大模型的创业机遇 已经在逐渐转变

随着更多产业玩家的推进，我们已经明显感知到大模型投入大成本高。如果没有足够的资金和计算资源，就连开发训练这一阶段都难以进行。

以百度为代表的大模型玩家，正在形成“架构-大模型-应用-数据”飞轮加速闭环。一方面，推理成本降低，加速大模型产业落地，甚至可能比上一波浪潮更快；另一方面，大模型迭代速度越来越快，产品应用具有长期持续性，商业壁垒更容易建立，对下游生态玩家而言，这自然是刚需和利好。

但与之相关，大模型创业甚至产品发布的窗口期也正在被压缩，留给大模型创业玩家的涌现的时间也不多了——

他们不光要准备金钱、时间等这些外在资源储备，还需要考虑自身产品能否还具有竞争力。另外创业的必要性也正在减弱：就动辄大几千万甚至上亿的入场券来说，既没有必要重复造轮子，也没有端到端核心积累优势。

大模型创业的机遇，会开始朝着生态和应用创新倾斜。

但也正因如此，反而更加彰显了大模型自主的重要性，因为太基础、太底层、太需要把生态放在放心安心的国产层面了。大模型趋势再明晰不过，千行百业的落地价值也已经预见，入局是必然，但之前是否需要按照地缘区域或国界划分“造轮子”却没有共识——有些论点里，依然相信科学技术的进展会普惠到全世界。

然而随着地球另一边，OpenAI越来越Close，API输出的区别对待，中国需要自己的大模型底座，正在成为共识。

有意思的是，这在芯片、深度学习框架、底层架构平台的打造过程中，已经有过一轮讨论，有过一轮经验教训，并且还被类比为了汽车产业中的“发动机”，最后明确“发动机”必须要自主，这样产业才真正安全。

然而到了大模型竞速中，对于“变速箱”的认知，之前因为对大模型认知不完备，存在不同声音，但此役过后，应该无人再有异议了。毕竟百度已经在打造、迭代的过程中，展现出了这种四层自研技术栈的端到端协同的必要性和重要性。

不过也正是这种必要性和重要性，进一步明示了大模型打造的残酷的游戏规则：

凡有的，还要加倍给他，叫他多余；没有的，连他所有的也要夺过来。

这背后既是端到端全栈带动的壁垒，更是数据、应用驱动飞轮之下越滚越大的雪球。随着雪球向前，大模型产业落地的速度自然会加快，同时留给其他大模型玩家涌现的时间也越来越紧缺。

这种趋势已经开始，这种趋势还会持续。