—
“在淘金时代,活下来的永远是卖勺子和卖铲子的人。“
来源 / ToB行业头条 （ID：wwwqifu）
作者 / 海阳
进入白热化阶段的大模型竞赛，已经不只有单纯地短兵相接，还有一些实施“特定战术”的选手出现，例如火山引擎。6月28日，火山引擎在“V-Tech体验创新科技峰会”上，公开发布了大模型服务平台“火山方舟”，为企业提供模型精调、评测、推理等全方位的平台服务（MaaS）。火山引擎总裁谭待强调到：“火山方舟最终服务的是模型的应用方；火山引擎是跟大模型的生产方合作，一部分被精选的大模型厂商在火山方舟上部署，然后对外提供服务。”不做大模型产品，要做大模型底座。火山引擎此番做法引起了行业热议，大家纷纷在思考为什么火山引擎明明具备研发大模型产品的能力，却甘愿做底座呢？火山引擎的葫芦里究竟卖着什么药？当百度、阿里巴巴、腾讯、360、以及诸多知名研究机构纷纷拿出一款款大模型产品之后，人们万万没想到火山引擎会选择了另一个路径。因为在大众眼中，字节跳动不仅在AI方面的积累深厚，早已构建出了“视觉语言模型+火山高速训练引擎+火山机器学习平台+行业应用”的AI生态体系。正是存在这样的认知，于是在今年4月份，当市场有声音称“火山引擎不会做大模型”之后，大众没有选择相信。可伴随着火山方舟的正式发布，这个曾经被忽略的信息彻底被坐实。与此同时，“火山引擎为什么不做大模型，要做大模型底座”的话题，也引发了广泛讨论。一些人认为，火山引擎不做大模型很可能是因为大模型赛道竞争过于激烈，从技术到宣传，每个环节都太卷了，这让火山引擎对入局没有充足的信心可以杀出重围。然而这样的想法并不正确，因为他们过于关注前半句“不做大模型”，少有在后面“做大模型底座”方面思考。因为“做大模型底座”本身就代表着火山引擎已经入局大模型赛道。只不过与其他选手相比，前者是自己端着自身产品进行竞争，后者是端着合作伙伴的产品竞争。至于为什么要选择不自研大模型，“通用 or 垂直”的选择或许是一个重要因素。做大模型在某种程度上其实与做产品相同，亦有“通用 or 垂直”的思考：通用大模型是聚焦基础层，以技术攻关为目的，优异之处在于应用范围足够广，弊端在于对于诸多细微场景理解不够透彻，有时对一些细微环节产生的效果不太明显。垂直大模型是聚焦具体垂直场景领域，以产品开发为目的。优异之处在于特定场景下的解决问题能力优秀，具备深厚的行业Know-how积累，弊端在于除特定场景效果可能有所下滑。而市场需求是多样性的，单垂直、单通用大模型的应用，都无法实现带动千行百业，因此市场未来一定是多模型、百花齐放。但是在当下，虽然像张勇、李彦宏等诸多科技大佬都在表明：AI 大模型时代，每个行业的应用都值得重新做一遍。但是如何将每个行业应用重做？重做之后有明显的价值吗？对于上述问题市场方面尚未出现一个共同认同的方向。基于种种行业情况，火山引擎更愿意以平台方式来助力大模型生态。相反作为底座，火山引擎只需通过打通底层的技术结构、规范协议等，就能为自身的火山方舟MaaS平台上接入诸多大模型产品，不仅包括垂直、通用两种类型的大模型服务。同样对于精力、财力、时间成本的损耗控制到完全能接受的状态。于是，当这条既能快速进入“大模型竞赛”不失先发优势，又能兼具多种类型大模型产品服务的路径被发现后，这无疑成为了火山引擎重点考虑的执行选项。除上述以外，促使其推出“火山方舟”平台，以大模型底座的样貌入局的另一个重要原因，则是火山引擎“没想成为赢得最多的入局者，而是想成为赢面最大的入局者。”在任何领域赛道，赢者通吃一直被大家提及，可基于事实固然能看到头部厂商占据着极大市场份额，但是整个赛道已经是百花齐放的状态，例如网约车赛道。造成这个现象的原因在于，基于不同用户、客户们的多元且个性化的需求，供应端也会呈现千姿百态，这为赛道内众多企业提供了一定的生存空间。同样，大模型赛道也是如此。谭待表示，企业使用大模型，未来可能会呈现“1+N”的模式：“1”是通过自研或深度合作，形成1个主力模型；由于成本和场景复杂多元等原因，在这个主力模型之外，还会有N个模型同时应用。至于为何如此，谭待讲到，一方面是企业使用大模型，最担心的是数据泄露；如果将大模型私有化部署，企业将承担更高的成本，模型生产方也会担心知识资产安全。另一方面则是企业不必急于绑定一家大模型，而是应该结合自身业务场景，综合评估使用效果和成本，在不同场景选用更具性价比的模型，甚至是组合模型服务。例如，北京城市大脑大模型项目，可能就是考虑到上述情况，于是由中关村科学城城市大脑和科大讯飞两家企业开发，以科大讯飞的“星火”基础大模型和中科大脑公司“如如ChatTT”行业大模型所打造。火山引擎又是信奉“实用主义”的团队，无论是一直强调的“业务价值驱动”、“云上增长新动力”的目标，还是推出A/B测试、IaaS层的自研DPU、抢占式实例SPOT，到分布式云原生平台、混合云veStack、多云安全平台，都指向火山引擎的服务目标是要有具体价值呈现的服务。而“火山方舟”的使命是加速大模型和大算力的应用落地，加快大模型在各行业发挥商业价值。火山引擎智能算法负责人吴迪讲到：“火山方舟”致力于帮助千行百业，更容易地获取模型，更放心地使用模型，更高效地打造应用。希望在模型供应商和模型使用方之间，促成“研究-训练-应用-变现-反哺研究”的正向循环。根据公开资料显示，对模型提供方，通过 “火山方舟”能够以更低的成本触达海量客户，更小的代价在ToB市场实现规模化；严谨的安全互信机制，兼顾灵活性与安全性等，最终形成最具竞争力的性价比。对模型使用者来说，通过 “火山方舟”可以便捷地接触到众多高质量的基座模型，一站式对接多家模型提供商，为不同场景选择最合适的模型。整体来说，成为大模型底座可以让火山引擎、大模型厂商、大模型使用企业共同获利，并形成一个不断实现价值上升的飞轮，对于任何一方都会获得利好。所以，即便火山引擎在这个飞轮中并不是直接的掘金者，没有一次获取巨额价值的机会，但好在这个办法稳妥，赢面最大。任何事情都有两面性，火山引擎选择做大模型底座也不意味着稳赢，其前行路上同样有所挑战。分别是安全、生态稳定性。安全方面，平台的正向发展，就要承接住大量的合作伙伴、使用者入驻，并保障双方在广泛接洽中的信任问题，保障双方的安全，这点在大模型赛道也是如此。谭待讲到，企业使用大模型，最担心的是数据泄露；如果将大模型私有化部署，企业将承担更高的成本，模型生产方也会担心知识资产安全。然而，目前在大模型赛道，安全问题颇为严重。据网络安全公司Cyberhaven的调查，至少有 4%的员工将企业敏感数据输入 ChatGPT，敏感数据占输入内容的比例高达 11%。像今年初，三星公司在使用 ChatGPT不到20天时，就发现其半导体设备相关机密数据被泄露，并连续发生3起类似事故。而作为平台方的火山方舟，要想推动整体的正向发展，就需要做以解决。对此火山引擎心知肚明，也推出相应的解决方案。火山引擎智能算法负责人吴迪介绍到，“火山方舟”已上线了基于安全沙箱的大模型安全互信计算方案，利用计算隔离、存储隔离、网络隔离、流量审计等方式，实现了模型的机密性、完整性和可用性保证，适用于对训练和推理延时要求较低的客户。不仅如此，“火山方舟”还在探索基于NVIDIA新一代硬件支持的可信计算环境、基于联邦学习的数据资产分离等多种方式的安全互信计算方案，更全面地满足大模型在不同业务场景的数据安全要求。可以说，在安全方面火山引擎已经让火山方舟做足了准备，这方面在未出现情况之前是过关的。生态稳定性方面，这是任何平台能否成功、能否持续成功的最重要的因素之一。它代表的是平台方如何协调好平台入驻合作伙伴，以及与平台之间的黏性问题。毕竟对于任何平台来说，不论是入驻合作伙伴的退出、用户的退出，都将影响着平台上的所有人的想法与观点。而对于火山方舟而言，生态稳定性方面更为重要。在前中期，能否持续的且有序的丰富生态圈，吸引更多用户进入，而形成的生态发展正循环显得十分重要，这需要火山引擎在前期制订好良好的合作协议、用户使用权益等等。到后期，伴随着各生态伙伴的发展，且逐步成为行业头部后，如何体现自身平台重要，避免一个个达到一定规模的合作伙伴轻视平台生态、甚至跳出平台生态，进而自立门口。目前火山方舟在“V-Tech体验创新科技峰会”宣布已集成了百川智能、出门问问、复旦大学MOSS、IDEA研究院、澜舟科技、MiniMax、智谱AI等多家AI科技公司及科研院所的大模型，并已启动邀测。其颇为丰富的模型生态证明了在当下阶段其平台具备不错的吸引力，以及对合作伙伴的价值。
从来就没有什么是唯一的正确，因为条条大路通罗马。火山引擎入局大模型赛道的方式，就如同选择了一个少有人尝试，但依旧能清晰看到前方的道路，发展同样可观，未来值得期待。
