本报记者 李昆昆 李正豪 北京报道
经历了2024年的极速投流增长、近期的仲裁风波,大模型独角兽月之暗面一直处于风口浪尖之上。
近日,国内AI大模型领域的明星企业月之暗面创始人杨植麟、联合创始人兼 CTO 张宇韬,被他们在上一次创业时期的投资人在香港提起仲裁,引发广泛关注。创立月之暗面之前的2016年,杨植麟与张宇韬等人共同打造了自然语言处理领域的公司循环智能。
11月16日,月之暗面又宣布推出新一代数学推理模型k0-math。同时,杨植麟认为,AI产品包括AI技术接下来发展的重要能力应该是更加深度的推理能力,能够把现在只是短链路的简单问答,变成更长链路的组合式的任务操作。
相比技术上的进步,业内人士认为,月之暗面的大模型产品Kimi更大的难题可能来自国内大模型间的激烈竞争,以及未来的商业化难题。
用户黏性难题
据介绍,月之暗面将上线新一代数学推理模型k0-math,对标OpenAI o1系列可公开使用的两个模型:o1-mini和o1-preview。目前,在中考、高考、考研以及包含入门竞赛题的MATH等4个数学基准测试中,k0-math初代模型成绩超过了OpenAI o1系列的o1-mini和o1-preview模型。在两个难度更大的竞赛级别的数学题库OMNI-MATH和AIME基准测试中,k0-math初代模型的表现分别达到了o1-mini最高成绩的90%和83%。
11月16日,杨植麟还公布了最新数据:截至2024年10月,Kimi的月活用户为3600万。但对比豆包,依然有不小差距。第三方统计数据显示,豆包10月的月活为5130万;且2024年1月到10月,中国AI原生应用(App)累计下载量分别为豆包的1.08亿、文小言的2260万、Kimi的2100万、星野的1790万、天工AI的1170万。
Kimi的流量一定程度上依靠月之暗面在投流上的大手笔驱动。移动广告情报分析平台App Growing数据显示,Kimi在10月投放量飙升,20天投出1.1亿元,接近其整个第三季度的总和。
不过,有投资人认为,月之暗面将所有重心都放在Kimi上,还投入大笔资金投流,是不太理智的做法。在该投资人看来,Kimi作为一个生产力工具,存在两个问题:一是没有黏性,从Kimi换到豆包或者其他产品上,是很简单的事情;二是只要Kimi的竞争对手,比如豆包,一天不收钱,Kimi也收不上来钱。“没有黏性的东西盲目获客是没意义的。”该投资人说。
《中国经营报》记者就公司发展相关问题致电采访月之暗面,截至发稿无人接听。
财经专栏作者马继鹏告诉记者:“与其他平台相比,Kimi最大的优势在于其产品面向C端比较多一点,所以普通用户的感知度比较高,也导致其产品本身的关注度比较高,另外也跟其大力投放有很大的关系。劣势在于,大模型产品,你要发展更好的话,就要在这个行业中有更深度的应用。相比其他几个大模型产品,目前Kimi在这个行业中的应用情况还有待进一步深耕。因为在一个行业有更深度应用的话,这个大模型对某一个行业的理解会更加智能。”
Kimi未来几何
据杨植麟介绍,k0-math模型和更强大的Kimi探索版,未来几周将会分批陆续上线Kimi网页版和Kimi智能助手App,帮助大家解决更有挑战的数学和搜索调研类任务。
谈及商业化的问题,杨植麟表示,现在最关键的还是留存,“这个还是需要看得再长远一点,至少ROI(投资回报率)需要为正吧,这跟技术的进展是高度正相关的。最核心的是把留存和Organic growth(自然增长)做好。适当的投放是需要的,但是需要平衡好这几者之间的关系”。
Kimi也曾探索过商业化。2024年5月,Kimi曾上线打赏功能,从一朵小红花到直接登月6个档位,价格从5.2元到399元不等。10月,Kimi又推出了每天限用5次、搜索量更大的探索版,目前虽然不收费,但有消息称Kimi可能会在未来推出VIP计划。在to B领域,月之暗面于8月正式发布了Kimi企业级API(应用程序接口)。不过,其能否成为该公司稳定的盈利点还有待市场验证。
月之暗面成立初期,循环智能的老股东中,红杉中国和真格基金选择了继续跟投,但金沙江创投、博裕资本等机构由于不看好通用大模型,没有跟进。比如,金沙江创投的合伙人朱啸虎,就曾旗帜鲜明地表示“不会投资中国的基座大模型创业公司”,因为商业模式很难跑通。在他们看来,大模型真正的潜力在应用侧。
朱啸虎曾对智谱AI、百川智能、零一万物、月之暗面、Minimax、阶跃星辰六家独立大模型创业公司最后怎么收场,也表示“不乐观”,认为“六小虎”最好的结果就是卖给大厂。
从技术层面来看,杨植麟认为,AI的发展就像在荡秋千,在两种状态之间来回切换,“一种是算法、数据准备好了,但算力不够”。他认为,从Transformer架构诞生到GPT4的出现,更多的矛盾在于如何扩大规模,在算法和数据上不存在本质问题。但是到了今天,规模已经到达了一定的程度,会发现再加更多的算力,也不一定能解决问题,其中核心问题是没有高质量的数据。这时要做的事便是改变算法,突破瓶颈。现在这是他所在的公司乃至整个行业都面临的共同问题。“好的算法能够释放潜力,让模型持续变得更好。”他认为,强化学习是接下来很重要的一个趋势。
杨植麟认为,现在最核心的任务就是提升留存,或者把留存作为一个重要的衡量指标。“我觉得,用户留存和模型的成熟度、技术水平,也是一个正相关的过程。包括思考能力还不够强,交互不够丰富,所以它今天能做的交互还比较有限。无论是跟用户的交互,还是跟本身客观世界的交互,还有很大的提升空间。如果我们衡量离AGI(通用人工智能)目标的距离,我觉得现在还是初级阶段。当然,每年都有比较大的进步,如果我们用去年的产品,你会发现可能根本没法忍受。”