智谱2024:“国产OpenAI”,全线出击下的失焦

0 评论 449 浏览 1 收藏 18 分钟

“AI 浪潮汹涌,智谱全线启航。”2024 年,AI 行业在希望与困境中徘徊,智谱 AI 踏上全面出击之路。但在这一征程中,它究竟面临着怎样的挑战与机遇?其战略布局又将如何影响未来发展?让我们一同深入剖析。

2024年,眼看着就要走到年终了。这一年,对于AI行业而言,无疑是希望与痛苦交织的一年。希望的地方在于,AI又取得了一些实实在在的进展。例如以GPT 4o 为代表的实时语音AI的兴起,以及o1为代表的深度推理类LLM的问世。痛苦的地方在于,在商业化方面(尤其是C端),AI仍未能真正打开局面。可以说,这一年,每个还在坚持的AI企业,都在这两种状态间反复挣扎,OpenAI据传2023年亏损额度将达到50亿美金。而国内的大模型鼻祖智谱AI,也无疑是这种困境下的代表。起初,身为“大模型六小虎”之一的智谱AI,因其创始人张鹏等清华出身的背景,以及在大模型上最早的探索,在国内引领了AGI的发展。经过近几年的残酷历练后,存活下来的智谱AI,开始逐渐自信,采取了“全面出击”的战略,在文本、视频、语音、代码等多个方向上全线出击。在产品层面,AI搜索、AI绘画、AI视频、AutoGLM等等也都有布局;甚至在资本层面,也完成首期15亿资金的生态基金。

智谱目前的产品线

从商业层面来看,这种现象背后,折射出的是中国AI创业公司普遍面临的一个战略困境:在资本和市场的双重压力下,企业不得不在“深耕”和“广拓”之间做出选择。在算力并不充裕的情况下,整个行业是否会陷入“大而不强”的怪圈?智谱AI的转变,恰恰是这种行业普遍现象的一个缩影。

1.全线出击下的疲态

采取“全线出击”策略后,智谱AI变得比之前更好了吗?

至少从最核心的文本大模型来看,这个答案是不确定的。

要知道,在今年年初,智谱AI的 GLM-4,曾经在多项测试中直逼GPT-4,在当时被认为是最有希望追赶上后者的国产大模型之一。

可后来,情况却发生了变化。

到了今年九月份的时候,在国内外通用大模型SuperCLUE基准榜单中,智谱AI的GML-4,已经排到了第10名开外。

到了这时,智谱AI在语言大模型方面,已经泯然众人矣,失去了当初身为“佼佼者”的突出地位。

这样的情况,直到今年10月,其发布了最新的旗舰大模型——GLM-4-Plus,才得到了一定程度的扭转,重回优势地位。

除了文本模型的优势,在多模态方向上,智谱AI的表现,并没有呈现领先的姿态。

以智谱AI的“清言”视频大模型为例,就现阶段而言,其生成的部分画面模糊、粗糙,而且人物或物体的运动轨迹都较为僵硬,与可灵AI等一线视频模型相比,有着很大差距。

同样地,在语音AI方面,虽然今年智谱AI推出了类似GPT-4o那样,可以进行实时进行语音交流的端到端语音AI。

但在实际表现中,该语音大模型,虽然确实做到了“说话流畅”,但在智力水准上,却与文本大模型存在着较大差距。

同样一个问题,在询问GML-4的文本大模型时,得到了较为详尽的回答,而在实时语音状态下,回答得却很简略、敷衍。

虽然在今年10月,智谱AI通过AutoGML,在AGent技术、端侧AI这一领域打了场翻身仗,并一度引得相关概念股暴涨,比OpenAI在这一领域还快了一步。很多人声称AI操控电脑时代要来临,但这一技术要更大的应用场景是AI手机,还需要时间来落地。

AutoGML能执行的8款应用

图片来源于网络

于是,在强敌环伺,自身护城河并不十分牢固的情况下,一个明显的危机,正在逐渐笼罩智谱AI,那就是:

企业越是想通过多元化来降低经营难度,反而可能加大了战略失焦的风险。

但某种程度上说,这样“大而全”的策略,也是当下大模型商业化困境的一种缩影。

在大模型商业化不明朗的当下,缺乏自我造血能力的企业,要想活下来,往往就只有依靠融资。

而要想获得大量融资,企业就只能按照投资人的预期,不断扩大战略版图,在短期内制造繁荣的市场表象。

目前,智谱AI的总估值在30亿美元左右,而OpenAI的估值则在千亿美元级别。在资源有限的情况下,其着实难以做到后者那样“广博而强大。”不过,对于核心竞争力被稀释的危机,智谱AI也不是毫无应对之策。

2.创业公司的生态奇招

智谱AI的第一个策略,看似稀松平常,但却经过了一定的构思。

这个策略,就是开源,而且是“分层开源”。

他们有选择地将模型能力开源,但在此基础上构建了一个商业化闭环:基础层开源获取开发者青睐,MaaS层则通过定制化服务实现收费。

具体来说,在今年6月的开发者大会上,智谱AI发布了自己最新的开源成果 ——GLM-4-9B,性能、功能、多模态能力,还有多语言支持,样样都能打。几乎全面超过了当时的开源王者Llama-3 8B。

此举很快吸引了大批开发者的好评,在开源社区Github上收获了5.2K的Star。

而在MaaS层面,智谱则通过开放平台加持行业垂直生态,加上阶梯折扣权益和送token,吸引了一批B端的客户。

所谓阶梯折扣权益,换言之就是模型用量越多,计费折扣越大,例如B开发者在调用智谱模型的API,获得相应的权益积分,以其最新的旗舰模型GLM-4-Plus为例,每消耗1万 Tokens可获得2积分。

按照积分的不同,智谱将B端用户分成了从V0到V3四个等级,其中V3最高可享6折优惠。

这种策略本质上是在用开源来降低获客成本,同时通过服务差异化来实现商业变现。

更深层次来看,这种策略还暗含着一个商业逻辑:在AI领域,技术优势的保持周期越来越短,与其投入大量资源来维持技术壁垒,不如将精力集中在服务能力和生态构建上。

智谱AI的开源策略,实际上是在用“非技术壁垒化”来换取更快的市场扩张和生态积累。

这样的做法,和Meta的开源策略相似,其核心在于:虽然开源了,但开多少,还是智谱自己说了算。

具体来说,在最强大的旗舰模型GLM-4-Plus方面,智谱仍然保持着闭源,但其却通过开源GLM-4-9B这样能力稍逊,却在开源生态中较有竞争力的模型,获取了开发者的青睐。

如此一来,不断涌入的开发者,丰富和完善了智谱的技术生态,但最核心的技术,仍然被智谱牢牢掌握在手中。

同时,与百川智能、零一万物等开源玩家不同的是:由于创始人张鹏清华出身的背景,智谱AI背可以背靠清华这一学术高地,持续地获得学术界的反馈和改进建议。

例如,早先智谱开源的ChatGLM3模型,就是和清华大学 KEG 实验室联合训练的结果。而其他开源玩家,虽然也在构建开发者社区,但缺乏这种学术资源的深度整合,其开源更多停留在技术层面的共享。

智谱也在收购清华系公司,收购AI情感公司聆心智能,投资无问芯穹、清程极智等AI Infra公司,已在大模型生态投资超13家企业。这样的优势,也是智谱AI在开源方面,更敢于“放手一搏”的原因。

3.商业化落子的成与败

在采取“全线出击”策略后,在智谱AI各个方向的扩张版图中,To C一直不是重点。智谱至今也没有一款类似Kimi一样,出圈的AI产品。

但To B生意也比较考验定力,很多业务落地并不会顺畅,其和某上市咨询公司共建的生态公司,其内部人员表示,在2023年商业化进程中就不如人意。

张鹏曾在一年前预言,针对开发者这类有技术需求,但不是定制化服务的大C小b客户,付费服务应该好做。

这个战略巧妙地利用了开发者群体的“路径依赖”特性。一旦开发者在日常工作中深度依赖了某个编程助手工具,就会形成极强的使用惯性,这种惯性所形成的壁垒,某种程度上比技术壁垒更难突破。

以业界当红的AI代码应用Cursor为例,虽然其没有达到那种高级 / 首席工程师所能达到的水平,但就用户体验来说,Cursor确实让开发者产生了某种“粘性”。

当 Cursor 推出月费模式时,硅谷的开发者们并没有犹豫,反而是兴奋地掏出信用卡。

外媒最新消息,Cursor宣布获得 A 轮 6000 万的融资,其母公司Anysphere 估值达到 25 亿美元,而 Cursor 的订阅收入显著增长,ARR(年化收入) 已接近 5000 万美元。

为什么开发者愿意为Cursor付费?因为在他们的世界里,效率就是生产力。一个能让编码过程更顺畅、更智能的工具,哪怕只能带来10%的效率提升,对他们来说都是值得投资的。

Cursor 从一开始就精准地抓住了这个商业逻辑。他们不是在卖一个软件,而是在卖一种效率的可能性。

而智谱AI推出的免费AI编程助手CodeGeeX,实际上也沿用了类似的逻辑。

通过代码的生成和补全、注释生成、代码翻译等功能,CodeGeeX实现了能够根据自然语言注释生成代码,以及实现多种编程语言之间的互译,包括Python、Go、Java、JavaScript等。

由于这样的便捷性,加之其对个人用户完全免费,目前CodeGeeX的个人用户数量已经超过100万。

这样的积累,实际上帮助智谱AI在市场建立了一个独特的切入点:当开发者在个人工作中习惯使用智谱AI的工具后,自然而然会在企业采购决策中,倾向于选择智谱AI的解决方案。

这是一种典型的“自下而上”的市场渗透策略,比传统的“自上而下”的企业级销售更具可持续性。

这样的战略,与之前提到的开源战略相结合,揭示了智谱的“技术圈养”逻辑。所以这也是智谱在纯粹C端产品上并没有太重视的原因,这些产品的用户、数据、能力等反馈回大模型的路径较长,有些也存在隔断。

CodeGeeX后续实施收费后,市场情况会怎样,能不能成为智谱一个新的营收支点,还不得而知。确定的是,大模型能力输出与产品化营收,智谱都在在努力探索中,尽管由于资源限制,其在很多方向上覆盖的火力并不是最强。结语

回望2024年的AI产业,我们看到的是一个充满矛盾的景象:技术进步与商业化困境并存,创新激情与现实压力交织。

在这样的背景下,智谱AI选择了一条看似冒险实则明智的道路:当技术创新的半衰期越来越短,建立护城河的方式或许需要从“技术壁垒”转向“生态壁垒”。

截至本篇文章完稿时,智谱AI又推出了升级版的视频生成大模型——“新清影”,为其多元化的产品版图再添一砖。

展望未来,AI企业的成功也许不在于成为某个细分领域的“独角兽”,而在于能否构建起一个有机的技术生态系统。

与互联网时代一个个互为孤岛,甚至彼此间互相争抢用户的APP不同,AI技术的发展,现在已经呈现出一种独特的“网络效应”:不同技术方向的突破,会产生意外的协同。在这个系统中,每一个技术突破都不是孤立的,而是能够通过技术迁移和交叉应用,产生倍增效应。

但这并不意味着“全面布局”就一定优于“垂直深耕”。关键在于企业如何在这两种策略间找到平衡点。

从OpenAI的强敌Anthropic最新的实践来看,这种“平衡”可能的形式是:以核心能力为锚,进行有节奏的能力扩展。

从商业角度看,这个问题的答案可能不在技术层面,而在于企业对自身资源和市场定位的准确认知。

作者:林书 编辑:杨晓鹤

本文由人人都是产品经理作者【AI鲸选社】,微信公众号:【AI鲸选社】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载。

题图来自Unsplash,基于 CC0 协议。

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 目前还没评论,等你发挥!