请选择 进入手机版 | 继续访问电脑版

镇江市互联网协会

 找回密码
 立即注册
镇江市互联网协会 首页 行业资讯 查看内容

运营商大模型市场前景展望

2024-2-5 11:06| 发布者: admin| 查看: 464| 评论: 0

摘要: 大模型发展现状1.大模型发布近况到2023 年下半年,中国百模大战掀开序幕。从 2023 年第三季度发布的大模型来看,主要是文本理解和逻辑能力提升,具备初级代码生成、跨模态能力,而到了第四季度,新发布的大模型已经 ...

    

 大模型发展现状

 1. 大模型发布近况 

到2023 年下半年,中国百模大战掀开序幕。从 2023 年第三季度发布的大模型来看,主要是文本理解和逻辑能力提升,具备初级代码生成、跨模态能力,而到了第四季度,新发布的大模型已经具备了多模态、长文本、逻辑能力加强的特点。模型的发布速度越来越密集,模型能力越来越强。大模型出现了快速迭代、井喷式爆发增长的势态。


表1 23年下半年大模型发布情况

(来源:InfoQ研究中心)

 2. 大模型市场状况 

从大模型的市场表现来看,大模型正在带动海外企业营收增长。据The Information报道称,Chat GPT预计在未来12个月内,通过销售人工智能软件及其计算能力,将获得超过10亿美元的收入。英伟达今年第二财季,数据中心GPU芯片相关业务收入同比增长171%至103亿美元,公司总净利润同比增长843%至61.88亿美元。

而在国内,虽然百模大战如火如荼。但时至今日,市场仍未看到大模型对其背后的企业带来业绩提升,从腾讯、商汤、华为、智谱 AI 等多家头部大模型公司的年度报告来看,大模型均未实现显著盈利。究其原因,一方面是大模型前期研发训练投入巨大,另一方面国内大模型在成熟度、应用丰富度、生态环境等方面还有待提升,市场尚未形成对大模型 AI 充分的付费意愿。

 3. 大模型商业模式 

从目前大模型行业的盈利模式来看,主要有大模型、大模型+算力、大模型+应用三种。

大模型模式是直接将大模型作为商品或服务对外销售。大模型强大的推理能力和泛化能力,可以应用于多种场景,如自然语言处理、计算机视觉、机器翻译等,具有较高的市场价值。该模式的优势是一旦取得市场优势,价值较高,具有较大的潜在盈利空间。但劣势在于,大模型的训练成本较高,需要大量的数据和算力,进入门槛较高。对客户而言,需要自己准备算力或选择算力提供商,部署和运营要求高。

大模型+算力模式是将大模型和算力打包,作为商品或服务对外销售。大模型的训练和推理需要大量的算力,这种模式可以为客户提供更便捷、更高效的打包服务。这种模式的优势在于,门槛较低,可以降低客户的使用成本,有利于为客户提供更好的体验。但劣势在于,大模型和算力之间的耦合度较高,被捆绑风险较高,模式的灵活性较差。

大模型+应用模式是将大模型应用于特定的场景,并将应用作为商品或服务对外销售。大模型的应用场景众多,这种模式具有较大的市场潜力。其优势在于,可以将大模型的价值最大化,迅速提升客户价值。但劣势在于,需要对特定场景进行深入的理解,应用创新、开发和推广难度较大。

目前,国内大模型行业仍处于发展初期,大模型和大模型+算力为目前大模型企业的主要盈利模式,大模型+应用这种模式的盈利模式还没有完全成熟。但随着大模型技术的不断发展,大模型的应用场景将会更加广泛,这种模式的盈利潜力也将会更加巨大。


运营商当前介入大模型的发展情况

据 Omdia 的《2023 年人工智能市场成熟度》调查,只有约 19% 的电信运营商希望自主部署大模型。从头开始构建大模型是一项复杂、昂贵、耗费大量资源的工作,需要深厚的多学科人工智能专业知识、巨额预算和资源,而这些目前都集中在科技巨头和领先的 IT 供应商等少数参与者手中。因此,大多数电信运营商选择基于现有的成熟第三方生成式人工智能基础模型进行微调。

然而,也有不少电信运营商希望采用自己的基础模型。目前,亚洲电信运营商在自主构建模型和微调方面走在前列。在中国,三大电信运营商都已经构建了各自的 LLM 基础模型。国内运营商构建大模型,宏观上是立足于央企的使命和定位,以期在数字中国建设中发挥科技创新、产业控制、安全支撑作用。微观上可以通过构建大模型应用生态,提升客户体验、创新业务模式和提升运营效率。利用 LLM 大模型在云、客服服务、营销、网络安全等领域进行创新。


 

                             电信运营商大模型的市场前景展望

大模型需要高算力、优质语料、顶级 AI 人才等的持续投入,堪称烧钱炼丹,要能持续发展就必须走商业化的模式,已有的大模型都走上了或正在走上商业化的道路。电信运营商的大模型,未来前景会如何呢?

 1. 运营商通过构建大模型生态,不断提升大模型的能力,在生态中实现良性循环 

在众多大模型中,运营商有云、网、算力等方面的优势,但风险投资、技术研发、AI人才等方面存在劣势。因此在大模型发展中可以不急于考虑商业上的变现,而应在大模型的研发上练好内功,不断提升大模型的能力。

开源模式是运营商加快大模型研发的最佳途径,通过构建和加强大模型开源生态建设,集结开发者力量,充分发挥电信自身在云、网、算力等方面的优势,运用差异化的方法,通过开源数据平台、开发工具、训练部署平台与向量数据库等手段,降低人工智能大模型使用门槛,依托模型规模和数据规模的提升,提升基础模型的智能水平,探索大模型具身智能,不断提升运营商大模型的能力。在持续繁荣的大模型生态中逐步涌现出围绕模型的多元化应用。

 2. 通过运营商自身数字化转型,将大模型AI能力充分嵌入生产流程 

将大模型AI能力嵌入生产流程,是运营商数字化转型的重要内容之一。通过将大模型应用于营销、运维和客服等领域,运营商可以实现提升营销效能、提升运维效率、提升客服体验的目标。通过打造智能化的运营体系,实现生产领域的降本增效。在营销领域,利用大模型进行客户需求分析、精准营销、智能客服等。在运维领域,利用大模型进行网络故障预测、设备故障诊断、网络优化等。在客服领域,利用大模型进行智能客服、智能质检等。同时,需要加强员工培训,提升员工对AI类业务在营销、运维、客服等领域应用的能力。

通过运营商自身对大模型的应用,可以不断微调和优化大模型的能力,同时也进一步提升客户(尤其是2B客户)对运营商大模型的信心。

 3. 加快行业应用落地,通过大模型在垂直行业的应用,提升电信解决方案的竞争力 

庞大的客户资源是运营商的基本盘,为避免未来大模型市场陷入红海的恶性竞争,运营商应尽快让客户感受到电信运营商大模型产品带来的安全、快捷、方便、高效等好处,贴合真实场景需求,就多个细分领域结合专业数据训练细分领域模型,以便更好的应用于细分场景。通过差异化吸引客户,通过优质服务绑定客户,提供大模型在垂直行业的应用搭建,在政企客户的小微ICT、DICT等项目中,引入大模型AI的应用型产品,提升运营商解决方案的竞争力。


回顶部