文|郝 鑫

　　Kimi有多火爆?长文本凭一己之力搅乱A股和大模型圈。

　　Kimi概念股连日引爆资本市场，真假战多个概念股随之涨停。国产奔驰宝马电玩游戏大厅在一片看好的大模态势中，谁都想来沾个边，型混据光锥智能不完全统计，长文本目前，真假战至少有包括读客文化、国产掌阅科技、大模万兴科技等在内的型混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的长文本火越烧越旺，大厂也垂涎三尺，真假战连夜加入了大模型“长文本” 的国产四国大战。

　　对标月之暗面Kimi 智能助手的大模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，型混较此前最高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，有人是奔驰宝马电玩游戏大厅六耳猕猴。

　　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。