智東西（公眾號：zhidxcom）
作者 | 程茜
編輯 | 心緣
百模大戰背后，到底(di)是重(zhong)復造輪子還是百花(hua)齊放？
大(da)(da)(da)模(mo)型成為時(shi)下全民關注(zhu)的(de)(de)杭州(zhou)亞運會中的(de)(de)高頻詞，阿里云(yun)AI繪畫創作(zuo)大(da)(da)(da)模(mo)型“通義萬相”、商湯科(ke)(ke)技“日日新(xin)”大(da)(da)(da)模(mo)型體系SenseNova、百度地圖基于文心交通大(da)(da)(da)模(mo)型和自研“北斗高精”技術能力全新(xin)升級(ji)車道(dao)級(ji)導航3.0等產品施展拳腳；與此同時(shi)，國內大(da)(da)(da)模(mo)型產品進入面(mian)向(xiang)更廣泛消(xiao)費者(zhe)提供服(fu)務的(de)(de)新(xin)階段。上個月初，百度、字節(jie)跳(tiao)動、商湯科(ke)(ke)技、紫東太初、百川智能、科(ke)(ke)大(da)(da)(da)訊飛等十余(yu)家企業成為首批正式上線面(mian)向(xiang)公眾提供服(fu)務的(de)(de)產品。
大模(mo)型競賽(sai)進(jin)入新(xin)階段(duan)之(zhi)際，然(ran)而，上百(bai)個大模(mo)型競相迸發的(de)背后，有限(xian)的(de)賽(sai)道資源使得其逐漸同(tong)質化的(de)趨勢初(chu)現端倪。
從百度、阿里等互聯(lian)網大廠，以及訊飛、360等各賽道頭部玩家，大模型(xing)(xing)產品的界面、功能、使用方式都近乎(hu)一致。相似的對話(hua)框、測評中相差(cha)無幾(ji)的性(xing)能得分(fen)、以PC為主(zhu)的使用方式，使得用戶有時只(zhi)能靠“圖標”來(lai)辨別不同的大模型(xing)(xing)。
當下，大模型的熱潮尚未平息，其能力正在推動互聯網產業變革，智東西與業內多位知名從業人士進行了深入交流，業界對于大模型同質化有以下三種看法，首先是認為大模型同質化是產業發展早期的正常階段，其次為大模型的(de)同質化(hua)表現的(de)衡量標準很多，相關因素眾多，不能以“同質化(hua)”一言(yan)以蔽之，第三種觀點則堅決認為不(bu)會同質化，因(yin)為各家落地的主要(yao)場景不(bu)同。
對(dui)于(yu)大(da)(da)模型同(tong)質化現(xian)象背后(hou)的(de)(de)(de)(de)原因、未來探(tan)索的(de)(de)(de)(de)路徑(jing)，小(xiao)冰公司CEO李笛在2023Inclusion·外灘大(da)(da)會上接受智東(dong)西采(cai)訪(fang)時談道(dao)，自己最大(da)(da)的(de)(de)(de)(de)憂慮是國(guo)內(nei)大(da)(da)模型的(de)(de)(de)(de)多樣性(xing)，大(da)(da)家用同(tong)樣的(de)(de)(de)(de)數據集、同(tong)樣的(de)(de)(de)(de)訓練方法、同(tong)樣的(de)(de)(de)(de)master，對(dui)比(bi)同(tong)樣的(de)(de)(de)(de)對(dui)象、類似的(de)(de)(de)(de)方法，多樣性(xing)確實有(you)很大(da)(da)問(wen)題。“現(xian)在處于(yu)技術百花(hua)齊放的(de)(de)(de)(de)狀態，應該嘗試不同(tong)的(de)(de)(de)(de)東(dong)西，而不是馬上數理化外語卷起來了”。
一、大模型界面、能力、使用方法，共性多過差異
從面向消費者的聊天機器人產品來看(kan)，其(qi)界面外觀(guan)、能(neng)力、使用(yong)方法、效(xiao)果(guo)都有雷同之處(chu)，用(yong)戶往往無法通過其(qi)現有的Logo、布(bu)局(ju)等細小差(cha)別來快(kuai)速進行區分。
首先從界面(mian)外觀來看，相同(tong)的(de)(de)地方(fang)(fang)在于，聊(liao)天機器(qi)人的(de)(de)主頁(ye)面大體可以分為(wei)三個部分，左(zuo)側為(wei)歷史(shi)對話記錄和新(xin)建對話，右側上方(fang)(fang)為(wei)對話的(de)(de)具體內容，右側下方(fang)(fang)為(wei)用戶輸(shu)入窗口。不同(tong)的(de)(de)地方(fang)(fang)在于，大模型產(chan)品Logo，也就是聊(liao)天機器(qi)人頭(tou)像，以及實際頁(ye)面中功(gong)能按鈕(niu)的(de)(de)設計。
先來(lai)看Logo，單看下面(mian)幾(ji)個(ge)圖(tu)標(biao)，雖然其各有特(te)色，但很難(nan)快速(su)與(yu)產品實現(xian)一(yi)一(yi)對應。一(yi)般而言，Logo的(de)高(gao)(gao)辨(bian)識度與(yu)其和內容的(de)強相(xiang)(xiang)關性(xing)，以及用戶日常使(shi)用的(de)高(gao)(gao)頻率相(xiang)(xiang)關，但目前來(lai)看，前者屬性(xing)并不明顯(xian)，后(hou)者因(yin)(yin)為文心一(yi)言、智(zhi)譜AI、訊飛星火(huo)等(deng)剛(gang)于9月初面(mian)向(xiang)全民(min)開(kai)放，因(yin)(yin)此其同樣尚未(wei)形成大多用戶的(de)高(gao)(gao)頻使(shi)用工具。
▲聊天機(ji)器(qi)人(ren)產品(pin)Logo（從左至右依次(ci)是360智腦(nao)、百川大模型、商量、通(tong)義千問、文心一言、訊飛星火）
此(ci)外，在界面設計上，聊(liao)天(tian)機器人產(chan)品(pin)除了輸(shu)(shu)入、輸(shu)(shu)出、重新生成、查看編輯歷史(shi)對話(hua)記(ji)錄(lu)、新建(jian)對話(hua)這(zhe)些標準功(gong)能(neng)外，還有更加個(ge)性化的語音輸(shu)(shu)入、語音輸(shu)(shu)出、搜索(suo)增強，但具備后續幾個(ge)功(gong)能(neng)入口的產(chan)品(pin)僅(jin)為少數。
值(zhi)得一提(ti)的是(shi)，因(yin)為一些(xie)企業將文生圖(tu)、文生文的產品(pin)進行了獨立區(qu)分(fen)，用戶還(huan)需要通過另一款產品(pin)來上(shang)傳圖(tu)片。
其次，從大模型(xing)的能力來看(kan)，根據輸入輸出(chu)形(xing)式可(ke)以分為(wei)文(wen)(wen)圖互生、文(wen)(wen)文(wen)(wen)互生、文(wen)(wen)生音視頻等(deng)，其中(zhong)前兩類的(de)(de)(de)應用(yong)較為(wei)廣泛(fan)，基于(yu)此(ci)，大模型的(de)(de)(de)實際能力包括(kuo)內容生成、理(li)解、邏輯推理(li)、代碼生成等(deng)，雖然(ran)不同(tong)大模型的(de)(de)(de)能力表述不同(tong)，但基本都集中(zhong)于(yu)此(ci)。
創新奇智CTO張發恩在和智東西交流時也談道，大(da)(da)模型(xing)目前的(de)應用場景基本(ben)上都是常(chang)識性問答、解數學(xue)(xue)題、邏輯(ji)推(tui)理、文本(ben)潤(run)色等。而(er)大(da)(da)模型(xing)能(neng)力(li)應用的(de)現狀也都近乎相同：常(chang)識性問答的(de)能(neng)力(li)很多情(qing)況下能(neng)被(bei)搜索引擎(qing)代替(ti)，數學(xue)(xue)題、邏輯(ji)推(tui)理的(de)準(zhun)確度(du)并不(bu)能(neng)被(bei)用戶(hu)完全信任，文本(ben)修飾能(neng)力(li)沒有太大(da)(da)差距。
這也可以從(cong)通用中文(wen)(wen)大模型(xing)測(ce)(ce)評標準的(de)(de)判定(ding)基準來(lai)看，都是從(cong)不同維度(du)考驗(yan)大模型(xing)的(de)(de)文(wen)(wen)圖互生(sheng)、文(wen)(wen)文(wen)(wen)互生(sheng)能(neng)力。如新華(hua)社聯(lian)合(he)北大發布的(de)(de)《人(ren)工智能(neng)大模型(xing)體驗(yan)報(bao)告(gao)2.0》中，按照基礎能(neng)力指(zhi)數(shu)、智商指(zhi)數(shu)、情商指(zhi)數(shu)、工具提(ti)效(xiao)指(zhi)數(shu)四(si)大測(ce)(ce)評維度(du)進(jin)行設(she)計，中文(wen)(wen)通用大模型(xing)綜合(he)性評測(ce)(ce)基準SuperCLUE針對的(de)(de)是語(yu)言(yan)理(li)解(jie)與生(sheng)成、知識理(li)解(jie)與應用、專業能(neng)力、環境適(shi)應與安全性。
再從評(ping)測(ce)效(xiao)果來看，因為各(ge)家的(de)(de)(de)評(ping)判標(biao)準、參考維(wei)度不同，因此實(shi)際排(pai)名(ming)效(xiao)果不盡相同。如新華社(she)報告(gao)中(zhong)綜合能(neng)力(li)排(pai)名(ming)第一(yi)(yi)的(de)(de)(de)為星火(huo)大(da)模(mo)型(xing)(xing)(xing)，SuperCLUE的(de)(de)(de)8月榜(bang)單中(zhong)排(pai)名(ming)第一(yi)(yi)的(de)(de)(de)為百川大(da)模(mo)型(xing)(xing)(xing)。這也側面印證了大(da)模(mo)型(xing)(xing)(xing)能(neng)力(li)在實(shi)際表現中(zhong)，沒有某一(yi)(yi)個的(de)(de)(de)能(neng)力(li)可(ke)與其它產品(pin)拉開很大(da)差距(ju)。
最后從使用方(fang)式來看，各家(jia)的大模型產品(pin)使用載體也(ye)多集中于網頁端和APP端兩(liang)種。
?
綜合來看，大模(mo)型從界面到功能，到實際(ji)效果的具(ju)體(ti)呈現(xian)，都沒有一(yi)個與其(qi)它相比有較大差距。
二、同質化趨勢有跡可循，劍指三大底層邏輯
透過表象(xiang)(xiang)看本(ben)質，大(da)模(mo)型的同(tong)質化現象(xiang)(xiang)可以歸結于以下幾大(da)原因(yin)：
還是從直觀的界面(mian)設計說(shuo)起(qi)，不論ChatGPT還是(shi)國內聊天(tian)機器人，用戶點(dian)擊進去就(jiu)可以立馬上手使用，不需要花費很大的(de)學習成(cheng)本，并且(qie)其和微信等(deng)人們日常(chang)使用的(de)社交軟(ruan)件近似。潘(pan)森斯設(she)計(ji)學院的(de)助(zhu)理教(jiao)授Kyle Li認(ren)為，簡單(dan)的(de)對(dui)話界(jie)(jie)面更適合(he)于幫助(zhu)人們熟悉、了解新的(de)、陌生的(de)技術(shu)，并且(qie)用戶可以通過一個界(jie)(jie)面完成(cheng)各種工作。
但這背后的隱患就是，相似的界面設計無法使用戶對某一產品留下深刻印象，但這些產品之后想要調整設計，也會面臨不符合用戶使用習慣被拋棄的風險。
其次從技術路線來看，目前大模(mo)型訓練的(de)(de)方式都較為集中。2017年，Transformer架構(gou)的(de)(de)出現奠定了大模(mo)型研究的(de)(de)基(ji)礎(chu)。
Transformer架(jia)構包(bao)含Encoder和(he)Decoder，又(you)誕生了三大訓練路徑(jing)，包(bao)括OpenAI主導(dao)的(de)(de)基(ji)于(yu)Decoder的(de)(de)GPT路線，谷(gu)歌AI研(yan)究院提出(chu)的(de)(de)基(ji)于(yu)Encoder的(de)(de)BERT路徑(jing)，以及兩者兼具的(de)(de)T5模型。
三種(zhong)技術路(lu)線都有適(shi)配的(de)場景，研究早期，參數(shu)規模(mo)(mo)(mo)較(jiao)小時BERT模(mo)(mo)(mo)型(xing)(xing)(xing)的(de)效果優于(yu)GPT模(mo)(mo)(mo)型(xing)(xing)(xing)，隨著模(mo)(mo)(mo)型(xing)(xing)(xing)的(de)參數(shu)規模(mo)(mo)(mo)增大(da)，GPT-3模(mo)(mo)(mo)型(xing)(xing)(xing)的(de)效果更好，并且BERT模(mo)(mo)(mo)型(xing)(xing)(xing)是基于(yu)雙向編碼的(de)預訓(xun)練模(mo)(mo)(mo)型(xing)(xing)(xing)，在(zai)理解(jie)上下文意思上表現(xian)更好，GPT是基于(yu)語言(yan)模(mo)(mo)(mo)型(xing)(xing)(xing)的(de)生成效果，更適(shi)用于(yu)文本生成任務，T5則更適(shi)用于(yu)參數(shu)規模(mo)(mo)(mo)較(jiao)小的(de)大(da)型(xing)(xing)(xing)語言(yan)模(mo)(mo)(mo)型(xing)(xing)(xing)生成任務中。
▲從GPT-1到GPT-4的對(dui)比（圖源：《GPT-4核心技術分(fen)析報告》）
今年(nian)3月(yue)，新浪微博資(zi)深算(suan)法(fa)專(zhuan)家張俊林曾(ceng)在中國人民大(da)學高瓴人工(gong)智能學院(yuan)主辦的(de)AIGC論(lun)壇中分享道(dao)，到2019年(nian)后，BERT路線基本(ben)上就沒有什么標志性的(de)新模型出現了，而GPT技術路線趨于(yu)繁榮。從(cong)BERT往GPT走(zou)，模型越(yue)來越(yue)大(da)，做(zuo)的(de)事越(yue)來越(yue)通用。
除此以外(wai)(wai)，也有企業(ye)在(zai)探索創新架(jia)構(gou)，如智(zhi)譜AI在(zai)GPT、BERT、T5之外(wai)(wai)提出了自己的新模型訓練(lian)架(jia)構(gou)，那(nei)就是GLM（通用語(yu)言模型）路徑。
但值得注意的是，大模型的底層技術路線已經成型，如今創新架構的研究仍處于初期，大多企業都集中于已有技術路徑，未來當其同質化屬性的弊端愈加凸顯，實(shi)現(xian)“大象轉身(shen)”則難上(shang)加難。
第三大原因是數據。大模型最重要的三大要素，數據、算力、算法，其中訓練數據也是造成大模型同質化的一大原因之一。未來智能CEO馬嘯告訴智東西，OpenAI的勝利本質上還是數據清洗的勝利，因此企業比拼的是“誰清洗的數據精準”。因此，大模型能力的區別很大程度在于“怎么投喂數據”。
大型(xing)語(yu)言(yan)(yan)模型(xing)的訓(xun)練(lian)數(shu)據(ju)(ju)(ju)主要來自公開數(shu)據(ju)(ju)(ju)集(ji)(ji)、企業(ye)私(si)有數(shu)據(ju)(ju)(ju)集(ji)(ji)、互(hu)聯網公開數(shu)據(ju)(ju)(ju)等。公開數(shu)據(ju)(ju)(ju)集(ji)(ji)對(dui)于各家大型(xing)語(yu)言(yan)(yan)模型(xing)研發者來說，起點(dian)一樣。基礎大模型(xing)可選的數(shu)據(ju)(ju)(ju)集(ji)(ji)類型(xing)多以開源為主，手握更高(gao)質量行業(ye)、私(si)域數(shu)據(ju)(ju)(ju)的企業(ye)也并(bing)不會將其開放給大模型(xing)。
清華(hua)大(da)學惠妍(yan)講席教(jiao)授、清華(hua)大(da)學電子工程系長聘教(jiao)授、北京銜(xian)遠科技創(chuang)始人周(zhou)伯文(wen)在2023世(shi)界人工智能大(da)會期(qi)間接受(shou)媒體采(cai)訪時提到(dao)，目前通用大(da)模型的(de)訓練數(shu)據集多來自互聯網文(wen)本數(shu)據。因(yin)此(ci)，企業拿(na)到(dao)的(de)公開(kai)數(shu)據在一定程度上有很大(da)重(zhong)復性。
再加(jia)上國(guo)內中文(wen)開源數(shu)據(ju)集的(de)數(shu)量遠不及英文(wen)，也成為國(guo)內大模型實現(xian)差異化競(jing)爭的(de)一道門檻。不過，值得注意的(de)是，中文(wen)開源數(shu)據(ju)集的(de)構建正在加(jia)快。
今年以來，《北京市促進通用人工智能創新發展的若干措施（2023-2025年）（征(zheng)求意見(jian)稿）》中(zhong)提(ti)到，要整合現有開源中(zhong)文預訓練(lian)數(shu)據(ju)(ju)集(ji)和高質量互(hu)聯網中(zhong)文數(shu)據(ju)(ju)并(bing)進(jin)行合規(gui)清(qing)洗(xi)。同時(shi)持續(xu)擴展高質量多模(mo)態數(shu)據(ju)(ju)來源，建設合規(gui)安(an)全的中(zhong)文、圖文對、音(yin)頻、視頻等大(da)模(mo)型(xing)預訓練(lian)語料庫，通過北京國際大(da)數(shu)據(ju)(ju)交易(yi)所社會(hui)數(shu)據(ju)(ju)專區進(jin)行定向有條件(jian)開放。
還有復旦大學團隊開源中文醫療領域的47萬高質量監督微調（SFT）數據集DISC-Med-SFT、華為諾亞方舟實驗室開源了第一個億級中(zhong)文多模態數據集悟空等。
即便開源數據集的數量和質量都在提升，但對于研發大模型的企業而言，其仍處于同一起跑線，開源數(shu)據(ju)集無法快速幫助其構建差(cha)異化大模型。
基礎大模型(xing)的這(zhe)些客(ke)觀屬性一定程(cheng)度(du)上奠(dian)定了其現在(zai)呈現出同(tong)質化(hua)的傾向，但(dan)下(xia)一階段隨(sui)著各家企(qi)業的技術積累越(yue)來越(yue)多，大模型(xing)的應用場景逐漸清晰(xi)，在(zai)同(tong)質化(hua)基礎上呈現出差異化(hua)的趨勢當(dang)下(xia)仍是未(wei)知數。
三、三大產業觀點交鋒，大模型同質化難題待解
不過，身處其中的大型語言模型研發者對于(yu)同質化的看法也有差別(bie)。
一種觀點認為大模型同質化是產業發展早期的正常階段，一種觀點認為大模(mo)型的(de)同質化表現(xian)的(de)衡(heng)量標準很多(duo)，相關因素眾多(duo)，不能以“同質化”一言以蔽之(zhi)，第三種觀點則堅決認為不(bu)會同質化，因為各(ge)家落地的主要(yao)場景不(bu)同。
不(bu)同觀(guan)點的(de)存在，是站(zhan)在不(bu)同維(wei)度(du)上看待大模(mo)型(xing)的(de)發展。第(di)(di)一(yi)種是站(zhan)在技術演進(jin)的(de)角度(du)，第(di)(di)二種從(cong)用戶使(shi)用的(de)需求(qiu)，第(di)(di)三種從(cong)大模(mo)型(xing)提供者的(de)角色定位來看。
目前，百川智能創始人、CEO王小川，復旦大學計算機學院、復旦大學MOSS系統負責人邱錫鵬，螞蟻集團副總裁徐鵬，小冰公司CEO李笛都是第一種觀點的支持者。他們都認為現(xian)在國內大模(mo)型產業都處于(yu)追(zhui)趕(gan)、“跟(gen)進復刻”的(de)階段。
王小川在(zai)與智東西(xi)(xi)交(jiao)流(liu)時談(tan)(tan)道，現(xian)階段企業對標的(de)東西(xi)(xi)就一個（ChatGPT），要(yao)(yao)么拉滿、要(yao)(yao)么同步，因此這個階段是不可避(bi)免的(de)。邱錫鵬在(zai)8月上海市科協舉辦的(de)青年科學家論壇中談(tan)(tan)道，現(xian)在(zai)大(da)家做的(de)東西(xi)(xi)總(zong)體上比較(jiao)雷(lei)同，比如說像預(yu)訓練，有(you)創新性的(de)東西(xi)(xi)總(zong)體不多。
當國內玩家趕超ChatGPT后，或者說技術積累達(da)到一定階段，企業自身的(de)優勢，才會(hui)在大(da)模型產業中顯現出來，使得(de)其(qi)呈現出差異化(hua)。李(li)迪的(de)觀點也印證(zheng)了這一趨(qu)勢，他告(gao)訴(su)智(zhi)東西，大(da)模型首先得(de)追及格，再去嘗(chang)試多樣化(hua)、差異化(hua)，重復造(zao)輪(lun)子沒有(you)必(bi)要，在應用上才能實現大(da)的(de)發展。
徐鵬解釋道，大模型技術上(shang)沒有(you)(you)本質的(de)差異，但(dan)側重點(dian)不一樣(yang)，開源、閉源等大模型，既有(you)(you)雷同的(de)地方，又有(you)(you)各(ge)自特色(se)。并且據他觀(guan)察，美(mei)國很(hen)多(duo)(duo)公(gong)司(si)放棄(qi)走基礎模型這條路，直接在上(shang)面做能夠(gou)創造(zao)附加(jia)價值的(de)應用，而應用多(duo)(duo)樣(yang)性才能給(gei)人類、給(gei)社會帶來價值。
可以看出(chu)，這種觀點(dian)普遍認為現(xian)階段雷同的(de)(de)大模型(xing)發展背后(hou)隱藏的(de)(de)是應(ying)用(yong)端(duan)的(de)(de)創新突破。專注于工(gong)業(ye)(ye)制造領域的(de)(de)張(zhang)發恩在與智東西交流(liu)時(shi)也提到(dao)，創新奇智布局的(de)(de)工(gong)業(ye)(ye)制造業(ye)(ye)領域，大模型(xing)的(de)(de)應(ying)用(yong)場景十分多樣性且貼合行(xing)業(ye)(ye)痛點(dian)，可以有效規避大模型(xing)的(de)(de)同質化(hua)。
第二種觀點是用戶對于大模型產(chan)品的需求十分復雜，因此用戶使用側重點(dian)等也一定會有不同。
訊飛研(yan)究院(yuan)院(yuan)長劉聰告訴智東西，大(da)模型是否同質化與產品最終呈現的(de)效果有(you)關，真正每天都在(zai)用(yong)大(da)模型的(de)用(yong)戶(hu)會(hui)根據自(zi)己最切(qie)實的(de)需求(qiu)選擇到適配的(de)大(da)模型。用(yong)戶(hu)對(dui)于(yu)ChatGPT的(de)嘗試仍停留在(zai)較為(wei)初級的(de)階段，更強大(da)的(de)數據分析、寫代碼等能(neng)力對(dui)于(yu)用(yong)戶(hu)自(zi)身能(neng)力的(de)要求(qiu)也更高，一些(xie)功能(neng)對(dui)于(yu)大(da)部分用(yong)戶(hu)而言有(you)一定的(de)門檻。
因此，“同(tong)質化”應該(gai)辯(bian)證地看(kan)待，不能(neng)僅從(cong)大模(mo)型呈現出的(de)能(neng)力(li)下(xia)決斷(duan)，單(dan)從(cong)用戶層面(mian)來看(kan)，就有數量繁多(duo)的(de)分類，如對(dui)大模(mo)型有較大需求(qiu)(qiu)的(de)用戶，沒有很(hen)大需求(qiu)(qiu)的(de)用戶，對(dui)單(dan)一功能(neng)有需求(qiu)(qiu)的(de)用戶，對(dui)綜合功能(neng)有需求(qiu)(qiu)的(de)用戶等。
第三種觀點是大模型同質化不會出現。
360集團創始人、董事長兼CEO周鴻祎此前在(zai)接受(shou)媒體采訪(fang)時(shi)提到，各大互聯網(wang)公司(si)在(zai)C端都有各自的固定場景，例如騰(teng)訊在(zai)社交，百(bai)度在(zai)搜索(suo)，360在(zai)搜索(suo)、瀏覽器、桌面等(deng)。除此以外(wai)，大模型還會(hui)產生很多(duo)增(zeng)量場景。
即(ji)便現(xian)在關于(yu)大模型(xing)同質化(hua)的論調并不(bu)一(yi)致，但其所呈現(xian)的界面、設(she)計等仍需參(can)與者警醒，在技術探(tan)索的路途中想明白下(xia)一(yi)步該做(zuo)什么更為(wei)關鍵。
歸(gui)根結底，大模型走向應(ying)用(yong)(yong)落地時，其產品(pin)能力是(shi)否(fou)契合用(yong)(yong)戶的(de)核心痛點(dian)，并且做到好用(yong)(yong)、可用(yong)(yong)、易用(yong)(yong)，這些關鍵因素(su)的(de)共同作用(yong)(yong)是(shi)其實(shi)現(xian)差異化競爭的(de)基礎。
結語：需警惕大模型同質化“陷阱”
目前(qian)來看，大模型同質(zhi)化趨勢仍(reng)然處于較為早(zao)期的(de)(de)階段，且并沒(mei)有對企業(ye)或者(zhe)產(chan)業(ye)的(de)(de)發展產(chan)生實質(zhi)性的(de)(de)影響。但在(zai)有限(xian)的(de)(de)賽道資源內，一(yi)窩蜂涌入如此多的(de)(de)參與者(zhe)，勢必(bi)會對產(chan)品(pin)如何打出差(cha)異化提出更高的(de)(de)要求。
再加上曾經(jing)聲名(ming)大(da)(da)噪的ChatGPT傳出熱(re)度漸(jian)熱(re)，用(yong)戶瀏(liu)覽(lan)量減弱的同時(shi)，國內大(da)(da)模(mo)型(xing)產品在眾多特性驅(qu)動的表面背后，如何(he)找到(dao)核心優勢(shi)抓(zhua)住用(yong)戶十分(fen)關鍵(jian)。因此，大(da)(da)模(mo)型(xing)同質(zhi)化是眾多大(da)(da)模(mo)型(xing)參與玩家無(wu)法繞開的一道命題。
