文 | 王智遠(yuǎn)
昨天晚上，跟朋友聊起大模型。
他說(shuō)現(xiàn)在各家都“卷”到一個(gè)新階段，模型之間差距已經(jīng)很小，只能用“遙遙領(lǐng)先”或者“吊打同行”這種詞來(lái)形容。
從基準(zhǔn)測(cè)試和數(shù)據(jù)來(lái)看，很多模型都遠(yuǎn)超 DeepSeek R1、GPT-4o，但繼續(xù)往下比的空間已經(jīng)不大了，真正的差異更多在使用方式上。
這讓我開(kāi)始思考：大模型競(jìng)爭(zhēng)，是不是已經(jīng)進(jìn)入存量博弈階段？
1
說(shuō)到“存量”，就繞不開(kāi)一個(gè)字：“卷”。不卷，哪來(lái)的存量？那問(wèn)題來(lái)了：這個(gè)卷，到底在卷什么？
我覺(jué)得，表面看到的就三點(diǎn)：算力成本、數(shù)據(jù)質(zhì)量和場(chǎng)景滲透。
以前大模型拼參數(shù)多，現(xiàn)在開(kāi)始拼誰(shuí)的成本低。
阿里家的 Qwen3，用“混合推理”的技術(shù)，簡(jiǎn)單問(wèn)題用低算力能快速回答，復(fù)雜問(wèn)題再慢慢思考，這樣部署成本直接降到了 DeepSeek-R1 的 1/3 到 1/4。
騰訊混元 T1，3890 億參數(shù)的模型，通過(guò)稀疏激活機(jī)制，算力利用率比傳統(tǒng)模型提升了 30% 以上。
百度的文心大模型，雖然沒(méi)公開(kāi)具體成本，但它的推理速度在工業(yè)級(jí)場(chǎng)景里比競(jìng)品快 20%，也算是有自己的優(yōu)勢(shì)。
字節(jié)跳動(dòng)沒(méi)直接在公開(kāi)場(chǎng)合提到過(guò)算力優(yōu)化，但它通過(guò)抖音、今日頭條的場(chǎng)景化落地，間接降低了通用大模型的部署壓力。
所以，算力成本上，大家是看能不能在不犧牲性能的前提下，把成本降下來(lái)。
降下來(lái)之后呢？
關(guān)鍵還不能影響數(shù)據(jù)質(zhì)量，卷誰(shuí)的訓(xùn)練數(shù)據(jù)更硬核。
阿里家 Qwen3 訓(xùn)練數(shù)據(jù)量達(dá)到了 36 萬(wàn)億 token，支持 119 種語(yǔ)言和方言，數(shù)據(jù)質(zhì)量更有普適性。百度文心一言依托搜索、地圖等產(chǎn)品，積累了海量的真實(shí)用戶行為數(shù)據(jù)。
騰訊的混元?jiǎng)t通過(guò)開(kāi)源生態(tài)積累開(kāi)發(fā)者數(shù)據(jù)，在游戲和內(nèi)容生成領(lǐng)域有獨(dú)特優(yōu)勢(shì)；字節(jié)跳動(dòng)則利用抖音、今日頭條的龐大流量池，捕捉用戶偏好數(shù)據(jù)，讓內(nèi)容生成模型更接地氣。
所以，數(shù)據(jù)質(zhì)量的卷，是從“廣度”到“深度”的升級(jí)，不僅要數(shù)據(jù)多，還要精準(zhǔn)、垂直。
技術(shù)再?gòu)?qiáng)，不能解決實(shí)際問(wèn)題，也只是“空中樓閣”，再看看場(chǎng)景滲透，誰(shuí)更狠一些。
Qwen3 深耕電商、金融、醫(yī)療等垂直領(lǐng)域，通過(guò)定制化微調(diào)提供行業(yè)解決方案；百度文心一言是嵌入搜索、地圖、智能音箱等產(chǎn)品，形成了“技術(shù)-場(chǎng)景-用戶”的閉環(huán)。
騰訊的混元聚焦游戲和內(nèi)容生產(chǎn)，通過(guò)混元3D等工具搶占多模態(tài)賽道；字節(jié)跳動(dòng)是把大模型融入抖音和今日頭條的內(nèi)容生產(chǎn)流程，甚至用 AI 生成短視頻腳本，直接打通了“技術(shù)-內(nèi)容-流量”的鏈條。
看到了嗎？場(chǎng)景滲透的卷，是從“技術(shù)堆疊”到“價(jià)值創(chuàng)造”的轉(zhuǎn)型，誰(shuí)能在細(xì)分場(chǎng)景里跑通商業(yè)模式，誰(shuí)就能突圍。
因此，我認(rèn)為這個(gè)“卷”是：卷技術(shù)、成本、場(chǎng)景的三角博弈；算力成本決定了誰(shuí)能撐到最后，數(shù)據(jù)質(zhì)量決定了誰(shuí)能跑得更穩(wěn)，場(chǎng)景滲透決定了誰(shuí)能活出差異化。
2
但這種“卷”，背后隱藏著一個(gè)更深層的矛盾：
當(dāng)技術(shù)突破趨緩時(shí)，大家一個(gè)勁地開(kāi)源、吊打同行，是不是意味著用這些手段，在掩蓋真正的技術(shù)瓶頸？
我認(rèn)為：是的。但不是完全沒(méi)進(jìn)步，而是技術(shù)方向有點(diǎn)小調(diào)整。
為什么這么說(shuō)？
先說(shuō)數(shù)據(jù)。阿里家的 Qwen3-235B-A22B，雖然總參數(shù)量有 2350 億，但每次實(shí)際用到的參數(shù)只有 220 億，激活效率才 9.4%。
什么概念，說(shuō)白了，“輕量化”策略確實(shí)降低了成本，這是對(duì)原來(lái)那種“參數(shù)越多越好”模式的一種妥協(xié)。現(xiàn)在單純堆參數(shù)已經(jīng)沒(méi)有太大的效果了。
再看看騰訊的混元 T1：
總參數(shù)量 3890 億，激活參數(shù)量 520 億，上下文長(zhǎng)度也很長(zhǎng)，但它的稀疏激活機(jī)制，本質(zhì)上還是在想方設(shè)法在不犧牲性能的前提下，把參數(shù)規(guī)模壓一壓。
文心大模型就更不用說(shuō)了。4.5 Turbo 總參數(shù)量 1970 億，但每次推理最多用到 28 億參數(shù)。這說(shuō)明什么？
參數(shù)量已經(jīng)不是唯一的衡量標(biāo)準(zhǔn)了，激活效率才是新的競(jìng)爭(zhēng)點(diǎn)。這種調(diào)整不是在掩蓋瓶頸，而是把技術(shù)突破的方向從“規(guī)模擴(kuò)張”轉(zhuǎn)向了“效率優(yōu)化”。
然后，再看看技術(shù)優(yōu)化路線，阿里直接趕在五一前，推出“快慢思考”混合推理。本質(zhì)是什么？
想通過(guò)架構(gòu)創(chuàng)新來(lái)緩解技術(shù)瓶頸。Qwen3 的“快思考”是用低算力處理簡(jiǎn)單任務(wù)，“慢思考”用高算力處理復(fù)雜任務(wù)，這是在對(duì)原來(lái)的 Transformer 架構(gòu)進(jìn)行適應(yīng)和改造。
騰訊混元的 T1 也一樣，官方說(shuō)模型內(nèi)存占用減少了 40%，性能提升了兩倍；這種優(yōu)化還是依賴 MoE 架構(gòu)的稀疏激活機(jī)制，但也受限于硬件兼容性和算法復(fù)雜度。
所以，技術(shù)優(yōu)化的核心目標(biāo)是延長(zhǎng)現(xiàn)有架構(gòu)的生命周期；說(shuō)白了，更像「技術(shù)瓶頸下的權(quán)宜之計(jì)」，而不是真正的突破。
結(jié)論很明顯：
短期來(lái)看，參數(shù)激活效率、混合推理、MoE 架構(gòu)這些優(yōu)化確實(shí)緩解了算力成本壓力，但改進(jìn)只是對(duì)現(xiàn)有技術(shù)框架的修補(bǔ)。
長(zhǎng)期來(lái)看，技術(shù)瓶頸沒(méi)消失，變成了“效率瓶頸”、“場(chǎng)景適配瓶頸”。開(kāi)源生態(tài)的普及為技術(shù)迭代提供了數(shù)據(jù)和場(chǎng)景基礎(chǔ)，但真正的突破還得靠底層架構(gòu)的創(chuàng)新。
所以，這波“卷”不是在掩蓋技術(shù)瓶頸，而是在重新定義瓶頸的形態(tài)。技術(shù)進(jìn)步的速度是慢了，但方向更明確了：聚焦在效率、成本和場(chǎng)景落地。
3
既然這樣，問(wèn)題就來(lái)了：
大廠在“模型卷”的浪潮里，到底該怎么找到“看家本事”？是繼續(xù)在技術(shù)細(xì)節(jié)上摳來(lái)?yè)溉?，還是把精力放在怎么把技術(shù)用到實(shí)際場(chǎng)景里，或者去構(gòu)建一個(gè)更大的生態(tài)呢？
我覺(jué)得，技術(shù)細(xì)節(jié)優(yōu)化（比如調(diào)整激活參數(shù)、搞混合推理）確實(shí)能減輕算力的壓力。
但說(shuō)到底，優(yōu)化的核心價(jià)值是讓現(xiàn)有的架構(gòu)能多撐一會(huì)兒。不過(guò)，這里面有個(gè)風(fēng)險(xiǎn)：技術(shù)帶來(lái)的好處會(huì)比我們想象的更快地消失。
為什么這么說(shuō)？舉個(gè)簡(jiǎn)單的例子：
你買了一款新手機(jī)，一開(kāi)始覺(jué)得電池續(xù)航特別厲害，比舊手機(jī)好很多，這就是技術(shù)紅利。但用了一段時(shí)間后，你發(fā)現(xiàn)電池老化得很快，續(xù)航優(yōu)勢(shì)很快就沒(méi)了，甚至比你預(yù)期的更早。這就是紅利衰減速度超出預(yù)期。
換句話說(shuō)，技術(shù)帶來(lái)的優(yōu)勢(shì)不會(huì)一直持續(xù)下去，會(huì)逐漸減弱，減弱的速度比我們預(yù)想的更快。
有個(gè)研究，來(lái)自 DeepMind 的 Chinchilla 模型，提到通過(guò)參數(shù)補(bǔ)償來(lái)降低剪枝帶來(lái)的性能損失，可以在不依賴大規(guī)模后訓(xùn)練的情況下低成本壓縮模型，提升推理速度，同時(shí)最大程度保留性能。
什么意思呢？
大模型的性能提升和算力投入之間的關(guān)系已經(jīng)到了一個(gè)瓶頸階段，有點(diǎn)像“帕累托最優(yōu)”（Pareto Optimality）——再怎么努力，提升的空間也越來(lái)越小了。
說(shuō)白了，現(xiàn)在大家都在過(guò)度依賴參數(shù)規(guī)模和稀疏激活機(jī)制，可能會(huì)陷入一種“技術(shù)幻覺(jué)”：以為解決了成本問(wèn)題，其實(shí)并沒(méi)有真正解決通用大模型的深層瓶頸。
換句話說(shuō)，技術(shù)越來(lái)越同質(zhì)化，競(jìng)爭(zhēng)也越來(lái)越內(nèi)耗。
文心一言的多模態(tài)能力雖在行業(yè)里領(lǐng)先，但核心還是依賴 Transformer 架構(gòu)，沒(méi)辦法突破通用大模型的擴(kuò)展性限制，這就是算法優(yōu)化的天花板。
再比如，Qwen 系列雖然全球下載量突破 3 億次，看起來(lái)很厲害，但實(shí)際上模型的功能差異很小。
那怎么辦呢？各家短期直接把架構(gòu)推倒，重新來(lái)過(guò)嗎？肯定不可能。真正的路線是從“技術(shù)堆疊”到“價(jià)值創(chuàng)造”。
我覺(jué)得，對(duì)于大廠來(lái)說(shuō)，價(jià)值錨點(diǎn)的核心在于能不能真正解決實(shí)際問(wèn)題，而不是單純追求技術(shù)指標(biāo)的極致；很明顯，技術(shù)細(xì)節(jié)優(yōu)化只是手段，場(chǎng)景落地和生態(tài)協(xié)同才是根基。
就像艾媒咨詢?cè)?2024-2025 年中國(guó) AI 大模型市場(chǎng)研究報(bào)告里提到的：誰(shuí)能找到自己的“價(jià)值錨點(diǎn)”，誰(shuí)就能在“下半場(chǎng)”突圍。
4
所以，大家到底怎么才能突圍呢？
現(xiàn)在看來(lái)，真正能落地到企業(yè)實(shí)際場(chǎng)景里的，是一個(gè)“三重共振”：云廠商 + 行業(yè)應(yīng)用 + MCP 協(xié)議。
為什么說(shuō) MCP 是關(guān)鍵？因?yàn)樗举|(zhì)上是重新定義了企業(yè)與 AI 怎么合作的規(guī)則。
以前企業(yè)用大模型，就像給廚師一把刀，但沒(méi)告訴他菜在哪、鍋在哪、調(diào)料在哪——他只能靠猜。
現(xiàn)在有了 MCP，相當(dāng)于給 AI 裝了一個(gè)“導(dǎo)航系統(tǒng)”，它能自動(dòng)找到企業(yè)的數(shù)據(jù)庫(kù)、API、業(yè)務(wù)流程，甚至還能跨系統(tǒng)操作。
高德地圖是阿里云的客戶，如果接入 MCP，以后導(dǎo)航建議就不是簡(jiǎn)單的“繞開(kāi)擁堵”，而是能結(jié)合用戶的消費(fèi)記錄推薦周邊餐廳，甚至直接跳轉(zhuǎn)到外賣 App 下單。
這背后是 MCP 把高德的數(shù)據(jù)和阿里云的 AI 能力打通了。
那MCP到底怎么驅(qū)動(dòng)ToB的范式變化？我認(rèn)為，有兩點(diǎn)：
一、從“模型為中心”變成“數(shù)據(jù)為中心”；以前企業(yè)做 AI，總盯著模型參數(shù)、推理速度這些技術(shù)細(xì)節(jié)。但 MCP 讓重點(diǎn)轉(zhuǎn)向數(shù)據(jù)流通 。
二、從“孤島”變成“協(xié)同”；企業(yè)內(nèi)部的系統(tǒng)通常互不聯(lián)通，比如：財(cái)務(wù)系統(tǒng)、供應(yīng)鏈系統(tǒng)、客戶管理系統(tǒng)。一個(gè)公司用了誰(shuí)家的云，云廠商就可以基于 MCP 把這些系統(tǒng)全打通。
打通之后，MCP 就從一個(gè)簡(jiǎn)單的工具變成了生產(chǎn)力基礎(chǔ)設(shè)施。所以，這才是新范式。
它讓AI不再局限于“參數(shù)規(guī)模”或“推理速度”，而是通過(guò)數(shù)據(jù)協(xié)同和場(chǎng)景嵌入，成為企業(yè)運(yùn)營(yíng)的“操作系統(tǒng)”。這才是企業(yè)的剛需。
這也是我為啥說(shuō)，在大模型和 AI 的推動(dòng)下，自下而上看，未來(lái)可能會(huì)出現(xiàn)新的飛書、釘釘這樣的平臺(tái)。它們不像飛書、釘釘那樣有通訊、協(xié)同功能，但至少能把企業(yè)的各種業(yè)務(wù)流程整合起來(lái)。
敘事還在繼續(xù)，到底會(huì)不會(huì)這樣呢？deepseek R2出來(lái)后，就見(jiàn)分曉了。
快報(bào)
根據(jù)《網(wǎng)絡(luò)安全法》實(shí)名制要求，請(qǐng)綁定手機(jī)號(hào)后發(fā)表評(píng)論