智谱清言不敌ChatGPT，商业化仍难解道阻且长
作者｜张宇
编辑｜杨博丞
题图｜文心一格
“追赶OpenAI”“对标Open AI是智谱AI成立以来的目标”，是智谱AI CEO张鹏在对外分享时屡次提及的几句话，但现在，智谱AI追赶OpenAI的困难程度增加了不少。
继OpenAI在春季发布会上发布全新旗舰语言模型GPT-4o之后，谷歌也在I/O开发者大会上推出了一系列基于Gemini的“AI超级全家桶”。尽管智谱AI被认为是最有可能成为“中国OpenAI”的大模型企业之一，但随着国内外“百模大战”愈演愈烈，智谱AI面对的形势难称喜人。
以智谱AI旗下生成式AI助手智谱清言为例，这是一款基于ChatGLM2人工智能语言模型开发而来的大模型产品，通过万亿字符的文本与代码预训练，结合有监督微调技术，具备通用问答、多轮对话、创意写作、代码 生成、虚拟对话、AI画图、文档和图片解读等能力。
但与OpenAI基于GPT-4人工智能语言模型开发的ChatGPT相比，智谱清言仍然处于劣势地位。一个最直接的差距在于，ChatGLM2在训练数据和多样性、跨语言能力、模型规模和参数和推理能力等方面均不如GPT-4。
为了弥补与OpenAI之间的差距，智谱AI在2024年1月举行的首届技术开放日（Zhipu DevDay）上发布了新一代语言模型GLM-4，虽然GLM-4整体性能相比上一代大幅提升60%，号称“比肩GPT-4”，但实际上也只是达到GPT-4约90%左右的水平。
值得一提的是，OpenAI新发布的GPT-4o在处理速度上提升了200%，基于GPT-4o，OpenAI对ChatGPT进行了更新升级，增加了更强的语音和视觉功能，这让ChatGPT对现实的感知能力大大增强——GPT-4o可以在短至0.23秒的时间内响应音频输入，音频响应速度已经达到与人类相似的水平。
显然，追赶GPT-4已然是智谱AI当下最迫切的任务，其能否训练出真正比肩GPT-4的语言模型，对于商业化和生态的进阶尤为关键。
01. 与OpenAI仍存较大差距
智谱AI成立于2019年6月，由清华大学知识工程实验室（KEG）技术成果转化而来，是目前国内唯一全内资、全自研的大模型企业，早在2020年开始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。
由于智谱AI入局较早且直接对标OpenAI，也因此成为资本机构眼中的宠儿。2023年7月至9月，智谱AI共拿到了5轮融资，融资金额超过25亿元，主要投资机构包括中关村自主创新基金、美团战略投资部、蚂蚁集团、阿里巴巴、腾讯投资、高瓴资本、红杉资本等等，目前估值更是达到了200亿元，跻身国内AI领域“独角兽”企业。
不过，目前智谱AI与OpenAI仍有较大差距。
从技术路线来看，OpenAI更加注重通用性、可移植性和可扩展性，其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，但也存在着模型复杂度高、计算量大、训练时间长等问题。
在模型规模方面，OpenAI的GPT系列语言模型规模较大，可以处理大量的自然语言数据，从而获得更好的模型性能，而智谱AI的模型规模可能较小，处理数据的能力有限，这可能会影响其模型性能和泛化能力；在数据资源方面，OpenAI拥有大量的自然语言数据资源，可以用来训练和优化其模型，而智谱AI的数据资源可能相对较少，导致其模型训练的效果和性能受到限制。
两者而定直接差距体现在用户数上。2022年11月，OpenAI旗下ChatGPT仅上线五天用户数便突破百万，2023年1月，其月活用户数突破了1亿，成为历史上用户数增长速度最快的消费级应用。相比之下，根据机构测算，截至2023年11月，智谱AI旗下智谱清言的日活用户数区间仅为10万至40万。
值得一提的是，智谱清言甚至不是百度旗下文心一言的对手，截至2023年11月，文心一言的日活用户数约为80万左右，而截至2024年4月，文心一言的用户数已经突破了2亿。
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。
02. 智谱AI商业化路漫漫
大模型商业化如何落地，是摆在包括智谱AI在内的所有大模型企业面前的巨大挑战。
智谱AI是国内最早推进商业化的大模型企业之一，并且率先提出了“模型即服务（MaaS）”的落地路径，目前智谱AI探索出四种商业模式：一是轻量级的，将大模型封装成开放平台，提供API（应用程序接口）给开发者、企业等进行调用，按照调用量进行付费，这种方式非常简单、成熟，与国外并没有太大差别；二是面向一些中大型企业对于数据安全保障的需求，智谱AI提供云端私有化部署的方案，基于云端算力帮用户开辟专门的模型专区；三是完全私有化的部署，在企业自己的硬件及算力平台上提供大模型的基座能力，满足企业开发相关应用及业务发展的需求；四是一种软硬件结合的方案，将大模型与国产化信创硬件适配绑定，可以免除在客户环境中进行部署和实施调试的过程，通过软硬件一体化进行销售和部署。
张鹏认为，B端的付费意愿比C端好很多，尤其是行业头部企业，在大模型方面普遍投入多、动作快。所以智谱AI从一开始就瞄准B端。截至2023年，智谱AI已拥有超2000家生态合作伙伴、超1000个大模型规模化应用，另有200多家企业跟智谱AI进行了深度共创，覆盖传媒、咨询、消费、金融、新能源、互联网、智能办公等多个领域的多个头部企业。张鹏透露，2023年下半年智谱AI签单客户约几百家，2023年整体有亿级签单额。
然而智谱AI还未实现商业化，大模型行业便打起了“价格战”。
5月15日，字节跳动宣布，豆包主力模型（豆包通用模型pro）在企业市场的定价为0.0008元/千Tokens，而市面上同规格模型的定价一般为0.12元/千Tokens，是豆包模型价格的150倍。5月14日，OpenAI在春季发布会上宣布，GPT-4o的API价格下降50%。
在此之前，法国AI企业Mistral AI发布了最新大模型Mistral Large，并推出对标ChatGPT的首个聊天机器人Le Chat。在定价上，Mistral Large的输入、输出价格比GPT-4 Turbo便宜约20%；幻方量化旗下AI公司DeepSeek发布的全新第二代MoE大模型DeepSeek-V2的API定价为每百万Tokens输入1元、输出2元（32K上下文），价格为GPT-4 Turbo的近百分之一。
面对“价格战”，智谱AI也宣布入门级产品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%。
值得一提的是，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，对于智谱AI而言，其自身盈利能力有限，如果再进行“价格战”，或将导致利润进一步下降，实现盈利也将变得更为艰巨。
张鹏也坦言，2024年智谱AI所面临的挑战是非常艰巨的，一方面，2024年OpenAI在超级认知、超级对齐上的技术会实现新的突破，这要求智谱AI不断迭代技术，跟进世界领先脚步；另一方面，2024年大模型会迎来商业化落地潮，智谱AI的商业化竞争压力也会加大。
对于智谱AI而言，目前商业化路径已经较为清晰，但能否走通大模型的商业化之路，关键不仅在于商业模式的探索尝试，更在于解决大模型发展的底层问题。
03. 抱团取暖
开源开放也是智谱AI的一大特色，智谱AI希望营造繁荣的社区和生态，为了更进一步促进大模型开源社区的发展。
张鹏曾表示，智谱AI是国内少数能对标OpenAI的头部技术企业。公司希望与产业链上下游的合作伙伴、开发者社区、学术界等AI领域所有的参与者一同努力，为中国AI新未来贡献自己的努力。
2024年，智谱AI将发起开源开放的大模型开源基金，该计划包括三个“1000”：智谱AI将为大模型开源社区提供1000张计算卡，助力开源开发；提供1000万元的现金用来支持与大模型相关的开源项目；为优秀的开源开发者提供1000亿免费API tokens。张鹏表示，大模型开源基金的目的在于推动大模型研发的大进展，促进大模型整个开源生态的大繁荣。
面对全球大模型创业者，智谱AI将升级“Z计划”，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。
此外，智谱AI还入股众多AI产业链企业，截至目前，智谱AI以产业型投资方式，已投资、入股超过10家初创公司，单笔参投规模在百万元级别，其中包括AI模型层企业“聆心智能”，AI模型层企业“面壁智能”，智能法律服务产品提供商“幂律智能”，企业大模型服务平台“智异璧”，软件和信息技术服务商“数道智算”，生成式AI应用提供商“生数科技”等等。
对于智谱AI的未来，张鹏十分乐观，“2024年，大模型市场将从野蛮生长回归冷静，对于大模型的投资与炒作将会告一段落，行业焦点也将从模型本身转向寻找应用。不过这并不代表大模型的技术演进速度会下降，向上探索的天花板还远远没到。”