前不久，来自沙特的一笔“热钱”涌入一家国产大模型企业，成为万众瞩目的焦点。

　　市场消息显示，国内人工智能初创公司智谱AI在今年6月初完成新一轮融资，投资方为中东石油巨头沙特阿美(Aramco)旗下风险投资部门管理的基金Prosperity7.融资金额达4亿美元。

　　此轮融资后，智谱AI估值将达到约30亿美元，跻身200亿俱乐部，也成为第一个获得国外基金机构融资的国内AI独角兽。

　　智谱AI能够成为投资界的焦点，与其清华系背景，以及独有的自研技术路径脱不开关系，但资本的簇拥，并没能让智谱AI脱离大模型行业普遍的焦虑。

　　智谱AI相关高层多次强调，对标Open AI“是(公司)成立以来的目标”，而为了完成目标，或者说为了努力留在牌桌上，激进的商业化拓展便成了智谱AI近两年打造的新筹码。

　　然而随着大模型技术的快速演进，以及市场商业逻辑的不断变化，智谱AI也迎来一些值得思考的问题：智谱AI的优势究竟是什么?离OpenAI还有多远?商业化上如何解题?未来的想象空间又有多大?

　　Part.1

　　与OpenAI试比肩?

　　早在2020年，智谱AI便开进行GLM预训练架构的研发，并训练了100亿参数模型GLM-10B;2022年合作研发了1300亿级超大规模预训练通用模型GLM-130B;2023年，智谱AI推出千亿开源基座对话模型GLM系列，并在2024年1月推出GLM-4.

　　入局时间和迭代节奏几乎跟ChatGPT一致，也因此拿到众多投资，并被看作国产OpenAI的先驱。

　　这次中东的大额投资，《金融时报》给出的标题非常直白：沙特基金投资中国，意在打造OpenAI的竞争对手。

　　分析人士也指出，这笔投资一方面给智谱AI带来了资金支持，有利于发掘市场机遇，拓展后续可能的国际业务，另一方面，中东资本也并不希望将大模型时代的话语权完全交给欧美。

　　值得注意的是，5月下旬在首尔举行的第二届人工智能安全峰会上，OpenAI、谷歌DeepMind和Anthropic、微软、亚马逊、IBM、Meta等AI圈头部公司悉数到场，而智谱AI同样作为唯一受邀的中国大模型企业参会，与上述公司达成技术和安全方面若干协议。

　　与全球顶尖AI巨头同台，来自全球范围内的认可短期内接踵而至，让智谱AI正逐渐向大模型舞台的中心区域靠拢。

　　不过，一个不得不接受的事实是，目前智谱AI与全球顶级大模型企业仍有一定差距。

　　去年底智谱AI CEO张鹏也直言说，“GPT-4的发布让我们认识到，其实距离还是很大的，人家也在以更快的速度往前奔跑。”这点从两家的产品以及技术层面也能窥知一二。

　　首先在模型规模方面，OpenAI的GPT系列语言模型规模已突破万亿，而智谱AI的模型规模还在千亿级别，作为基座模型，数据规模的大小，也意味着在处理自然语言数据的能力上，存在一定差距。

　　从技术角度来看，OpenAI从一开始走的便是通用大模型的路线，所以更加注重通用性、可移植性和可扩展性，这也使得GPT系列语言模型可以在多个场景下应用，并且具有高度的可定制性。

　　相比之下，智谱AI的技术路线是“大模型+小模型”，通过大模型的预训练和微调，来适应不同场景和任务的需求。这种技术路线可以提高模型的泛化能力和应用范围，就相当于将一个大模型分割成多个小模型，但也会产生模型复杂度高、计算量大、训练时间长等问题。

　　更为简单的说便是，无论资金成本还是时间成本都会大大增加。不过不能否认的是，这种路线在行业专注度上也更为出色和精准，对于垂直行业应用或许是一个较优的解法。

　　张鹏也坦言，和国外大模型相比，国内的大模型发展起步晚了一些，加上高性能算力限制、数据质量的差距等，国内大模型在规模和核心能力上都与世界先进水平存在一定差距，这样的差距大约在一年左右。

　　事实上，智谱AI面临的挑战不仅仅是技术上的，更在于其商业化和生态构建的能力。能否训练出与GPT-4相媲美的语言模型，对于智谱AI来说至关重要，但更为关键的是，如何将技术优势转化为商业价值，构建起一个健康、可持续的生态系统。

　　Part.2

　　商业化难题涌现

　　与其他创业团队不同，从成立之初，智谱创始团队就表现出有别于多数创业学者的商业热情。

　　据熟悉智谱节奏的投资人透露，从去年2月开始，张鹏等人便开始对外寻找商业化负责人，招揽了前大搜车CTO、连续创业者张帆，据科技新知了解，截至去年底，智谱AI的商业化团队已经从最初的十几人迅速发展到上百人，从售前到售后、包括解决方案均建立了完善的团队。

　　而之所以快速搭建商业化团队，除了热情外，更实际的还是资金问题。随着智谱AI大模型能力持续提升，训练参数自然也需要提升，对算力、存储等需求也会增加。粗略来看，私有化部署一个千亿规模的大模型，一年费用接近4000万，但这4000万花出去能带来多少价值，却是一个未知数。

　　所以资金从哪来，是一个亟待解决的问题。按照智谱AI的策略，B端的付费意愿比C端好很多，所以智谱AI从一开始就瞄准B端。而其盈利方式和行业盈利方式基本一致，一是根据客户需求，提供大模型定制化开发服务。二是标准版大模型，提供API接入方式，按照tokens使用收费。

　　然而大模型行业的“价格战”来的比预想的更快。

　　目前，OpenAI年内GPT-3.5 Turbo降价50%，还更新了可限量免费使用的GPT-4o，API价格同样五折。国内AI大厂更是“丧心病狂”，字节跳动、百度、阿里、科大讯飞接连砸价，大量性能尚可的模型官宣免费，付费业务的定价标准甚至降至小数点后四位的水平——阿里云Qwen-Long API输入价格降至0.0005元/千tokens，字节跳动豆包大模型0.0008元/千Tokens。

　　与这些大厂相比，智谱AI无论从公司体量还是资金储备上显然都不在同一量级，但颇为意外的是，6月第一周，智谱AI也官宣下场参与价格战，入门级产品GLM-3 Turbo模型调用价格从5元/百万Tokens降至1元/百万Tokens，降幅高达80%。

　　毋庸置疑，大模型定价的持续走低有望带来更快的商业化落地，但同时“价格战”往往意味着企业需要在价格上做出让步。另外，根据工信部赛迪研究院最新数据，预计在2024年国内市场规模仅有132亿元，然而随着大模型供给和开源企业增加，短期内买方仍以国企、央企等具备资金实力和需求场景明确的企业为主，这十分考验智谱AI的销售团队。

　　事实上，对于初创企业来说，口碑不够、根基不稳本就是其销售短板，尤其是和华为、阿里、字节等厂商相比，其在客户积累上本就不足。

　　以华为为例，做ToB服务起家的华为，手中已积累大量国企、央企等客户，而且内部有专人跟进这些客户需求。一旦这些客户有大模型需求时，华为则会迅速介入。另外，针对ToB销售，大企业还可通过交叉销售的方式分摊成本，并且为客户定制更系统的解决方案，这也是智谱AI这些初创企业短时间难以突破的。

　　客观来看，目前国内大模型的业态，属于百花齐放，已经开始出现同质化的特征，这样的大背景趋势下，智谱AI凭什么脱颖而出呢?

　　Part.3

　　智谱AI筹码渐空

　　此前业内对于智谱AI共识的优势有三点，一是商业化快，二是算力多，三是生态在不断完善。

　　但站在当下来看，商业化能力已经开始与价格挂钩，价低者得逐渐成为清晰的走向;至于算力，简单来说，谁的卡多，谁能成为中国OpenAI的机会便更大。

　　然而没人知道其他同行手里还有多少“王炸”，在超级认知、超级对齐上的技术突破，会被快速被迭代跟进，坦白讲目前国内外主流大模型在算法层面尚不存在代际差，但是在算力和数据方面存有差距。

　　所以，对于智谱AI来说，生态完善或许才是重中之重。

　　按照智谱AI规划，将联合生态伙伴发起总额10亿元的大模型创业基金用于支持大模型原始创新，覆盖大模型算法、底层算子、芯片优化、行业大模型和超级应用等方向。智谱AI还为大模型开源社区提供计算卡、奖金、免费API等方式用来支持与大模型相关的开源项目。此外投资相关AI公司也是其计划之一。

　　然而，智谱AI生态上的布局看似“热火朝天”，但也存在漏洞。

　　纵观这些大手笔投资，几乎都是围绕技术层面，但模型质量的提升，除了技术进步外，另一个重要的点是要有扎实且优质的数据储备。除了传统的文本处理之外，语音识别、图像生成、视频理解和推荐系统等也都是未来发展方向。

　　只是与一些同行相比，智谱AI在数据的多样性和规模上可能存在一定差距。例如，百度、字节等大型科技公司拥有更广泛的数据源和海量的数据积累，能够涵盖更多领域和场景，从而为模型训练提供更丰富的素材，并且对于一些本就以内容起家的科技企业来说，也有更完善和精细的数据标注体系，确保数据的准确性和可用性。

　　另外，互联网巨头在计算、存储能力以及数据资源方面有着较大地优势。而对于智谱AI而言，这些都需要其投入大量的资金去搭建。当然，与云厂商巨头的合作，可以很大程度上降低研发成本、提高研发效率。但目前主流的云厂商几乎也都有自己的大模型产品，智谱AI能否拿到合适的价格，以及如何解决数据安全的可信，都是问题。

　　当下智谱AI正于大模型的江湖中奋力闯荡，虽获资本青睐、技术亦有突破，然与顶尖高手相较，差距仍存。商业化的鏖战、生态的构建，皆为待解之难题。未来，智谱AI是能披荆斩棘、笑傲江湖，还是深陷泥沼、铩羽而归，还需时间给出答案。