在大模型进入白热化阶段，创业公司如春雨般涌现，当进入落地阶段，如何保证技术实现及应用落地，兼顾安全稳定与长期服务，则是更需要创企思考的课题。

今年大模型如火如荼，据不完全统计，上半年仅发布就有79款10亿参数以上的大模型。就在7月18日，Meta又放出大招，开源Llama 2，Llama 2 模型系列包含70亿、130亿和700亿三种参数变体，效果强于 GPT-3，不仅开源且可直接商用，这意味着，很多小公司的研发计划泡汤，毕竟已经有这么强的免费可直接商用的大模型面世。

大模型竞争的激烈程度，或许远超创业公司的预期，被称为“暴力美学”的大模型其实比拼的不仅是算力、算法和数据，未来长期的发展比的更是落地应用、生态渠道、客户服务、运维等系统性、全面性的支持，而这一切对于创业公司来讲更是心有余而力不足。据数据公司SimilarWeb的统计，从5月到6月，ChatGPT的全球流量下降了9.7%，美国境内流量下降了10.3%。大模型在C端的应用似乎暂时达到了天花板，还需要更加“杀手级”的应用出现。而在B端，大模型则展现了惊人的潜力，最直接的表现，就是对之前较为简单的AI工具的替代。比如智能客服，在大模型的加持下，智能水平较以往有明显的提升。在代码生成、金融决策、生命科学等领域，大模型也有极大的想象空间。

对此，企业也表现出了高涨的热情，由于训练大模型的成本过高，广大开发者和企业，还是要选择某个大模型。但是，正如百度所主张的，大模型正在引发IT架构的巨变，从以往的三层架构向“芯片-框架-模型-应用”四层架构转变，选择大模型，正变得像以往企业选择操作系统、数据库一样重。

参考历史经验，这需要厂商具备强大的技术水平，以及不断迭代升级的能力。要满足可控和合规的要求，也需要厂商有较强的综合能力，能够长期稳定的投入人力物力。

其次，大模型厂商不仅仅是提供一个聊天机器人，要针对企业需求，要能够提供易用性、完备度、安全性、稳定性都有保证的工具链。企业用户的需求各不相同，选择大模型并不是有强大的通用能力就可以，在关注大模型技术栈完备性的同时，企业还需要选择适合自身业务的厂商。这要求厂商有充分的产业应用经验积累，能够将技术应用到实际业务场景中。

对初创团队来说，大模型深入行业内落地显然是很难达到的。即使创始人有比较深厚的行业背景或者技术背景，但初创团队的不确定性较大，可能因人成事，也可能因关键人物的离开而一蹶不振。今年年初，王慧文的光年之外一度是大模型领域最耀眼的创业项目，但随着他因个人健康原因不得不离开，光年之外也被美团收购和接手。

高昂的投入成本，让初创公司随时可能因资金流断裂倒闭，进而造成企业项目的烂尾。

在Meta开源大模型Llama 2之后，很多大模型创业项目，可以说刚开始就夭折了，遑论与主流大模型竞争。

实际上，即使是二线互联网公司，比如科大讯飞，也被外界质疑公司亏损严重，没有能力持续投入到大模型上，更不用说还无法规模商业化，主要资金来源依靠融资和借债的初创公司了。

而即使是初创团队最容易追赶的单项指标——技术水平上，在SuperCLUE不久前发布的最新测评榜单中，可以看到，凭“硬实力”说话，还是大厂更胜一筹，其中百度的最新版本的文心一言，在中文领域已经超过了GPT-3.5，足以对标国外主流大模型了。

而且，目前国内排名靠前的大模型厂商，如百度文心大模型，阿里云通义千问，还有华为盘古大模型，都在积极拓展ToB业务。不久前，IDC发布的《AI大模型技术能力评估报告，2023》中，就围绕着产品技术、服务生态以及行业应用三大维度，考察大模型的10余项指标，对国内主流大模型，包括百度、阿里、腾讯、华为、科大讯飞、360、商汤等14家厂商参进行了评估。

其中，百度文心大模型获得综合评分第一。在算法模型、服务能力、生态合作、行业覆盖等方面，几大主流大模型也可谓是各有千秋。

这无疑体现了，大厂在大模型竞赛中的绝对优势。在产品技术和行业应用上，远胜过二三线的竞品。比如排名第一的文心大模型，据其官方透露，已经有15万家企业申请接入文心一言测试，百度智能云与300多家生态伙伴，在超过400个场景中已取得相当不错的测试效果，并联合多家企业单位合作发布了11个行业大模型。

对大多数大模型来说，可能这就足以让它们输在了起点上。而对百度、阿里、华为来说，竞赛却刚刚开始，长期投入和深耕行业，对大厂而言，不是口号，而是一定会去执行的事情。