11月29日，智譜AI在其技術(shù)開放日上上演了一幕令人矚目的科技大戲：歷史上首次！AI發(fā)出了第一個(gè)紅包！

公司CEO張鵬僅僅通過三句語音指令，就讓旗下的智能體AutoGLM跨越微信、支付寶等多個(gè)應(yīng)用，給現(xiàn)場(chǎng)和線上的觀眾發(fā)了兩個(gè)大紅包。

這一幕背后，折射出的是 AI Agent技術(shù)的革命性突破。

當(dāng)前，傳統(tǒng)的AI助手停留在被動(dòng)響應(yīng)和單一場(chǎng)景的交互，而智譜AI的AutoGLM已經(jīng)能夠主動(dòng)理解復(fù)雜指令，跨應(yīng)用協(xié)同，并精準(zhǔn)執(zhí)行用戶意圖。

除了發(fā)紅包這樣的操作外，即使面對(duì)多個(gè)復(fù)雜操作的超長(zhǎng)任務(wù)，例如訂外賣時(shí)橫跨多個(gè)APP比價(jià)，AutoGLM也能行云流水般自主執(zhí)行。

然而這樣的“驚喜”，只是今年智譜在AI方向上結(jié)出的眾多”碩果“之一。

今年7月，智譜AI 代碼生成大模型 CodeGeeX 第四代正式發(fā)布，支持代碼補(bǔ)全、代碼注釋、代碼修復(fù)、代碼翻譯等基礎(chǔ)功能；7月末，智譜AI的視頻生成模型「智譜清影」正式發(fā)布，可生成時(shí)長(zhǎng) 6 秒，清晰度達(dá)到 1440×960的視頻。

到了10月，智譜推出并開源端到端語音模型 GLM-4-Voice，與GPT-4o的語音功能一樣， GLM-4-Voice可以進(jìn)行實(shí)時(shí)語音對(duì)話，同時(shí)在情緒表達(dá)、多語言等方面實(shí)現(xiàn)突破，且可隨時(shí)打斷。

由此可見，今年的智譜，在代碼、多模態(tài)、Agent等多個(gè)方向上，都進(jìn)行了“突擊”。這種全方位的技術(shù)布局，展示了智譜AI在追趕全球AI巨頭的決心。

然而，在這看似全面的進(jìn)展背后，也不免讓人產(chǎn)生一種冷靜的思考：在體量、資本均不及OpenAI等巨頭的情況下，如此廣泛的技術(shù)覆蓋，是否會(huì)影響智譜在各個(gè)領(lǐng)域的深耕程度？

多線進(jìn)軍的隱憂

從總體上離開，在今年的AI賽道上，身為“AI六小虎”之一的智譜，雖然布局甚廣，但其在每一條戰(zhàn)線上的表現(xiàn)，都相對(duì)比較“平均”，其產(chǎn)品方向更趨向于跟隨，而鮮少有獨(dú)創(chuàng)性的突破。

以智譜最近發(fā)布的旗艦大模型GLM-4-Plus為例，該模型定位是一種類似OpenAI 的o1那樣的深度推理模型。雖然其在深度推理、長(zhǎng)文本處理和指令遵循等方面表現(xiàn)突出，且能夠處理更復(fù)雜的數(shù)學(xué)和邏輯問題，然而，這種“強(qiáng)大”并不意味著絕對(duì)的優(yōu)勢(shì)，反而暴露出一些潛在的矛盾。

這樣的矛盾就在于，GLM-4-Plus這種“類o1”的深度推理模型，實(shí)質(zhì)上與智譜本身的生態(tài)定位之間，已經(jīng)發(fā)生了錯(cuò)位。

因?yàn)橹亲V的定位與OpenAI這類巨頭有所不同，雖然智譜AI確實(shí)更偏向于B端市場(chǎng)，但B端市場(chǎng)并非單一結(jié)構(gòu)，而是由不同層級(jí)和類型的需求構(gòu)成。

對(duì)高性能深度推理的需求，主要來自科研、高技術(shù)行業(yè)或特定領(lǐng)域（如編程或科學(xué)計(jì)算），這些領(lǐng)域的規(guī)模相對(duì)有限。

智譜AI的B端客戶，則聚焦于更廣泛的行業(yè)應(yīng)用的B端客戶，包括金融、教育、能源，通信等行業(yè)，這樣的企業(yè)，更需要的是性價(jià)比高、易集成且靈活的模型，而非動(dòng)輒需要高算力支持的深度推理大模型。

如果說，進(jìn)入高端推理模型的競(jìng)爭(zhēng)，只是智譜AI在“scaling Law 失效”威脅下，一種展示核心技術(shù)實(shí)力的必要手段，那么在多模態(tài)方向上的布局，則反映了其更深層次的“定位迷失”。

力所不及的多模態(tài)

智譜AI在2024年發(fā)布的多模態(tài)語音助手功能，特別是其基于GLM系列的“智譜清言”系統(tǒng)，通過融合實(shí)時(shí)語音、視頻通話和多模態(tài)理解技術(shù)，試圖在C端應(yīng)用領(lǐng)域拓展新的場(chǎng)景。

然而，與科大訊飛的“星火”大模型和字節(jié)跳動(dòng)的“豆包”語音AI相比，智譜AI的表現(xiàn)呈現(xiàn)出一些耐人尋味的矛盾。

科大訊飛已深耕語音領(lǐng)域多年，其語音識(shí)別、翻譯和場(chǎng)景化應(yīng)用（如會(huì)議記錄、智能客服）不僅成熟，而且在實(shí)際場(chǎng)景中有良好的落地率。字節(jié)的“豆包”則依托強(qiáng)大的內(nèi)容生態(tài)，具有將語音AI應(yīng)用到社交、娛樂和短視頻生成等消費(fèi)級(jí)場(chǎng)景中的潛力。

在生態(tài)布局均不如人的情況下，智譜AI的多模態(tài)語音助手，卻仍未能體現(xiàn)亮眼的差異，其視頻通話功能雖然支持低延遲，更自然的交互，但智力水平的表現(xiàn)，卻與文本狀態(tài)下有著很大差距。與字節(jié)的“豆包”、訊飛的”星火都犯了同樣的通病。

除此之外，智譜AI在2024年的文生視頻領(lǐng)域也展現(xiàn)了雄心，通過其最新發(fā)布的CogVideoX v1.5模型和開放平臺(tái)“清影”，提供了從文本生成視頻（T2V）到多模態(tài)整合的一系列功能。其技術(shù)亮點(diǎn)包括支持5到10秒的高清視頻生成、4K分辨率、多通道輸出（一次性生成多個(gè)視頻）等。

然而，平心而論，與字節(jié)、快手等大廠的文生視頻大模型相比，“清影”的表現(xiàn)還是太嫩了點(diǎn)。

雖然其主打免費(fèi)、高清，甚至還在后期加入了AI音效的選項(xiàng)，但從效果上看，其生成的視頻不僅古怪、扭曲，并且還有一些很明顯的運(yùn)動(dòng)錯(cuò)誤。

例如，在輸入提示詞：“一片廣闊的海灘上，一個(gè)人形機(jī)器人和一只貓?jiān)谝黄鹕⒉健焙?，清影生成的視頻里，出現(xiàn)了兩個(gè)機(jī)器人，而非一個(gè)，同時(shí)它們還像螃蟹一樣，用一種橫著走路的奇怪方式在移動(dòng)。

更詭異的則是畫面中的貓，走著走著，頭就變成了尾巴，仿佛器官發(fā)生了換位。

價(jià)格戰(zhàn)下的無奈

上述提到的種種“博而不精”的現(xiàn)象，反映出的更深層次的問題在于，智譜AI似乎在B端與C端兩個(gè)方向上出現(xiàn)了搖擺的情況。

以視頻生成為例，字節(jié)跳動(dòng)通過其強(qiáng)大的內(nèi)容生態(tài)，將MagicVideo-V2緊密結(jié)合到TikTok和抖音等平臺(tái)，實(shí)現(xiàn)了技術(shù)與商業(yè)的雙向賦能。同樣地，快手也可將視頻生成嵌入自身的短視頻平臺(tái)。

短視頻賽道，是天然離C端最近，也最具親和力的一條賽道。

而現(xiàn)在的智譜AI，從生態(tài)布局來看，其整體戰(zhàn)略更偏向于B端市場(chǎng)，服務(wù)的客戶包括金融、教育、能源和制造業(yè)，這些合作大多集中在需要高技術(shù)支持和私有化部署的場(chǎng)景中，如工業(yè)流程優(yōu)化、客戶服務(wù)智能化等。

但今年智譜AI的多線布局的策略，似乎表明了其既希望拓展ToB市場(chǎng)，又想在C端打造多模態(tài)互動(dòng)的超級(jí)應(yīng)用，形成一種“兩頭抓”的戰(zhàn)略。

在總體資源不及OpenAI，也不及BAT等巨頭的情況下，這一策略的結(jié)果最終導(dǎo)致了其資源分散，難以在一個(gè)方向上形成突出的競(jìng)爭(zhēng)優(yōu)勢(shì)。

但實(shí)際上，這種多線進(jìn)軍的策略，透露出的是一種在商業(yè)化困境下的“無奈突圍”。

《中國(guó)大模型中標(biāo)項(xiàng)目監(jiān)測(cè)報(bào)告》顯示，2024年1-9月份，智譜華章中標(biāo)的大模型項(xiàng)目達(dá)到22個(gè)，中標(biāo)項(xiàng)目披露的中標(biāo)金額為2472.3萬元。22個(gè)中標(biāo)項(xiàng)目主要分布在通信、金融、能源、教科等行業(yè)，以央國(guó)企客戶為主。

從大模型中標(biāo)項(xiàng)目數(shù)量來看，智譜華章可以跟科大訊飛、百度一樣，位列第一梯隊(duì)。但是獲得這些項(xiàng)目的過程中，智譜華章付出的“代價(jià)”也不小。

這樣的“代價(jià)”，就是卷到極致的價(jià)格戰(zhàn)。

今年以來，為了應(yīng)對(duì)同行的價(jià)格壓制，智譜AI將模型調(diào)用價(jià)格降低到行業(yè)最低水平，如GLM-4-Flash的價(jià)格僅0.06元/百萬tokens；對(duì)比之下，OpenAI的GPT-4 Turbo版本為 10美元/百萬tokens，差距超過千倍。在一年的時(shí)間里，智譜AI從最初的 0.5元/千tokens 降至當(dāng)前價(jià)格，降幅接近1萬倍。

這種激進(jìn)的降價(jià)策略，導(dǎo)致利潤(rùn)空間進(jìn)一步被壓縮。于是，作為大模型廠商的智譜AI，要活下來，只能依靠融資。

過去半年，資本對(duì)于國(guó)內(nèi)大模型廠商的態(tài)度逐漸冷靜下來。如果大模型廠商想要拿到新一輪融資，最重要的就是要證明自己商業(yè)化的能力。

而這樣的“能力”，反映在具體的業(yè)務(wù)上，就是一個(gè)又一個(gè)的“技術(shù)奇觀”的出現(xiàn)。

過去幾個(gè)月，智譜AI接連發(fā)布了AI生成視頻模型清影(Ying)、情感語音模型GLM-4-Voice ，以及AI助理工具AutoGLM 等，這無一不是想通過追逐技術(shù)熱點(diǎn)，來吸引市場(chǎng)關(guān)注的表現(xiàn)。

然而，縱觀整個(gè)AI行業(yè)來看，即使在大模型商業(yè)化困難的瓶頸期，除了“多線出擊”的策略外，相關(guān)的AI企業(yè)并不是沒有其他選擇的余地。

在大模型尚未在C端取得明顯盈利化的階段，是否有AI企業(yè)保持住了自身的定力，專注于特定的方向，并取得了突破行業(yè)上限的進(jìn)展？

答案當(dāng)然是有的，OpenAI的勁敵——Anthropic就是個(gè)很好的例子。

與其他多線布局的大廠相比，Anthropic明確聚焦于機(jī)制可解釋性和AI對(duì)齊問題。它的研究目標(biāo)高度集中，例如通過“憲法AI”的理念改進(jìn)AI的安全性和倫理性，使其模型的行為更加透明和可控。這種專注不僅增強(qiáng)了其科研資源的深度與質(zhì)量，也吸引了對(duì)該領(lǐng)域有長(zhǎng)期投資意愿的資本，包括Sam Bankman-Fried的FTX基金會(huì)、Google Cloud等。

Anthropic之所以能做到這點(diǎn)，而智譜AI卻被迫“多線進(jìn)軍”，背后折射出了一個(gè)深層次的現(xiàn)實(shí)：在中國(guó)的AI創(chuàng)新生態(tài)與投資環(huán)境中，“快”往往比“深”更受青睞。

這并非簡(jiǎn)單的企業(yè)選擇問題，而是整個(gè)創(chuàng)新生態(tài)的產(chǎn)物。

智譜AI等國(guó)產(chǎn)大模型廠商普遍“追熱點(diǎn)”困境，本質(zhì)上是一個(gè)“囚徒困境”：每家企業(yè)都知道深耕細(xì)作的重要性，但在激烈的市場(chǎng)競(jìng)爭(zhēng)和資本壓力下，不得不選擇更激進(jìn)的策略。這種現(xiàn)象的背后，是中國(guó)技術(shù)創(chuàng)新生態(tài)尚未形成對(duì)“慢變量”的充分理解和尊重。