文｜郝 鑫
Kimi有多火爆？凭一己之力搅乱A股和大模型圈。
Kimi概念股连日引爆资本市场，多个概念股随之涨停。在一片看好的态势中，谁都想来沾个边，据光锥智能不完全统计，目前，至少有包括读客文化、掌阅科技、万兴科技等在内的十家上市公司发布公告透露正在了解或接入了Kimi 智能助手。
眼看着Kimi的火越烧越旺，大厂也垂涎三尺，连夜加入了大模型“长文本” 的四国大战。
对标月之暗面Kimi 智能助手的200万字参数量，百度文心一言将在下个月开放200万～500万字长文本处理功能，较此前最高2.8万字的文档处理能力提升上百倍；阿里通义千问宣布升级，开放最高1000万字的长文本处理能力；360智脑正在内测500万字，功能正式升级后将入驻360AI浏览器。
四家中国大模型公司把长文本能力“卷”出了新高度。作为参考，目前，大模型最强王者OpenAI的GPT-4 Turbo-128k可处理文本能力约为10万汉字，专攻长本文的Claude3-200K上下文处理能力约为16万汉字。
但同样都是“长”，有人是孙悟空，有人是六耳猕猴。
一位大模型行业的人士向光锥智能表示：“确实有一些公司用RAG（检索增强）来混淆视听。无损的长文本和RAG，两项技术各有优势，也有结合点，但归根到底还是不同的技术……很容易就用‘长本文’来混淆视听。”
“百度、阿里、360，大概率都使用了RAG方案”，该业内人士表示道。
无论是RAG还是长文本，一味地“长”并不能代表所有。如同上一轮，大模型厂商“卷”参数，大模型参数不是越大就越好，文本长度，也不是越长，模型效果就越好。除了上下文长度，记忆能力、推理能力、算力都是共同的决定性因素。（详细观点请参考《卷完参数后，大模型公司又盯上了“长文本”？》一文）
进入2024国产大模型落地元年，大模型应用千千万，为什么是长文本能率先掀起波澜？基于长文本的特性，又能解决哪些AI应用落地的实际问题呢？
长文本，真的越长越好吗？
自ChatGPT诞生以来，国外一直在持续不断地涌现出新的AI应用，产生流量的同时，也令人看到了商业化的可能性。
据风险投资公司a16z近期发布的《GenAI 消费应用 Top100 报告》显示，用户月访问量最大的应用网站中，类ChatGPT的效率助手占据了榜单前十的大壁江山，ChatGPT的每月网络访问量接近20亿次，第二名Gemini的每月访问量约为4亿次。
但同样AI应用活跃而繁荣的场景却并没有在中国成功上演。在月之暗面的Kimi 智能助手凭借流量和人气出圈之前，国内能够达到一定体量的应用只有两个，一个是百度推出的文心一言App，另一个是字节跳动推出的豆包。
据相关数据统计，截至2023年9月，百度文心一言App的月活量达到最高峰值710万；同年12月，字节豆包月活达到200万，2024年1月在此基础上翻了一番达到400万。
文心一言凭借百度的大模型先发优势和搜索流量优势，一度成为国内流量最大的AI应用；而豆包背靠抖音流量转化池，虽然发布时间稍晚一步，但在后期实现了反超。
在这样背景之下，Kimi的爆火显得尤为特殊，某种意义上可以说，Kimi是国内第一个靠产品能力和用户自来水破圈的AI应用。
月之暗面创始人杨植麟曾告诉光锥智能，其团队发现正是由于大模型输入长度受限，才造成了许多大模型应用落地的困境，这也是月之暗面聚焦长文本技术的原因所在。
站在用户角度来看，好不好用是检验AI应用产品最关键的指标，而这都依赖于Kimi背后的长文本技术。
若将长文本的能力进一步拆解，大致可以包括长度、记忆、理解、推理几个能力。
越来越长的文本长度，可以进一步提升现在AI应用的可用性和专业性。
对普通用户而言，与AI助手简短的闲聊能够引起兴趣，但不能解决问题，特别对于法律、医学、金融等一些专业领域，需要前期“喂”给大模型特定的数据和知识，才能精准地输出答案；对企业而言，更需要一个“专家型”的助手，大量的企业数据、行业数据都需要提前导入，没有损耗地输入和输出，从而保证最后的分析结果具有可参考性。Claude就是一个典型的例子，凭借长文本的优势与ChatGPT走出不同的路线，收获了大量的2B垂直行业的企业用户。
多轮对话和记忆能力可以直接应用到现在大部分的场景中，比如游戏场景中的NPC，通过长文本输入给予其角色设定，玩家每一次的对话都会被记录，并且能够生成个性化的游戏档案，避免了重新登录而需要反复唤醒的问题；在执行Agent（智能体）任务场景，能够增强记忆能力，辅助Agent形成清晰的行动步骤，避免出现Agent打架的现象。
长文本的理解和推理能力体现在两个方面，一类是对想象类的应用理解生成，一类是对逻辑类应用的生成。例如在对AI小说的应用中，长文本的能力体现在能够理解用户输入的prompt，对其想象性的扩写；在编程、医疗问答等领域，则需要调用其逻辑的推理能力，合理化地续写编程，根据用户描述推理病状。
月之暗面副总裁许欣然曾表示，大模型无损上下文长度的数量级提升，将进一步打开对 AI 应用场景的想象力，包括完整代码库的分析理解、自主完成多步骤复杂任务的智能体Agent、不会遗忘关键信息的终身助理、真正统一架构的多模态模型等。
所以，长文本从来都是一项综合性的能力，而非越长就越好。相反，过分追求长，可能引发算力匮乏的问题。
大模型公司卷“投流”，一天获客成本20万
流量狂飙、宕机后五次扩容；日活用户数达百万，月环比增长率107.6%；赶超微信、杀进App Store免费版应用第五名，月之暗面交出了一份漂亮的成绩单。
但这也只是一个开始，多位业内人士在今年刚开年曾向光锥智能透露，走过高速技术迭代的2023年，大模型来到了产业落地和商业化的下半场。
去年，各家已经相继亮剑，智谱、百川、面壁不同程度上都开启了商业化。月之暗面稍慢，目前还未公布商业化的方案，但急切地开始了商业化加速进程，B站、抖音等社交平台都能看到Kimi助手投流的广告。
尽管，各家都从未将2C的变现路线排除在外，但是延续2016年AI 1.0时代的思路，多数还是将2B作为了首要的突破口。有了技术，去找技术和产业落地方向，探索落地方案似乎成为了理所应当。
月之暗面则是大模型公司的另类，去年10月份第一次公开露面后，就瞄准了2C的应用市场。杨植麟曾表示，长文本是月之暗面根技术，在这技术之上可以分裂出不同场景和领域的2C应用。
在Kimi效应爆发前，就有很多普通和企业用户反馈，“Kimi是国内最好的AI助手，没有之一”，从一开始就注重产品效果和用户体验的Kimi，现在爆发似乎带有一定的必然性。
商业化压力之下，大模型公司大概率会选择2B、2C两条腿走路。对比其他大模型公司，月之暗面则又提供了另一种商业化的路径参考，其他玩家从先2B再2C，以2B拉动2C，而月之暗面则属于先2C后2B，再以2C的产品拉动2B的单子。
毕竟，除了国外的ChatGPT，之前在国内根本看不到2C产品增长的案例。Kimi靠近半年的积累，凭一己之力在2C撕开了一道口子，众多大厂或许是看到了2C更多的可能性，才急于下场向市场证明自身具备长文本能力。
但回到商业化赚钱的本质，仍要思考如何将一时的流量转化成实打实的付费率。
光锥智能观察发现，现在大部分的大模型公司在推产品时还是互联网推流的那一套，旧瓶装新酒，抖音、B站、小红书投流推广，在线下的写字楼电梯、机场、地铁打广告。
一通操作下来的实际转化率有多少尚未可知，但为获客花出去的都是真金白银。据新浪科技报道，有投资人透露，目前Kimi用户获客成本达到12元～13元。根据下载量预估，Kimi近一个月来日均下载量为17805。按此计算，Kimi每天的获客成本至少20万元。
现在市面上大部分的AI助手都是免费下载使用，基于网络负外部效应，当用户越来越多的时候，其资源的耗损就越来越大。此次的Kimi宕机事件就是最好的例证，顺时暴涨的用户量给算力和服务器都造成了压力，与之带来的还有大量的token成本的消耗。
对大模型公司而言，规模化、付费率和成本的三方拉扯问题，短时间内无法得到解决，即使是流量吊打其他应用的ChatGPT也面临盈亏平衡的困境。
据data.ai数据显示，截至2023年6月19日，ChatGPT iOS端上线首月的日活付费率约为4.36%。OpenAI预测，对于压缩成本后的GPT-3.5模型和GPT-4模型，若月付费率每月提升0.25%或不能持续；若月付费率每月提升0.5%或能扭亏。
月付费率不断提升听起来很性感，但现实却是“未老先衰”，爆发性的增长还未迎来，增长停滞先一步到来。
对大模型厂商，特别是创业公司来说试错的机会并不多，不能刚从技术的坑出来，又一头扎进投流的坑，跟风长文本不能解决所有问题，跑出商业化模式才是。
结论：中国的AI巨头们正纷纷入场投入大模型，准备打造自家的AI助手，竞争激烈。然而，过度依赖“长文本”可能会导致计算力短缺、拥堵等问题，这无疑会给大模型厂商带来巨大压力。不过，无论是一味地“长”还是一味地“减”，AI助手的核心应该是提高效率、解决实际问题，这是评价其价值的关键。
建议：
1. 在加大技术研发的同时，确保AI助手能够在有限的内存和计算能力下提供高效率服务。
2. 合理规划产品的商业模式，既要关注用户的体验，也要考虑到公司的成本支出，防止大规模投放时陷入盈利困境。
3. 要充分认识到技术的局限性，不能盲目追求“长文本”，应该找到适合自己的商业道路，同时寻求与其他AI公司的合作和共享资源，以便实现更好的收益。
4. 创业公司应积极尝试新的商业路径，如构建全方位的AI解决方案，通过优化算法和数据收集策略，寻找合适的投资机会，而不是盲目跟风或者只能依赖传统盈利模式。
5. 在推进商业化的过程中，应该保持警惕，避免大机器冲击传统AI市场，而忽视AI应用的社会价值和用户需求，这对于AI产业的发展至关重要。
