策划、撰文 | Joel Li, Steven Shao
整编 | Sigrid Liu
据福布斯中国统计，今年以来，全球一共有至少280家人工智能相关的初创公司完成新一轮融资，占融资案例总数的5.9%，环比上个季度上升1.3%。在短短的90天内，大语言模型撬动的商业化机会似乎已经短暂地超过了VR、AR、机器人等硬件科技赛道，成为2023最值得关注的创业领域。
虽然如OpenAI这样的AGI（通用人工智能）头部公司已经产生，全球互联网巨头们的大语言模型项目接连上线也开始变得乏味，但这并不妨碍初创公司们前赴后继加入战场。过去3个月中，全球基于大模型新成立的AI公司数量达到28家。
- 美国（16家），代表项目：Fixie / NuMind / Tavus / Capsule Video / Seek AI / Poly,inc
- 中国（9家），代表项目：光年之外 / 百川智能 / Project AI 2.0等
- 欧洲（5家），代表项目：德国Kern AI / 西班牙Argilla / 法国SESAMm
新一轮AI技术马拉松已经跑完最精彩的头5分钟，我们见证了全球科技行业久违的沸腾。然而，仅比较各地创业公司关注方向，美国聚焦应用的初创人工智能公司数量正在迅速甩开中国和欧洲。而落后的全球另外两大风险投资阵地仍然毫不犹豫地将资金更集中地投入到有可能做出对标ChatGPT这一划时代产品的本土公司。
因为自OpenAI开放API短短几周内，多模态的大语言模型已经成功被当作下一代人工智能的基础设施。
Part.1 决战大模型
如果要让AI更快地走进市场，训练大模型是中国公司目前无法绕过的一座大山。但好消息是，过去3周内为我们反馈调研问卷的AI公司中，仅有30%的样本认为在该领域存在算法技术上的明显壁垒，远远低于：
73%的公司表达了对当前算力成本限制的担忧；
76%的公司承认了技术合规方向上全球目前还没有令人信服的实践框架（其中涉及伦理、知识产权以及数据安全等三个方面的主要问题）；
43%的公司认为数据封闭会影响整体模型开发。
而以上这三点也是全球所有大语言模型公司迈向商业化需要直面的问题，同时也更为致命。
事实上，对于新一代AI技术公司，目前也仅仅只在算法上具有相对的确定性。因为人工智能技术路径的迭代持续了近50年，今天几乎所有的大模型算法研究在历史上都有迹可循。
如为ChatGPT奠基的神经网络Transformer一定程度上借鉴了Jürgen Schmidhuber团队1993年在慕尼黑工业大学发表的一种Transformer变体，这也是最早提出的一种通过快速权重编程器将存储和控制分离，实现端到端可微分，自适应的方式进行信息传递、处理的算法。
在4月初，福布斯中国与“LSTM之父”Jürgen Schmidhuber教授的采访中，谈及大模型当下的竞争格局以及美国、中国和欧洲的机会，他认为，“虽然深度学习的大部分基础算法是由欧洲人发明的，但美国的大公司在商业化这些算法方面做得更好。事实上中国的公司并不落后。这些基本方法已经是开源的。你们需要的是更快的计算机，大量的数据和工程人才。”
但初创公司与巨头的博弈还会存在很长一段时间。
以往，一次信息技术的革命往往会降低创业门槛，这被概括为信息技术普及的红利。而这一轮的技术变革虽然由OpenAI等创业公司挑起，但在高昂的算力成本以及数据使用难度等客观限制条件下，创新在很短时间内就演变成为大公司的角力场以及军备竞赛，也很快盖过本应属于创业公司的风头。
自2月以来，中国和美国一共有9个互联网大厂推出大模型驱动的AI产品或发布新的大语言模型。这些产品很大程度定义了当前的产业话语权。
