中国搜索引擎巨头百度公司今日宣布,将开源其强大的生成式人工智能聊天机器人文心一言,专家认为此举将推动行业从性能竞争转向价格战。
这家因在国内搜索市场占主导地位而被称为"中国谷歌"的公司证实,将从今日开始逐步推出文心一言的开源版本。
分析师表示,百度此举是向OpenAI和Anthropic等西方竞争对手发起挑战,通过将高性能AI商品化来削弱其昂贵的授权费用。这标志着百度政策的重大转变,该公司此前一直是专有封闭系统的坚定支持者。
通过向所有人开放其旗舰大语言模型的代码,百度希望实现更广泛的应用并围绕该技术建立繁荣的开发者生态系统。这最终可能比收取API访问费用更有利可图。
百度今年已迅速加速向开源技术转型,采取了一系列激进措施来削弱竞争对手的定价。2月份,该公司宣布免费提供文心一言,放弃月度订阅模式以获取更多用户。
3月份,百度推出了文心一言4.5和X1推理模型,价格远低于任何竞争对手。同月晚些时候,该公司发布了两个模型的"Turbo"版本,并将已经很低的价格再次削减80%。
Omdia分析师苏廉杰告诉CNBC,百度的举措令人大为意外,因为该公司传统上遵循专有商业模式。"但是像DeepSeek这样的颠覆者已经证明,开源模型可以与专有模型一样具有竞争力和可靠性,"他说。
百度可能还试图利用DeepSeek面临的重大阻力,据报道该公司被迫推迟发布其下一代R2模型。上周,The Information报道称,由于美国对华芯片出口实施新制裁,该公司难以获得足够的英伟达高端图形处理单元来完成R2训练。
目前,文心一言拥有约2300万月活跃用户,远落后于TikTok母公司字节跳动旗下豆包聊天机器人的8300万月活跃用户。在开发者市场方面,百度文心一言API占有18%的市场份额,落后于DeepSeek的34%份额。
就像在美国一样,中国AI市场也爆发了激烈竞争,其他参与者包括电商巨头阿里巴巴控股和游戏开发商腾讯控股,以及一些被称为"AI老虎"的初创公司。其中包括智谱AI,该公司已构建了ChatGPT的竞争对手并被OpenAI视为主要挑战者,以及主要专注于生成式AI视频模型的MiniMax。
据认为,这两家初创公司都在准备在香港证券交易所进行首次公开募股,寻求外国资本。另一个挑战者是百川智能科技,该公司此前发布的模型在各种基准测试中超越了OpenAI和Anthropic。
百度的举措可能会增加美国AI公司的压力,即使它在本国以外仍面临品牌认知度低的问题。OpenAI首席执行官山姆·奥特曼在1月份承认了对其公司构成的威胁。他在Reddit上表示,公司需要制定新的开源策略,因为不太可能继续保持性能领先优势。此后他宣布计划在不久的将来发布"开放权重"模型。
AI咨询公司Epic Loot的亚历克·斯特拉斯莫尔告诉CNBC,百度实质上向整个行业宣战,向世界各地的初创公司传达了一个信息:他们不再需要为获得强大AI而支付高昂费用。"这不是竞争,这是对定价的宣战,"他说。
通过走开源路线,百度还可能能够规避美国对中国的制裁,因为它将能够利用来自世界各地AI贡献者的专业知识。
美国此前曾对中国公司可能尝试这种策略表示担忧,一些立法者甚至将开源AI模型标记为"安全风险"。
在今年早些时候的一份报告中,美国众议院中共问题特别委员会主席约翰·穆勒纳尔指控DeepSeek是中国共产党的"武器",称其旨在监视美国公民并窃取其技术。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。