隨著DeepSeek等強(qiáng)大競(jìng)爭(zhēng)對(duì)手的崛起，部分“小虎”不得不戰(zhàn)略收縮，甚至放棄原有的宏大目標(biāo)，轉(zhuǎn)而尋找新的生存之道。本文深入剖析了國(guó)產(chǎn)AI“六小虎”在市場(chǎng)競(jìng)爭(zhēng)中的困境，探討了他們?cè)诖竽Ｐ褪袌?chǎng)中的戰(zhàn)略調(diào)整，以及未來可能的生存策略。

昨天，是國(guó)產(chǎn) AI 六小虎之一百川智能成立的兩周年，CEO 王小川發(fā)布全員信強(qiáng)調(diào)公司方向： ?“ 減少多余動(dòng)作，專注醫(yī)學(xué)方向。”

要知道，兩年前，百川智能剛成立的時(shí)候，其愿景可是 “ 旨在打造中國(guó)版的 OpenAI 基礎(chǔ)大模型及顛覆性上層應(yīng)用 ”，非常宏大。

無獨(dú)有偶，國(guó)產(chǎn) AI 六小虎之中的零一萬物的創(chuàng)始人李開復(fù)，今年 1 月在與媒體 “ 連線 Insight ” 對(duì)話時(shí)表示：“ 零一萬物全面轉(zhuǎn)向 ‘ 小而美 ’?！?/p>

而在零一萬物剛成立的時(shí)候，其愿景則是宏偉的 “ 打造 AI 2.0 全新平臺(tái)，加速 AGI 到來 ”。

曾經(jīng)的雄心壯志和現(xiàn)在戰(zhàn)略收縮，讓外界不少人調(diào)侃 “ 小虎 ” 已經(jīng)成了 “ 小貓 ”，那么，在 AI 大模型市場(chǎng)風(fēng)云變幻的現(xiàn)在，這些地位不穩(wěn)的曾經(jīng)的 “ 虎 ”，如何找到活下去的理由呢？

為了探究這個(gè)問題，知危編輯部找到了大模型技術(shù)專家、頭部金融企業(yè)AI專家、頭部醫(yī)療AI專家、一線大廠AI技術(shù)專家等多位專家進(jìn)行對(duì)話，探究大模型企業(yè)們面臨的問題以及如何更好的活下去。

表面上，今年春節(jié) DeepSeek 爆火之后，整個(gè)大模型市場(chǎng)開始戰(zhàn)戰(zhàn)兢兢。它像是武松，幾碗酒下肚給還沒發(fā)育完全的 “ 小虎 ” 們打得頭昏腦漲，一眾大模型公司從最初斗志昂揚(yáng)地同場(chǎng)競(jìng)技，轉(zhuǎn)變到現(xiàn)在面對(duì)現(xiàn)實(shí)各自選擇了不同的命運(yùn)。

但其實(shí)，這一變化比人們以為的時(shí)間節(jié)點(diǎn)發(fā)生的更早。

大模型技術(shù)專家、《 知識(shí)圖譜大模型 》作者王文廣告訴知危：“ 實(shí)際上，甚至還不到 DeepSeek V3 和 R1 的發(fā)布，在 DeepSeek V2.5 和阿里的 Qwen 70B 推出來的時(shí)候，國(guó)內(nèi)有些大模型公司就已經(jīng)開始放棄訓(xùn)練大模型了，成本實(shí)在太高。他們感到無論在資源還是性能上都趕不上或拉不出距離，何況對(duì)方還是免費(fèi)開源的?！?/p>

某人工智能技術(shù)服務(wù)企業(yè)專家梁賀（ 化名 ）則告訴知危：“ 大約 2024 年年中的時(shí)候，六小虎雖然還在訓(xùn)練大模型，但投入力度已經(jīng)明顯不如以往?！?/p>

直到 2025 年 1 月 DeepSeek R1 發(fā)布的時(shí)候，大部分中小企業(yè)發(fā)現(xiàn)徹底跟不上了。

這樣的劇變，導(dǎo)致六小龍集體從攻關(guān) AGI，轉(zhuǎn)變?yōu)榱爽F(xiàn)在的開始分流。

百川、零一萬物放棄預(yù)訓(xùn)練大模型，分別押注醫(yī)療AI和全面行業(yè)落地；MiniMax 收縮 To B 業(yè)務(wù)，并專注 C 端視頻生成等場(chǎng)景的海外市場(chǎng)；智譜、月之暗面、階躍星辰在開源社區(qū)依然活躍，但并未有能超越 DeepSeek R1 的新模型；獲得大量融資和政企合作訂單的智譜不愁生存；因?yàn)樾Чh(yuǎn)不如開源而放棄了投流策略的月之暗面，其頭號(hào)產(chǎn)品 Kimi 因?yàn)樵獙毜暮髞砭由?，在定位上正顯得尷尬。

總體來看，六小虎與國(guó)內(nèi)市場(chǎng)中 “ 最沒有想象力 ” 的一部分即 To B SaaS 市場(chǎng)，交集越來越大。

那么，為何 To B 市場(chǎng)如此 “ 無聊 ” ？

近期，零一萬物宣稱要全面接入 DeepSeek，將企業(yè)大模型一站式平臺(tái)在各行各業(yè)落地。對(duì)此，業(yè)內(nèi)普遍謹(jǐn)慎看零一萬物的未來。

某金融企業(yè) AI 專家姜紹（ 化名 ）甚至評(píng)價(jià)道：“ 零一萬物基本上是轉(zhuǎn)B端了，他們感覺是什么都想做，公司團(tuán)隊(duì)整體過于技術(shù)，但 DeepSeek 出來后技術(shù)上也看不出差距，商業(yè)化水平又比較一般。”

王文廣則告訴知危：“ 大模型一站式平臺(tái)的技術(shù)門檻并不高?！?/p>

對(duì)于該類產(chǎn)品的技術(shù)門檻的評(píng)估，王文廣是有親身體會(huì)的，“ 我去年大概花了半年的時(shí)間，自己一個(gè)人就開發(fā)了這樣的平臺(tái)，現(xiàn)在也在通過個(gè)人的方式在售賣。而且我覺得這個(gè)產(chǎn)品通過公司來做很難賺到錢，但個(gè)人經(jīng)營(yíng)的方式還能慢慢賺到錢?！?/p>

“ 現(xiàn)在行業(yè)內(nèi)有不少 To B 企業(yè)，他們不做大模型，但是也會(huì)做大模型的業(yè)務(wù)，只是缺少一個(gè)技術(shù)平臺(tái)。我就跟他們合作，價(jià)格可以壓得很低，只需要四五萬一套，中大型公司肯定做不到這么便宜的?！?/p>

“ 我現(xiàn)在開發(fā)的平臺(tái)，叫做 KAF，即 Knowledge-based Agent Factory，就是基于知識(shí)圖譜、向量數(shù)據(jù)庫、搜索引擎，通過檢索知識(shí)來提供大模型和 Agent 應(yīng)用的平臺(tái)。目標(biāo)是讓用戶可以不寫任何代碼，通過提示詞管理和模型管理就能構(gòu)建自己想要的知識(shí)助手或 Agent。就這樣的平臺(tái)，市面上有非常多相似的，估計(jì)能有一千個(gè)，也很容易復(fù)制?！?/p>

“ 比如一家公司想做 To B 的大模型應(yīng)用，即便創(chuàng)始人自己沒有這個(gè)能力，要想做出產(chǎn)品也很快。無非就是招兩三個(gè)特別牛的人，當(dāng)然領(lǐng)頭人必須很厲害，不然可能沒法入手。這種方式的成本會(huì)比訓(xùn)練大模型的成本低很多。即便是行業(yè)里的大牛，年薪千萬也差不多了，再加上兩三個(gè)年薪百萬的，就能組成核心團(tuán)隊(duì)。實(shí)在不行，還可以找外部的 AI 公司合作?！?/p>

除了上述模式，還有 “ 企業(yè)大模型一站式平臺(tái) ” 的模式，屬于一體機(jī)的類型，對(duì)于這類產(chǎn)品，平安保險(xiǎn)技術(shù)平臺(tái)組負(fù)責(zé)人張森森認(rèn)為，“ 一體機(jī)有足夠市場(chǎng)空間，但一體機(jī)是賣服務(wù)的，跟技術(shù)沒有太大關(guān)系?！?/p>

“ 一體機(jī)就是將核心硬件、軟件、執(zhí)行環(huán)境進(jìn)行打包，達(dá)到開箱即用，主要面向技術(shù)部署能力較弱的機(jī)構(gòu)，比如政府、教育機(jī)構(gòu)等，也有一些企業(yè)客戶，要點(diǎn)在于方便使用和技術(shù)自主性。當(dāng)然它也有自己的優(yōu)勢(shì)，比如數(shù)據(jù)安全、隱私合規(guī)，因?yàn)樗撬接谢渴穑媾R監(jiān)管的時(shí)候更容易通過安全審查。并且一體機(jī)是軟硬件深度優(yōu)化的，對(duì)于推理專用的芯片、端側(cè)芯片，響應(yīng)速度更快。還有另外一種考量，比如一體機(jī)對(duì)于國(guó)產(chǎn)芯片做了深度定制，從而繞過一些底層限制，提高效率。有些企業(yè)傾向一體機(jī)，是因?yàn)閷?duì)成本比較敏感，更關(guān)注 ROI，一體機(jī)的使用壽命更長(zhǎng)，對(duì)于做財(cái)務(wù)報(bào)告的 ROI 可能更好一些?！?/p>

實(shí)際上，過去多年以來，無論在任何具體的領(lǐng)域，包括大數(shù)據(jù)、云計(jì)算、計(jì)算機(jī)視覺等，國(guó)內(nèi) SaaS 市場(chǎng)都有非常相似的特點(diǎn)，或者說這是各個(gè)領(lǐng)域最終會(huì)發(fā)展成的固有形態(tài)，包括定制化需求較高、產(chǎn)品偏向通用和同質(zhì)化、市場(chǎng)競(jìng)爭(zhēng)激烈、低價(jià)策略普遍、資本更關(guān)注短期變現(xiàn)等。這些 SaaS 企業(yè)的客戶數(shù)字化程度較低，付費(fèi)意愿較弱。

相比之下，海外 SaaS 市場(chǎng)更注重專業(yè)化分工，企業(yè)專注于特定領(lǐng)域，提供深度服務(wù)，以大中型企業(yè)客戶為主，付費(fèi)意愿更強(qiáng)。

大模型領(lǐng)域也正呈現(xiàn)這樣的特點(diǎn)，我們可以參考近期海外 SaaS 市場(chǎng)的重要事件：

2025 年 2 月，MongoDB 以 2.2 億美元的價(jià)格收購(gòu) Voyage AI，后者是一家剛成立 17 個(gè)月，專注于嵌入（ Embedding ）和重排序（ Reranking ）模型的 AI 初創(chuàng)公司。

2024 年，亞馬遜宣布與成立兩年的 AI Agent 初創(chuàng)公司 Adept 達(dá)成技術(shù)授權(quán)協(xié)議，Adept 部分成員將加入亞馬遜支持 AGI 團(tuán)隊(duì)。

這些初創(chuàng)公司都通過專注大模型技術(shù)的一個(gè)細(xì)分領(lǐng)域獲得了資本成功或企業(yè)發(fā)展。但在國(guó)內(nèi)，這種事例幾乎為零。據(jù)知危了解，不少中小型企業(yè)在發(fā)展自身技術(shù)和業(yè)務(wù)時(shí)，甚至還要時(shí)刻提防大廠也來 “ 搶肉吃 ”。

基于自身在 To B 市場(chǎng)多年的行業(yè)經(jīng)驗(yàn)，王文廣向知危描述了這個(gè)市場(chǎng)的殘酷性：“ 一站式平臺(tái)產(chǎn)品肯定有市場(chǎng)，而且市場(chǎng)還很大，但是會(huì)非常碎片化。我合作的這些小公司規(guī)模都不大，他們的運(yùn)營(yíng)成本相比中大型公司是更低的，可以把價(jià)格定在 30 到 50 萬之間，即便這樣也可以賺錢。因?yàn)樗麄儾恍枰紤]研發(fā)成本，只負(fù)責(zé)實(shí)施，能夠覆蓋人力成本就行。如此一來，就會(huì)把整個(gè) To B 場(chǎng)景的應(yīng)用服務(wù)價(jià)格壓的很低，何況我參與的市場(chǎng)肯定不只有我在做。中大型創(chuàng)企參與的市場(chǎng)可能只能做大型的企業(yè)客戶，那也會(huì)面臨其它創(chuàng)企、傳統(tǒng)集成商等競(jìng)爭(zhēng)對(duì)手。即便是大廠，在 To B 市場(chǎng)的業(yè)務(wù)策略也都差不多，大廠還能有自己的大模型和品牌優(yōu)勢(shì)?！?/p>

“ 我也在用 DeepSeek，還有大量其他企業(yè)也在用 DeepSeek，那就沒有任何差異化的地方。國(guó)內(nèi)有多少云廠商，就至少會(huì)有多少個(gè)競(jìng)爭(zhēng)對(duì)手。國(guó)內(nèi) To B 市場(chǎng)一直是這樣，想要活下去，要么關(guān)系硬，要么服務(wù)好，要么價(jià)格低?！?/p>

梁賀向知危簡(jiǎn)要地評(píng)估了零一萬物的當(dāng)下選擇和未來可能性：

李開復(fù)目前將零一萬物的業(yè)務(wù)完全轉(zhuǎn)向To B應(yīng)用，主推企業(yè)大模型一站式平臺(tái)，這個(gè)做法在商業(yè)上肯定是沒有問題的，但是市場(chǎng)會(huì)很卷。

零一萬物要做出比大廠更低價(jià)的大模型產(chǎn)品，其實(shí)也是沒辦法的事情，因?yàn)閼?yīng)用層面沒有什么能夠保持獨(dú)特優(yōu)勢(shì)的地方。

零一萬物轉(zhuǎn)向To B，說明它AGI的想象力也就弱了，做的事情不夠性感了。這跟2017年以來的上一波CV浪潮的視覺公司后來的結(jié)果很類似。

如果零一萬物也做海外的市場(chǎng)，或許還有機(jī)會(huì)。

相比之下，業(yè)內(nèi)對(duì)百川智能的未來，雖不算樂觀，但也沒那么悲觀。

一方面，百川智能進(jìn)軍醫(yī)療，沒有其獨(dú)特的優(yōu)勢(shì)，特別是在數(shù)據(jù)方面。

姜紹告訴知危：“ 百川轉(zhuǎn)向醫(yī)療，只是給自己找一條活路。但相比零一萬物，百川至少是在嘗試做一個(gè)細(xì)分市場(chǎng)?！?/p>

張森森表示：“ 相比科技公司，我更看好擁有醫(yī)療數(shù)據(jù)的公司做醫(yī)療大模型。這個(gè)對(duì)于任何想做行業(yè)大模型的公司都是同樣的道理。因?yàn)樽鲠t(yī)療大模型的關(guān)鍵難點(diǎn)不在于大模型，而在于數(shù)據(jù)。中國(guó)有那么多好的醫(yī)院，醫(yī)院也可以自己用 DeepSeek 微調(diào)出一個(gè)大模型出來自己用?！?/p>

如何有效地獲取醫(yī)療數(shù)據(jù)？姜紹表示：“ AI 技術(shù)創(chuàng)業(yè)公司在數(shù)據(jù)上沒有優(yōu)勢(shì)，如果想做醫(yī)療大模型，可能需要和原本就在幫醫(yī)院做信息化的公司去合作才行?！?/p>

而據(jù)知危所知，六小虎中已有公司跟國(guó)內(nèi)大型醫(yī)生交流論壇進(jìn)行獨(dú)家合作，利用該論壇中醫(yī)生交流產(chǎn)生的大量案例對(duì)模型進(jìn)行訓(xùn)練。

除了對(duì)細(xì)分市場(chǎng)相對(duì)樂觀，另一方面，業(yè)內(nèi)對(duì)百川創(chuàng)始人王小川本人抱有希望。

梁賀認(rèn)為：“ 王小川要專攻醫(yī)療，成不成，要看他是要做理想還是要賺錢。如果是要做理想，做出有突破性的醫(yī)療 AI 研究成果，那我更看好。從我對(duì)王小川的理解來看，他應(yīng)該更傾向前者?！?/p>

王文廣則強(qiáng)調(diào)了這個(gè)市場(chǎng)陳舊的一面：“ 如果是想短期內(nèi)做商業(yè)化，那其實(shí)醫(yī)療這個(gè)賽道也是很卷的，和 To B 市場(chǎng)整體的情況沒什么本質(zhì)區(qū)別。商業(yè)化層面，用知識(shí)圖譜、向量搜索加大模型來做醫(yī)療，很多公司都能做?！?/p>

據(jù)知危與醫(yī)療 AI 專家的溝通，醫(yī)療本身還有巨大的知識(shí)盲區(qū)，新知識(shí)在快速增長(zhǎng)。因此基于大模型做醫(yī)療基礎(chǔ)研究，有很大想象空間。以蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)的 AlphaFold 模型為例，據(jù)梅斯醫(yī)學(xué)報(bào)道，截至 2024 年 5 月，全球已經(jīng)有 180+ 萬的科學(xué)家使用 AlphaFold 加速研究，包括開發(fā)生物可再生材料，或推進(jìn)基因研究等。

除了理想和賺錢，醫(yī)療 AI 創(chuàng)業(yè)還有一個(gè)主要爭(zhēng)議點(diǎn)是：要不要、能不能做出通用醫(yī)療大模型。

對(duì)此，張森森表示：“ 通用醫(yī)療大模型目前在國(guó)內(nèi)市場(chǎng)尚無明顯突破，主要原因在于大規(guī)模數(shù)據(jù)的收集和應(yīng)用依賴于強(qiáng)大的醫(yī)療設(shè)備支持。國(guó)內(nèi)許多醫(yī)療設(shè)備還沒有廣泛普及，因此 AI 難以進(jìn)行精準(zhǔn)診斷。但一些綜合實(shí)力強(qiáng)的醫(yī)院，如海外的梅森醫(yī)療中心等，已經(jīng)開始探索推出自己的大模型。盡管短期內(nèi)很難看到盈利機(jī)會(huì)，但從長(zhǎng)遠(yuǎn)來看，這類大模型有可能對(duì)醫(yī)療行業(yè)產(chǎn)生深遠(yuǎn)影響?！?/p>

“ 醫(yī)療行業(yè)還面臨全自動(dòng)診斷的挑戰(zhàn)，尤其是在國(guó)內(nèi)設(shè)備不足的情況下，AI 無法完全替代傳統(tǒng)診斷方式。部分醫(yī)療設(shè)備尚未普及，尤其在邊遠(yuǎn)地區(qū)，醫(yī)療技術(shù)難以全面覆蓋，因此全自動(dòng)診斷仍然存在較大的難度?！?/p>

“ 由于醫(yī)療行業(yè)具有嚴(yán)格的牌照和合規(guī)要求，大模型在進(jìn)入醫(yī)療領(lǐng)域時(shí)必須解決合規(guī)問題。未來的 C 端醫(yī)療服務(wù)可能通過結(jié)合醫(yī)生技術(shù)和 AI 技術(shù)來提升診療效率，尤其是面向 80 后、90 后、00 后等年輕群體?！?/p>

最后，即便拋開國(guó)內(nèi) To B 市場(chǎng)本身的特點(diǎn)，單從大模型應(yīng)用競(jìng)爭(zhēng)的角度，To B 市場(chǎng)的存活難度也相當(dāng)大。王文廣表示：“ 雖然整體上大模型 To B 產(chǎn)品的設(shè)計(jì)模式還在摸索中，但最終還是會(huì)趨同的。這方面不僅是國(guó)內(nèi)，就連硅谷科技公司也類似，比如 OpenAI、Anthropic、谷歌等，只要模型本身的性能拉不開差距，在這個(gè)市場(chǎng)里就一定不能賺錢，最后會(huì)卷到大家都處于同樣的水平?！?/p>

“ 這也是為什么 DeepSeek R1 其實(shí)最大的影響力不在國(guó)內(nèi)，而是在國(guó)外，特別是對(duì)硅谷科技公司。美股就是從 R1 發(fā)布開始持續(xù)高位震蕩然后開始下跌。背后的核心邏輯很簡(jiǎn)單，就是硅谷的大模型被中國(guó)追上了。不能說超越，但是被追上了之后，硅谷這邊拉不開差距，就無法支撐這么高的估值，于是股價(jià)就下跌了?！?/p>

當(dāng)然，To B 市場(chǎng)還有一種方式能夠很好地吸引客戶，那就是開源。企業(yè)開源的主要盈利模式包括額外提供收費(fèi)級(jí)功能、云托管，以及基于開源技術(shù)的企業(yè)級(jí)咨詢、培訓(xùn)等增值服務(wù)。

開源大模型最直接的作用就是推動(dòng)技術(shù)的普及，張森森表示：“ DeepSeek 開源之后，對(duì)于企業(yè)在應(yīng)用大模型上有非常大的加速作用。公司高層對(duì)大模型的應(yīng)用是很支持的，隨著大模型在實(shí)際應(yīng)用中表現(xiàn)良好，尤其是在降低人工干預(yù)、提升效率等方面優(yōu)勢(shì)逐步顯現(xiàn)，支持力度將不斷加大。”

“ 金融行業(yè)作為數(shù)據(jù)質(zhì)量最好的行業(yè)，在 AI 方面一直有豐富的技術(shù)積累，自然能夠很快跟上。不管有沒有 DeepSeek，金融都會(huì)落地 AI 技術(shù)。但有了 DeepSeek 之后，除了過去 AI 賦能的金融主營(yíng)業(yè)務(wù)，現(xiàn)在也會(huì)將 AI 用到一些日常辦公、過去比較難做的運(yùn)維等業(yè)務(wù)。”

“ 運(yùn)維原本成本是很高的，比如對(duì)于根因分析，之前需要基于傳統(tǒng)的運(yùn)維監(jiān)控和 AIOps 來做，也需要專門訓(xùn)練一些小模型來做，現(xiàn)在可以用 DeepSeek 結(jié)合知識(shí)庫去生成應(yīng)用方案，來處理監(jiān)控、告警、自助分析，以及溯源、自動(dòng)化處理、穩(wěn)定性提升等工作，這比 AIOps 更加靈活?！?/p>

“ 其次，對(duì)于運(yùn)維工作，AI 的覆蓋面也變得更廣了，現(xiàn)在會(huì)更加考慮到交互性和主動(dòng)性，主動(dòng)性也就是讓 AI 主動(dòng)去做運(yùn)維。從過去依賴規(guī)則、人工甚至個(gè)人經(jīng)驗(yàn)，人的經(jīng)驗(yàn)高低決定了運(yùn)維能力的水平，現(xiàn)在可以用更加輕量級(jí)的 AI 模型來直接實(shí)現(xiàn)。”

“ 盡管 DeepSeek 的幻覺率依然較高，甚至與其它同類模型表現(xiàn)差距不大。但相比其它同類模型，DeepSeek 的推理和實(shí)際應(yīng)用能力已足以抵消幻覺帶來的負(fù)面影響，我們會(huì)通過微調(diào)和優(yōu)化，采用 RAG 等相關(guān)技術(shù)，將這一問題逐步改善?！?/p>

阿里大模型技術(shù)專家高鵬（ 化名 ）則認(rèn)為，DeepSeek 的影響力對(duì)大型公司和中小型公司的影響有所不同：

“ 阿里內(nèi)部使用的大模型一直是業(yè)內(nèi)最先進(jìn)的，所以 DeepSeek 出來之后對(duì)我們的影響沒那么大。我們會(huì)拿 DeepSeek 做性能評(píng)估和對(duì)比，對(duì)阿里而言，更多是技術(shù)上的啟發(fā)。DeepSeek 在 Reasoning 上的落地比較快，而技術(shù)細(xì)節(jié)上還是比較通用的，DeepSeek 也肯定有受到千問的影響?！?/p>

“ 相比之下，DeepSeek 對(duì)于中小型公司影響比較大，因?yàn)橹皼]有一個(gè)模型可以達(dá)到 DeepSeek 那樣效果的同時(shí)，實(shí)現(xiàn)低成本的私有化部署。DeepSeek 出來以后，也涌現(xiàn)了大量賣 DeepSeek 一體機(jī)的公司。但實(shí)際上，跟很多開源模型一體機(jī)相比，DeepSeek 也不是最便宜的，要看具體的標(biāo)準(zhǔn)?！?/p>

無論怎樣，現(xiàn)階段國(guó)內(nèi)開源大模型枝繁葉茂，并已經(jīng)能參與全球競(jìng)爭(zhēng)。然而，從平安保險(xiǎn)自身落地大模型的情況，張森森認(rèn)為開源大模型還有難以克服的局限性：

“ 對(duì)于我們而言，DeepSeek 主要是成本上的巨大優(yōu)勢(shì)，在能力方面的話，比如在運(yùn)維場(chǎng)景，在推理、泛化能力、上下文理解上可能比其它模型更好一些。但在金融風(fēng)控等更復(fù)雜的場(chǎng)景下，DeepSeek 的表現(xiàn)并不突出。這是因?yàn)樾枰?xì)致的微調(diào)，甚至結(jié)合其它模型進(jìn)行優(yōu)化。因此還需要根據(jù)具體應(yīng)用場(chǎng)景進(jìn)行針對(duì)性的微調(diào)，來進(jìn)一步提升模型表現(xiàn)。”

“ 平安自研的大模型，主要分為兩層，底層是基礎(chǔ)大模型，再往上是分別負(fù)責(zé)銀行、保險(xiǎn)等業(yè)務(wù)等領(lǐng)域模型。我們內(nèi)部使用的大模型在專業(yè)知識(shí)領(lǐng)域的表現(xiàn)確實(shí)超越了 DeepSeek，尤其是在金融和醫(yī)療等特定領(lǐng)域，模型的表現(xiàn)更加精準(zhǔn)。然而，在推理能力上，DeepSeek 依然具備強(qiáng)大的優(yōu)勢(shì)。有一些場(chǎng)景，我們希望先用 DeepSeek 做一個(gè)小規(guī)模的嘗試，看看能不能跑通。”

“ 對(duì)于阿里千問、百度文心和智譜 ChatGLM 這些開源大模型，它們?cè)谶@方面與 DeepSeek 的區(qū)別并不明顯。判斷的依據(jù)是，這些模型在推理能力和知識(shí)庫結(jié)構(gòu)上與 DeepSeek 并無太大差異?！?/p>

綜上來看，開源大模型的影響力目前還有限，并且它們彼此間追趕節(jié)奏緊張。

但 To B 競(jìng)爭(zhēng)激烈，也不代表 To C 路線就更有希望。

大模型的 To C 產(chǎn)品競(jìng)爭(zhēng)也是非常殘酷，但相比于 To B 市場(chǎng)，又有很大的不同。

一方面，市場(chǎng)格局瞬息萬變。

以海外市場(chǎng)為例，根據(jù) a16z 發(fā)布的 “ Top 100 Gen AI Consumer Apps ” 最新報(bào)告（ 第四期 ），自 2024 年 8 月（ 第三期 ）以來，就有多達(dá) 17 家新公司進(jìn)入了生成式 AI Web 產(chǎn)品的 Top 50 排行榜，比如國(guó)內(nèi)的 Kimi、海螺AI、DeepSeek 等，其中 DeepSeek 尤為亮眼。

DeepSeek 在極短時(shí)間內(nèi)強(qiáng)勢(shì)崛起，其月活人數(shù)從幾乎默默無聞到大大超越 Claude、Perplexity，只用了一個(gè)月的時(shí)間。

在移動(dòng)端的使用時(shí)長(zhǎng)方面（ 基于平均每周每位用戶的會(huì)話數(shù)和每位用戶的分鐘數(shù) ），DeepSeek 也略高于Perplexity 和 Claude，但目前和 ChatGPT 相比仍有較大差距。

另一方面，To C 的變現(xiàn)難度很大。

最受歡迎的應(yīng)用并不一定能帶來最多的收入。比如 ChatGPT 有最高的收入，OpenAI 卻仍然年虧 50 億美元，而大量 ChatGPT 的 “ 山寨 ” 應(yīng)用倒是很可能實(shí)現(xiàn)了快速盈利；DeepSeek 火了以后，模仿者、仿冒者也是排山倒海而來。

從 C 端市場(chǎng)來觀察六小虎的境遇，實(shí)際上也不樂觀。綜合知危與業(yè)內(nèi)專家的溝通，普遍認(rèn)為大廠將帶來極大生存壓力。

姜紹表示：“ 消費(fèi)市場(chǎng)方面，六小虎里面做的比較好的是月之暗面的 Kimi。但現(xiàn)在排第一的是騰訊的元寶，第二是DeepSeek，第三是豆包，頭三家公司幾乎占據(jù)了大部分市場(chǎng)份額。騰訊的元寶憑借微信生態(tài)圈獲得了大量的客戶流量，而 DeepSeek 則憑借其技術(shù)創(chuàng)新和在多個(gè)場(chǎng)景中的優(yōu)異表現(xiàn)脫穎而出。”

梁賀表示：“ Kimi 的大模型技術(shù)和競(jìng)爭(zhēng)對(duì)手沒有太大區(qū)別，那就只能免費(fèi)，這就導(dǎo)致月之暗面商業(yè)化變得特別困難。作為一個(gè) To C 應(yīng)用，看不出它跟元寶、豆包的區(qū)別在哪里。而且，豆包可以用字節(jié)其它業(yè)務(wù)來養(yǎng)，元寶可以用騰訊其它業(yè)務(wù)來養(yǎng)，它們可以投入 1000 億來養(yǎng)這些應(yīng)用。”

姜紹補(bǔ)充道：“ 對(duì)于 C 端用戶，更加關(guān)心產(chǎn)品易用好用，騰訊和字節(jié)在這方面做得更好。當(dāng)然阿里也有機(jī)會(huì)，阿里正在孵化名為 ‘ AI 聽聲 ’ 的應(yīng)用，這個(gè)應(yīng)用通過 AI 進(jìn)行聊天和交互，目標(biāo)是取代抖音在短視頻平臺(tái)中的地位。雖然抖音吸引大量創(chuàng)作者生成優(yōu)質(zhì)內(nèi)容，但 AI 聊天應(yīng)用通過提供更加個(gè)性化和互動(dòng)的體驗(yàn)，有潛力在一定程度上吸引用戶群體。兩者的差異主要在于內(nèi)容創(chuàng)作和互動(dòng)方式。如果阿里能夠突破這一塊，也有機(jī)會(huì)翻身，當(dāng)然如果騰訊跟進(jìn)仿制，就不好說了?！?/p>

對(duì)于 MiniMax，業(yè)內(nèi)的看法稍微有些不同。

梁賀認(rèn)為：“ MiniMax 的海螺 AI 目前是挺賺錢的，它算是找到了自己的一條路，但這條路能不能讓 MiniMax 的估值做的足夠大，還是個(gè)未知數(shù)。由于偏向應(yīng)用，MiniMax 在 DeepSeek 出來之后更輕松了，如果他們?nèi)渴褂?DeepSeek 的模型，反而是節(jié)省了模型的研發(fā)成本，而它的應(yīng)用還能繼續(xù)賺錢，甚至賺的更多?！?/p>

姜紹則認(rèn)為：“ MiniMax 如果后面能夠做出一個(gè)爆款 APP 的話是有機(jī)會(huì)的，但阿里可能會(huì)超過它先做出爆款 APP，所以 MiniMax 即便有機(jī)會(huì)概率也不大?！?/p>

究其根本，產(chǎn)品差異化依然是 C 端應(yīng)用的突破口。

根據(jù) a16z 的 “ Top 100 Gen AI Consumer Apps ” 最新報(bào)告，許多使用率較低的應(yīng)用其實(shí)實(shí)現(xiàn)了更好的收入。有些通用性很差的產(chǎn)品比如植物識(shí)別、營(yíng)養(yǎng)等吸引付費(fèi)用戶的能力反比通用產(chǎn)品而更大。

做通用的 AI 產(chǎn)品，很難打出差異化，用戶付費(fèi)意愿低，盈利周期長(zhǎng)，所以熬不過大公司。

而做差異化如果垂直深度不夠，也容易被基座大模型通過能力升級(jí)所內(nèi)化。比如，最近 GPT-4o 的生圖能力就對(duì) Midjourney 等文生圖創(chuàng)企帶來了降維打擊。這種覆蓋能力，很多時(shí)候都是隨機(jī)的、不可預(yù)測(cè)的，正所謂 “ 毀滅你，與你無關(guān)?！?/p>

競(jìng)爭(zhēng)對(duì)手的像素級(jí)模仿，基座大模型的快速升級(jí)，讓 C 端 AI 初創(chuàng)公司的風(fēng)光幾乎永遠(yuǎn)只保持很短的時(shí)間。

至于如何抓住這極低概率的成為爆款的機(jī)會(huì)，業(yè)內(nèi)專家一致認(rèn)為 “ 基本上還沒有經(jīng)驗(yàn)可循 ”。

六小虎走入今天的困境，很大一部分是因?yàn)楫?dāng)初在基座大模型上投注過大，低估了要在這個(gè)賽道上生存和拔尖需要的人力、財(cái)力、物力，導(dǎo)致現(xiàn)在在應(yīng)用賽道上也很難打出差異化。

如今六小虎對(duì)攻克 AGI 的決心越來越弱，李開復(fù)近日還公開直言，國(guó)內(nèi)的基座大模型最后只會(huì)剩下 DeepSeek、阿里、字節(jié)三家。

對(duì)此，與知危交流的業(yè)內(nèi)專家也基本同意這個(gè)看法。

姜紹表示：“ 現(xiàn)在還在繼續(xù)死磕大模型技術(shù)的創(chuàng)業(yè)公司基本都得死。最有希望的肯定是 DeepSeek，第二是阿里巴巴，第三是字節(jié)跳動(dòng)，第一名預(yù)計(jì)能分到 50%-80% 的流量，后面兩名可能分到 10% 的流量。核心在于誰先把 AGI 做出來，誰就是最后的贏家。”

“ DeepSeek 目前在大模型領(lǐng)域最具競(jìng)爭(zhēng)力，其技術(shù)創(chuàng)新和在實(shí)際應(yīng)用中的表現(xiàn)無可挑剔。阿里巴巴和字節(jié)跳動(dòng)也具備較強(qiáng)的競(jìng)爭(zhēng)力，尤其是在跨平臺(tái)應(yīng)用和數(shù)據(jù)資源上的優(yōu)勢(shì)。排名的依據(jù)主要是基于各家公司在基礎(chǔ)技術(shù)、算力、數(shù)據(jù)資源以及實(shí)際應(yīng)用中的創(chuàng)新能力。”

“ 智譜和 Kimi 的團(tuán)隊(duì)堅(jiān)信，繼續(xù)增強(qiáng)基礎(chǔ)模型的能力才是未來的出路。與之相對(duì)，我認(rèn)為隨著市場(chǎng)需求的變化和應(yīng)用場(chǎng)景的多樣化，單純強(qiáng)化基礎(chǔ)模型的路線可能會(huì)受到局限，更靈活、適應(yīng)性強(qiáng)的模型發(fā)展路徑才可能更加具備市場(chǎng)競(jìng)爭(zhēng)力?！?/p>

“ 大模型技術(shù)競(jìng)爭(zhēng)異常激烈，投入巨大的公司最終必須在創(chuàng)新、算力、數(shù)據(jù)和優(yōu)化上有明顯突破，才能保持競(jìng)爭(zhēng)力。其他未能跟上技術(shù)進(jìn)步或無法應(yīng)對(duì)市場(chǎng)需求的公司將逐漸被淘汰?！?/p>

梁賀表示：“ 國(guó)內(nèi)的基礎(chǔ)大模型公司未來只會(huì)剩下 DeepSeek、阿里、字節(jié)三家公司，依據(jù)就是這三家能夠有實(shí)力和決心投入超大資源來研發(fā)。對(duì)于字節(jié)而言，它不可能錯(cuò)失大模型這個(gè)機(jī)會(huì)，不然對(duì)它整體影響會(huì)非常大。而且DeepSeek的技術(shù)對(duì)于字節(jié)而言不會(huì)有太大的壁壘，更多是研發(fā)效率上DeepSeek目前更有優(yōu)勢(shì)。阿里的千問開源模型本身水平比較高，在DeepSeek火起來以前，千問和Llama基本是你追我趕的狀態(tài)。對(duì)于阿里來說，千問模型可以不賺錢，但是相關(guān)的云業(yè)務(wù)可以賺錢，字節(jié)也是類似的，還能將大模型技術(shù)不斷用于優(yōu)化抖音等App的體驗(yàn)。而對(duì)于 AI 創(chuàng)業(yè)公司，如果模型本身不賺錢，就觸及了生存的根本。”

王文廣則表示：“ DeepSeek 的優(yōu)勢(shì)主要在于技術(shù)理想主義。春節(jié)前后兩三個(gè)月內(nèi)，DeepSeek 的流量巨大，如果它想做商業(yè)化的話，很快就能達(dá)到全球第一，豆包等其它大模型根本沒有機(jī)會(huì)。只要 DeepSeek 不在最近的開源周把基礎(chǔ)設(shè)施相關(guān)的優(yōu)化方法開源出來，以后它都可以依靠這個(gè)來賺錢，如此一來別人都沒有機(jī)會(huì)。DeepSeek 也沒有融資，不需要受到投資人的影響。技術(shù)理想主義和人才是最大的壁壘。對(duì)比 OpenAI，OpenAI 現(xiàn)在能看到的成果基本上都是在 Altman 和 Ilya 的紛爭(zhēng)發(fā)生之前的研究成果，至少創(chuàng)新點(diǎn)是已經(jīng)確定了，如今最初那幫有理想的人才離開了之后，OpenAI 本身的創(chuàng)新幾乎就沒有了。目前 OpenAI 的創(chuàng)新更多是在應(yīng)用層面，比如 Deep Research，應(yīng)用層面的創(chuàng)新沒有什么壁壘，所以它也要跟著競(jìng)爭(zhēng)對(duì)手一起卷?！?/p>

某大廠 AI技 術(shù)專家王牧（ 化名 ）告訴知危：“ 除非有錢、有人才、有硬件，否則沒必要在預(yù)訓(xùn)練大模型上浪費(fèi)功夫，DeepSeek 起碼在 2021 年就有萬卡集群了，也不缺錢。反觀其它中小公司，基本湊不齊這個(gè)條件?！?/p>

高鵬表示：“ AI 創(chuàng)業(yè)公司要想活下去，還是要轉(zhuǎn)向應(yīng)用，一兩年前我也是這么認(rèn)為的，現(xiàn)在轉(zhuǎn)都可能太晚了。接下來第一批要被淘汰的 AI 公司就是做基座大模型的公司。大模型的訓(xùn)練，其實(shí)有很多復(fù)雜的細(xì)節(jié)，非常依賴經(jīng)驗(yàn)的積累。Transformer 架構(gòu)內(nèi)部的細(xì)節(jié)是普遍比較了解的，但不管開源還是閉源模型的論文基本都不會(huì)告訴你數(shù)據(jù)是如何準(zhǔn)備的，數(shù)據(jù)細(xì)節(jié)是什么，數(shù)據(jù)規(guī)模有多大，數(shù)據(jù)質(zhì)量如何等等，業(yè)界也沒有一個(gè)統(tǒng)一的標(biāo)準(zhǔn)?！?/p>

“ 開源開一半 ” 在大模型賽道一直是典型做法，當(dāng)前，會(huì)將代碼、權(quán)重、數(shù)據(jù)集、訓(xùn)練過程全公開的大模型少之又少，比較知名的有 OLMo、BLOOM 等。

然而，即便轉(zhuǎn)向應(yīng)用就能活下來了嗎？從前面對(duì) To B 賽道和 To C 賽道的分析，AI 創(chuàng)業(yè)公司在應(yīng)用上幾乎很難形成自己的行業(yè)壁壘。對(duì)此，高鵬表示：“ 要想形成自己的行業(yè)壁壘，關(guān)鍵在于自己擁有哪些數(shù)據(jù)，模型誰都能用。數(shù)據(jù)分為兩個(gè)方面，一方面是創(chuàng)業(yè)者的領(lǐng)域經(jīng)驗(yàn)，一方面就是手里的數(shù)據(jù)了。”

從企業(yè)文化的角度，高鵬認(rèn)為研發(fā)基座大模型需要的是一種實(shí)驗(yàn)型、工程型的艱苦探索精神，“ 之前很長(zhǎng)一段時(shí)間，國(guó)內(nèi)很多 AI 創(chuàng)業(yè)公司都太高調(diào)了，做技術(shù)本來是先應(yīng)該低調(diào)的做，做好再去高調(diào)地宣傳。有些團(tuán)隊(duì)學(xué)術(shù)界的組成比較重，但學(xué)術(shù)界的人研究技術(shù)有時(shí)過于理論化。人才或團(tuán)隊(duì)方面，一個(gè)大模型團(tuán)隊(duì)能不能成功主要看老板理不理解大模型。如果老板都不理解大模型技術(shù)，或者沒有信仰去堅(jiān)持，因?yàn)椴毁嶅X就放棄了，是根本行不通的。DeepSeek 能成功更多是依靠自頂向下的組織模式，老板對(duì)技術(shù)細(xì)節(jié)很懂，帶大家一起干。國(guó)內(nèi)符合這種模式的太少了?！?/p>

對(duì)于業(yè)內(nèi)熱烈討論的國(guó)內(nèi)基座大模型最后的贏家預(yù)測(cè)，高鵬認(rèn)為這個(gè)論斷還太早，“ 能參與競(jìng)爭(zhēng)的玩家，技術(shù)路線上不會(huì)有太大的差別，就按著 Transformer 架構(gòu)去做細(xì)節(jié)優(yōu)化就行，Mamba 和 RWKV 也有希望。關(guān)鍵是要踏踏實(shí)實(shí)做事，時(shí)間會(huì)證明一切。最后的贏家、前三名這種事都不好說，大模型技術(shù)棧是很復(fù)雜的東西，而且誰知道是不是還有很多人在默默地干一件事情，只不過時(shí)間還沒到而已。”

在模型贏家很難判斷的現(xiàn)在，數(shù)據(jù)開始變成了最重要的護(hù)城河。紅杉資本合伙人 Konstantine Buhler 曾表示，OpenAI 在 ChatGPT 上犯的一個(gè)錯(cuò)誤就是不允許編輯回復(fù)，而這本來可以在反饋循環(huán)中提供更高質(zhì)量的數(shù)據(jù)，并構(gòu)建更深厚的護(hù)城河。

數(shù)據(jù)能否讓某個(gè)行業(yè)在當(dāng)下借助AI進(jìn)一步發(fā)展或者帶來新的商業(yè)機(jī)會(huì)也很重要，張森森表示：“ AI 落地的成熟度更加接近金融、互聯(lián)網(wǎng)兩個(gè)行業(yè)的，我比較看好 AI 辦公、AI 政務(wù)、AI 電商。主要是基于其數(shù)字化程度高，以及業(yè)績(jī)的高確定性?！?/p>

“ 盡管電商已經(jīng)比較成熟，但 AI 將繼續(xù)提升電商的效率，尤其是在商品推薦、客戶服務(wù)、物流優(yōu)化等方面。AI 通過更精準(zhǔn)的市場(chǎng)分析和決策優(yōu)化，能夠提升電商平臺(tái)的效率。這種效率的提升將不僅僅是線下零售的繼續(xù)，而是能帶來新的電商形態(tài)，尤其是在跨境電商領(lǐng)域，AI 將助力其爆發(fā)式增長(zhǎng)?！?/p>

“ 相比之下，金融行業(yè)在 2024 年就出現(xiàn)了一次業(yè)績(jī)爆發(fā)，2025 年隨著 AI 業(yè)務(wù)深入，業(yè)績(jī)能還有很大的增長(zhǎng)空間?！?/p>

“ 反觀那些 AI 落地不成熟的行業(yè)，特別是智能制造，有大量的定制化的東西，每個(gè)企業(yè)生產(chǎn)的產(chǎn)品都是不一樣的，沒有一個(gè)統(tǒng)一的標(biāo)準(zhǔn)。所以企業(yè)想推動(dòng) AI 工作自動(dòng)化比較困難，數(shù)據(jù)的價(jià)格很高，精度要求也很高。雖然說工業(yè)軟件基本是智能制造落地最早的解決方向，有比較好的效果。但是制造業(yè)的 AI 化升級(jí)是有歷史包袱的，大部分的制造行業(yè)的數(shù)據(jù)和信息化的水平是不夠的，就導(dǎo)致它們?cè)谧?AI 化的時(shí)候是缺乏數(shù)據(jù)的，特別是異常樣本的收集幾乎是沒有的。復(fù)雜度也高，比如設(shè)備種類繁多、數(shù)據(jù)標(biāo)準(zhǔn)不統(tǒng)一，導(dǎo)致算法可遷移性很差，常常忽略一些關(guān)鍵因素比如溫度、材料或者一些不可預(yù)測(cè)的變量的影響。而且，企業(yè)對(duì)傳感器數(shù)據(jù)的關(guān)注是有偏差的，對(duì)于各種傳感器故障數(shù)據(jù)，企業(yè)主要關(guān)注的是會(huì)影響生產(chǎn)結(jié)果的數(shù)據(jù)，但實(shí)際上，那些邊緣的傳感器數(shù)據(jù)，未來很有可能成為我們撬動(dòng)整個(gè)制造業(yè)創(chuàng)新和商業(yè)化的一個(gè)支點(diǎn)。AI 能夠通過對(duì)這些數(shù)據(jù)的分析，發(fā)現(xiàn)潛在的優(yōu)化機(jī)會(huì)，從而推動(dòng)整個(gè)行業(yè)的進(jìn)步?！?/p>

“ 而且，制造業(yè)的能力要求和其它行業(yè)也有一些不一樣，它要求必須實(shí)時(shí)處理問題，大模型的延遲性在這里會(huì)難被接受。所以，智能制造短期內(nèi)是沒有投資回報(bào)率的，當(dāng)然國(guó)家肯定會(huì)把這個(gè)行業(yè)的 AI 化給扶持起來?？赡芪磥砦迥?，會(huì)產(chǎn)生一個(gè)大規(guī)模增長(zhǎng)，機(jī)器人化和 AI 化會(huì)做一個(gè)雙重結(jié)合?！?/p>

說到底，對(duì)于初創(chuàng)公司來講，無論是做基礎(chǔ)大模型還是做 To B 或是 To C，你都很難找到一個(gè)堅(jiān)固的護(hù)城河，如果沒有長(zhǎng)年積累的數(shù)據(jù)或技術(shù)經(jīng)驗(yàn)，都無法形成競(jìng)爭(zhēng)壁壘。

所以，初創(chuàng)公司一旦沒有在小有名氣的時(shí)候把雪球滾起來，很容易就逐漸落寞最終找不到活下去的理由。

他們?cè)谀骋豢陶浇鹛O果時(shí)，不過是命運(yùn)女神短暫地打了個(gè)盹。