从DeepSeek看“中国大模型那些事儿”
从DeepSeek看“中国大模型那些事儿”
2025年1月27日,中国大模型应用DeepSeek在美国苹果App Store免费应用下载榜登顶,这一事件引发了全球科技界的广泛关注。然而,DeepSeek的成功并不意味着"中国在AI领域超越了美国",正如图灵奖得主杨立昆所说,这更多体现了开源模型正在超越闭源专有模型的趋势。那么,中国的AI大模型产业发展现状究竟如何?
乘政策东风,2024年中标项目增长5倍
从全球视角来看,业界普遍将2023年作为人工智能发展的分水岭。从1956年"人工智能"概念的提出,到1998年LeNet-5的诞生,再到2017年Transformer架构的提出,AI技术经历了长期的积累。2023年AI大模型的火爆,正是这些技术探索与沉淀后的集中爆发。
在中国,2023年同样被视为"AI时代开启元年"。虽然很难确定中国人工智能发展的起点,但可以肯定的是,中国AI的发展同样是厚积薄发。2023年,从中央到地方出台了一系列政策,为AI产业发展提供了强有力的支撑。
进入2024年,中国AI产业继续保持快速发展态势。根据国家网信办的数据,截至2024年11月,已有309个大模型通过国家互联网信息办公室备案。同时,2024年公开的大模型中标项目超过1000个,接近2023年的5倍,中标金额是2023年的4倍多,显示出中国AI大模型产业正在加速驶入商用落地阶段。
来源:第一新声智库《2024年中国AI大模型产业发展与应用研究报告》
能力、性价比攀升,需求侧驱动凸显,多数央国企年投入超2亿
AI大模型的商业化落地需要具备两个基础条件:足够强的大模型能力以及足够低的价格。当前中国AI大模型的能力已经基本达到了广泛商用的要求,并且仍在不断进化当中。进化路线主要有两条:一是通过增加模型参数量、扩大数据集、提升训练计算量来获得性能更强大的大模型产品;二是通过优化模型架构适应性和计算效率,获得更具性价比的产品。
从价格方面来看,中国大模型价格下降趋势仍在继续。截至2024年底,我国典型AI大模型的输入价格已降至0.5元/百万Tokens以内。DeepSeek的横空出世,更是将百万Tokens的输入价格拉进"一毛时代"。
DeepSeek优惠期间价格表
经过2023到2024两年的大量实践摸索,最终用户开始逐步感受到大模型带来的红利和优势。目前AI大模型商业模式主要有定制化、API及订阅模式、广告与内容变现。其中,面向大型政企的定制化模式市场占比约为55%,中小企业则倾向于采购MaaS和SaaS模式赋能业务。
值得注意的是,开源并不意味着免费,开源的商业化变现有付费支持、附加服务、定制开发、培训认证等多种方式。DeepSeek的出现无疑为开源一方增添了重量砝码。截至2025年2月,已有大量企业宣布接入DeepSeek大模型,包括三大运营商、多家车企和安全企业等。
全产业共促,市场规模狂飙171%
中国AI全产业除了"集中力量办大事"以外,还要有很多"大事"可以办。AI在中国能办的"大事"实在太多,因为中国拥有庞大的市场需求和极为丰富的应用场景,为AI大模型的应用提供了广阔的发挥空间。
据研究,2024年中国AI大模型应用市场规模已经达到157亿元,同比增速达到171%,预计2027年将冲破千亿大关,达到1130亿元。这还只是基于AI大模型应用市场分析统计及预测的结果,如果从AI大模型的深度布局,延伸至行业上下游的广泛渗透,直至辐射并重塑整个产业生态,未来这一领域的产业规模无疑将展现出极为可观的增长潜力与发展空间。
成果振奋人心,未来道阻且长
虽然中国在AI大模型领域取得的成果足够振奋人心,但要保持冷静客观,认清差距。DeepSeek指出,中国AI大模型产业面临以下挑战:
- 技术瓶颈
- 算力限制:高端芯片与国际领先水平仍有差距
- 算法创新不足:原创性突破较少
- 数据质量与隐私问题:数据标注成本高,数据隐私和安全问题限制了数据的获取与使用
- 人才短缺
- 高端人才匮乏:AI领域顶尖人才数量不足
- 人才培养体系不完善:高校AI教育与实践脱节
- 商业化与落地难题
- 应用场景有限:部分领域落地仍面临技术和监管障碍
- 成本高企:大模型训练和部署成本高昂
- 商业模式不成熟:如何将大模型技术转化为可持续的商业模式仍在探索中
- 国际竞争与地缘政治
- 技术封锁:美国等国家对高端芯片和技术的出口限制
- 国际竞争加剧:全球AI竞争激烈
- 政策与监管
- 政策支持与监管平衡:数据隐私、算法公平等监管问题仍需完善
- 标准化不足:大模型产业缺乏统一标准
- 生态建设
- 产业链不完善:大模型发展依赖芯片、框架、应用等环节的协同
- 开源社区影响力不足:国际影响力仍较弱
- 能源与环境问题
- 能耗高:大模型训练消耗大量能源,与"双碳"目标存在冲突
总体而言,当前中国AI大模型产业在技术、人才、商业化、国际竞争、政策、生态和能源等方面仍面临多重挑战。解决这些问题需要政府、企业和学术界的共同努力,推动技术创新、人才培养和政策优化,以实现可持续发展。