最近一段時間，Kimi實在是太火了，A股和大模型圈都在討論，連帶著大廠也加入了“長文本”的混戰。大模型應用千千萬，為什么是長文本能率先掀起波瀾？基于長文本的特性，又能解決哪些AI應用落地的實際問題呢？本文嘗試解答這些問題。

Kimi有多火爆？憑一己之力攪亂A股和大模型圈。

Kimi概念股連日引爆資本市場，多個概念股隨之漲停。在一片看好的態勢中，誰都想來沾個邊，據光錐智能不完全統計，目前，至少有包括讀客文化、掌閱科技、萬興科技等在內的十家上市公司發布公告透露正在了解或接入了Kimi 智能助手。

眼看著Kimi的火越燒越旺，大廠也垂涎三尺，連夜加入了大模型“長文本” 的四國大戰。

對標月之暗面Kimi 智能助手的200萬字參數量，百度文心一言將在下個月開放200萬～500萬字長文本處理功能，較此前最高2.8萬字的文檔處理能力提升上百倍；阿里通義千問宣布升級，開放最高1000萬字的長文本處理能力；360智腦正在內測500萬字，功能正式升級后將入駐360AI瀏覽器。

四家中國大模型公司把長文本能力“卷”出了新高度。作為參考，目前，大模型最強王者OpenAI的GPT-4 Turbo-128k可處理文本能力約為10萬漢字，專攻長本文的Claude3-200K上下文處理能力約為16萬漢字。

但同樣都是“長”，有人是孫悟空，有人是六耳獼猴。

一位大模型行業的人士向光錐智能表示：“確實有一些公司用RAG（檢索增強）來混淆視聽。無損的長文本和RAG，兩項技術各有優勢，也有結合點，但歸根到底還是不同的技術……很容易就用‘長本文’來混淆視聽?！?/p>

“百度、阿里、360，大概率都使用了RAG方案”，該業內人士表示道。

無論是RAG還是長文本，一味地“長”并不能代表所有。如同上一輪，大模型廠商“卷”參數，大模型參數不是越大就越好，文本長度，也不是越長，模型效果就越好。除了上下文長度，記憶能力、推理能力、算力都是共同的決定性因素。（詳細觀點請參考《卷完參數后，大模型公司又盯上了“長文本”？》一文）

進入2024國產大模型落地元年，大模型應用千千萬，為什么是長文本能率先掀起波瀾？基于長文本的特性，又能解決哪些AI應用落地的實際問題呢？

一、長文本，真的越長越好嗎？

自ChatGPT誕生以來，國外一直在持續不斷地涌現出新的AI應用，產生流量的同時，也令人看到了商業化的可能性。

據風險投資公司a16z近期發布的《GenAI 消費應用 Top100 報告》顯示，用戶月訪問量最大的應用網站中，類ChatGPT的效率助手占據了榜單前十的大壁江山，ChatGPT的每月網絡訪問量接近20億次，第二名Gemini的每月訪問量約為4億次。

但同樣AI應用活躍而繁榮的場景卻并沒有在中國成功上演。在月之暗面的Kimi 智能助手憑借流量和人氣出圈之前，國內能夠達到一定體量的應用只有兩個，一個是百度推出的文心一言App，另一個是字節跳動推出的豆包。

據相關數據統計，截至2023年9月，百度文心一言App的月活量達到最高峰值710萬；同年12月，字節豆包月活達到200萬，2024年1月在此基礎上翻了一番達到400萬。

文心一言憑借百度的大模型先發優勢和搜索流量優勢，一度成為國內流量最大的AI應用；而豆包背靠抖音流量轉化池，雖然發布時間稍晚一步，但在后期實現了反超。

在這樣背景之下，Kimi的爆火顯得尤為特殊，某種意義上可以說，Kimi是國內第一個靠產品能力和用戶自來水破圈的AI應用。

月之暗面創始人楊植麟曾告訴光錐智能，其團隊發現正是由于大模型輸入長度受限，才造成了許多大模型應用落地的困境，這也是月之暗面聚焦長文本技術的原因所在。

站在用戶角度來看，好不好用是檢驗AI應用產品最關鍵的指標，而這都依賴于Kimi背后的長文本技術。

若將長文本的能力進一步拆解，大致可以包括長度、記憶、理解、推理幾個能力。

越來越長的文本長度，可以進一步提升現在AI應用的可用性和專業性。

對普通用戶而言，與AI助手簡短的閑聊能夠引起興趣，但不能解決問題，特別對于法律、醫學、金融等一些專業領域，需要前期“喂”給大模型特定的數據和知識，才能精準地輸出答案；對企業而言，更需要一個“專家型”的助手，大量的企業數據、行業數據都需要提前導入，沒有損耗地輸入和輸出，從而保證最后的分析結果具有可參考性。Claude就是一個典型的例子，憑借長文本的優勢與ChatGPT走出不同的路線，收獲了大量的2B垂直行業的企業用戶。

多輪對話和記憶能力可以直接應用到現在大部分的場景中，比如游戲場景中的NPC，通過長文本輸入給予其角色設定，玩家每一次的對話都會被記錄，并且能夠生成個性化的游戲檔案，避免了重新登錄而需要反復喚醒的問題；在執行Agent（智能體）任務場景，能夠增強記憶能力，輔助Agent形成清晰的行動步驟，避免出現Agent打架的現象。

長文本的理解和推理能力體現在兩個方面，一類是對想象類的應用理解生成，一類是對邏輯類應用的生成。例如在對AI小說的應用中，長文本的能力體現在能夠理解用戶輸入的prompt，對其想象性的擴寫；在編程、醫療問答等領域，則需要調用其邏輯的推理能力，合理化地續寫編程，根據用戶描述推理病狀。

月之暗面副總裁許欣然曾表示，大模型無損上下文長度的數量級提升，將進一步打開對 AI 應用場景的想象力，包括完整代碼庫的分析理解、自主完成多步驟復雜任務的智能體Agent、不會遺忘關鍵信息的終身助理、真正統一架構的多模態模型等。

所以，長文本從來都是一項綜合性的能力，而非越長就越好。相反，過分追求長，可能引發算力匱乏的問題。

二、大模型公司卷“投流”，一天獲客成本20萬

流量狂飆、宕機后五次擴容；日活用戶數達百萬，月環比增長率107.6%；趕超微信、殺進App Store免費版應用第五名，月之暗面交出了一份漂亮的成績單。

但這也只是一個開始，多位業內人士在今年剛開年曾向光錐智能透露，走過高速技術迭代的2023年，大模型來到了產業落地和商業化的下半場。

去年，各家已經相繼亮劍，智譜、百川、面壁不同程度上都開啟了商業化。月之暗面稍慢，目前還未公布商業化的方案，但急切地開始了商業化加速進程，B站、抖音等社交平臺都能看到Kimi助手投流的廣告。

盡管，各家都從未將2C的變現路線排除在外，但是延續2016年AI 1.0時代的思路，多數還是將2B作為了首要的突破口。有了技術，去找技術和產業落地方向，探索落地方案似乎成為了理所應當。

月之暗面則是大模型公司的另類，去年10月份第一次公開露面后，就瞄準了2C的應用市場。楊植麟曾表示，長文本是月之暗面根技術，在這技術之上可以分裂出不同場景和領域的2C應用。

在Kimi效應爆發前，就有很多普通和企業用戶反饋，“Kimi是國內最好的AI助手，沒有之一”，從一開始就注重產品效果和用戶體驗的Kimi，現在爆發似乎帶有一定的必然性。

商業化壓力之下，大模型公司大概率會選擇2B、2C兩條腿走路。對比其他大模型公司，月之暗面則又提供了另一種商業化的路徑參考，其他玩家從先2B再2C，以2B拉動2C，而月之暗面則屬于先2C后2B，再以2C的產品拉動2B的單子。

畢竟，除了國外的ChatGPT，之前在國內根本看不到2C產品增長的案例。Kimi靠近半年的積累，憑一己之力在2C撕開了一道口子，眾多大廠或許是看到了2C更多的可能性，才急于下場向市場證明自身具備長文本能力。

但回到商業化賺錢的本質，仍要思考如何將一時的流量轉化成實打實的付費率。

光錐智能觀察發現，現在大部分的大模型公司在推產品時還是互聯網推流的那一套，舊瓶裝新酒，抖音、B站、小紅書投流推廣，在線下的寫字樓電梯、機場、地鐵打廣告。

一通操作下來的實際轉化率有多少尚未可知，但為獲客花出去的都是真金白銀。據新浪科技報道，有投資人透露，目前Kimi用戶獲客成本達到12元～13元。根據下載量預估，Kimi近一個月來日均下載量為17805。按此計算，Kimi每天的獲客成本至少20萬元。

現在市面上大部分的AI助手都是免費下載使用，基于網絡負外部效應，當用戶越來越多的時候，其資源的耗損就越來越大。此次的Kimi宕機事件就是最好的例證，順時暴漲的用戶量給算力和服務器都造成了壓力，與之帶來的還有大量的token成本的消耗。

對大模型公司而言，規?；?、付費率和成本的三方拉扯問題，短時間內無法得到解決，即使是流量吊打其他應用的ChatGPT也面臨盈虧平衡的困境。

據data.ai數據顯示，截至2023年6月19日，ChatGPT iOS端上線首月的日活付費率約為4.36%。OpenAI預測，對于壓縮成本后的GPT-3.5模型和GPT-4模型，若月付費率每月提升0.25%或不能持續；若月付費率每月提升0.5%或能扭虧。

月付費率不斷提升聽起來很性感，但現實卻是“未老先衰”，爆發性的增長還未迎來，增長停滯先一步到來。

對大模型廠商，特別是創業公司來說試錯的機會并不多，不能剛從技術的坑出來，又一頭扎進投流的坑，跟風長文本不能解決所有問題，跑出商業化模式才是。