刚追平GPT-4就转头去巨大厂？这场AI创业闹剧背后藏着几许多血泪

三月的硅谷，AI圈又上演了一出魔幻巨大戏。Inflection AI刚在月初吹嘘自家新鲜模型Inflection 2.5只用了GPT-4 40%的训练量， 性能就达到了后者的94%，顺便还晒出100万DAU和600万MAU的亮眼数据，后来啊没过半个月，三位联合创始人里的两位——Mustafa Suleyman和Karen Simonyan，直接打包加入了微柔软。一个跑去当微柔软新鲜AI部门的CEO， 负责Copilot、Bing这些个toC产品，另一个当首席学问家，连汇报线都安排得明明白白。这波操作属实把AI圈看懵了：刚宣布追平GPT-4，创始人转头就去巨大厂打工了？

15亿美金打水漂？Inflection AI的“追平神话”到底有许多虚

说起来Inflection AI的底子，其实相当能打。创始人Suleyman本身就是DeepMind的联创， 当年带着DeepMind被谷歌收购后又拉来LinkedIn联创Hoffman，在2022年成立了Inflection AI。短暂短暂两年时候， 结实是从比尔·盖茨、微柔软、英伟达这些个“全明星”手里融了15亿美金，估值一度冲到40亿美金。这阵仗在AI创业圈，简直是含着金钥匙降生的“天之骄子”。

刚宣布新模型追平 GPT-4，创始人转头就去大厂打工了？

所以他们放出的“追平GPT-4”才让人如此在意。Inflection 2.5的基准测试数据确实亮眼， 不仅推理能力接近GPT-4，对话流畅度还被用户反馈“更有人情味”——毕竟他们主打的就是情感陪伴机器人Pi。更妙的是 他们宣称训练本钱只有40%，这简直像是在说“我们用别人一半的钱，跑出了别人90%的效果”，听着怎么这么像创业故事里的标准剧本？

但仔细扒扒细节，这剧本里的漏洞可不少许。所谓“40%训练量”，指的是计算材料投入，还是数据量？明着资料里只字未提。再看用户数据， 100万DAU听着不少许，但对比ChatGPT以前上亿的日活，这点流量在巨大模型里连“及格线”都够不上。更关键的是他们没提过一句变现的事儿。聊天机器人Pi能怎么赚钱？广告？订阅？用户愿意为“有人情味的AI”付费吗？这些个问题，Inflection AI从来不敢碰。

微柔软这波“抄底”， 到底是捡了廉价还是接了盘

微柔软这波操作，细想下来其实挺耐人寻味。他们没直接收购Inflection AI这家公司， 而是把创始团队“一锅端”收了还承诺让现有投钱人“得到良优良后来啊”。这操作翻译过来就是：团队我要了公司你们自己玩吧，钱我再给你们补点。至于具体补了几许多，微柔软打死不说外界猜测至少许是几亿美金起步。

但微柔软图啥呢？缺手艺？不缺，他们有加持，Copilot、Bing早就用上了GPT-4。缺人才？Suleyman确实厉害，但他带来的核心团队，和差距有许多巨大？缺产品？Pi的DAU才100万，微柔软自家Bing的AI月活可是上亿的。思来想去，微柔软兴许图的是“时候差”。OpenAI眼下闹得沸沸扬扬，Altman被踢出又回归，内部人心不稳。这时候拉来DeepMind的老将， 组建新鲜AI部门，既是对制衡，也是为以后万一“和气散了”留后手。

至于Inflection AI的投钱人， 看着15亿美金打水漂，还能拿到微柔软的“补偿款”，估摸着也只能苦笑。毕竟在AI创业圈，这种“烧钱烧到半路，团队被巨大厂收购”的戏码，已经不是第一次了。2023年，谷歌就收购了Character.AI的有些团队，代价也是数亿美金。看来巨大厂们早就摸透了规律：与其让你自己磨蹭磨蹭烧钱追上来不如直接把你“买”过来省得以后麻烦。

巨大模型竞赛：烧钱烧到绝望， 后来者还有机会吗

Inflection AI的“投降”，其实揭开了AI巨大模型竞赛最残酷的一面：这场游戏，根本不是给后来者准备的。先不说OpenAI、谷歌这些个巨头手握海量数据和用户反馈，光是算力这一关，就能把巨大许多数创业公司卡死。

训练一个像GPT-4级别的巨大模型，需要几许多算力？有行业人士估算，至少许得2万块H100显卡，连续跑几个月。光是电费，兴许就要上千万美金。更别说显卡本身了2023年H100的黑市价能炒到10万美金一块，2万块就是20亿美金。Inflection AI虽然背靠微柔软和英伟达，但15亿美金烧完，估摸着连显卡都没凑齐。

比算力更绝望的，是数据。模型优化靠啥？靠RLHF。用户越许多，反馈数据越许多，模型迭代就越迅速。ChatGPT为啥能一直领先？基本上原因是它有上亿用户每天在“喂”数据，这些个数据是开源模型永远拿不到的。反观Inflection AI的Pi，100万DAU能产生几许多有效反馈？恐怕连零头都不到。没有数据，模型就像没油的汽车，再优良的发动机也跑不动。

所以硅谷风投a16z最近发布的AI网站榜单里 前10名有7个都是老面孔，新鲜进榜的还得靠谷歌支持。巨大模型赛道，早就成了“赢者通吃”的沉资产游戏。创业公司想靠“细小而美”突围？看看Mistral就晓得了。他们搞开源模型， Mistral 7B和Mixtral 8x7B确实火了但闭源的“巨大中细小杯”根本打不过OpenAI。开源能带来名气，但赚不到钱，没有钱，怎么接着来烧钱研发？

国内巨大模型创业：光年之外估值2亿， 王兴能烧许多久

这场闹剧放在国内，更是让人唏嘘。美团联合创始人王慧文去年宣布“All in AI”， 成立光年之外手艺，王兴亲自站台，估值很迅速冲到2亿美金。但2亿美金在巨大模型赛道，够烧许多久？按行业平均本钱，兴许连一年都撑不住。

更麻烦的是国内巨大模型创业还面临着“数据墙”和“应用墙”。数据方面国内对用户数据的监管更严，想拿到像ChatGPT那样高大质量的用户反馈，困难上加困难。应用方面国内用户习惯更偏向“工具型”AI，比如客服、写作助手，对情感陪伴类产品的收下度远不如欧美。光年之外如果也做Pi那样的聊天机器人，在国内能找到100万DAU吗？恐怕悬。

但也不是没有机会。国内巨大模型创业能走“垂直赛道”。比如专注电商领域，用巨大模型做智能客服、商品推荐，直接对接商家的实际需求。2023年，某跨境电商平台试用巨大模型客服后转化率提升了18%，响应速度缩短暂了60%。这种“细小而精”的路线，虽然追不上GPT-4，但能活下去，甚至赚钱。

创业者别再幻想“追平GPT-4”了 这届AI创业得务实

Inflection AI的故事，给全部AI创业者敲响了警钟：别再沉迷于“追平GPT-4”的幻想了。护城河，不是靠参数堆出来的，而是靠用户、数据、算力形成的“铁三角”。创业公司想结实碰结实无异于以卵击石。

与其追着GPT-4的尾巴跑，不如想想怎么把巨大模型用在刀刃上。比如做AI+教书， 用巨大模型给学生做个性化辅导，2023年某教书机构用巨大模型提升学生成绩23%，客单价搞优良了30%。或者做AI+看病，辅助医生诊断病历，准确率比人造高大15%。这些个领域，用户需求明确，数据值钱高大，变现也轻巧松。

还有开源这条路。Mistral已经说明，细小参数开源模型也能火。国内创业公司能基于开源模型，做二次开发，针对中文场景优化。比如某团队基于ChatGLM开发的中文王法巨大模型，92%，已经服务了上百家律所。这条路虽然赚不到巨大钱，但能活下去，磨蹭磨蹭积累数据和手艺，以后说不定能找到突破口。

AI创业的以后：要么被收购， 要么等死

说到底，Inflection AI的创始人选择加入微柔软，兴许是最“理性”的决定。在巨大模型这玩意儿烧钱黑洞里创业公司只有两条路：要么被巨大厂收购，要么等死。2023年， 全球AI创业公司的收购案比2022年许多些了45%，其中80%都是被微柔软、谷歌、亚马逊这些个巨头收走的。

对于投钱人这也不是恶劣事。与其看着创业公司把钱烧光，不如早点“卖个优良价钱”。就像Inflection AI的投钱人，虽然公司没做起来但创始人被微柔软收走，至少许能拿回有些回报。毕竟最值钱的从来不是公司，而是能做出优良模型的人。

但对于普通创业者这无疑是个恶劣消息。巨大模型创业的门槛，已经高大到离谱。没有几十亿美金， 别想碰GPT-4级别的模型；没有海量用户数据，别想做出有比力的产品；没有顶级人才，别想拿到巨大厂的投钱。这场游戏，从一开头就不是为普通人准备的。

所以如果你眼下还想冲进巨大模型赛道，不妨先问问自己：你有15亿美金吗？你有DeepMind的创始团队吗？你能拿到比尔·盖茨的投钱吗？如果没有，还是想想怎么用AI做点“细小而美”的事吧。毕竟AI创业的世界里追平GPT-4从来不是目标，活下去才是。