，同比增长高达 653%。自去年以来，大模型引发的互联网混战愈演愈烈，全球科技巨头纷纷投入巨资，生怕错过这场时代变革。无论是游戏、电商还是社交平台，都在积极拥抱大模型时代。
据机构预测，到 2025 年，全球 AI 市场规模将超过 6 万亿美元，2017 年至 2025 年的复合增长率将达到 30%。
可以肯定地说，大模型的出现为沉寂已久的互联网注入了新的活力。国内流量规模排名前 20 的超级 APP，如淘宝、支付宝、抖音等，都在积极开发内嵌式 AI 应用，涵盖智能助理、智能搜索、智能导购等领域，新的玩法层出不穷。
然而，一个值得思考的问题是：在大模型时代，互联网还能否再现往日的创新辉煌？
创新认知的降级与产品研发的固步自封
在大模型出现之前，为何互联网巨头迟迟没有孵化出新的颠覆性产品？
这是一个困扰着全球科技企业的难题。去年 1 月份，《自然》杂志发表的一篇论文指出，通过对 4500 万份手稿和 390 万项专利的分析，发现全球范围内颠覆性技术的出现率正在下降。
从企业角度来看，近年来互联网市场从未停止研发，甚至研发力度不断加强。然而，巨头们的研发似乎都失去了方向，长期的投入与回报不成正比，导致资本的创新热情逐渐消退。
这并非无稽之谈。根据上海证券交易所的报告，仅在 2021 年，国内以寒武纪为代表的一众科创板块企业的研发投入就高达 167 亿元，但最终却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，企业的研发投入已超过国内研发总投入的 76%，年增速度达到 10%。
即使在近几年外部环境不佳的情况下，国内企业的研发增速仍能保持在 18% 以上。然而，研发难以增收也是不争的事实。百度创始人李彦宏曾公开表示，百度研发工程师超过万人，研发投入一度占收入的 20%，但实际业绩却不尽如人意。
在这种情况下，巨头公司更倾向于投资现有项目。以腾讯为例，数据显示，腾讯目前已投资超过 800 家企业，其中有 160 家是估值超过 10 亿美元的独角兽企业。外界甚至传言，巨头的投资与干预压缩了行业内部的创新力。
此外，研发无法带来可观的回报，也让大厂不再一味盲目开发新产品。近年来，小程序的诞生频率远高于独立 APP。阿里、腾讯、字节跳动、百度、快手、美团、京东等互联网巨头纷纷开发小程序，而独立 APP 为了节省试错成本，大面积关停。统计显示，腾讯一年关掉了 40 多个项目，字节也下架了派对岛。据不完全统计，仅互联网大厂近年来关停的独立产品就高达 70 多款。
这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，仿佛是照进互联网世界的一缕曙光，困于固步自封的大厂们纷纷涌入。从研发方向来看，大模型的确激发了巨头们的研发信心。然而，大模型带来的创新能持续多久？
值得注意的是，在创新疲软的互联网领域，很难再出现现象级产品或领头式技术。经历了微信、抖音等时代的洗礼，任何风吹草动都会引发行业内卷。如今，自研芯片、大数据、云计算、人工智能等技术成为了所有巨头，乃至科技创业的重头戏。
同质化的现象从未在互联网界消失。当 AI 玩法在每一个 APP 上都能见到，这样的创新便不再是真正的 “创新”。
另外，虽然大模型的热潮激起了一些浪花，但互联网巨头曾经最担心的研发与营收不成正比的问题却变得更加严重。全球科技企业发力 AI，导致资本支出急速增加。这段时间，海外巨头的财报展现了大模型烧钱的本质。
有机构分析，到 2025 年和 2026 年，大模型训练成本将接近 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。
种种迹象表明，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，远不如预期
与过去的几次革新不同，这次互联网集体向用户提供的大模型应用，问世不久就遇到了一些麻烦：用户真的需要大模型吗？从目前一系列数据来看，答案可能比预期要悲观。
红杉资本的数据显示，即使是全球大模型的头部 ChatGPT，其首月用户留存率也只有 56%，大约一半的用户在不到一个月的时间里就将其 “搁置” 了。同样，《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，人工智能渗透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 应用的用户留存率都低于传统应用，参与度也较低。7 月份，贝壳财经发布的一项调查显示，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，华为预测，到 2026 年，人工智能对企业的渗透率也仅能达到 20%。
为何会出现这种情况？技术、成本、实用性、安全性等因素都是原因。
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，该片的宣传最大噱头之一就是 AI 技术。据悉，博纳影业在电影中用 AI 还原了 27 岁的成龙，但观众反响平平。
数据显示，目前《传说》豆瓣评分 5.4 分，上映十几天也只有 7000 多万的票房。
在另一个主要应用领域 “广告界”，AI 应用的口碑也褒贬不一。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。目前，大部分互联网企业在自身产品中引入大模型，也是为了拉动每况愈下的广告收入。
然而，AIGC 的短板也开始显现：例如生产素材过于公式化、AI 效果导致用户审美疲劳、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引发热议。
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，那么大模型对于互联网进程的作用就十分有限。当前，互联网领域最大的重心是要提升 AI 落地的应用效率。
资本也意识到了这一点，投资流向正在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中，大模型应用企业占 69%，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 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。只有这样，互联网才有可能被 “拯救”，否则，失去创新力的互联网将继续迷茫。
互联网留给大模型吃老本的 “家底” 不多了
值得注意的是，互联网发展到大模型阶段，大多数玩法依然与过去相同，要么持续打价格战，要么回身吃自身的流量 “老本”。
从本质上讲，大模型的落地与古早互联网时代的 “圈地跑马” 并没有本质区别。
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。
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，豆包之所以能在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还是技术本身。单纯降低应用成本从短期来看的确能增加曝光、争抢用户，但长期来看，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一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，转用其他方式来填补这一成本。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计划，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。即使是从全球范围内来看，除了资金之外，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面临的困境之一：现有的互联网信息量难以支撑如此之多大模型的训练。
这段时间，字节跟一众在线办公企业 “喂养” 大模型的事情引发了不少用户不满。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。
