@科技新知?原創(chuàng )作者丨林書(shū)?編輯丨蕨影

2024年已經(jīng)逐漸步入了尾聲，但國產(chǎn)大模型的內卷之戰卻還在繼續著(zhù)……

最近，騰訊終于有了新動(dòng)作，在開(kāi)源模型上卯足了勁。11 月 5 日，騰訊宣布開(kāi)源 MoE 大語(yǔ)言模型混元 Large，騰訊稱(chēng)混元 Large 是業(yè)界參數規模最大、效果最好的開(kāi)源 MoE 大語(yǔ)言模型，采用 7T 訓練 tokens，總參數量 389B，激活參數量 52B，上下文長(cháng)度高達 256K。

然而，從去年年初至今，在文本大模型的戰場(chǎng)上，身為BAT三巨頭之一的騰訊，卻長(cháng)久地處于被動(dòng)的狀態(tài)。

一個(gè)明顯的表現是：在10月國內Web端AI助手的排行榜上，騰訊的AI產(chǎn)品元寶僅排在了第11位，月訪(fǎng)問(wèn)量不到200萬(wàn)，遠不及百度的文心一言、與阿里的通義千問(wèn)。

圖源/量子位

如今，在國內的AI應用上，要問(wèn)起知名度最高的前三個(gè)，人們可能很難會(huì )想到騰訊的元寶。

問(wèn)題來(lái)了：同樣身為BAT三巨頭之一，且有著(zhù)微信這樣一個(gè)超級入口，為何騰訊卻在C端方面表現如此不堪？

一個(gè)重要的原因，恐怕并不是騰訊的元寶有多“差”，而是在于在眾多國產(chǎn)大模型的AI產(chǎn)品中，元寶是一個(gè)十分四平八穩，平庸到毫無(wú)“特色”的存在。

而這樣的平庸，對于騰訊這樣的巨頭而言，并不是一個(gè)及格的答卷。

及格邊緣

基于騰訊混元大模型的的AI產(chǎn)品——元寶，目前在C端的體驗究竟怎樣？

在這里，我們以當前文本大模型最核心的幾項能力，例如文本總結、撰寫(xiě)，深度推理等，將元寶與排名較前的一些大模型進(jìn)行對比，或許就能從中得知其與目前一線(xiàn)模型的差距。

首先來(lái)看看文本總結。

在這里，我們先選取一篇關(guān)于低空經(jīng)濟的深度長(cháng)文章，分別試著(zhù)讓元寶、Kimi，通義千問(wèn)進(jìn)行總結。

首先，我們試著(zhù)讓三個(gè)大模型，分別總結下，這篇文章的核心論點(diǎn)是什么。

從上到下的模型分別是：元寶、Kimi、通義千問(wèn)。

可以看到，在三者的表現中，元寶最為簡(jiǎn)略，只草草地總結了文章的一些大致內容。

而相較之下，Kimi和通義千問(wèn)的表現則詳盡得多，不僅列出了數個(gè)要點(diǎn)，并且有條理、有邏輯地對文章的脈絡(luò )進(jìn)行了梳理，讓用戶(hù)有了一個(gè)大致的框架。

接下來(lái)，再看看文本撰寫(xiě)方面的表現。

在這里，我們的要求是：“用司馬遷寫(xiě)《史記》的風(fēng)格，敘述一下特朗普從2020年敗選，到今年再次當選美國總統這段時(shí)間的經(jīng)歷，同時(shí)還要在敘述中，帶有一些戲謔和諷刺的色彩?！?/p>

這樣的要求，考驗的就是模型在寫(xiě)作時(shí)的指令遵循能力。

先來(lái)看看元寶的表現。

雖然在寫(xiě)作風(fēng)格上，確實(shí)比較接近《史記》，但是元寶并沒(méi)有按我們的要求，從特朗普2020年敗選的經(jīng)歷開(kāi)始敘述，而是從他幼年的經(jīng)歷開(kāi)始講起，并且也沒(méi)看出戲謔和諷刺的色彩。

之后是Kimi的表現，雖然在文風(fēng)上，離《史記》還差了點(diǎn)，但是基本上已經(jīng)做到了“從特朗普2020年敗選的經(jīng)歷開(kāi)始敘述”“帶有一些戲謔和諷刺的色彩”這兩點(diǎn)。

講真，在這一輪比較中，三者表現最好的，就是通義千問(wèn)了。從文風(fēng)、敘述要點(diǎn)，以及情感色彩方面，都與我們的要求最接近。

之后，我們再看看三者在深度推理方面的表現。

這回我們的要求是：“聯(lián)網(wǎng)搜索一下，目前各大咖啡品牌在縣城等下沉市場(chǎng)的競爭態(tài)勢，并分析這一態(tài)勢背后的原因，之后從商業(yè)角度，給出一個(gè)獨到的見(jiàn)解?！?/p>

這是一個(gè)復雜的分析型查詢(xún)，需要結合實(shí)時(shí)數據，進(jìn)行多步驟、多維度的分析。

在測試中，我們都開(kāi)啟了三個(gè)大模型的“深度搜索”功能。

由于答案太長(cháng)，這里只截取最關(guān)鍵的“獨到見(jiàn)解”部分。

首先來(lái)看元寶的表現。

平心而論，在元寶給出的見(jiàn)解中，只有“本地化”這一點(diǎn)，算是比較靠譜的，其他的看法，像什么“參與社區公益”“推廣綠色消費理念”，都是些很外行，很不著(zhù)調的回答。

之后是Kimi的回答。

跟元寶對比，可以明顯感受到回答的深度、質(zhì)量上了一個(gè)臺階。例如“數字營(yíng)銷(xiāo)”“優(yōu)化供應鏈”這些見(jiàn)地，不僅一針見(jiàn)血，而且針對性很強，顯然是考慮到了縣城客流量低，對價(jià)格競爭更敏感的特點(diǎn)。

最后是通義的回答。

可以看到，在集合了之前Kimi針對性較強的特點(diǎn)上，通義的回答更為具體、細致，而不是看起來(lái)在“泛泛而談”，其深度、針對性，與元寶相比，再次提升了一個(gè)等級。

通過(guò)以上測評，我們基本上可以看出：目前騰訊的元寶，在國內梯隊中，僅僅只能算是“剛好及格”的那一批。

在文本總結、撰寫(xiě)這些日常任務(wù)上，其表現就已十分勉強，遇到一些需要復雜分析、推理的任務(wù)時(shí)，其水準就更不盡如人意。

組織“局限”

從當前國內大模型的概況來(lái)看，脫穎而出的玩家，往往有這么兩類(lèi)：

一類(lèi)走的是市場(chǎng)路線(xiàn)，憑借其在多個(gè)業(yè)務(wù)線(xiàn)中積累的大量數據，將用戶(hù)與內部場(chǎng)景進(jìn)行深度整合，增強其在C端用戶(hù)中的吸引力；這類(lèi)的代表玩家，有百度、字節、阿里。

另一類(lèi)則是以月之暗面、智譜清言為代表的，以硬核技術(shù)力作為核心錨點(diǎn)的企業(yè)，其主要靠模型過(guò)硬的實(shí)力吸引用戶(hù)。例如月之暗面的Kimi，其模型在長(cháng)文本的理解方面，在國內模型中就屬于鳳毛麟角。

從體量、實(shí)力上來(lái)說(shuō)，騰訊完全有可能成為第一種玩家，甚至成為二者兼具的“雙修”型選手，讓人失望的是，作為一家擁有龐大社交生態(tài)、深厚技術(shù)積淀的巨頭，騰訊卻在這一領(lǐng)域“掉隊”了。

究其根本，騰訊在語(yǔ)言模型領(lǐng)域的“拉胯”與其技術(shù)戰略、組織架構不無(wú)關(guān)系。

首先，騰訊的組織結構問(wèn)題是其在大模型領(lǐng)域失利的“罪魁禍首”之一。

從組織架構來(lái)看，騰訊采用了多部門(mén)參與的研發(fā)模式。據報道，騰訊的AI大模型研發(fā)涉及六個(gè)業(yè)務(wù)群（BG）的參與，其中TEG更側重通用算法研發(fā)，而其他業(yè)務(wù)群則更關(guān)注行業(yè)應用。

這種策略有其優(yōu)勢（如貼近業(yè)務(wù)需求），但也帶來(lái)了一些潛在的挑戰（如協(xié)調成本較高）。

相較之下，BAT中的百度、阿里，在大模型方面的組織架構則集中得多。無(wú)論是百度智能云，還是阿里達摩院，都能在同一戰略目標下集中算力資源，將模型與應用緊密協(xié)同。

騰訊的分離架構，在一定程度上導致了資源整合的困難，尤其是在GPU資源、算力需求等方面難以快速響應，從而影響了大模型的訓練和應用速度。

說(shuō)到底，這是因為騰訊長(cháng)期以來(lái)專(zhuān)注于“社交”“娛樂(lè )”等業(yè)務(wù)的結構，決定了其組織形態(tài)更適合產(chǎn)品迭代而非技術(shù)突破，其技術(shù)研發(fā)更多服務(wù)于具體業(yè)務(wù)需求，而非系統性的基礎研究投入。

雖然與騰訊相比，字節也同樣是以?shī)蕵?lè )內容起家的互聯(lián)網(wǎng)巨頭，但這其中的關(guān)鍵區別就在于：由于在短視頻形成的內容導向策略，讓字節跳動(dòng)旗下的抖音、今日頭條等產(chǎn)品需要時(shí)刻追蹤用戶(hù)喜好，快速迭代功能和內容，使得字節必須更注重算法、數據上的積累。

這一點(diǎn)從字節早期就開(kāi)始構建的算法推薦引擎可見(jiàn)一斑——它不是在有了具體業(yè)務(wù)后才去開(kāi)發(fā)技術(shù)，而是先有了技術(shù)積累，才催生出今日頭條、抖音這樣的產(chǎn)品。

而這與坐擁全國最大社交軟件（微信、QQ）的騰訊，有著(zhù)天然的差別。

產(chǎn)品掣肘

很多人質(zhì)疑騰訊在大模型方面的滯后時(shí)，往往會(huì )想：既然騰訊背靠著(zhù)QQ、微信這樣的超級入口，那其為什么不將自身的元寶大模型整合進(jìn)其中，通過(guò)流量效應取得優(yōu)勢？

關(guān)于這點(diǎn)，一個(gè)深層的原因，就在于微信和QQ等社交生態(tài)的崛起，靠的不是技術(shù)，而是運營(yíng)策略和龐大的用戶(hù)數。

靠著(zhù)互聯(lián)網(wǎng)時(shí)代“跑馬圈地”的策略，騰訊已經(jīng)穩坐了這個(gè)江山，對于騰訊而言，這是其最核心的資產(chǎn)，在此情況下，任何過(guò)于“新銳”的技術(shù)，都可能影響用戶(hù)體驗的改變，從而會(huì )被視為高風(fēng)險操作。

尤其是當前大模型技術(shù)尚未完全成熟的情況下，各種幻覺(jué)、錯誤等問(wèn)題，都會(huì )帶來(lái)難以預料的負面影響。

更重要的是，社交場(chǎng)景中的對話(huà)往往涉及大量私密信息，如何在提供AI服務(wù)的同時(shí)，確保用戶(hù)隱私安全，這是一個(gè)技術(shù)上和倫理上都極具挑戰的問(wèn)題。

而這也引出了一個(gè)有趣的悖論：在互聯(lián)網(wǎng)時(shí)代，塑造各個(gè)巨頭的優(yōu)勢因素，在A(yíng)I時(shí)代，反而可能成為一種潛在的掣肘。

在當下大模型的競爭中，最重要的環(huán)節之一莫過(guò)于數據。

從這方面來(lái)看，騰訊的技術(shù)積累和商業(yè)模式與百度、阿里有著(zhù)本質(zhì)區別。百度長(cháng)期深耕搜索引擎和知識圖譜，積累了海量的結構化數據和自然語(yǔ)言處理能力；阿里則依托電商生態(tài)，擁有豐富的場(chǎng)景化數據和完整的產(chǎn)業(yè)鏈支持。

相比之下，騰訊雖然在社交領(lǐng)域占據優(yōu)勢，但其數據屬性更偏向于即時(shí)通訊和娛樂(lè )，這在大模型發(fā)展的物質(zhì)基礎上就形成了先天差異。

更深層次來(lái)看，這樣的差異，也反映了不同企業(yè)在面對技術(shù)變革時(shí)的路徑依賴(lài)。騰訊的商業(yè)基因更偏向于連接與娛樂(lè )，而大模型技術(shù)的突破性應用，首先體現在知識服務(wù)和生產(chǎn)力工具領(lǐng)域。這種錯位，使得騰訊在大模型競爭中不得不采取更為謹慎的策略。

這也是為什么，在垂直場(chǎng)景適配方面，例如在金融、醫療、教育等專(zhuān)業(yè)領(lǐng)域的技術(shù)突破上，騰訊明顯落后于百度和阿里的系統性布局。

與百度、阿里建立構建統一的分布式計算框架（如飛槳、PAI），開(kāi)發(fā)可復用的基礎算法組件相比，騰訊的創(chuàng )新，更像是一種“自上而下”的模式：即為特定產(chǎn)品優(yōu)化算法性能，解決局部場(chǎng)景的技術(shù)問(wèn)題。

這樣的技術(shù)差距，背后的根本原因在于騰訊的技術(shù)創(chuàng )新范式，與大模型這種需要持續深耕的底層技術(shù)存在結構性矛盾。

可以說(shuō)，從早期的QQ到微信，再到現在的AI大模型，馬化騰式的商業(yè)智慧，更多地體現在資本配置和生態(tài)搭建上，而非原始技術(shù)突破。

在互聯(lián)網(wǎng)時(shí)代，騰訊通過(guò)投資大量初創(chuàng )公司和科技企業(yè)，以“買(mǎi)、買(mǎi)、買(mǎi)”的策略，極快的速度擴展了業(yè)務(wù)版圖。在大模型和AI領(lǐng)域，騰訊大模型開(kāi)發(fā)更多依賴(lài)開(kāi)源技術(shù)和已有算法框架，但在核心技術(shù)積累上，并未能形成像百度的飛槳、阿里的M6這樣的自研基礎設施。

這助力騰訊構建了一個(gè)龐大、穩固的商業(yè)生態(tài)，但也形成了一種“宿命式”的依附。