并购政策开了道门配资资深炒股，中国生物制药(01177.HK，下称“公司”)欲登堂入室。
【免责声明】本文仅代表作者本人观点，与和讯网无关。和讯网站对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。邮箱：news_center@staff.hexun.com
文 | 科技新知，作者 | 思原，编辑 | 蕨影
大模型赛道打了一年的价格战，还在继续 ……
就在新年前一天，阿里云宣布 2024 年度第三轮大模型降价，通义千问视觉理解模型全线降价超 80%。
同样，前不久火山引擎的 Force 大会上，除了大力宣传豆包外，最值得关注的还是价格的再次下降。目前豆包视觉理解模型输入价格为 0.003 元 / 千 tokens，1 块钱可处理 284 张 720P 的图片。
此前去年 5 月份，豆包通用模型 pro-32k 版，推理输入价格为 0.0008 元 / 千 tokens，价格不到 1 厘。此举迫使阿里云对其三款通义千问核心模型进行新一轮降价，降幅高达 90%。而百度智能云则更为激进，宣布文心大模型旗下的两款主打产品—— ENIRE Speed 与 ENIRE Lite，将全面免费开放。
按照火山引擎总裁谭待的说法，"市场需要充分竞争，降低成本是技术优化的结果，做得最好才能活下来"。显然，在这场大模型的军备竞赛中，豆包想要上演"大力出奇迹"的戏码。
但在字节大肆内卷之下，也有质疑不断：豆包的价格真的足够便宜吗？为什么大模型要卷价格？未来价格还会成为企业拿单重点吗？
降价夸张？满是套路
想要理解大模型商家的套路，就需要了解大模型的商业模式。据"远川科技评论 "梳理，目前来看各家提供的服务主要可分为三种：
一是包含模型推理的基础服务，指的是根据输入的信息内容，给出回答的过程。简单来说就是"实际使用"模型的过程。这部分各家都有不同的模型标准。
二是模型精调，厂商可以根据客户需求按 token 使用量（训练文本＊训练迭代次数）计费，训练完成后出账，按量后付费。
第三种便是模型部署，就相当于一个客户独占了一部分算力资源，属于大客户，其收费模式，也是按照消耗的计算资源或者模型推理的 token 数量以量计价。
这 3 种收费模式，代表的也是大模型开发由浅入深的过程。而各大科技公司疯狂砍价的，其实是第一种基础服务，即标准版模型的推理费用。而这部分定价又分成了"输入"和"输出"两部分。简单来说，输入就是用户提问的内容，而输出则是大模型的回答。
在调用大模型时往往会根据输入和输出的 token 数量，进行双向计费。这种细微差异，很容易成为大模型公司的套路。
例如，豆包的通用模型 Doubao Pro-32k，输入价格为" 0.8 元 / 百万 tokens "，按照官方说法是比行业便宜了 99.3%，一些主流模型也都开始了降价，比如阿里云三款通义千问主力模型 Qwen-Turbo 价格较之前直降 85%，低至百万 tokens 0.3 元，Qwen-Plus 和 Qwen-Max 的输入价格分别再降价 80% 和 50%，分别为 0.8 元 / 百万 tokens 和 20 元 / 百万 tokens。
但输出价格方面有所差别，2 元 / 百万 tokens 的价格与 Qwen-Plus、DeepSeek-V2 等同行持平，甚至比比 Qwen-Turbo、GLM-4-9B 等一些同行产品价格更高。
再看最新的豆包视觉理解模型 Doubao-vision-pro-32k，输入化为每百万 tokens 的售价为 3 元，大概是 0.4 美元，输出直接来到了 9 元，大概为 1.23 美元。按照豆包说法，这个售价比行业平均价格便宜 85％。
但对比几个直接竞争者：阿里的多模态模型 Qwen-VL 系列在最近降价后与其价格一致；多模态的 Gemini 1.5 Flash 模型每百万输入 tokens 报价为 0.075 美元、每百万输出 tokens 成本为 0.3 美元，对于较小的上下文（小于 128k）还另有折扣价；GPT-4o mini 则是输入 0.15 美元，输出 0.6 美元。
不过不止豆包，国内其他厂商基本也都有类似的降价"套路"。例如百度宣布免费的 ERNIE-Speed-8K，如果实际部署，收费就变成了 5 元 / 百万 tokens。还有阿里的 Qwen-Max，实际与字节跳动的豆包通用模型 Pro-32k 一样，只是降低了输入的价格。
值得一提的是，标准模型推理的降价确实可以让中小开发者降低成本，但只要稍微更进一步的使用，就涉及到了模型微调和模型部署，然而这两项服务一直都不是价格战的主角，并且也没有太大降价幅度。
简单来说，各家降价最狠的其实都是轻量级的预置模型；相比之下，性能更强悍的"超大杯"模型，实际降价幅度没有那么夸张。例如精调的 Doubao-pro 系列的价格都在 50 元 / 百万 tokens，比阿里、腾讯这些厂商的旗舰主力模型价格更高。
各大厂商风风火火的掀起的价格战，就像是打网游，用各种形式吸引玩家，再在游戏中加上各种玩法，总之就是想要变强就要氪金。当然，即便如此，各个大厂也算是真金白银的付出很多，那么为什么这些厂商在一直围绕价格大费周章呢？
想做好，热度不能停
纵观大模型行业，字节跳动一定算不上起跑最快的那一批选手，甚至今年年初，字节跳动 CEO 梁汝波在内部讲话中提到"迟钝"二字，直指字节对大模型的敏感度不如创业公司。
"直到 2023 年才开始讨论 GPT，而业内做得比较好的大模型创业公司都是在 2018 年至 2021 年创立的。"他说。
后来者往往是最需要内卷的那个，字节跳动也是如此。从今年年中开始，便开始制造一轮又一轮热度。
除了上文所说的，豆包在 B 端的让利降价意图明显外，C 端市场豆包也是全力出击。
面向 C 端，无论是线上平台，还是线下公开场所，都能看到豆包的身影。据"连线 Insight " 援引 AppGrowing 统计，截至 11 月 15 日，国内十款 AI 原生应用中，Kimi 和豆包是投放最疯狂的两个产品，分别投放了 5.4 亿元和 4 亿元。
拉长时间线看，豆包的投流显然更猛烈。据 AppGrowing 统计，2024 年 4 月— 5 月，豆包投放金额预计为 1500 万元 -1750 万元。6 月上旬，豆包再次启动新一轮大规模的广告投放活动，投放金额高达 1.24 亿元。
除了投流外，豆包还有抖音这一流量池，字节几乎屏蔽了除了豆包以外所有 AI 应用在抖音上的投放。目的也很明确，就是要彻底解决大模型应用的"用户焦虑"。
然而，现实往往事与愿违。据"智能涌现"报道，字节内部反思——豆包目前的用户活跃度并不算高。豆包每周仅活跃 2 至 3 天，且每天用户发送消息轮次仅为 5 到 6 次，单次 2 分钟左右，用户人均使用时长仅为 10 分钟左右。上述这些数据在过去一年中的增长幅度并不显著。
简单来说，不计成本的投流，虽然让豆包成了国内用户数量断层式第一的 AI 软件，但仍然算不上是一款 killer app。
字节管理层对此的判断是，像豆包这样的 AI 对话类产品可能只是 AI 产品的"中间态"。字节内部判断，付费订阅模式在中国不太可能走通。而时长和轮次太低，又导致潜在的广告空间较小，这都构成了这类产品的隐形天花板。
所以长期来看，更低门槛、更"多模态"的产品形式更具落地可能，剪映和即梦可能是合适的入口，这也是此次大会豆包将部分重点放在视频模型的本质原因。
但站在用户角度，根据"财经杂志"报道，大部分用户买单的原因是产品和服务能带来价值，价值不光是解决具体问题，如提升工作效率、提供情感陪伴等，市场上还有一类价值是"符合政策方向"。更重要的要具备找到具体客户并交付的能力，这考验的是 AI 公司在技术和产品之外的能力，甚至在很多时候，这项能力比技术实力更能帮助 AI 公司成长。
中国的 AI 市场和美国不同，很难通过平台销售软件的模式打开市场，大部分时候需要抓住一个个的项目和工程来实现商业化。而这些项目和工程的来源，往往与自身热度有关。
"一家成熟的企业在布局大模型时，很难会去考虑一个不成熟的产品或者企业。在不考虑成本的情况下，大品牌往往是首选，这不仅是技术上的信任，更多是服务、整体质量的信任"，一位科技企业管理人员向「科技新知」表示，"毕竟小厂的风险还是有的，就像买车，开着开着车厂倒闭了，那就损失大了"。
初创公司大肆制造热点新闻，大概率是为了融资，是为了活下去，而豆包这种本就有背景的，则是想要靠着热度去找到并且固定更多客户，但圈内一个默认的事实就是，无论是谁、无论技术多厉害，都要善于保持热度，毕竟酒好也怕巷子深。
淘汰赛，或告别价格战
其实不止豆包，目前市面上所有二线及以下的大模型厂商，都处在花钱买流量的阶段，为的是留住用户。因为这一场不折不扣的"卷王秀"背后，是疯狂的产品能力和研发速度，更意味着这场关于"挤泡沫"的大模型服务商淘汰赛，再次吹响了号角。
2024 年已经经历了一轮淘汰赛洗礼，让大模型去九存一，产业格局更加合理，只留下了约 10% 的大模型进入决赛圈。
然而，这并不是结束，而是开始。只是在「科技新知」看来，新一轮淘汰赛的重点，价格不再是主导因素而是技术。
目前科技公司们也开始陆续意识到，仅发布一个免费的应用，并不能为公司带来直接收益，C 端用户量很难增长，获客成本已经明显提升。更重要的是去直接触及那些愿意付费的 B 端客户，例如金融、政务、汽车等行业。
但是通常有大量公司集中进入某个行业时，会出现持久的价格战，因为各家都需要打造一个标杆客户，来为之后的市场拓展铺路。简单粗暴的价格战会让一些公司主动或被动退出，待市场稳定后，再将价格恢复常态。
但矛盾之处在于，"有钱"的领域大家都想进入。而长久的价格战下，技术成本变成了制胜关键，简单来说，同样的解决方案和报价下，谁的技术成本更低，谁就能亏得更少，活得更久。
而技术成本取决于企业的硬件成本和算法逻辑，这点目前国内主流的大模型厂商基本处在同一水准，并且迭代和互相追赶的速度也不相上下，但这不代表可以高枕无忧。
今年 9 月，OpenAI 的"王炸" o1 模型的问世也让各家看到了差距，与现有的大模型相比，o1 最大的特点就是"推理式 AI "，它在回答复杂问题时会花费更多时间来逐步推演问题。这种延时思考并不是缺点，反而让 o1 更接近人类真实的逻辑推理方式。
从"生成式 AI "到"推理式 AI "，o1 的推出预示着 AI 进入了一个全新的阶段。而更令人震惊的是，在 o1 发布的 3 个月后，下一代 o 系列产品 o3 便横空出世，并且 o3 有完整版和 mini 版，新功能是可将模型推理时间设置为低、中、高，模型思考时间越高，效果越好。mini 版更精简，针对特定任务进行了微调，将在 1 月底推出，之后不久推出 o3 完整版。
这也意味着快速迭代下，目前主流的生成式 AI，即将成为历史产品。
"价格是影响大模型企业的因素，但更重要的还是技术能力，"一位大模型应用开发者向「科技新知」表示，"目前国内如阿里、昆仑万维等企业也都推出类 o1 模型，虽然有差距，但也代表了他们也都认同这一趋势。"
一位业内专家也表示，国内企业走的思路是集成思维链、用搜索方式提升深度推理能力、加入反思策略和算法提升逻辑推理性能，但目前还未完全超过 OpenAI。
值得一提的是，国内最近比较火的 DeepSeek-V3，采用的蒸馏技术给行业提供了新思路，但同时也陷入"优化 GPT "的争论。
而针对 AI 训练可能使用合成数据（大模型生成数据）这一话题，伦敦大学学院（UCL）名誉教授和计算机科学家彼得 · 本特利表达了担忧，称"如果继续在其他 AI 的输出上训练 AI，结果可能是模型崩溃。确保高质量 AI 的唯一方法是，为其提供人类的高质量内容。"
"缺乏参照的现成开源架构，不清楚 o1 模型做后训练时强化学习的方式以及使用的数据集，树搜索、COT 未开源，训练数据污染、国产模型推理性能提升困难，这些都是目前国内企业的难点，"该专家补充道，"不过若有支持 o1 架构的开源模型出现会加速这一过程，过程中会有两三家先跑，其他家后跟进。"
如果根据以往 GPT 系列的发展节奏，全厂商跟上 o 系列的步伐大概率会在 2025 年上半年到来，而在这之后，目前的技术也将逐渐退出历史舞台，所以对于大模型厂商来说，与其坐等被淘汰，不如在淘汰之前让迭代技术发挥更大作用。
总的来看，未来价格虽仍会是影响企业拿单的因素之一，但随着技术的快速迭代和行业的发展，技术能力将越发关键，只有不断提升技术、降低成本、优化服务，大模型厂商才能在即将到来的淘汰赛中存活下来。
参考资料：
[ 1 ] 《豆包再降价，字节"饱和式"进攻仍在继续》， 连线 Insight
[ 2 ] 《大模型价格战，还能再狠一点》，远川科技评论
[ 3 ] 《中国大模型洗牌年将开启，暗藏两大逻辑》，财经
[ 4 ] 《字节内部判断 AI 对话类产品天花板可能不高，提升剪映即梦优先级》配资资深炒股，智能涌现
文章为作者独立观点，不代表最安全的实盘配资_实盘配资平台APP下载_最安全的杠杆炒股平台观点
