在科技领域的浪潮中，12月中旬成为了各大AI大模型厂商竞相发布新成果的高光时刻。先是智谱，作为大模型领域的六小虎之一，宣布完成了高达30亿元的新一轮融资；紧接着，字节跳动推出了豆包视觉理解模型，而快手也正式上线了可灵1.6版本。
如果说2023年标志着大模型技术的元年，那么2024年则被视为AI应用落地的重要一年。从深度推理技术的崛起，到AI Agent成为新的风口，再到多模态模型的层出不穷，AI产品的迭代速度之快，让人几乎忘记了从爆发至今，国内AI领域的发展还不足两年时间。AI领域的一年进步，相当于人间的十年变迁。
然而，尽管被视为互联网级别的变革产品，AI至今仍未迎来真正的爆发时刻。上半年，算力还是国内讨论大模型发展的核心要素。在百模大战如火如荼的那段日子，通过增加参数来迅速抢占市场份额，是许多领先大模型的共同策略。但从今年开始，国内外大模型的发展似乎遇到了瓶颈，特别是下半年，大厂推出新大模型的消息越来越少。这并不意味着百模大战即将结束，而是各大厂商开始意识到，随着行业的快速迭代，仅靠提升算力和参数规模已难以真正超越竞争对手。
大模型的训练和运营需要巨额的算力和资金投入，这种投入需要持续进行，对于目前尚未找到成熟商业模式的厂商来说，无疑是一大挑战。以字节跳动为例，据报道，仅在2024年，字节在AI领域的投入就达到了800亿元，几乎相当于BAT三家公司资本开支的总和。而其2025年的资本开支更是惊人，预计将达到1600亿元，其中约900亿元将用于AI算力的采购。
即便是ChatGPT，也一直在为算力紧缺所困扰。据报道，微软为了给ChatGPT和新版必应提供更好的算力，耗资数亿美元，使用了上万张英伟达A100芯片打造超算平台。微软还在Azure的60多个数据中心部署了几十万张GPU，用于ChatGPT的推理。
然而，从长远来看，算力并不能构成真正的护城河，它更多体现的是硬件层面的核心竞争力。谁的算力更强，训练语料更丰富，谁的模型表现就更好。但算力依赖于GPU性能和数据中心建设，训练语料依赖于公开的数据集，两者最终都取决于经济实力。谷歌内部在讨论如何应对ChatGPT时，曾有工程师表示，谷歌和OpenAI都没有真正的护城河。即使谷歌全力投入，也可能赢不了这场AI竞赛。
目前国内大模型的现状也印证了这一点。各公司的模型虽然强弱不一，但核心功能普遍同质化，替代品众多。一个新功能推出后，很快就会被其他厂商追上。例如，Kimi最初虽然依靠长文本功能成功进入了国内AI大模型的第一梯队，但如今长文本已成为大多数AI搜索产品的基本能力。
随着AI领域的焦点从“模型层”转向“应用层”，各家厂商开始探索AI在不同场景下的应用。然而，同质化问题仍然是AI产品头顶的达摩克里斯之剑。例如，豆包视觉理解模型发布时，媒体声势浩大，但就在两天前，Kimi才刚刚发布了针对基础科学领域图片理解和推理能力的Kimi视觉思考版。
在技术上难以形成护城河的情况下，从应用场景角度进攻能否找到破圈点呢？大模型始终是个底座，要想真正看到爆发点，必须让AI与普通人产生强关联。业内人士指出，未来能否出现杀手级别的应用，将是决定各家胜负的关键。李彦宏也曾多次强调，“没有应用，基础模型一文不值。”
然而，目前AI应用的发展还远未达到能够催生出下一个iPhone时代的程度。尽管AIGC技术在某些领域取得了进展，如快手与知名影视工作者合作，用可灵生成电影短片，以及在独立游戏领域的广泛应用，但整体上AIGC仍处于发展阶段，生成内容的质量、稳定性和可控性等方面仍存在不足。
在硬件端，以手机大模型为例，也出现了同质化的情况。目前AI手机在AI体验上的主要变化集中在语音交互、图像处理和通话增强上。几乎所有头部手机厂商都在对语音交互进行升级，号称要将之前的语音助手打造成更智能的AI Agent。然而，正如创新工场联合CEO汪华所言，现在AI才出来一年半的时间，就指望AI的产品形态被探索出来，显然是不现实的。
AI应用之所以受到如此重视，一个重要原因是市场亟需看到AI技术能转化为可落地的商业模式。随着大量资金涌入AI领域，投资者对AI项目的回报要求越来越高。他们希望AI企业能够尽快实现技术的商业化应用。然而，目前AI产品的盈利模式仍然有限，主要是付费订阅和广告。对于对话类AI产品来说，赚钱确实有一定压力。
尽管豆包的用户规模在过去几个月有所增长，但和其他AI对话形态的产品一样，其在使用时长、打开频次及商业化潜力上仍不够理想。字节管理层判断AI对话类产品可能只是AI产品的“中间态”，长期更理想的产品形式可能需要更视觉化的用户体验、更低的用户使用门槛。因此，字节已经提升了即梦的产品优先级，尝试用新的路径打造AI时代的“抖音”。
尽管如此，只要有活跃的用户和可持续的使用价值，AI对话类产品的重要性就仍然存在。事实上，纵观目前其他对话类产品，字节的友商们也并不急于将对话类AI当作商业化的重要组成部分。百度副总裁在谈及生成式AI的商业场景时就曾表示，要先满足用户需求，才能更好地满足商业需求。
