ChatGPT降温背后:大模型发展迎来真正转折点?

作为目前AI领域的“神级产品”,ChatGPT的诞生,即吹响了AI革命的号角,随后包括谷歌、微软、Meta在内的国外科技公司,以及百度、华为、阿里、商汤科技、360、科大讯飞等在内的国内大厂,纷纷在短时间内推出了自家大模型产品。

但这场空前繁荣能持续多久,始终是投资市场的一大关注点,尤其是近期网页版ChatGPT流量出现下跌,引发了一轮讨论热潮。虽然返校季到来, ChatGPT热度又开始回暖,但目前的流量仍远低于此前的峰值。

由此来看,头号产品似乎仍处于遇冷态势中。那么,这是否意味着新一轮AI泡沫已经出现,还是市场逐渐回归了理性?曾经高举高打的大模型,未来又将如何发展?

ChatGPT流量下降,大模型风口已过去?

近日,网站分析工具SimilarWeb的数据显示,网页版ChatGPT的月活数据已经连续第3个月呈现下滑趋势。其中,6月下降了9.7%,7月下降了9.6%。尽管8月数据有所回升,但环比用户数仍旧下降了3%。浏览量也从5月的19亿下滑至7月的15亿。

另据Choice数据,ChatGPT概念板块指数从今年2月初的1220点左右一路上涨至1818.68点(6月20日)。但6月下旬开始,ChatGPT概念板块指数快速回落,目前已降至1420点左右。而且,6月1日-9月13日,71只ChatGPT概念股中,有56只股价下滑。截至9月5日,共有25家ChatGPT概念股股东进行减持。

与此同时,CB Insights数据显示,今年第二季度,全球AI领域投资总额更是环比下降38%。

在此形势下,网络上关于“ChatGPT退热”“大模型熄火”“新一轮AI泡沫破灭”的讨论随之升高。

不可否认,网页版ChatGPT流量下滑,与大模型行业热度下降密不可分,但如果由此就认为“新一轮AI泡沫”已经来到,或还为时尚早。

实际上,ChatGPT流量下滑也是多方面因素导致的。

Similarweb就在分析时指出,ChatGPT流量在夏季呈现出明显下降的原因之一是学校放假。数据显示,在美国市场,ChatGPT 5月流量下降了10%,6月下降了 15%,7月又下降 4%,在这几个月中,18-24岁年龄段的用户比例从4月的接近30%下降到了7月的27%以下。而随着学生返校,ChatGPT的流量也出现了回升。

另外,ChatGPT自身的运营模式,或也会在一定程度上影响其流量。

据了解,OpenAI一直将ChatGPT背后的模型开放给其他企业,并在近期推出了ChatGPT企业版,希望更多企业能接入ChatGPT的API。尽管OpenAI的这些行为不是免费的,但用户转向其他接入GPT API的产品,必然会分走ChatGPT网页版的流量。

再次就是国内外不同竞品的出现。

ChatGPT自去年11月底推出以来,就引发了一轮科技竞赛,不仅互联网科技大厂纷纷推出大模型,大模型创业公司也如雨后春笋般涌现。国外方面就有Anthropic的Claude 2、谷歌的Bard、微软的Bing、Meta的Llama2等,国内方面则更是“百家争鸣”。

《2023AI大模型应用中美比较研究》报告提到,截至2023年5月底,国内10亿级参数规模以上基础大模型至少已发布79个。另外一组来自赛迪的数据显示,截至2023年7月,我国累计已经有130个大模型问世。

而这些大模型产品,为了抢占更大的市场份额,也在“各显神通”。尤其是在8月31日,11家大模型正式通过备案后,陆续宣布开放用户服务。开放用户服务背后,是大模型“全民化”的到来,以及无限的“钱景”。

据悉, 9月1日,文心一言开放用户服务后,百度股价较发布前一日收盘价140.71美元上涨4%,一度最高上涨7.3%。

此前,商汤也在财报中提到,2023年上半年,生成式AI相关收入同比增长670.4%,对集团业务的贡献从2022年的10.4%迅速提升至20.3%。科大讯飞的半年报同样显示,自讯飞星火大模型发布并完成三次升级后,商品交易额迎来增长。以学习机产品为例,5月和6月,是讯飞星火升级至V1.5的时间段,大模型加持下的学习机GMV同比增长136%和217%。

如此来看,大模型赛道仍然受到市场重视,且对相关企业发展的加持作用日益显著。不过,从投资市场的发展规律来看,回归理性也将成为事实。正如观安信息创始人、首席专家张照龙所言:“虽然生成式AI的市场热度相较前段时间大幅降低,但这并不意味着它的价值和潜力减小。相反,我们可能正在迈入一个更成熟、更稳定的发展阶段,而不再是之前的疯狂投资和过度期望。”

那么,进入新阶段,大模型的未来又将走向何处?

走上转折点,大模型的未来如何发展?

纵观现阶段大模型赛道的发展,随着入局者的增多,逐渐呈现出To B和To C两条分岔路。

比如,凭借丰富的客户积累和对各行各业的深度洞察,腾讯、华为重点打造行业大模型,企业用户可以根据场景需要,个性化定制专属大模型,并可进行优化和升级;而百度、科大讯飞的大模型产品则更偏向C端,主要助力用户进行内容生成,工具属性突出。

不难看出,To B还是To C,取决于各家企业不同的战略倾向,To B企业把握到B端用户可能是这场技术变革的必要引擎,而To C企业则更加重视技术落地的归宿。这两种方向选择无关对错,而且许多公司已做出BC两端并重的选择,契合了当前的大模型发展现状。

但从事物发展规律来看,如今正在迈向成熟阶段的大模型,未来一定是奔赴更大规模的落地,可以说大模型的归宿是“普及化”。正如互联网时评人张书乐所言,“大模型必须走向全社会开放,才能完成大数据意义上学习资料的累积,达成深度学习”。当然,除了这层技术提升的考虑,大模型在C端的全面落地也意味着商业价值的更大诠释。

因此也可以理解,为何市场会对ChatGPT的流量下降存在担忧。不过,尽管C端是大模型发展的沃土,具有巨大的发展潜力,但考验到用户习惯,当前相关厂商主要以免费模式提供大模型服务,而这对于正在疯狂烧钱的企业而言,显然存在难以取得理想回报平衡成本压力的风险。

Alphabet董事长约翰·汉尼斯曾表示,与大语言模型这样的人工智能对话,其成本是传统搜索的10倍。再以ChatGPT为例。根据国盛证券报告,GPT-3训练一次的成本约为140万美元,整体来看,其训练成本介于200-1400万美元(模型训练量有大小)。

另外,值得关注的是,桎梏当前大模型发展的还有芯片“卡脖子”问题,实现相关技术完全自研在当前阶段难以实现。

如何破解上述难题,实现大模型的持续发展?

可以看到,当前大模型赛道虽然入局者众多,但并未出现一个超级巨头把握全局。分开来看,C端大模型产品多样,但站在用户角度来看,可取代性仍较强;而在B端,碎片化特征显著。昆仑万维CEO方汉曾表示,大模型对行业数据的需求较高,但数据已经被分割在B端的不同碎片,很难有一家企业能够拿到全部行业的数据。

从另一个角度来看,这也意味着,谁都有成为“第一”的可能性。而结合当前赛道的困境,为了驱动大模型规模化发展,显然需要企业合力破局、实现协同发展。因为当前赛道存在的成本压力以及核心技术研发困难,一定程度也是缺乏统筹规划、开发协作不足导致的。

基于此,头部企业正在不断推进生态完善。比如,百度推出了大模型新生态政策,为伙伴提供资金、算力、技术、营销等全方位的强力支持;华为云则开放了行业大模型、软件解决方案、插件集成、数字化转型咨询、数据生态等全方位的生态合作路径,希望更多伙伴加入盘古大模型全域协同生态体系。

值得一提的是,大模型产品C端拓展的机遇还蕴含在庞大的移动App领域。目前,大模型产品仍然主要在网页浏览器落地,而不是移动端,这主要是由于开发App需要分散更多精力和资源,且相比网页端,移动端容错率也较低。但不可忽视,移动端有望释放更大的盈利价值。

QuestMobile今年年初公布的数据显示,经过三年蓄力,我国移动互联网用户规模突破12亿大关。从人群结构上看,标志性的关口也在持续出现:51岁以上用户占比已达26.4%,突破1/4关口;三线及以下城市用户占比达60.6%,突破六成关口。

因此,百度等企业也在陆续推出大模型产品移动App版本,并受到市场欢迎。根据百度发布的数据,文心一言开放首日,APP迅速登顶手机应用商店排行榜,开放下载19小时内用户突破100万,累计回答网友3342万个问题。随着移动端的研发和应用渐成趋势,大模型比拼的战场或将完成一轮转移。

总体而言,尽管现阶段大模型的发展出现了“降速”,但相关企业对其的研究并没有减少。

而随着各行业对于AI技术的需求不断增加,以及政府、企业和研究机构等各方主体加强合作,大模型作为人工智能的重要发展方向,也将有更广阔的应用前景。

作者:Bonnie

来源:松果财经

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.xdnf.cn/news/141704.html

如若内容造成侵权/违法违规/事实不符,请联系一条长河网进行投诉反馈,一经查实,立即删除!

相关文章

LLM-TAP随笔——大语言模型基础【深度学习】【PyTorch】【LLM】

文章目录 2.大语言模型基础2.1、编码器和解码器架构2.2、注意力机制2.2.1、注意力机制(Attention)2.2.2、自注意力机制(Self-attention)2.2.3、多头自注意力(Multi-headed Self-attention) 2.3、transforme…

Crypto:一眼就解密

题目 根据题目给出的信息可知,flag的为base64编码,数字后面的可以知道为base64编码,解码可得

oracle 根据分号分割为多个列

oracle 没有split 函数,因此没法直接使用,但是时间上会遇到需要分割的时候,可以使用正则表达式 SELECT REGEXP_SUBSTR(administration, [^;], 1, 1) AS SKILL1, REGEXP_SUBSTR(administration, [^;], 1, 2) AS SKILL2, REGEXP_SUBSTR(admini…

Cpp/Qt-day050921Qt

目录 实现使用数据库的登录注册功能 头文件: registrwidget.h: widget.h: 源文件: registrwidget.c: widget.h: 效果图: 思维导图 实现使用数据库的登录注册功能 头文件: registrwidget.h: #ifndef REGISTRWIDGET_H #de…

【Kafka系列】(二)Kafka的基本使用

有的时候博客内容会有变动,首发博客是最新的,其他博客地址可能会未同步,认准https://blog.zysicyj.top 首发博客地址[1] 文章更新计划[2] 系列文章地址[3] Kafka 线上集群部署方案怎么做 操作系统 先说结论,Kafka 部署在 Linux 上要比 Window…

[网鼎杯 2020 朱雀组]Nmap 通过nmap写入木马 argcmd过滤实现逃逸

这道题也很好玩 啊 原本以为是ssrf 或者会不会是rce 结果是通过nmap写入木马 我们来玩一下 传入木马 映入眼帘是nmap 我们首先就要了解nmap的指令 Nmap 相关参数-iL 读取文件内容,以文件内容作为搜索目标 -o 输出到文件-oN 标准保存-oX XML保存-oG Grep保存-oA…

北工大汇编——综合题(2)

题目要求 编写一个比赛得分程序。共有7 个评委,按百分制打分,计分 原则是去掉一个最高分和一个最低分,求平均值。要求: 评委的打分以十进制从键盘输入。成绩以十进制给出,并保留 1位小数。输入输出时屏幕上要有相应提…

分治算法求解:逆序对,Max Sum,棋盘覆盖,a-Good String——中山大学软件工程学院算法第四次实验课 必做+选做题

写英文注释不是要“秀英文”&#xff0c;而是因为鄙人正在准备雅思&#xff0c;顺手练习 逆序对 题目描述 完整代码 #include<iostream> using namespace std; int num[500010]; // input numbers int tmp[500010]; // sequence after merging left and right part lon…

鼠标不动了怎么办?3招解决问题!

“这是怎么回事呢&#xff1f;我的鼠标怎么会用着用着就突然不动了呢&#xff1f;现在有一些比较重要的工作要处理。请问有什么方法可以快速解决这个问题吗&#xff1f;” 随着电脑在我们日常生活和工作中的广泛应用&#xff0c;鼠标是我们操作电脑不可或缺的工具之一。但是&am…

WebGL 绘制圆形的点

目录 前言 如何实现圆形的点&#xff1f; 片元着色器内置变量&#xff08;gl_FragCoord、gl_PointCoord&#xff09; gl_PointCoord的含义 示例程序&#xff08;RoundedPoint.js&#xff09; 代码详解 前言 本文将讨论示例程序RoundedPoint&#xff0c;该程序绘制了圆…

Spring底层原理之 BeanFactory 与 ApplicationContext

&#x1f40c;个人主页&#xff1a; &#x1f40c; 叶落闲庭 &#x1f4a8;我的专栏&#xff1a;&#x1f4a8; c语言 数据结构 javaEE 操作系统 Redis 石可破也&#xff0c;而不可夺坚&#xff1b;丹可磨也&#xff0c;而不可夺赤。 Spring底层原理 一、 BeanFactory 与 Appli…

爬虫怎么批量采集完成任务

目录 一、了解网络爬虫 二、Python与网络爬虫 三、批量采集任务的实现 1.确定采集网站及关键词 2.安装相关库 3.发送请求并获取响应 4.解析HTML文档 5.提取文章内容 6.保存文章内容 7.循环采集多篇文章 8.增加异常处理机制 9.优化代码性能 四、注意事项 总结 在当…

登录业务实现 - token登录鉴权

登录业务实现&#xff1a; 登录成功/失败实现 -> pinia管理用户数据及数据持久化 -> 不同登录状态的模板适配 -> 请求拦截器携带token&#xff08;登录鉴权&#xff09; -> 退出登录实现 -> token失效&#xff08;401响应拦截&#xff09; 1. 登录成…

(循环)mysql定时器删除某表中数据例子

CREATE EVENT clear_interactive_logs ON SCHEDULE EVERY 1 DAY STARTS 2023-09-21 23:36:36 DO DELETE from t_interactive_log WHERE id not IN (SELECT * from (SELECT id from t_interactive_log ORDER BY occer_time DESC limit 20000) x ); END ———————————…

Java编程的精髓:深入理解JVM和性能优化

文章目录 Java虚拟机&#xff08;JVM&#xff09;的核心概念1. 类加载器&#xff08;Class Loader&#xff09;2. 内存区域3. 垃圾回收&#xff08;Garbage Collection&#xff09;4. 类型转换和多态 JVM性能调优1. JVM参数调整2. 内存管理3. 多线程优化4. 使用性能分析工具5. …

【技术分享】NetLogon于域内提权漏洞(CVE-2020-1472)

一、漏洞介绍 CVE-2020-1472是一个Windows域控中严重的远程权限提升漏洞。攻击者在通过NetLogon&#xff08;MS-NRPC&#xff09;协议与AD域控建立安全通道时&#xff0c;可利用该漏洞将AD域控的计算机账号密码置为空&#xff0c;从而控制域控服务器。该漏洞适用于Win2008及后…

C++:优先级队列模拟实现和仿函数的概念使用

文章目录 使用方法Compare仿函数一些场景模板参数和函数参数 本篇总结优先级队列 使用方法 首先在官网查看它的一些用法 template <class T, class Container vector<T>,class Compare less<typename Container::value_type> > class priority_queue;从…

S09-录入的数据快速分列

选中某一列数据&#xff0c;数据-》分列 确定分隔符

Blender导出FBX给UE5

最近在学习UE5的资源导入&#xff0c;总结如下&#xff1a; 建模使用Blender&#xff0c;UE5版本是5.3 1.纯静态模型导入UE5 Blender FBX导出设置保持默认即可&#xff0c; UE5把导入设置里Miscellaneous下Force Front XAxis和Convert Scene Unit勾选即可 2.带骨骼动画的模型…

命令执行(rce)

1.命令与代码执行原理 命令执行原理 参数给变量未经过滤&#xff0c;直接使用了不安全的函数处理了变量 127.0.0.1&&ipconfig 有漏洞 常用的函数 assert,system,exec,shell_exec, eval,(反单引号&#xff09; 代码执行原理 参数给变量未经过滤&#xff…