日行千里，烈火烹油的两年过去，飞速发展的大模型行业怎么样了？
与两年前“百模大战”为技术争夺的景象不同，玩家们有两个速度之争：一是技术迭代和产品更新的速度，二是商业化赚钱和应用落地的速度。
技术和产品的迭代很直观，直接推动大模型行业的百舸争流。从语言大模型，到文生视频大模型，再到3d生成大模型，几乎每隔几个月就会有让人眼前一亮的大模型出现。
大家都在尝试和摸索。每一次技术的扩大亮相，都会将具有前瞻性的大模型厂商推到聚光灯下，并引发新一轮的行业追随。
有人*，就有人追赶。这些尚未成熟的技术，给了探路者弯道超车的机会，也带来了商业化的压力。
尤其是进入今年下半年，整个行业的风向更加微妙。市场逐渐对大模型祛魅，资本也回归理性，行业的两股势力也发生了站位的转换。
一边是阿里、字节等巨头投入的动作明显加快，收编大模型创业公司的核心人才，推出一系列ai产品；一边是创业公司开始重新评估自身的路线，国内“ai六小虎”有两家逐步放弃预训练模型，业务重心转向ai应用。
这背后，直指行业第二个速度之争：商业化的效率。
毋庸置疑，当下的大模型赛道高度拥挤，随着算力成本上涨、算力分配有限，对创业公司而言，大模型这场战役时间线拉得越长，创业公司的压力就越大。
“ai大模型（赛道），将只剩下10家企业扮演重要角色。”中国工程院外籍院士张亚勤曾表示。这几乎是行业的共识，最后的胜利属于少数的玩家。
大模型最终会进化成什么样，还不确定，但可以确定的是，大模型浪潮下，技术仍在迭代，场景仍在惊艳，商业化也始终在探索的路上。
过去两年，大模型不缺惊艳时刻，行业也处于百家争鸣的阶段，无论是暂时*的玩家，还是奋力追赶的玩家，都有机会在奔跑中，抢到更多的蛋糕。
01
3d世界、自主 agent、
思考大模型……大模型惊艳迭代
从chatgpt的惊艳亮相开始，新一轮的ai浪潮整整奔涌了两年。ai想象力被重启，大模型站上c位，围绕大模型的讨论和尝试也爆发式增长。
大模型的终局是什么样的？这一问题的答案吸引众多玩家前赴后继地卷技术、卷应用。
根据lifearchitect.ai数据，截至目前，全球总共有467个大模型。新技术不断涌现，行业竞速赛愈演愈烈，大模型厂商都在不断迭代升级，旨在离agi更进一步。
进入到今年，除了应用上的百家争鸣，一个明显的变化在于，以chatgpt为代表的大语言模型局限性日益显现。比如，他们只能处理文本领域的任务，无法与物理和社会环境进行互动；虽然大模型语料库已经十分丰富，但关于人类的价值观的文本，他们并不具备理解能力……
技术被重构，大模型行业也在不断改进和进化中，行业在寻找下一个更“类人”的模型或应用。
北京时间12月3日，“ai教母”李飞飞创立的world labs推出最新成果：世界模型，一张单个图像即可生成3d世界。
以往，我们熟知的大多数genai工具仅能制作图像/视频2d内容。world labs则实现了在3d中生成，视频的控制性、一致性能得到改善。world labs称，他们所生成场景的独特之处在于它们具有交互性，而且是可修改的。
这是今年9月份创立world labs以来，李飞飞团队推出的*成果，也是其迈向空间智能的*步。早在成立之初，李飞飞团队瞄准的就是空间智能，其初衷就是空间智能的ai，能够对世界进行建模，同时根据3d时空中物体/地点/交互进行推理。
李飞飞的个人影响力，加之空间智能的想象力，world labs成立三个月，有消息称其估值达10亿美元。
两天后，北京时间12月5日，google deepmind紧随其后发布了最新基础世界模型genie 2。作为今年初推出的genie模型的升级版，genie 2只需要一张图就能生成可玩的ai系统。deepmind透露，genie 2具备从不同视角（如*人称视角与等距视角）生成连贯世界的能力，这些生成的世界可持续时间长达一分钟，尽管多数情况下维持在10到20秒之间。
如果说世界模型展现的是模型理解虚拟世界运作规律，并准确做出预测的能力，那openai今年9月推出的o1系列模型则在于会思考。
彼时，openai ceo奥特曼对o1信心满满，“我认为这次 o1 模型发布最重要的信息是，ai 发展不仅没有放缓，而且我们对未来几年已经胜券在握。”
与gpt系列模型不同，o1系列模型有更强大的“思路链”，模型会在思考后回答用户问题，输出高质量的内容，而非迅速回应无效回答。此外，o1系列更擅长推理，推理能力大幅提升，特别是在奥数、编程等领域展现出了优势。
行业风向标的新动作，引发国内大模型厂商的追赶。11月16日，月之暗面公布了k0 math；11月20日，deepseek上线deepseek-r1-lite大模型；11月27日，昆仑万维推出“天工大模型 4.0” o1 版……无一不在强调大模型的逻辑思考能力。
无论是哪种路线的大模型进化，都让人类离agi更进一步。
其中，在应用层面，今年还有一个趋势不能忽视，人类与机器的互动方式正在发生范式转变，拥有对话功能的gpt逐渐进化能行动的ai agent（智能体）。
市场研究机构 research and market在11月11日发布的报告中指出，未来五年ai智能体的市场规模将增加420亿美元。麦肯锡也表示，ai智能体将是生成式ai的下一个前沿。
具体到玩家的动作上，“有手、有脑、有眼睛”的ai agent成为玩家抢滩的对象。
10月份，作为最早探索agent的初创企业智谱，推出自主智能体autoglm ；一个月后的agent openday上，智谱展示了ai agent的最新成果，包括autoglm、autoglm-web、glm-pc三个版本，对应手机、浏览器、电脑的应用场景。
新升级的autoglm能够理解超长指令，执行超长任务，在多步、循环任务中，autoglm的速度表现超过人手动操作。可以预见的是，当技术足够成熟，一个agent就能帮助人操控一切。
此前，微软ignite大会上，微软宣布已建立全球规模*的企业级ai agent生态系统；前openai高管创办的初创公司anthropic推出名为claude的ai智能体；openai被传出将在2025年1月发布代号为operator的智能体。
在国内，智能体也百花齐放。一边是手机厂商开始拿出智能体、智能助力讲故事；一边是巨头下场做智能体。比如字节跳动的扣子、腾讯云的腾讯元器、百度智能云千帆agentbuilder、阿里云大模型平台百炼、……
这一年，大模型不缺惊艳时刻。会思考的大模型、会想象的大模型、会预测的大模型，站在大模型技术的潮头，走向agi的路上，更惊艳的产品迭代一直在发生。
02
ai视频，新的角逐中谁都不甘落后
时间回到今年2月，行业军备竞赛持续一年，openai再次将大模型行业推至高潮。openai以世界模拟器的名号发布了视频生成模型 sora，让“一句话生成视频”变成可能。
行业的加速器来自sora。追赶sora、超越sora，几乎成了海内外大模型玩家的共识。
在海外，今年5月，谷歌发布对标sora的文生视频模型veo；6月，luma推出dream machine视频生成模型，ai视频生成初创公司runway推出gen-3 alpha模型。
将视角放到国内，玩家们为“中国版sora”争先恐后，催生两轮爆发期。
先是今年5月开始，生数科技vidu、快手可灵、字节即梦、智谱清影、商汤vimi等都相继发布文生视频模型。
今年9月，国产视频生成大模型又迎来了新一轮爆发。minimax正式发布视频模型video-01、阿里云在云栖大会上发布通义万相全新视频生成模型、美图宣布miraclevision大模型完成视频生成能力的升级。
今年11月，腾讯混元大模型正式上线视频生成能力。目前的生成视频支持中英文双语输入、多种视频尺寸以及多种视频清晰度。另一边，月之暗面旗下kimi被爆出正在内测ai视频生成功能“kimi创作空间”，可通过12种预设风格模板和自定义创作功能，为用户制作个性化音乐视频。
两轮爆发期间，随着初创企业和巨头的入局，ai视频赛道正变得拥挤。更关键的是，经过上半年密集发布新产品的阶段，想要在竞争中突出重围，行业的比拼从“有没有”升级为“好不好用”。
为了变得好用，升级更新是玩家们的统一动作。在国内，动作最快的莫过于有视频基因的快手和抖音。
截至今年9月，快手可灵经历了十次迭代升级。目前，在可灵1.5模型的支持下，可灵ai可以直出1080p高清视频，挑战大屏清晰度与质感。在图生视频方面，可灵1.5模型可以响应更复杂的文本描述要求。此外，可灵ai还支持运动笔刷、对口型等功能。
快手科技2024年投资者日上，快手主站业务与社区科学线负责人盖坤介绍，已有累计超260万人使用过可灵ai，并累计生成超2700万个视频、5300万张图片。
同为视频赛道的字节，与快手正面交锋。今年一季度，字节ai研发团队将视频生成模型的优先级排在前列。3月底，即梦开启视频生成功能内测；9月，字节发布豆包模型家族的两款视频生成模型seaweed和pixeldance，并通过即梦ai、火山引擎小范围邀测。
相比于之前的视频生成模型大多只能完成简单指令，字节的这两款模型能让视频在大动态与运镜中自由切换，拥有变焦、环绕、目标跟随等多镜头语言能力，能更好地服务在视频、电影领域的专业创作者。
11月，seaweed面向平台用户正式开放。据字节方面介绍，本次开放使用的豆包视频生成模型seaweed是该款模型的标准版，仅需60秒即能生成时长5秒的高质量ai视频，*国内业界3至5分钟的所需生成时间。
从底层技术看，ai视频赛道玩家的路线基本一致，即采用transformer架构的新型扩散模型dit，进行相关扩散、生成的技术突破。也就是说，玩家更多是通过训练数据丰富产品功能。
这也是字节、快手在ai视频赛道跑得更快的原因。“sora们”切入的60s视频正是字节、快手的基本盘。在短视频生态下，二者有丰厚的视频土壤滋养，这种视频数据的训练，正是推动大模型“好用”的关键因素。
历经近一年，国内文生视频大模型赛道进入了sora时刻。ai视频大模型的生成能力迈入新阶段的同时，我们也要看到行业的焦虑。
从实际落地层面上看，如果是b端商业生产，短剧、电影、广告对画面的连续性、一致性要求很高；如果是c端用户娱乐，对ai生成的*要求是真实性。
需求倒逼技术，想实现真正的好用，并不容易。
从技术上看，当下视频模型在理解、创作物理世界方面的表现依旧有限，画面的连贯稳定、主体的一致真实以及视频的时长都亟需迭代进化。
从成本上看，当下的视频技术很难下放到寻常百姓家，名噪一时的sora至今仍处于研究阶段，仅面向少数专业人士进行内测，很大一部分原因就在于高昂的成本。
再回到ai视频是行业趋势的这个问题上，厂商们之所以纷纷下注，一方面是因为行业需求催生了市场规模。
头豹研究院数据显示，2021年中国ai视频生成行业的市场规模为800万元，预计2026年，这一市场规模将达到92.79亿元。
另一方面，大模型的商业落地进度越来越迫切，相比于chatgpt这种聊天机器工具，ai视频生成是大模型技术商业化落地更具潜力的赛道。
03
效率之争、落地之战
两年，给行业带来技术革命，也让行业变得冷静。
今年7月，2024世界人工智能大会上，百度创始人李彦宏在演讲中提到，“2023年国内出现了百模大战，其实造成了社会资源的巨大浪费，尤其是算力的浪费。”
李彦宏言辞激烈的背后，是整个行业更加理性。市场期待在模型之中长出能落地的应用，为大模型厂商赚到钱、为各行各业提供效率。
抛开技术问题，这注定是一场应用落地的效率之战，这也就回到了商业化的问题上。
从去年“百模大战”，到今年应用之战，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”。
在国内，相比于两年前焦灼地坐上牌桌，争做“中国openai”的执念，这群ai明星企业将重点放在了商业化落地应用的探索上。
据智能涌现报道，被称为“ai六小虎”的6家中国大模型独角兽（智谱、零一万物、minimax、百川智能、月之暗面、阶跃星辰）中，已经有两家逐步放弃预训练模型，缩减了预训练算法团队人数，业务重心转向ai应用。
这透露了市场两个曲线，一个是部分初创企业正被困在商业化的焦虑里；二是行业商业化战线拉长，巨头的战斗力更足。
比如去年只发布了语言大模型的字节，今年一口气补全了视频、3d、音乐等多领域的大模型。在应用层面，字节陆续推出了十几个ai应用，覆盖了娱乐、对话、agent等多个产品方向。
在c端表现上，下半年巨头商业化的影响力更为突出。据数据分析机构questmobile，字节豆包app今年9月的日活已达760万，成为中国日活*的ai产品。
这一趋势下，大厂和创业公司的角色站位也发生变化。尤其是步入今年下半年，当资本冷静，一些ai明星创业公司被巨头收编，大模型创业公司高管加入大厂。
这验证了大厂坚决投入ai的重要性。ai是个增量，不仅能为大厂原有业务带来新的想象力，大厂原有的业务场景也可以为ai提供商业闭环。
不过，尽管是资源和场景更为丰富的大厂，面对市场对其巨额ai投入何时能换来回报的质疑时，也有些迷茫。
迷茫的背后，还有个更重要的问题：scaling law还成立吗？
所谓scaling law，是大模型行业的一个重要技术原理。具体而言，openai四年前曾经发布过一篇论文表示，模型的性能会随模型参数量、数据量、计算资源增加而指数提升。
只要scaling law 还成立，那么大模型的能力就可以通过算力、参数、数据的训练实现agi。
行业仍是积极的。特别是openai推出o1后，标志着大模型能力突破到了l2阶段。大模型开始真正拥有了逻辑思维能力，在无人力干预的情况下进行规划、验证和反思。
某种程度上，o1打破了预训练的 scaling law 瓶颈，商业上解锁了新的可能。在openai和智谱给出的“通往agi五阶段”的定义中，两家公司均将多模态和语言能力归在l1阶段，也就是最为基础的能力配备。
这个行业，从chatgpt，到sora，再到o1，openai仍是具有时代性的公司。也许和过去一样，哪个大模型厂商能*追上o1，市场还会迎来一波新高潮。
追赶技术的路上，玩家们不能忽视的是如何把钱花到刀刃上，这是一场技术、应用、场景的效率之战。
眼下，行业的淘汰赛已经开始，李彦宏曾预测，在未来ai浪潮里，市场中99%的伪创新都将被淘汰，只有1%的企业能够脱颖而出。谁是这1%，谁能创造“新”世界，要等市场给出答案。
