来源 | 盐财经
大模型赛道的参与者一度处于比以往更深的焦虑中 。这一领域内 ，基础技术研究动辄融资上亿，而可行的商业模式 ，却还在空中摸索 。
但三月的“长文本”概念破圈 ，重新搅动了一池心意。
自 3 月 18 日，刚满一岁的中国初创 AGI 公司月之暗面宣布旗下大模型 Kimi 智能助手开启 200 万字无损上下文内测后 ，国内各家大厂先后下场 ，秀肌肉一般宣布起各自在长文本领域的升级 。
3 月中旬 ，阿里旗下大模型工具通义千问宣布 ，向用户开放免费长文档解析处理功能，支持约 1000 万字的超长文档处理；
百度向《科创板日报》透露 ，4 月将在版本升级后开放长文本能力 ，文本处理范围在 200 万 -500 万，是当下更高 2.8 万字文档处理能力的上百倍；
360 智脑宣布内测 500 万字长文本处理功能 ，并表示早在 2 月底 ，360AI 浏览器已向用户开放 100 万字长文本阅读和拓展功能 。
被浓烈的 FOMO（Fear of Missing Out）情绪裹挟，这场大模型文本处理能力比拼 ，掀起二级市场一股猛烈的跟投风。三月下旬 ，与 Kimi 有关联的上市公司被打包进“Kimi 概念股 ”板块，强势拉涨 AI 应用板块 。与 Kimi 存在关联的华策影视 、掌阅科技 、中广天择等多股 ，在 18 日后股价相继迎来涨停 。
高烧两周后 ，如今“Kimi 概念 ”逐渐降温，但其背后这个闪烁着“小天才”光环，由 90 后创始人建立的、估值达 25 亿美元的国内初创公司 ，无疑让更多人看见低门槛投身大模型领域淘金的抓手。
对资本市场而言 ，2023 年的初始基建时期已经过去，这一领域的商业落地故事 ，才刚刚起势。
01
长文本 ，关用户什么事？
在技术圈内，风头正劲的长文本并不是一个稀奇物 。
简单来说 ，大模型支持的上下文窗口容量 ，可类比计算机的运行内存，也可理解为大模型的理解力与记忆力 。在与大模型进行内容交互（如问答对话）的过程中 ，大模型有一个可容纳的文本容量上限。这一上限不仅关系到大模型单次处理文本的能力 ，也关系到大模型记忆连续对话的容量 。
当大模型的长文本容量增加，该大模型在对话时可以考虑的上下文信息就越多 ，越有助于产生有针对性的连贯对话 ，也能确保在这一容量内的文本信息丢失情况减小 。用户可以喂给大模型更多信息，而大模型根据这一用户与机器的历史互动，回以个性化解释。
月之暗面 CEO 杨植麟曾诗意地表示 ，长文本（long context） ，是做成通用世界模型的之一步，“登月之一步 ” 。
这一步 ，在技术圈内被认可为重要但并非独特的一步 。
正如曾经计算机内存在过去几十年内涨了好几个数量级一样 ，越来越大的长文本容量同样出现在大模型领域。各家均会发力做内存升级，但受限于长文本对算力消耗大 、成本高 ，真正入局卷基础技术的公司有限 ，长文本也不是各家大模型的宣传重心 。
月之暗面则另辟蹊径，看见了长文本技术在用户端可以产生的影响 ，并实行了 Kimi 与长文本强绑定的宣传策略 。
早在 2023 年 10 月 ，推出 Kimi 应用的之一天 ，月之暗面便在官方———文章内容里广告“联系方式等等 ”请谨慎甄别，请勿模仿或用于违法行为！如后果自负！“本站不承担任何相关责任”上宣传，“欢迎与 Moonshot AI 共同开启 Loooooooooong LLM 时代 ”。
它高调宣称 ，Kimi Chat 是首个支持输入 20 万汉字的智能助手产品 ，其文本容量 2.5 倍于 Cloude 的 100K，8 倍于 GPT- 4 的 32k 。
容量升级 ，导向的是更好的用户体验 。月之暗面表示 ，当前大模型使用过程中的遗漏重要信息 、不支持长文本 prompt 输入导致的场景设定不清晰、无法基于大量给定材料给出专业回应等问题，均会在大模型拥有足够长的上下文输入容量后迎刃而解。
这相当于一个记忆容量更大 、理解能力更好的大脑。
“它很本质 。 ”杨植麟如是说 。
如此强调 ，是为了抢夺产品在用户心中的定位。成立之初 ，月之暗面便定下了独特的商业模式，不做目前看来商业模式更清晰的 B 端 ，而是在做基础大模型研究的同时 ，面向 C 端发力，意图通过技术提升 ，攻克 C 端用户个性化服务的需求 。
杨植麟曾表示 ，在大模型领域，基础技术突破和提供个性化服务走的是同一条路 。通过不断升级这一“大脑”的“脑容量”，每个 C 端用户都会获得一个更能记忆与自己的互动历史的模型 ，从而得到更独特的 、无法被复刻的反馈。
这是一招烧钱获客的险棋 。由于当前各家大模型 C 端应用同质化程度高 ，普遍为对话助手形式，在资金充裕的阿里、百度等大厂仍提供免费应用的情况下 ，各家公司不敢贸然进行收费 。当公司将商业模式定在用户端 ，暂时看来，其只能仰赖投资人的源源不断的资金流入 ，以保证研发及运营的现金流。
根据《新浪科技》报道 ，月之暗面当前投放广告获客成本约为 10 元，加上拉新后用户问答产生的算力成本 ，每个用户的获客成本约为 12-13 元 。
按照第三方数据平台七麦数据的用户下载量预估 ，近一个月 IOS 端 Kimi 累计下载量超 82 万，仅 iPhone 端日均获客成本已超 32 万 ，近一个月 iPhone 端获客成本近一千万 。若加上安卓端、网页端的运营成本 ，获客成本更要上一级台阶。
尽管费用不低 ，但这一数据某种程度上验证了月之暗面发展策略的有效性 。
在文心一言 、通义千问这类大厂产品已形成一定的用户口碑的当下 ，Kimi 凭借其对长文本技术和使用场景的强调，在用户心中营造出“精确 + 个性化 ”的观感 ，为许多用户找到了试用 Kimi 的理由 。
此外 ，在发布 Kimi 的半年内，月之暗面进一步宣布升级 Kimi 长文本容量为 200 万汉字 ，比今年 2 月谷歌 Gemini1.5 支持的 100 万 token 还高。这一技术升级在用户端完成了口碑积累与破圈。
根据 AI 产品榜（aicpb.com） ，2023 年 2 月，Kimi 在 2 月访问量骤增一倍 ，增速在国内访问量前十的 AI 产品中位居之一 。
也正因这一脱胎于初创公司的软件在用户端获得如此大的反响 ，各家大厂才按耐不住 ，参与进自家大模型长文本能力的展示中 。
在许多投资人看来，技术已不是当前大模型下一步发展的难点，更困难的在于找到适应市场的产品模式。
多名 AI 行业分析师向盐财经表示 ，大模型技术领域的突破依赖人才 、资金和数据 ，技术升级背后的逻辑往往能归因于规模定律 。在资本投资意愿仍然旺盛、商业模式尚不清晰的当下，初创企业和大厂各有优势 。
正如峰瑞资本投资合伙人陈石在 Sora 发布后所言 ，“这轮 AI 行情有一个突出的特点 ，就是‘天底下没有秘密’。 ”对摆出更大数据来“围剿”Kimi 的大厂而言，这不仅是秀实力 ，更是争夺用户市场的先声 。
02
抢滩入局 ，机会与恐惧
尽管 Kimi 激起了一阵水花，但在两周内迅速降温的概念股指数 ，展现了当下大模型领域尴尬的商业现状：不想错过 ，害怕做错 。
早在“Kimi 概念 ”兴起之前，大模型领域已经历了数轮类似的技术比拼。如在更为吸睛的多模态大模型领域 ，国内大厂在 2023 年年底 ，已在文生视频 、图生视频领域暗暗角力 。
2023 年 11 月 18 日，字节跳动推出了视频生成模型 PixelDance，紧随其后 ，阿里上线 Animate Anyone 模型 ，并先后宣布开源图生视频模型 I2VGen-XL 和文生视频模型 ModelScopeT2V 。
今年 1 月，大厂在文生视频 、图生视频领域角逐更甚 ，字节跳动、腾讯 、百度相继推出视频生成模型 MagicVideo-V2 、VideoCrafter2 和 UnivG ，均支持文图生成视频。
站在未来的风口面前 ，各家均不想错过抢占先机的可能 。但这也导致了在技术门槛不高、规模定律起主导作用的当下，企业堆叠大量资金与精力于其中 ，做出来的模型却面临“重复造轮子 ”的窘况 。
更残酷的是 ，当 Sora 这类支持生成 60 秒视频，达成技术突破的大模型出现后 ，此前辛苦做出的“轮子” ，也面临被迭代风险。
对月之暗面这类技术信仰派的公司而言，大模型领域的种种厮杀故事，确实是在一次次验证其创始人杨植麟的“之一性原理 ” ，即未来属于一个超级应用 AGI（人工通用智能） ，而当前唯一要做的事是做到最强的技术能力，走向这一超级应用。
当前 ，外部整体投资意愿收缩 ，这也导致大模型领域的投资人虽身处热门赛道，也不得不在开始时便为自己多想退路 。
根据投中研究院数据 ，2024 年 2 月 ，中国 VC/PE 市场投资总规模同比下降 33.17%，环比下降 40.31% 。
尽管 AI 领域展开的投资画卷仍有吸引力 ，让人工智能成为当期细分领域下获投规模更高的细分赛道 ，但冷静的资本市场，也让投资人更愿意分散下注 ，期待在大模型应用领域跑出黑马。
资本对重复造轮的厌倦与犹豫，正如市场派的投资者 ，金沙江创投主管合伙人朱啸虎所言：“整出 200 多个大模型有啥意义呢？没啥意义 。但在应用层有很多创新 。中国在数据和应用场景上是远远超过美国的。 ”
对技术派而言 ，大模型的终极意义或许在实现 AGI，但在更实际的市场派看来 ，更终极的问题在于 ，“大模型的商业模式到底怎样才有效”？
多位产业分析师向盐财经表示，当前 ，大模型商业化尚处于萌发期 ，2024 年可被看作大模型应用元年，资本与技术都已积累到一定程度 ，在迫切地寻找可行的商业模式 。比起模糊不定的 C 端市场 ，当前发展垂域大模型，与行业相结合 ，是一个较为可行的方向 。
创道硬科技创始人步日欣表示 ，当前的基础大模型由于数据来源庞杂，是一个难以实现专业化应用的泛化大模型。因此，将大模型与垂直领域数据结合 ，培育出专业小模型 ，是一条能走出差异化的路径 。这类模型在预处理后可以面向 B 端客户，而其内部数据的稀缺性 ，便是产品的护城河 。
“这类似于上一个互联网时代 ，利用大模型技术，在各个细分领域与行业耦合。 ”
这同样需要尽早入局 。步日欣指出 ，谁在行业内有足够的数据积累 ，谁便更能在这场应用变革中占据优势 。
至于基础大模型的赢家将在出现在哪边，人们观感并不一致。步日欣表示 ，AI 领域需要的资金投入远大于此前 SaaS 发展时期 ，资本雄厚的传统互联网大厂，更有发展大模型的优势。
艾媒创始人张毅则认为 ，在互联网大厂抬高入局门槛的情况下 ，新锐企业有更强的融资能力 、引才能力 。这就像互联网发展的早期阶段，大厂尚未成型，新锐企业更愿意试错 ，而新的道路往往诞生于这无畏的尝试中 。
这场围绕 Kimi 而起的长文本大战 ，背后涌动的是两种发展观念的交锋。站在技术果实成熟的前夜，原本渐趋固化的竞争格局 ，重新展现出许多可能 。
还木有评论哦，快来抢沙发吧~