【ITBEAR】2024年，國內多家曾立志成為“中國OpenAI”的模型公司開始調整戰略方向。據了解，被稱為“AI六小虎”的六家中國大模型獨角獸中，已有兩家逐步放棄預訓練模型，縮減預訓練算法團隊，轉而聚焦AI應用的發展。
這一轉折點的出現并非偶然。預訓練階段對于大模型而言至關重要，它決定了模型的性能，也是模型廠商的核心技術壁壘。然而，隨著第三方預訓練模型性能的提升，應用層企業開始放棄預訓練，專注于后訓練環節，以節省算力成本。
硅谷的明星AI企業Character.AI在2024年8月也宣布了類似的戰略調整，他們選擇與第三方模型合作，以投入更多資源于后訓練，創造新的產品體驗。然而，對于模型層企業而言，放棄預訓練意味著主動退出AGI的激烈競爭。
放棄預訓練并非全然消極的信號。在資金、算力緊缺的當下，大模型廠商開始對自身能力和資源進行重新評估。從模型轉向應用，意味著在追求AGI之前，AI公司選擇了先確保生存。
預訓練的主流路徑是狂堆參數的Scaling Law，但這意味著高昂且持續的算力和數據投入。對于尚未盈利的創業公司而言，繼續堆參數煉模型面臨著巨大的資金壓力。因此，不少國內模型廠商開始借助“數據+場景”的優勢，在AI應用上發力。
規模化的AI應用逐漸代替了領先的模型性能，成為模型廠商留在AI牌桌上的籌碼。用戶數據成為了模型廠商不得不重視的指標。然而，AI產品的差異化程度還不夠，砸錢買流量幾乎是獲客的唯一出路。
大模型公司面臨著變現的焦慮。目前靠大模型本身并沒有明晰的變現渠道。模型API的降價并沒有提高模型的營收能力，反而導致了ToB業務營收的下滑。開源模型的強大競爭力進一步削弱了閉源模型的付費轉化。
在技術瓶頸和變現壓力的雙重困擾下，大模型廠商開始尋找新的出路。放棄預訓練的廠商抓住了尚有盈利潛力的AI應用，而仍在堅持預訓練的廠商則開始在技術上降本增效。
對于整個AI行業而言，放棄預訓練模型并不意味著失敗或消極。相反，它標志著廠商從技術狂熱重回理性，開始重新思考和整合技術范式和行業資源。
