数字平台发展现状与竞争特点有哪些？

生成式人工智能为数字平台带来新的发展机遇。

1.发展现状

自2017 年谷歌发布 Transformer 网络结构1以来，衍生出涵盖各种技术架构、各种模态、各种场景的大模型家族。2022 年11 月30 日，OpenAI 发布基于 Transformer 网络结构的 ChatGPT 应用，通过学习和理解人类的语言，与人类进行对话和互动。生成式人工智能已成为人工智能领域的一次发展范式转换。数字经济时代，以生成式人工智能为代表的技术突破再一次将数字平台的技术创新推到时代前沿，平台经济不仅改变了特定市场，而且“已经开始颠覆社会的基础设施和组织设计”。2截至目前，生成式人工智能已带动一波新的独角兽的兴起。据CBinsights 统计，截至 2023 年第一季度，全球生成式人工智能企业的估值总计达到约 480 亿美元；除了占一半估值以上的OpenAI 以外，Anthropic、Jasper 等五家企业已成为估值在10 亿美元以上的“独角兽企业”。

人工智能市场规模快速扩大，但行业渗透率有所差异。全球人工智能产业相关技术快速发展，下游应用也不断丰富。据IDC 估算，2022年全球人工智能市场达到 4328 亿美元，按同比增长近20%推算，2030年全球人工智能市场规模将超过 1.8 亿美元。但不同行业人工智能技术渗透率有所差异。据 Gartner 预测，当前生成式人工智能行业渗透率不足 1%，2025 年生成式人工智能渗透率有望提升至10%。从落地的角度来看，人工智能在自动驾驶、安防、语音识别等领域已经得到大规模应用。

2.竞争特点

1.数据竞争更为激烈及由此引发争议更为频发数据作为智能时代重要的生产要素，已成为经营者重要的竞争手段。大数据本身不仅是一种新技术，也是一种新的思维方式。随着大数据技术的不断发展，已经重构很多细分行业的竞争要素。如搜索引擎行业，各个搜索引擎都有一个度量用户点击数据和搜索结果相关性的模型，通常被称为“点击模型”。点击模型的准确性取决于数据量的大小。一个搜索引擎使用的时间越长，数据的积累就越充分，对于一些长尾搜索就会越准确。即随着数据量的积累，点击模型对搜索结果排名的预测也越来越准确，它的重要性也越来越大。今天，“点击模型”在搜索引擎排序中至少占 70%—80%的权重。当整个搜索引擎行业都意识到点击数据的重要性后，市场上的竞争就从技术竞争变化为大数据的竞争。这时，各个公司的商业策略和产品策略都围绕着获取数据、建立相关性而展开。3另如人工智能行业，其技术的突破也得益于高质量、大规模、多样性的优质数据，数据是大模型竞争关键要素之一。一方面，大语言模型训练使用的数据集规模持续增长。2018年的 GPT1 数据集约为 4.6GB，2020 年的GPT3 数据集达到了753GB，到了 2021 年的 Gopher，其数据集规模已经达到了10550GB。另一方面，多模态4大模型参数量及数据量持续提升。如2022 年StabilityAI发布的 Stable Diffusion 数据集包含 58.4 亿图文对/图像，是2021年 OpenAI 发布的 DALL-E 数据集的 23 倍5。

各方主体在数据方面的博弈愈加激烈。一是企业数据控制者通过收费许可、限制访问等方式加强自身的主导权。如WebText 作为大模型训练的重要数据来源之一，其数据主要是从社交媒体平台Reddit中获取。2023 年 4 月，Reddit 宣布将向使用其API 训练人工智能聊天机器人的公司包括微软、谷歌、OpenAI 等收取数据使用费。二是用户对自身数据合理使用的边界愈加重视。2023 年6 月，由美国Clarkson 律所代理的针对 OpenAI 和微软的第一起集体诉讼，正式向加州北部地区巡回法院提起。原告指控被告在开发、营销和运营其人工智能产品时，非法地收集、使用和分享了数以亿计的互联网用户的个人信息数据，侵犯了用户的隐私权和财产权。2023 年7 月，多位原告联合向美国加州联邦法院提起集体诉讼，指控称谷歌未经同意窃取了数百万用户的数据用以训练和开发谷歌人工智能产品。原告认为公开渠道的数据并不意味着可以免费用于任何目的，谷歌的行为侵犯了用户的隐私权和财产权。三是监管部门对于数据的治理愈加重视。在人工智能时代，利用庞大数据资源来控制相关市场成为主导企业滥用市场支配地位的另一种表现形式。随着训练数据的扩展，人工智能模型变得更加准确，这意味着拥有庞大数据储备的主导企业具有天然优势，主导企业可以通过拒绝竞争对手访问其数据资源的方式形成市场进入壁垒。 67正如美国联邦贸易委员会（Federal Trade Commission，FTC）主席莉娜·汗（Lina Khan）强调的，“禁止歧视以及禁止剥削性收集或使用个人数据的现行法律，都将适用于人工智能市场监管。

2.闭源与开源两种模式竞合发展头部经营者更偏好通过闭源策略来稳固其竞争优势。自OpenAI发布 GPT-3 并实现商业化盈利以来，OpenAI 推出GPT-4 的形式与以往有所不同，其既没有发布 GPT-4 的相关论文，也没有提供详细的框架说明，仅提供了几乎没有任何技术细节的文档。通过这一方式，OpenAI 阻断了所有借鉴者参考大模型训练数据集的构建、训练方法等的直接途径。 8谷歌也紧随其后，不再公布T5 模型及后续版本的细节。头部人工智能企业期望将其技术优势转化为商业上的核心竞争力，以此延缓竞争对手的追赶速度。 相较于头部人工智能厂商，追赶者更倾向于通过开源模式以缩小和头部厂商的差距。头部厂商闭源模型后，Meta、亚马逊等纷纷选择开源路线，希望通过开源模式快速迭代自身技术，以加强自身在智能时代的竞争优势，同时也大大地改变了市场已有的竞争格局。如2023年 2 月，Meta 发布 LLaMA 开源大模型，同年7 月发布免费可商用版本 LLaMA2 开源大模型。对于 Llama2 的出现和发布，深度学习三巨头之一的杨立昆发文表示，Meta 开源大模型的推出将极大地改变大模型的市场竞争格局9。在 LLaMA 系列开源大模型发布之后，开源大语言模型有了长足的进展，各种基于 LLaMA 的动物系列模型10出现，包括斯坦福大学发布的 Alpaca（羊驼），伯克利、卡内基梅隆大学等高校研究人员开源的 Vicuna（骆马），还有基于LLaMA7B 的多语言指令跟随语言模型 Guanaco（原驼）等，人工智能产业生态愈加丰富与多元。2023 年 4 月初，谷歌工程师 Luke Sernau 发文称，在人工智能大语言模型赛道，谷歌和 OpenAI 都没有护城河，开源社区正在赢得竞赛。11

3.超级平台企业成创新与价值网络的核心节点超级平台及其主导的产业创新生态深刻影响着人工智能产业集群的结构和发展方向。在人工智能领域，企业主体已超越科研高校，成为开展基础研究的主要主体。近年来，几乎全球所有前沿人工智能技术的突破都来自超大型平台企业，一方面在于其拥有计算能力，另一方面在于人工智能是少有的基础研究成果可以快速融入产品的领域。据《经济学人》统计，亚马逊和 Meta 开展的人工智能研究数量，分别相当于计算机科学名校斯坦福大学的三分之二和五分之四。据中国新一代人工智能发展战略研究院发布的《建设具有全球竞争力的人工智能产业集群》报告，通过定量分析指出，以华为、腾讯、京东和阿里云为代表的超级平台是价值网络的核心节点，位于价值网络的中心区，形成明显的产业创新生态。超级平台及其主导的产业创新生态深深地影响着人工智能产业的技术发展方向及产业集群的结构。生态构建仍为数字平台巨头的核心竞争要素。纵观信息通信产业发展史，“一体化解体、模块化发展”是行业创新发展的一个重要特征。即随着行业的不断发展，逐渐出现专业化公司，专门为更加大型的合成产品开发特定的部件。产品的模块化设计，为产业提供了一种新的生产方式，即主导者可以将产品的生产分成若干个彼此独立的任务，然后由互相独立其他经营者去完成这些任务；模块化产品的经营者也可以对产品的有关模块进行单独的创新，而不会影响到整个产品的性能。12以大模型为核心的技术产业生态逐步探索建立，推动大模型能力通过 API、插件、平台等多种形式赋能，生态的构建与良性发展成为产业竞争的核心要素。以英伟达为例，其在技术层面已经具有极强的竞争优势，但仍然通过收并购等方式进一步加深自己的护城河。如英伟达通过投资，进一步拓宽自身生态系统，投资的企业包括研发芯片间硅光连接的 Ayar Labs，开源模型库Hugging Face，云算力服务商 CoreWeave，人工智能公司 Cohere、Inflection 等。