國內大模型創(chuàng)業(yè)公司已經走出六家獨角獸，即便頭部已清晰，關于創(chuàng)業(yè)公司哪家的路線更好、未來誰能留在牌桌上的討論仍未停止。

12月初，第一財經記者在上海見到了MiniMax副總裁劉華，他給出的判斷是，基礎大模型賽道將會局限在個位數的企業(yè)，其中包括大廠和創(chuàng)業(yè)公司，除此之外，很多人要轉去做AI應用。

MiniMax是六家獨角獸之一。布局上看，如今已有獨角獸舍棄做視頻模型，有的在B端和C端應用間做出了選擇，MiniMax則涉獵較廣，布局了語言、視頻大模型以及面向B端和C端的產品，其中包括海螺AI、Talkie及對應的國內版產品星野。

MiniMax此前較少面對媒體，在這次一個多小時的采訪中，劉華談到創(chuàng)業(yè)公司商業(yè)化的思路、對o1路線的判斷和現(xiàn)下的行業(yè)格局，就算力需求變化，他和算力提供方騰訊云北區(qū)云原生總經理田豐都認為并非所有模型訓練都需要10萬卡集群。

“前提是比Meta的開源模型更好”

“國內AI產業(yè)總體上沒有太多泡沫。”劉華告訴記者，此前之所以行業(yè)存在一些資源浪費，是因為太多企業(yè)認為自己能做基礎大模型。泡沫撇去，更好的情況將是大家認識到能做基礎模型的企業(yè)不多，更多人有志于做大模型應用。

近一年間，大模型的浪潮從文本涌向多模態(tài)，除了有能力多個領域同步出擊的大廠，要不要做視頻大模型、要聚焦哪類應用，六家獨角獸需要量力而行，其中一些已做出選擇。其中，月之暗面是聚焦C端應用的代表，智譜AI對B端應用相對側重，百川智能已決定不跟進Sora視頻大模型的路線。MiniMax則同時跨進文本和視頻大模型領域，應用上布局C端和B端，其中C端產品進入超180個國家和地區(qū)。據AI產品榜數據，11月AI社交產品Talkie的全球月活躍用戶量2519萬，在全球榜單中排第9名。

劉華告訴記者，對創(chuàng)業(yè)公司而言，比較好的路線是把大模型做好，并做更多B端標準化產品，C端只做少量應用。做To B和To C產品是為了讓大模型技術觸達更多用戶，通過用戶反饋知道如何改進模型，盈利問題則還要慢慢看。公司會對產品做少量推廣宣傳，但目前單純以擴大用戶規(guī)模的投流價值不大，這種方式獲得的用戶黏性差，僅30天留存率就“沒法看”。

應用變現(xiàn)上，劉華判斷，中國市場的優(yōu)勢在于用戶規(guī)模大，國內做C端產品最終要靠流量變現(xiàn)，廣告是一種方式，海外C端用戶的付費習慣比較好，付費會員也是合適的方式。

關于B端應用大模型定制更好還是標準化更好，業(yè)內目前則存在爭論。有大模型定制化廠商負責人告訴記者，定制模型推理成本更低，客戶也能完全控制并調整模型。劉華的判斷則是，創(chuàng)業(yè)公司做B端產品較好的方式是標準化。

“國內做AI定制項目快的半年，慢的一年多，如果要花一年半時間做定制化項目，說不定我們的模型迭代兩個版本就能滿足（要求）了，那還不如花更多時間迭代模型。”劉華解釋，至于客戶對數據安全的疑慮，能通過與騰訊云開創(chuàng)云上專區(qū)的方式保證企業(yè)數據的安全，預計國內會有更多企業(yè)接受標準化調API（接口）的方式。

基于公司商業(yè)化以及獲得大廠支持兩種方式，劉華認為創(chuàng)業(yè)公司能留在大模型賽道內并繼續(xù)迭代模型的可能性還是很大。

在做應用和做大模型之間，劉華還認為，大模型玩家要提供商業(yè)化服務并形成營收，意味著要為客戶提供其他廠商提供不了的服務，特別是要與開源模型拉開差距?！氨乳_源模型更好是一個最基本的門檻，如果基礎大模型做不到這一點就可以不用玩了，可以轉做AI應用了。在國內做商業(yè)化一個最基本的前提就是比現(xiàn)在Meta的Llama模型更好，否則別人可以用Llama，為什么花錢用你的模型？這很現(xiàn)實?！眲⑷A表示。

“o系列的方向能降低模型錯誤率”

技術路徑上，大模型業(yè)內也在迭代。北京時間周五凌晨，OpenAI推出了“滿血版”推理模型o1，這款在今年9月以預覽版上線的模型已在AI業(yè)界掀起波瀾。國內多家大模型創(chuàng)業(yè)廠商紛紛表態(tài)，月之暗面創(chuàng)始人楊植麟稱o1標志著AI范式遷移，百川智能創(chuàng)始人王小川認為標志著范式升級。不過，o1指出AI新路徑的同時，并非所有大模型廠商都在改變自身的研發(fā)范式。

“o系列模型是一個能降低模型錯誤率，讓大模型能被嚴肅的生產、研發(fā)、科研、設計領域應用的重要發(fā)展方向，這與我們降低模型錯誤率的目標相通。”劉華告訴記者，上一代GPT系列模型的一個問題是錯誤率偏高，在30%左右，而要進入這些嚴肅領域，錯誤率至少要降到2%~3%。

不過，劉華認為，o系列模型僅僅是開辟了一個方向，未來可能導向一些場景，例如大模型對一個問題思考幾周、幾個月，來解答人類社會的重大問題。而就MiniMax而言，公司不會受其他廠商的影響輕易調整發(fā)展模式或技術路線，除了降低錯誤率，公司研發(fā)方向還包括做多模態(tài)、確保大模型能以較低的輸入輸出成本處理復雜計算。

大模型廠商技術迭代的同時，算力方也在適應大模型提出的新要求。田華告訴記者，MiniMax早期用到幾千卡集群，現(xiàn)在要大幾千卡、上萬卡，后續(xù)還會有更大規(guī)模的算力需求，這對算力提供方的組網、集群運維能力提出了高要求。以網絡為例，萬億參數大模型下，訓練通訊占比基本能達50%，傳統(tǒng)的網絡協(xié)議容易造成擁堵，導致訓練效率下降。騰訊云為此優(yōu)化了星脈網絡，使之能支持10萬卡超大規(guī)模訓練集群。

海外廠商也在布局大規(guī)模算力集群。此前，特斯拉CEO馬斯克旗下的AI公司xAI初步建成了具備10萬張H100 GPU算力的超級AI訓練集群 Colossus，當地時間12月5日，大孟菲斯商會表示，xAI計劃將Colossus算力再擴大十倍。

從1萬卡到10萬卡集群，田豐告訴記者，除了模型本身，更多還需解決集群的網絡和運維問題，并不是所有的訓練廠商都需要1萬卡或10萬卡規(guī)模，同一個模型用10萬卡的效率也不一定就大于1萬卡，這并非正向疊加的過程。

劉華則告訴記者，10萬卡集群目前還是美國極少數企業(yè)的追求。