被称为“AI大模型应用元年”的2024年已过半，行业变化太快，充斥着各种声音。
原本漫长的技术发展周期，在大模型身上被装上了加速键。从卷参数、到卷应用，短短两年时间，玩家“百模大战”、资本烈火烹油，都在探索，又备受质疑。
步入下半年，整个行业的风向更加微妙。
分析机构Similarweb的最新数据指出ChatGPT网站的月度访问总量遭遇断崖式暴跌；OpenAI发布新品的节奏明显变慢；英伟达股价震荡，跌出美股市场的单日最高值；在国内也不乏给大模型“泼冷水”的大佬们……
另一方面，国内大模型“新星”仍炙手可热。月之暗面被曝腾讯入局投资的消息，公司投后估值已达30亿美元；智谱AI拿到新一轮融资，金额高达数十亿元，投前估值200亿元；李飞飞首次创业项目World Labs宣布获得2.3亿美元融资，背后站着英伟达。
行业正陷入“冰与火”的焦灼之中。而这背后，是市场逐渐对大模型祛魅，资本也回归理性，也只有当热潮退去，真正有价值的企业或应用才会浮现出来。
但无论是哪个阶段，商业化都是大模型行业反复提到的话题。大模型的特殊性在于“烧钱”，技术上的研发成本，应用上的运行成本，每一步都少不了真金白银的支持，这也是大模型企业们的“紧箍咒”。
尤其是像月之暗面、智谱AI这样的创业企业，它们不及巨头们的资金雄厚、资源丰富，如果一味地依赖融资输血，无法无法自我造血，则势必会被淘汰。
潮水方向的变化推着大模型行业向前走。从“百模大战”走到“应用之战”，大模型行业即将进入新的阶段，而这个阶段，除了产品、应用外，找到一条属于自己的变现之路极为重要。
“明星企业”，还炙手可热
近期，2024云栖大会开幕演讲上，阿里CEO吴泳铭打了个形象的比方：去年大模型的数学能力还只是中学生水平，但今天已经可以拿到国际奥赛金牌，尤其在物理、化学生物等多方面学科，已经接近博士生。
过去22个月，大模型的到来，让AI的发展速度空前。从百模大战，到应用大战，除了互联网大厂下场做大模型，众多与AI相关的创业公司涌现出来。
几轮淘汰赛过后，在我国也诞生了不少明星企业。从“新AI四小龙”，到“AI五小虎”“AI六小强”，这背后都离不开资本的助推。
CBInsights数据显示，2023全年生成式AI新创在全球获得约204亿美元融资，是2022年36亿美元的5倍以上。
到如今，热潮还在持续。
8月，零一万物完成新一轮数亿美元的融资，最新估值为104亿元人民币；同月，月之暗面也收获了一轮3亿美元的融资；7月，百川智能完成50亿元人民币的A轮融资，并且以200亿元估值开启B轮融资；9月，智谱AI完成10亿元融资，投资方包括中关村科学城……
“AI六小强”中，零一万物、百川智能、智谱AI、月之暗面和Minimax五家公司均在今年获得亿元以上融资，另一家阶跃星辰也在今年6月传出正在进行一轮估值20亿美元的新融资。
其中，月之暗面和智谱AI莫过于是最受资本偏爱的两家公司。
回顾月之暗面的融资之路，不乏知名投资机构和互联网大厂。
2023年6月，月之暗面首获超2亿美元的天使轮融资，投资机构包括真格基金和红杉中国，彼时估值为3亿美元；同年7月，月之暗面获得来自美团龙珠、蓝驰创投等投资方的A轮融资；今年2月，月之暗面收获超10亿美元的A+轮融资，投资方包括红杉中国、小红书、阿里巴巴，老股东跟投。
值得关注的是，2月份的这笔融资是自ChatGPT出现至今，中国大模型初创公司拿到的最大单轮融资，这也让月之暗面的估值跃至25亿美元。
资本的偏爱，让月之暗面的估值水涨船高。8月份投资过后，其投后估值达到33亿美元（210亿元），领跑“AI六小强”。
另一边，跻身于“200亿”俱乐部的还有智谱AI和百川智能。
9月初，智谱AI以200亿元的投前估值，完成了新一轮融资，金额达数十亿元，本轮领投方为中关村科学城公司。
据企查查披露的信息显示，智谱AI已经进行了11轮融资，投资方包括北京市人工智能产业投资基金、社保基金中关村自主创新基金、光速光合、美团、蚂蚁、阿里、腾讯、小米、金山、顺为、红杉、高瓴等多家知名投资机构。
7月，百川智能完成了50亿人民币的A2轮融资，投后估值达到200亿人民币。此前，百川智能已经在2023年10月官宣了A1轮融资，披露了包括阿里、腾讯、小米等科技巨头及多家*投资机构在内的名单。
两个月内，中国大模型行业诞生三个估值达到200亿元的独角兽。资本对明星企业青睐的背后，也有一些现象值得思考。
最为明显的一点是，大模型热潮涌动近两年，资本追捧领跑的独角兽，但从整个行业来看，资本却更为冷静谨慎。
一方面，大模型“难”。从研发大模型，到落地应用场景，这条路的成功不仅依赖资金的投入和人力的积累，更需要过硬的技术做支撑；另一方面，大模型“贵”。数千万元一次的训练成本，尚未清晰的商业化路径，这是一件具有挑战的事，资本不敢贸然尝试。
更关键的是，“200亿”常常被视作是一个创业公司的分水岭，跻身于200亿元俱乐部，资本会对回报率提出更高的要求，企业必须找到属于自我造血的路。
换句话说，估值到达200亿的企业，资本给了你高光时刻，你也要给资本一个满意的答卷——赚到钱、跑快点。
花钱与赚钱并行，
“新星们”必须学会变现了
“我们做的是一件很有挑战的事情，需要大量的资金、资源支持。”智谱AI CEO张鹏接受采访时提到，当前的经济形势下，AI的投入又很大，结果跟大家的预期有差距，大家会感受到特别大的压力和焦虑。
的确，资本迫切的回报周期压力之下，融资只是独角兽们拿到大模型船票的第一步，学会赚钱，才是他们的必修课。
告别去年的“百模大战”，今年大模型行业开始走向应用落地，也就是商业化。和去年技术路线之争一样，今年的商业化落地路径依旧是行业激辩的焦点。
比如在今年智源大会上，零一万物创始人李开复表示，“零一万物坚决做To C业务，不做赔钱的To B业务。”
中国工程院院士张亚勤院士则认为，在具身智能阶段，To B的应用可能会比To C更快落地，“现阶段大模型真正赚钱的则在于B端基础设施层面，包括芯片、硬件、服务器等。”
本质上，是大模型商业化之路的B端和C端之争。一方认为B端应用相对明确，覆盖行业广，能快速实现多个场景的应用，C端竞争大，想要跑出一个爆款应用时间成本较高；另一方认为，行业内卷加剧价格战，B端大模型利润被压缩，而C端能更快地看到收益。
这个思路之下，国内初创大模型厂商最初商业化主要分两个阵营，一种是像月之暗面、百川智能、零一万物这样以C端业务为主的公司；另一种是兼顾B端和C端两条腿走路，以智谱AI、MiniMax为代表。
说起C端大模型应用，最广为市场熟知的，莫过于月之暗面的Kimi。2023年10月，Kimi横空出世，凭借出色的长文本能力成为当下的爆款，随后月之暗面又将Kimi的长文本能力提升10倍，并迅速进行产品迭代和优化。
数据显示，2023年12月至2024年2月，Kimi的月活跃用户数分别为50.83万、112.85万和298.46万人。尤其是在2024年2月，用户数几乎是2023年12月的近6倍。
Kimi的火爆有目共睹，但不可否认的是，C端市场虽然距离消费者更近，收益更快，但入局的玩家很多，距离真正的超级应用出现还有很长一段距离，谁都有突围的机会，谁都不能松懈。
当下，大模型在C端市场的营收模式较为单一，除了订阅费之外，其他收费模式目前都在探索之中。比如，Kimi此前推出“给Kimi加油”的付费选项，金额从5.2元到399元不等，类似于“打赏”模式，以此探索新的商业化。
另一边，像智谱AI这类B端业务商业化进展更快的厂商，则将重点放在了大模型生态上。
自智谱AI成立以来，一直将OpenAI作为追赶目标。截至目前，智谱AI已经打造了完整对标OpenAI的模型产品，包括AI提效助手智谱清言、高效率代码模型CodeGeeX、多模态理解模型CogVLM和文生图模型CogView等。
智谱AI CEO张鹏多次强调，与C端市场相比，B端市场的付费意愿更为强烈。这一路径下，智谱AI围绕B端市场做了很多布局。
比如，提出“模型即服务”的理念，通过将大模型封装成开放平台，提供API给开发者和企业调用，按照调用量进行付费；针对中大型企业对数据安全的需求，智谱AI提供云端私有化部署方案，帮助用户在云端开辟专门的模型专区。
无论是哪种路径，初创企业的想法都是赚到钱，但问题也都一样棘手。C端商业化面临用户留存低、获客成本高的难题；B端商业化面临行业价格战，初创公司压力不小。
这时候，B端和C端两条腿走路是一些厂商的思路。
今年8月，月之暗面发布Kimi企业级API，继续发力B端市场。相较于覆盖to C需求的通用模型，企业级模型推理API有着更高等级的数据安全保障和并发速率，用以支持企业内部的复杂工作流和大规模的数据处理需求。
同时，智谱AI也开始探索C端业务的研发和落地。
今年7月，智谱AI发布生成视频模型清影正式上线，生成6秒视频只需要30秒的时间；8月，智谱清言APP上线视频通话功能。
另一家独角兽MiniMax，在产品上也是C端和B端双向布局的策略。面向C端，有角色扮演类AI聊天应用Glow、沉浸式AI内容社区产品“星野”、支持论文写作的“海螺AI”等；面向B端，MoE大语言模型abab 6、abab 6.5相继发布，并计划开放API。
从爆火至今，大模型经历了很多个重要节点，其中最重要的是从参数到应用的演变，大模型跑得快的标准正变成好用和实用。行业的共识在于，通用大模型公司的能力水平再高，最终也要依靠商业化造血。
当下，几乎所有初创大模型厂商的收入规模都远远不足以支撑自己的估值，各大应用又陷入同质化的竞争，如何在花钱的同时学会赚钱，是他们过去及未来探索商业化的核心，毕竟时间不等人。
与大厂“抢蛋糕”，
大模型新星都有压力
大模型浪潮之下，互联网巨头和初创企业站在同一起跑线上。如果说去年技术层面是大模型的资格赛，那今年应用层面已经到了决赛阶段。
很难说，面对资源更丰富、生态更完整的大厂，仅靠资本输血的初创企业会没有压力。
于初创企业而言，首当其冲的就是高昂的大模型训练成本、逐渐上涨的应用获客成本。
即便是OpenAI，外媒援引OpenAI未公开的内部财务数据，称OpenAI今年还将面临高达50亿美元的亏损，其中，全年收入估计在35亿美元~45亿美元之间，但运营成本却或达85亿美元，其中推理成本为40亿美元。
进入今年，大模型内卷加剧，加之大模型应用用户留存低，为了拉新，大模型C端应用卷出新高度。
以Kimi为例，据智能涌现报道，Kimi每通过B站获得一名注册用户，月之暗面起码要支付30元的费用。Similarweb的监测数据显示，在B站推广后的2024年3月，Kimi的访问量就呈现出显著的增长趋势，增幅一度达到402.9%，并且与智谱AI的智谱清言、MiniMax的海螺AI，拉开了一个量级的差距。
从线上的B站、小红书、抖音，到线下地铁、写字楼，大模型行业掀起了广告营销之战。效果也很显著，据Similarweb统计，AI五小龙（智谱AI、MiniMax、百川智能、零一万物、月之暗面）产品的总访问量，在6个月内暴涨了963%。
只是，动辄上亿的投流成本未必能换来用户长久的消费意愿，留存依旧是大模型厂商的未知数。
到了今年，关于赚钱的问题更加棘手。五月，字节、阿里、百度、腾讯等厂商都将主力模型的API价格普遍下调了90%以上，大模型也正式进入价格战之中。
有些选择跟进。智谱AI一个月里两次下调价格；MiniMax悄然启动了注册认证赠送1亿tokens，以及TPM扩容不收费的活动；Kimi 开放平台的上下文缓存Cache存储费用降价50%。
有些则选择坚守。百川智能创始人王小川公开表态不会跟风降价；零一万物CEO李开复直言“国内大模型市场疯狂降价是双输的打法”。
无论是降价与否，创业公司都要面临一个问题是：下一笔融资在哪？
这背后，是初创企业们集体的焦虑。一旦没有用户，初创企业就失去了训练算力的数据，更就失去了投资人的热情，而这将直接将他们推到悬崖边上。
金沙江创投董事总经理朱啸虎曾指出，投资国内大模型公司可能根本赚不到钱。他认为，更令大模型公司“尴尬”的是，即使有公司愿意砸钱，投入几千万美元后，遇到别人开源，也相当于白费钱。
今年6月，高盛的一篇《投资太多，收益太少》文章直言，大公司计划在未来几年投入1万亿美元在AI相关的东西上，比如数据中心、芯片和电网。但到现在为止，这些钱除了让开发人员的工作效率提高了一点，没看到其他明显的成果。
从目前市场反应看，大厂基本将能入局的公司都入局了，初创企业很难再拿到大厂的钱，加之投资市场热情有限，如果自我造血能力不足，那未来能否活下去都存在挑战。
参考国外独角兽的发展路径，被大公司收购可能性更大。但能否卖上好价格，能否找到好买家，也都是未知数。
目前，海外市场Character.AI以缩水50%的估值卖身谷歌，Inflection与Adept相继被微软与亚马逊收入囊中；Reka AI则仍在寻找买家、Runway陷入删库跑路”风波、Stability AI在管理层大换血后再传资金链断裂消息。
站在同一起跑线上，并不意味能一起到达终点。相比于大厂，即便是大模型业务亏损，也可以通过生态下的其他业务补足；而创业公司只有边融资边赚钱，用产品实力获客，才能与大厂抗衡。
这场战役，虽然短期不会出现一家独大的情况，但激烈的淘汰赛在所难免，每个玩家都必须在今年全力奔跑。
大模型&AI产品经理如何学习
求大家的点赞和收藏，我花2万买的大模型学习资料免费共享给你们，来看看有哪些东西。
1.学习路线图
第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；
第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；
第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；
第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；
第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；
第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；
第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。
2.视频教程
网上虽然也有很多的学习资源，但基本上都残缺不全的，这是我自己整理的大模型视频教程，上面路线图的每一个知识点，我都有配套的视频讲解。
（都打包成一块的了，不能一一展开，总共300多集）
因篇幅有限，仅展示部分资料，需要点击下方图片前往获取
3.技术文档和电子书
这里主要整理了大模型相关PDF书籍、行业报告、文档，有几百本，都是目前行业最新的。
4.LLM面试题和面经合集
这里主要整理了行业目前最新的大模型面试题和各种大厂offer面经合集。
????学会后的收获：????
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；
• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；
• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；
• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。
1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集
????获取方式：
????有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】????
