BAT卷价格，云卷大模型

大模型进入普惠时代？

虽然，阿里云将大模型降价推向高潮，但并不是大模型降价的“首创”。

5月13日，OpenAI举行新品发布会，并带来一款名为GPT-4o的人工智能模型。OpenAI表示，GPT-4o在多模态方面能力强大，且用户可以免费使用。哪怕大模型再烧钱，OpenAI也很执着于降价。 

同样不在乎钱的还有火山引擎，其推出的豆包大模型，大幅低于行业价格。据悉，豆包通用模型pro-32k的推理输入价格为0.0008元/千Tokens。按当时来讲，比行业便宜99.3%。这波大模型降价潮，将席卷哪些厂商尚未可知，可以肯定的是，云大厂将无一幸免。 

为何？进入2024年以来，大模型竞争主要集中于场景化应用，比如月之暗面的长文本，再比如网络运维领域的GPT产品等。

大模型厂商在各自赛道跑马圈地，殊不知当以阿里云、百度智能云、火山引擎为代表的大模型布局场景接近尾声之时，最有效的竞争策略便是“降价”。

在此背景下，百模大战格局将面临全新洗牌，市场不再需要如此之多的玩家，这一点像极了滴滴与优步的竞争策略，通过烧钱入场，进而收获市场。

而这一轮的重新洗牌之后，对于用户或企业而言，最大的好处在于，大模型也正在进入普惠时代，用户开始低价享受技术带来的革新。

大模型为何能降价？

一个非常有意思的事情是，当大家还在“纠结”于大模型训练与推理烧钱的时候，大模型已经开始降价了。

相关数据显示，飞桨平台在万卡集群训练出来的文心大模型4.0版本，推理成本预计是文心大模型3.5版本的8至10倍。其烧钱程度可见一斑。 

事实上，将大模型交付用户使用之后，如果没有大版本更新，那么主要消耗的是推理成本。有观点认为决定大模型推理成本的有三个因素：大模型的网络结构和参数规模;大模型的推理部署，比如并行推理、量化、部署方式等;芯片和集群等硬件也将影响大模型的推理成本。

所以，只要参数规模小、大模型推理部署简单，以及硬件成本低，大模型降价并不是全无可能。与此同时，头部通用大模型厂商正在积极地开展“成本瘦身”运动：

微软新公布的GPT-3支持的AI超级计算机在AI模型训练效率上实现了显著突破，相较其他平台，其训练效率提升了高达16倍。这一显著地提升不仅大幅减少了时间成本，还有效降低了潜在的风险成本，使得AI模型的研发和应用变得更加高效和可行。 

盘古大模型在其2.0版本中，已经前瞻性地采用了稀疏+稠密的创新架构，旨在降低模型的训练成本。这种架构通过优化计算资源的使用，提高了训练过程的效率，为AI模型的开发和应用提供了更为经济且高效的解决方案。

而文心一言在推出仅一个月后，通过技术革新，成功将其大模型的推理性能提升了近10倍。这一卓越的性能提升不仅带来了更快速的推理速度，还显著降低了推理成本，仅为原来的十分之一。 

赛迪顾问人工智能与大数据研究中心常务副总经理邹德宝解释道，价格的差异首先源于各家大模型在技术实力、应用场景和训练成本等方面的不同。技术领先、功能强大的模型往往定价较高，而功能相对简单或训练成本较低的模型则定价较低。

此外，市场竞争的激烈程度也是影响定价的重要因素。为了吸引更多客户，一些模型厂商选择降价策略，从而在市场中占据更有利的位置。

大厂赔钱抢市场，小厂路在何方？

在竞争日趋白热化的大模型市场中，大厂凭借其雄厚的资本、深厚的技术积累以及规模化经营的优势，占据了主导地位。

火山引擎总裁谭待在访谈中明确指出，降低成本是推动大模型迅速进入“价值创造阶段”的核心动力，并且大规模地使用不仅能够优化模型，还能显著减少模型推理的单位成本。 

当前，大厂为抢占市场份额不惜以赔钱的代价进行竞争，这无疑给小规模模型提供商带来了巨大的生存压力。

据统计，截至2024年4月底，大模型相关项目的中标公告已累计近200个，远超过2023年的总数。面对大厂的强势挤压，初创企业的生存空间被严重压缩。

价格战虽然能在短期内带来市场份额的扩张，但长期来看，它可能压缩企业的利润空间，影响行业的健康发展。

对于实力雄厚的大企业来说，价格战是巩固市场地位、实现规模效益的机遇;然而，对于规模较小、实力较弱的模型提供商而言，它们面临的生存压力将日益加剧。

写在最后

原以为在大模型部署的前期阶段，厂商还是集中于探索场景化应用于技术突破，价格战将是后期采用的策略。

然而，在OpenAI、字节跳动、阿里云、百度云的加码下，大模型也迎来新一轮降价。 

在如此激烈的竞争中，中小大模型企业需要寻找自己的发展道路。在数据、算法、算力等方面均不如头部企业的情况下，差异化发展成为了关键。

它们可以选择深耕某一细分领域的行业大模型，或者加速应用的落地，通过独特的价值和创新能力，为自己赢得一席之地。这些都是中小大模型企业当前迫切需要解决的问题。