主要观点总结
本文讨论了从模型到应用的转变，在追赶AGI之前，AI公司面临生存压力，开始调整策略，专注于AI应用而非预训练模型。文章分析了背后的原因，包括资金短缺、算力成本压力、与OpenAI的技术差距等。同时，模型公司转向应用也是基于变现渠道的考量，因为目前大模型本身的变现渠道并不清晰。此外，开源模型的崛起也削弱了闭源模型的竞争力。一些公司开始抓住AI应用的盈利潜力，而仍在坚持预训练的厂商则在技术上寻求降本增效的方法。文章指出，放弃预训练模型并不意味着消极，反而是厂商重新思考和整合技术范式和行业资源的体现。
关键观点总结
关键观点1: AI公司面临生存压力，从模型转向应用，专注于AI应用而非预训练模型。
随着资金短缺和算力成本的压力增大，AI公司开始调整策略，将重心转向AI应用。这是因为相比于预训练模型的高成本，AI应用更为实际和具有盈利潜力。
关键观点2: 预训练模型存在高成本和技术瓶颈问题。
预训练模型需要大量的算力和数据投入，成本高昂。同时，技术瓶颈使得模型性能提升困难，难以与OpenAI等领先企业拉开差距。
关键观点3: 开源模型的崛起对闭源模型构成挑战。
随着一系列开源模型的性能提升，闭源模型的竞争力被削弱。这使得模型厂商面临更大的压力，需要寻找新的竞争优势。
关键观点4: AI公司开始重新思考和整合技术范式和行业资源。
一些公司放弃预训练模型，转向抓住AI应用的盈利潜力。同时，仍在坚持预训练的厂商则在技术上寻求降本增效的方法。这是厂商重新思考和整合技术范式和行业资源的结果。
文章预览
从模型转向应用，意味着在追赶AGI之前，AI公司先选择了活下去。 文 ｜ 周鑫雨 编辑 ｜ 苏建勋 来源 ｜ 智能涌现（ID：AIEmergence） 封面来源 ｜ 视觉中国 2024年，不少曾立下“做中国OpenAI”军令状的模型公司，开始打脸。 据“智能涌现”了解，被称为“AI六小虎”的6家中国大模型独角兽中，已经有两家逐步放弃预训练模型，缩减了预训练算法团队人数，业务重心转向AI应用。 （本文希望重点讨论国内AI公司对“预训练”大模型的路线选择，及其背后的思考与后续侧重点，为了不引起不必要的纷争，遂隐去放弃预训练模型的企业名称。） 赶大模型早集的百度，9月也一度传出“大概率放弃通用基础大模型研发，主要做应用”的消息。即便后续被百度辟谣，但“放弃预训练模型”，已经成了行业的一个转折点。 可以说，能让厂商上大模型牌桌的，就是
………………………………
