AI领域的"百模大战"：从学术难题到工程问题

上个月，AI业界爆发了一场"动物战争"。

一方是Meta推出的Llama模型，由于其开源特性，深受开发者社区欢迎。另一方则是名为Falcon的大模型。5月，Falcon-40B问世，力压Llama登顶了开源LLM排行榜。

该榜单由开源模型社区制作，提供了一套测算LLM能力的标准并进行排名。排行榜基本上就是Llama和Falcon轮流刷榜。Llama 2推出后，Llama家族扳回一城；到9月初，Falcon推出了180B版本，又一次取得了更高的排名。

有趣的是，Falcon的开发者是阿联酋首都阿布扎比的科技创新研究所。阿联酋官方表示，他们参与这个领域是为了颠覆核心玩家。

如今，AI领域已步入"群魔乱舞"阶段：有财力的国家和企业，都在打造自己的大语言模型。仅在海湾国家圈子内，就不止一个玩家。8月，沙特阿拉伯刚为国内大学购买了3000多块H100芯片，用于训练LLM。

AI业界这种百花齐放的局面，要归功于2017年Google发表的《Attention Is All You Need》论文。该论文公开了Transformer算法，成为此轮AI热潮的关键推手。目前所有大模型，包括震惊世界的GPT系列，都建立在Transformer基础之上。

Transformer的问世，让学术界的底层算法创新速度大大放缓。数据工程、算力规模、模型架构等工程要素，日渐成为AI竞赛的重要因素。只要有一定技术能力的科技公司，都可以开发出大模型。

然而，入场容易并不意味着人人都能成为AI时代的巨头。开源大模型的核心竞争力在于活跃的开发者社群。Meta的Llama系列已成为开源LLM的风向标，大量模型都基于它开发。

同时，性能差距仍然明显。在最新的AgentBench测试中，GPT-4以4.41分遥遥领先，而其他开源LLM的成绩多在1分左右。这种差距源自顶尖科学家团队和长期研究积累的经验。

除了技术挑战，盈利也是一大难题。目前，大多数AI公司面临成本与收入严重失衡的问题。据估计，全球科技公司每年将在大模型基础设施上投入2000亿美元，而预计收入仅750亿美元，存在巨大缺口。

总的来说，AI领域正经历从学术难题到工程问题的转变。虽然入场门槛降低，但真正的价值创造和商业成功仍面临重重挑战。未来的胜出者可能不仅仅依靠模型本身，更需要在应用场景、生态建设和商业模式上有所突破。