大模型围剿战:Kimi如何在免费与盈利之间找到平衡?

2024-03-25 18:44

本文主要是介绍大模型围剿战:Kimi如何在免费与盈利之间找到平衡?,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文 | 大力财经

在近期的互联网科技领域,一款名为Kimi的国产大型AI模型引起了广泛关注。随着Kimi的火爆,国内的大型科技公司纷纷开始关注并投入到长文本处理技术的竞争中。

阿里巴巴、360等知名企业纷纷宣布了他们的长文本处理能力,分别达到1000万字和500万字,而百度也传出即将开放200万至500万字的长文本处理功能。

据悉,Kimi为了吸引新用户,其广告投放的获客成本大约为每位用户10元。但当考虑到用户问答互动后产生的额外算力成本时,每位用户的获客成本可能高达12-13元。根据第三方平台的数据预估,Kimi在苹果和安卓端的日均下载量约为17805次。这意味着,Kimi每天在获客上的投入可能超过20万元。

这场围绕Kimi展开的竞争,被形象地称为“围剿战”。据新浪科技对市面上的三款主要产品进行了测试,包括Kimi在内。测试结果显示,在对《三体2:黑暗森林》和《未来简史》两本畅销书的总结能力上,Kimi的性能稍逊于其他两家,仅能解读52%和66%的文本内容。此外,Kimi在联网搜索等方面的能力也显示出一定的局限性。

尽管Kimi在长文本处理方面面临挑战,但其背后的公司——月之暗面科技有限公司,却因其强大的资方背景和创新的技术能力而备受瞩目。公司创始人杨植麟在NLP领域的研究成就显著,而公司的其他联合创始人也在大模型技术领域有着深厚的探索经验。

Kimi的市场表现同样引人注目。尽管与行业内的其他成熟产品相比,Kimi的用户日活跃度仍有差距,但增长势头强劲,显示出其快速获得市场关注的能力。此外,Kimi的技术迭代速度也令人印象深刻,从最初的20万字无损上下文输入能力,到半年后的200万字,技术进步显著。

目前,大型AI模型的宣传焦点主要集中在长文本处理和多模态理解上,而Kimi尤其以长文本处理能力为卖点,这使得它更容易受到市场的关注。然而,随着互联网巨头们开始在长文本处理领域加大投入,Kimi的市场地位可能会受到挑战。

一位业内专家进一步阐述说,尽管Kimi提供了长文本处理的功能,但它的竞争对手,如通义千问和360智脑,也能提供类似的服务。在这些大公司不收费的情况下,Kimi很难实现盈利。因此,如果Kimi继续沿用现有的商业模式,它可能会持续亏损。

如果用户让Kimi概括一本小说,可能需要花费5到10元,但目前用户并不需要为此付费。根据市场数据分析,Kimi在App Store的日均下载量为5445次,在安卓平台上的日均下载量为12360次,总日均下载量达到17805次。按照这个速度,Kimi每天在安卓和iOS平台上的客户获取成本可能在21.366万到23.147万元之间。如果考虑到网页和小程序等其他渠道的客户增长,Kimi每月的客户获取成本将是一个不小的数字。

这位专家警告说,如果Kimi继续维持当前的运营模式,而未能开辟新的收入来源,那么它的经营策略就像是在“烧钱赚吆喝”。他还透露,月之暗面科技有限公司最近完成了10亿美元的融资,其中首期8亿美元由阿里领投,达到7.9亿美元,而且其中6亿美元必须用于阿里云的相关服务。

综上所述,尽管Kimi在长文本处理方面具有一定的市场优势,但其商业模式的可持续性面临严峻挑战。随着竞争对手的加入和技术的发展,Kimi需要寻找新的盈利途径,以确保长期的市场竞争力和财务健康。

此外,随着其他互联网大厂如阿里巴巴和360等宣布开放长文本处理功能,Kimi将面临更加激烈的竞争。这些大厂的加入可能会对Kimi的市场份额和用户增长造成影响,进一步增加其运营成本。在这样的市场环境下,Kimi需要不断创新和优化其商业模式,以确保长期的竞争力和财务健康。

在A股市场上,与Kimi存在关联关系的多家公司股价出现大幅上涨,但这是否真的反映了Kimi技术突破的价值,还有待商榷。一些金融行业从业者认为,这更多是股市炒作概念的行为,缺乏底层逻辑性。

未来,Kimi是否能够找到新的创收渠道,或者通过技术创新来降低成本,将是决定其能否持续发展的关键。

来源:https://www.top168.com/news/202403/5530.html

这篇关于大模型围剿战:Kimi如何在免费与盈利之间找到平衡?的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/845915

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

day-51 合并零之间的节点

思路 直接遍历链表即可,遇到val=0跳过,val非零则加在一起,最后返回即可 解题过程 返回链表可以有头结点,方便插入,返回head.next Code /*** Definition for singly-linked list.* public class ListNode {* int val;* ListNode next;* ListNode() {}*

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

AI Toolkit + H100 GPU,一小时内微调最新热门文生图模型 FLUX

上个月,FLUX 席卷了互联网,这并非没有原因。他们声称优于 DALLE 3、Ideogram 和 Stable Diffusion 3 等模型,而这一点已被证明是有依据的。随着越来越多的流行图像生成工具(如 Stable Diffusion Web UI Forge 和 ComyUI)开始支持这些模型,FLUX 在 Stable Diffusion 领域的扩展将会持续下去。 自 FLU

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者