中国AI竞争加剧：苹果AI选合作，腾讯字节囤46万张GPU、模型能力排前列

随着AI大模型赛道进入“深水区”，苹果智能（AI）选择中国 AI 大模型合作一事引发关注。

12月19日消息，有报道称，苹果正在和腾讯、字节跳动商谈，将两家公司的 AI 模型混元（元宝）、豆包大模型整合到在中国销售的 iPhone 设备中，但谈判仍处于早期阶段。在此之前，苹果 AI 与百度合作消息不胫而走，但如今却说明两家企业合作存在一定阻碍。

对此，腾讯方面“不予置评”，18日钛媒体AGI曾向字节跳动旗下火山引擎总裁谭待询问相关议题，他回应称，“国内安卓手机份额比苹果更高”，并未进一步直接回应此事。

值得一提的是，12月19日，北京智源人工智能研究院（智院研究院）发布国内外100余个开源和商业闭源模型多份评测结果，作为今年英伟达全球第二大买家、拥有23万张GPU的字节跳动豆包大模型名列前茅，语言模型结果字节跳动的豆包Pro、百度ERNIE 4.0 Turbo模型位居第一、第二；视觉语言模型方面，OpenAI GPT-4o与刚刚发布的豆包·视觉理解模型Doubao-Pro-Vision位列第一和第二名，能力位列第一梯队，远超大模型“六小虎”、百度、腾讯等公司研发的多款 AI 大模型。

“字节豆包太猛了，无论是投入还是自身（流量）资源，这给大模型‘六小虎’（智谱、百川、零一、月之暗面、MiniMax、阶跃星辰）带来很大压力。”一家AI大模型公司内部人士告诉钛媒体AGI现有看法。

在OpenAI o1大模型压力下，互联网大厂发力 AI 大模型技术和商业化，已经对 AI 行业造成一定承压。

对此，19日下午，智源研究院副院长兼总工程师林咏华对钛媒体AGI表示，字节豆包、快手在大模型能力上的优势有两方面：一是语言模型本身要不断的“数据飞轮”进行训练，而大厂有天然、很强的流量优势，无疑模型能力更强，尤其是主观评测上；第二，文生图、文生视频模型领域，字节、快手的优势在于高质量短视频数据层面，相比非互联网厂商有明显优势。

林咏华强调，未来大模型平台会分化成两类，即“基础通用大模型”和“智能体应用平台”。在这其中，通用基座模型具有一定的投资挑战，需要更多资源，而国内有实力的机构包括阿里通义千问、清华系企业（智谱、月之暗面等），上海AI Lab等都在持续迭代底层模型平台，这对于AGI发展十分重要。

截至12月19日收盘，百度（9888.HK）跌4.16%，腾讯（0700.HK）涨2.27%。

字节豆包、腾讯混元后发先至，苹果在考验中国大模型技术

苹果公司正对字节跳动、腾讯、百度等公司展开一场全面的审视，着重考验中国 AI 大模型技术实力，并从 “舆论场” 中进行筛选评估。

据路透12月19日报道，苹果公司正与腾讯、字节跳动就将其人工智能模型整合到在中国销售的iPhone中进行谈判，但相关讨论尚处于非常早期的阶段。

在此之前，苹果公司曾尝试与百度进行合作，积极探索通过百度“文心一言”大模型来为中国用户引入AI功能。不过，双方的合作并非一帆风顺，有报道称，苹果为国行版iPhone适配百度大模型时遇到了诸多问题，比如AI在常见使用场景中，就无法给出准确的回应。

事实上，本月苹果开始在其设备中推广OpenAI的ChatGPT，作为Apple Intelligence产品的一部分，该产品允许Siri语音助手利用该聊天机器人的专业知识，包括处理用户关于照片和文档（如演示文稿）的查询。

然而，由于ChatGPT在中国无法使用，苹果需要寻求本地合作伙伴以实现其 AI 功能，但苹果智能中国合作伙伴持续发生变化。一旦苹果iPhone能内置字节跳动的“豆包”、腾讯的“混元”大模型技术的话，会对这两家公司 AI 业务发展具有很重要的影响。

今年3月，苹果公司财报显示，其已经拥有超过22亿台活跃的苹果设备，比去年增加近4亿台。另据摩根士丹利报告显示，Apple Intelligence功能将成为苹果设备多年升级周期的“显著催化剂”，未来两年，iPhone出货量将超过5亿部，预计2025财年、2026财年出货量分别为2.35亿、2.62亿部。

站在苹果角度看，中国 AI 大模型技术能力和投入力度是非常重要的“两环”。而在这其中，字节跳动、腾讯都拥有很强的市场竞争能力。

其中，大模型技术能力层面，字节跳动“豆包”后发先至，名列前矛。

林咏华坦言，国内 AI 大模型行业开始出现“分层”，有更多公司模型的训练能力达到“应用的可能性”；也有一些公司也在往AGI方向、往规模更大、开源方向发展。本年度两期评测当中，2024年5月大语言模型56家，到年底12月减少到46家，多模态在5月是32家，到12月增至42家。

12月19日，基于全球800多个开闭源模型，智源研究院发布最新大模型评测平台FlagEval结果，包含20多种任务，90多个评测数据集，超200万条评测题目。结果显示，主要包括语言、视觉语言、文生图、文生视频、语音语言大模型综合及专项评测等九个方面。

其中，语言模型：字节跳动Doubao-pro-32k-preview、百度ERNIE 4.0 Turbo位居第一、第二；在语言模型客观评测中，OpenAI o1-mini-2024-09-12、Google Gemini-1.5-pro-latest 位列第一、第二，阿里巴巴Qwen-max-0919、字节跳动Doubao-pro-32k-preview位居第三、第四，Meta Llama-3.3-70B-Instruct排名前五。

视觉语言多模态模型：OpenAI GPT-4o-2024-11-20与字节跳动Doubao-Pro-Vision-32k-241028先后领先于Anthropic Claude-3-5-sonnet-20241022，阿里巴巴Qwen2-VL-72B-Instruct和Google Gemini-1.5-Pro紧随其后。

文生图多模态模型：腾讯Hunyuan Image位列第一，字节跳动Doubao image v2.1、Ideogram 2.0分居第二、第三，OpenAI DALL·E 3、快手可图次之。

文生视频多模态模型：快手可灵1.5（高品质）位列第一，字节跳动即梦 P2.0 pro、爱诗科技PixVerse V3、MiniMax 海螺AI、Pika 1.5排名第二至第五名。

语音语言模型：专项评测结果显示，阿里巴巴Qwen2-Audio位居第一，香港中文大学&微软WavLLM、清华大学&字节跳动Salmon位列第二、第三，Nvidia Audio-Flamingo，MIT & IBM LTU均进入前五。

K12学科测验：综合得分相较于半年前提升了12.86%，而在英语和历史文科试题的表现上，已有模型超越了人类考生的平均分，整体来说，阿里、OpenAI、阶跃星辰模型表现不俗。

此外，FlagEval大模型角斗场，是智源研究院今年9月推出的面向用户开放的模型对战评测服务，共有29个语言模型、16个图文问答多模态模型、7个文生图模型、14个文生视频模型参评，最终OpenAI、快手、字节跳动、腾讯的大模型排名前列；模型辩论平台FlagEval Debate方面，Anthropic Claude-3-5-sonnet-20241022、零一万物Yi-Lighting、OpenAI o1-preview-2024-09-12为前三名；金融量化交易评测结果显示，深度求索 Deepseek-chat，OpenAI GPT-4o-2024-08-06，Google Gemini-1.5-pro-latest位列前三。

很显然，与美国OpenAI的竞争中，从模型层，到软硬件协同推进，字节跳动已站稳 AI 大模型头部地位。

今年11月的全球月活跃排行榜上，豆包App的MAU（月活跃用户数）接近6000万，仅次于OpenAI的ChatGPT，位列全球第二；截至目前，豆包大模型日均tokens使用量超过4万亿，发布7个月以来增长超过33倍。

12月18日，火山引擎总裁谭待宣布，豆包视觉理解模型输入价格仅为0.003元/千tokens，1块钱可处理284张720P的图片，比行业价格便宜85％。

谭待对钛媒体AGI披露，目前国内安卓手机大部分都在和豆包合作，对手机厂商来说，会在某些场景用豆包，某些场景用其他的大模型，或者某一个场景混合使用，对企业用户来说，肯定也需要一个多云或者多模型的策略，“最终还是能力更好、成本更低，就会用谁，这笔账就很好算。”

谭待强调，当前字节并不关注市场竞争，因为大模型市场仍处于早期阶段，更多是场景、需求是否被满足。长期来看，大模型C端和B端、虚拟和现实世界场景都应该齐头并进发展。

“这个市场还在很早期，可能千分之一刚刚开发出来。这个时候其实不用关心竞争的问题，需要关心的是用户的需求有哪些还没有被满足。”谭待表示，最关键的是能不能把东西做好，把方案的落地应用做好，“我们有时候跟客户说，你每家都试试看，然后就知道跟谁来做，这是一个很自然的现象，而且也不涉及话语权高和低的问题。”

林咏华表示，2024年下半年，AI 大模型发展更聚焦综合能力提升与实际应用，多模态模型发展迅速，涌现了不少新的厂商与新模型，语言模型发展相对放缓。同时，得益于文本大模型的进步，语音语言模型能力提升巨大，覆盖面更全，但在具体任务上与专家模型还存在一定差距，整体而言，性能好、通用能力强的开源语音语言模型偏少。

林咏华强调，部分 AI 大模型公司已经转向了Agent应用层方向，未来如果提高效率、形成更广泛应用的话，需要AI公司在推理端发力。

OpenAI CEO奥尔特曼（Sam Altman）曾断言：“我们会有越来越好的模型，但我认为下一个巨大突破将是AI Agent智能体。”

今年采购46万张GPU卡，AI 大模型企业加速“内卷”投入

除了技术能力，字节跳动、腾讯仍在“卷”算力，两家共计买了46万张英伟达GPU芯片，成为英伟达全球第二大买家。要知道，今年英伟达总销售数量才达到200万张AI GPU计算卡。

具体来说，研究机构Omdia报告显示，微软今年采购了约48.5万片英伟达Hopper 架构的H100/H200 GPU计算卡，是其2023年购买的同代英伟达 AI 处理器数量的三倍多，并列排名第二是两家中国公司——字节跳动、腾讯，都分别采购约23万片英伟达GPU芯片，超越Meta、亚马逊和谷歌等美国科技巨头。

上述报告显示，到2024年，全球科技公司将在服务器上花费约2290亿美元，其中微软的资本支出310亿美元，亚马逊的资本支出260亿美元，数据中心基础设施前十大买家投资占比达60%。

Omdia云计算和数据中心研究总监Vlad Galabov表示，到2024年，服务器支出规模约43%将流向英伟达，“我们已经接近峰值了。”

微软Azure全球基础设施高级总监斯皮尔斯 (Alistair Speirs) 表示，“良好的数据中心基础设施非常复杂，是资本密集型项目，需要多年的规划。因此，预测我们的增长将在哪里，并留出一点缓冲空间，这很重要。”

谭待则认为，AI 的出现让所有的基础架构从 CPU 转向 GPU 为核心，从而使得“云原生”概念变得十分重要。“我们认为未来 10 年其实 AI 云原生是更重要的事情，未来可能从基础架构领域就是很大的变化，从云原生到 AI 云原生，火山希望做成这块的领军企业。”

谭待强调，AI大模型的场景很重要，不仅需要平台和算法，而且需要服务，帮助企业辨别AI大模型使用场景，从而做好 AI 技术落地。

林咏华指出，现在优秀、开源的语言模型已经发展到了一个基础能力水平，再出现明显的增长肯定不是特别容易，并非拼更大的参数或更多的数据，而是需要更多深入的创新能力。现在，语言模型就进入到一个“深水区”，有更大的收益、创新难度，但多模态模型层面，一些基础能力还是有明显的增长空间，因此，明年多模态模型会层出不穷。

展望未来，林咏华强调，AI 大模型“数据”并没有所谓的“耗尽”。十年前，互联网数据占全球数据量份额接近5%，如今到2021年-2024年降至1.3%，但全球使用中文上网的人数一直没变，约19%，所以巨大的互联网中文数据形成了“孤岛”，因此，打破 AI 模型训练的数据孤岛就将变得十分关键，而“合成数据”解决的是更复杂问题和方向，是一种更加高效产生数据的方式。

“目前，国内 AI 视频生成模型的表现其实与国外（sora）相差无几。”林咏华称，2025年，FlagEval评测体系的发展将进一步探索动态评测与多任务能力评估体系。