最近，OpenAI的Sora又在科技圈投入一枚深水炸弹。全球对于大模型的关注，又一次达到高峰。
聚焦到国内，百度、科大讯飞、商汤、华为等大型企业，以及海量的创业小公司都在布局大模型。以往每一次风口吹来的时候，资本总会蜂拥而上。但是，此次大模型热潮涌来之时，资本的反应很奇怪，讨论度很高但参与度却不高，赛道的投融资并没有想象中火爆。
研究机构CB Insights发布的《2023年人工智能（AI）行业现状报告》（简称“报告”）显示，2023年中国AI领域投融资数量约为232笔，同比下降38%；融资总额约为20亿美元，同比下降70%。其中，AI大模型的融资活动也没有呈现上升态势。
今年以来，不少投资人对大模型变得更加审慎，“谈得多、投得少”成为常态。某投资人告诉《一点财经》，现在国内资本圈对于大模型持观望态度的机构变得更多了，因为大家担心大模型在去年经历了一轮爆火之后，变得估值虚高形成了泡沫。
国产大模型，“冷热”分明
上一个像AI大模型一样热闹的风口，还是十年前的移动互联网。十年之后，移动互联网声势渐弱，换AI大模型来接棒。
ChatGPT的横空出世，拉开AI大模型的全球竞速，热钱迅速涌来，也催生出巨大的市场空间。中研普华产业研究院数据显示，2024年全球大模型市场规模将达到280亿美元，并在2028年形成千亿美金的巨大蛋糕。
中国市场的大模型也呈井喷态势，在去年的前11个月，国内发布了238个大模型，平均每天都有一个大模型问世，从而掀起一场“百模大战”。
在这场“百模大战”里，互联网大厂是绝对的主力军。市面上的主流大模型厂商中，互联网玩家几乎占据半壁江山，比如百度的文心大模型、科大讯飞的星火大模型、阿里的通义大模型、腾讯的混元大模型等，华为、京东等科技公司也发布了自家的大模型。
不过，国产大模型的投资力度，并没有跟发布数量一样，呈大幅上升的趋势。IT桔子数据显示，2021年~2023年，中国AI领域一级市场的股权融资的数量和金融都呈下降趋势，大模型的投资也没有呈大幅上升的迹象。
一方面是投资并没有想象中的火热，另一方面是投资变得高度集中，都流向了头部的一些大模型项目。
去年下半年开始，投资方基本就筛选出了大模型创业公司里的种子选手。据《晚点 LatePost》发布的消息，最近大模型创业公司月之暗面完成了8 亿美元的B轮融资。同时，另一家大模型头部公司也在进行高达10亿美元的新融资。两笔10亿美元融资，加起来超过去年中国大模型领域的公开融资总额（约100亿元人民币）。
整个大模型赛道上的马太效应已经较为明显，市面上钱就这么多，头部玩家拿得多，其他中小型玩家拿到的融资就相当少了。
值得注意的是，大模型创业公司背后的投资名单里，密集出现了阿里、腾讯、百度、美团等互联网大厂的身影。不过，互联网大厂的投资风格，跟移动互联网时代有很大不同。
拿此前共享出行里滴滴和快的的烧钱游戏来说，背后分别是腾讯和阿里的博弈。双方多的时候一天投入4000万元，但互相都不敢收手，否则就前功尽弃。最后在资本的撮合下，双方握手言和，滴滴和快的合并。
移动互联网时代的烧钱游戏，更多的是对垒，竞争的火药味很强，而且烧钱的规模更为宏大。
而在眼下的大模型时代，互联网大厂少了些博弈、多了些和气，并且从一开始就站在同一队伍里。比如，阿里、腾讯、美团和小米都投资了大模型创业公司智谱AI 和百川智能。互联网大厂们似乎并不愿开启声势浩大的“烧钱游戏”，而是一致投向了头部选手。
这意味着，除了头部选手之外，其他中腰部的大模型创业者融资的难度在加大。要知道，在2023年初一些大模型创业公司只需要展示PPT就能获得融资，现在则需要花费更多的功夫了。
总之，从移动互联网到大模型时代，大家都在期待又一场滋滋作响的烧钱游戏，但实际上并没有发生。
那么，背后的核心原因又是什么？
成本与收益的数学题
不管哪个时代的“烧钱游戏”，对于背后的资本来说，锚定的两个本质是不变的：
成本和收益。
如果某项生意的成本可控且在承受范围内，同时收益肉眼可见且足够具有诱惑力，那么就会吸引大量资本涌入。
为何移动互联网时代，开启了多次烧钱游戏？正是因为许多生意的成本和收益都让资本足够放心。拿互联网史上最疯狂的“千团大战”来说，由于美国团购网站Groupon的成功，资本认为该模式的成本可控，且在国内复制成功的机会极大，收益极高，因此疯狂涌入。
面对如今的“百模大战”，从成本和收益两个方面来看，资本的态度是极为审慎的，这也是国内大模型赛道没有开启“烧钱游戏”的关键原因。
成本上，大模型显然是一个猛烈的“吞金兽”，需要非常庞大的资金。最近，OpenAI被曝出单月收入超20亿美元，但仍处在亏损状态，可见成本之巨大。这是因为大模型要发挥出能力，需要两个“大”：
数据大和算力大。
要想让大模型有更全面的认知和更准确的预测，庞大数据是必备的基础，它可以提供丰富的信息不断训练和优化模型。在训练阶段，大算力可以加快模型优化的速度，从而使得模型更快地学习，实现更高性能。
当然，要想马儿跑得快就要给马吃草。要实现更庞大数据和强大算力，就需要投入巨大成本。千亿级的通用大模型训练成本，往往达到千万甚至亿元，普通的创业公司往往难以承受。
并且， 即便大模型创业公司也在数据和算力上开始投入，又会带来两个新的不确定性。
一个是一旦开始投入，成本变得难以估量。即便是OpenAI这样不缺钱的头部玩家，也不确定未来还需要多少成本，更何况那些中小型的创业公司。这就极可能让竞争进入持续的军备竞赛，烧钱就会变得不可控。这就好比当年滴滴和快的竞争，最后烧钱变得疯狂且不理性。
比起成本高昂，资本更担忧的是成本不可控。
另一个不确定性是如果大模型创业公司持续布局数据和算力，也需要在硬件设备上进行高投入，整个公司会变得非常“重”。这在短期内不仅会影响收入也会影响估值，进而让投资人的回报增加更多的不确定性，这也是投资人所担忧的。
如果成本过大且不确定性因素较高，但收益是可观而且清晰可见的，那资本也会考虑加大投入。不过，大模型还处于商业化早期阶段，很多盈利模式并不清晰。
目前来看，大模型的商业化无非就是在C端和B端两头进行。C端商业化一般是通过大模型为用户提供新产品和工具实现盈利。不过，要激发C端用户的换新需求，除非有颠覆性的技术或者产品带来创新体验，否则很难吸引他们，更别提让他们付费。
短期内，大模型的C端付费用户很难有较大规模的增长。那些布局C端的大模型企业，更多的是在积攒市场关注度，赚个吆喝。
要赚钱，还得是靠ToB。
这是因为，B端企业的需求和付费意愿都比C端要强。很多B端企业本身就有处理复杂任务的需求，同时也有资金和数据，天然跟大模型适配。
不过，B端商业化虽然是条正确的道路，但也没有那么容易走。从过往产业互联网的进程来看，B端商业化从来都是块难啃的硬骨头。前期需要大量的投入，并且产出的速度较为缓慢。并且，很多B端企业的要求愈发严苛，必须看到实际的效果才愿意付费。
因此，对于资本来说，大模型的成本和收益都具有较大的不确定性，很多投资机构持观望和审慎态度，并没有催生出大规模的“烧钱游戏”。
投入与产出的平衡术
没有出现“烧钱游戏”，并不意味着国产大模型就不需要大规模投入了。
事实上，眼下国产大模型里的头部项目，每一个都离不开真金白银的投入。只是这种投入，不是“烧钱游戏”那种粗暴的、追求短期回报的，而是细水长流、追求长期主义的。
根据《人工智能大模型体验报告３.0》等报告，主流大模型中综合实力排在第一梯队的是科大讯飞的星火、百度的文心一言和商汤科技的商量。
这三家企业还有一个共同的特征，那就是舍得在研发上投入。移动互联网时代，百度一度被当做掉队者。但其2011年~2020年十年研发总费用增长超过13