隨著(zhù)更多產(chǎn)業(yè)玩家的推進(jìn)，我們已經(jīng)明顯感知到大模型投入大成本高。如果沒(méi)有足夠的資金和計算資源，就連開(kāi)發(fā)訓練這一階段都難以進(jìn)行。

以百度為代表的大模型玩家，正在形成“架構-大模型-應用-數據”飛輪加速閉環(huán)。一方面，推理成本降低，加速大模型產(chǎn)業(yè)落地，甚至可能比上一波浪潮更快；另一方面，大模型迭代速度越來(lái)越快，產(chǎn)品應用具有長(cháng)期持續性，商業(yè)壁壘更容易建立，對下游生態(tài)玩家而言，這自然是剛需和利好。

但與之相關(guān)，大模型創(chuàng )業(yè)甚至產(chǎn)品發(fā)布的窗口期也正在被壓縮，留給大模型創(chuàng )業(yè)玩家的涌現的時(shí)間也不多了——

他們不光要準備金錢(qián)、時(shí)間等這些外在資源儲備，還需要考慮自身產(chǎn)品能否還具有競爭力。另外創(chuàng )業(yè)的必要性也正在減弱：就動(dòng)輒大幾千萬(wàn)甚至上億的入場(chǎng)券來(lái)說(shuō)，既沒(méi)有必要重復造輪子，也沒(méi)有端到端核心積累優(yōu)勢。

大模型創(chuàng )業(yè)的機遇，會(huì )開(kāi)始朝著(zhù)生態(tài)和應用創(chuàng )新傾斜。

但也正因如此，反而更加彰顯了大模型自主的重要性，因為太基礎、太底層、太需要把生態(tài)放在放心安心的國產(chǎn)層面了。大模型趨勢再明晰不過(guò)，千行百業(yè)的落地價(jià)值也已經(jīng)預見(jiàn)，入局是必然，但之前是否需要按照地緣區域或國界劃分“造輪子”卻沒(méi)有共識——有些論點(diǎn)里，依然相信科學(xué)技術(shù)的進(jìn)展會(huì )普惠到全世界。

然而隨著(zhù)地球另一邊，OpenAI越來(lái)越Close，API輸出的區別對待，中國需要自己的大模型底座，正在成為共識。

有意思的是，這在芯片、深度學(xué)習框架、底層架構平臺的打造過(guò)程中，已經(jīng)有過(guò)一輪討論，有過(guò)一輪經(jīng)驗教訓，并且還被類(lèi)比為了汽車(chē)產(chǎn)業(yè)中的“發(fā)動(dòng)機”，最后明確“發(fā)動(dòng)機”必須要自主，這樣產(chǎn)業(yè)才真正安全。

然而到了大模型競速中，對于“變速箱”的認知，之前因為對大模型認知不完備，存在不同聲音，但此役過(guò)后，應該無(wú)人再有異議了。畢竟百度已經(jīng)在打造、迭代的過(guò)程中，展現出了這種四層自研技術(shù)棧的端到端協(xié)同的必要性和重要性。

不過(guò)也正是這種必要性和重要性，進(jìn)一步明示了大模型打造的殘酷的游戲規則：

凡有的，還要加倍給他，叫他多余；沒(méi)有的，連他所有的也要奪過(guò)來(lái)。

這背后既是端到端全棧帶動(dòng)的壁壘，更是數據、應用驅動(dòng)飛輪之下越滾越大的雪球。隨著(zhù)雪球向前，大模型產(chǎn)業(yè)落地的速度自然會(huì )加快，同時(shí)留給其他大模型玩家涌現的時(shí)間也越來(lái)越緊缺。

這種趨勢已經(jīng)開(kāi)始，這種趨勢還會(huì )持續。