2026年中国AI市场竞争格局 - 2026年是中国AI ToC市场大厂进行最后一搏的关键窗口期，竞争激烈程度不亚于历史上的打车、支付等大战 [2][58] - 字节跳动凭借豆包已占据AI to C一线位置，手握最大流量，其推出的豆包手机是对边界的试探 [2][58] - 阿里巴巴对“千问”进行战略级投入，2026年将更加淋漓尽致，例如投入30亿人民币进行市场推广 [2][58] - 腾讯同样会采取大动作，大撒“元宝红包”仅是开始 [2][58] - 对于“AI六小虎”（如智谱、MiniMax、月之暗面、阶跃星辰等）而言，随着部分公司完成港股IPO或大额融资，故事告一段落，自我造血和寻找差异化商业化道路迫在眉睫 [3][58][59] 主要科技公司战略与挑战 字节跳动 - 豆包的核心决策是早期确认多模态为核心能力，实现了AI能力平权，并在2025年抓住了最佳增长时机 [8][64] - 2025年通过引进以吴永辉为代表的世界顶尖人才，完成了顶尖模型人才储备，基础模型层稳居国内第一梯队 [8][64] - 2026年面临的核心挑战是如何在激烈竞争中留住顶尖人才 [8][64] - 长期挑战在于如何保持AI模型能力领先，并将AI助手与电商、外卖等线下服务联动，尽管公司组织年轻有活力，但内部协同仍是难题 [8][66] 阿里巴巴 - 千问是阿里集全集团之力打造的C端AI入口，产品路线从差异化的办事、办公场景切入，走专业路线，长期目标是成为AI入口 [10][69] - 千问未来不仅是对外AI入口，也将为阿里内部众多业务提供底层AI能力平台 [10][69] - 2026年的挑战在于，阿里业务体系庞杂，千问作为独立技术团队，理解并协同各业务单元对AI能力的诉求存在困难 [10][69] - 阿里通过组织变革（如成立千问C端事业群）来换取决策速度，以抓住AI助手可能成为新流量入口的短暂机会窗口 [11][70] - 行业观点认为，2026年将是大厂真正开打“ChatGPT之战”的一年，虽然市场已有DAU过亿的产品，但市场远未饱和 [10][69] 腾讯 - 元宝早期就明确了“模型即产品”的重要性，接入DeepSeek后强化了这一共识，2025年聚焦于提升模型能力及产品与模型的深度整合 [15][73] - 元宝选择聚焦高知人群走差异化路线，旨在利用其意见领袖效应形成示范 [15][73] - 截至2025年底，元宝的搜索服务部分基于混元，部分基于DeepSeek，但大多数用户仍选择DeepSeek作为默认模型，公司需摆脱对DeepSeek的依赖 [15][73] - 近期TEG搜推部门与元宝搜推合并，旨在提高效率并整合搜索链路，未来可能只存在统一的“元宝搜索” [15][74] - 腾讯整体节奏相对谨慎，混元策略可能避开基础模型正面竞争，聚焦Agent等差异化方向，2026年关键是要理清微信与元宝的战略定位 [16][17][75] 百度 - 百度认为AI正开启“超级周期”，其价值将远超互联网时代，将深度重构“研产销服”全产业链，撬动10万亿级市场 [18][77] - 智能体（Agent）被视为产业落地的关键形态，企业需构建AI原生组织，未来可能形成“决策层+智能体”的高效架构，中层可能大幅缩减 [18][77] - 百度指出当前AI产品存在三大痛点：认知偏差与幻觉问题、落地断层（手脑分离）、体验割裂 [18][78] - 百度致力于将百度文库和百度网盘打造为“超级个人智能体”，以解决上述痛点 [19][79] - 在数字人领域，百度将其发展分为三个阶段，并率先发布高说服力数字人进入3.0阶段，未来数字人将能持续自主进化并在更多场景超越真人 [20][21][80][82] 商业模式探索与分化 - 大模型主流商业模式有五种：ToC订阅和广告付费、ToB的API售卖、ToB/ToG定制化、按效果付费、软硬件一体 [4][25][60][85] - 选择ToC订阅模式的厂商基本都选择出海，因国内用户付费意愿不高 [25][85] - 售卖API的模式本质是云服务延伸，未来云厂商会将价格压得很低，独立模型厂商难规模化，故API只能作为短期商业化补充手段 [25][85] - 定制化模式在国内不仅需要技术交付能力，人脉也很重要 [25][85] - 按效果付费和软硬一体对初创公司有机会，但都对能力提出高要求：按效果付费需模型能力足够强，软硬一体需多模态模型矩阵和端云协同交付经验 [25][85] - 2023年以来许多模型公司有“OpenAI病”，但到2025年，因资源（钱和卡）有限，更多公司转向学习Anthropic，聚焦推理和Coding等有付费市场的方向 [25][26][86] - 目前没有商业模式是成熟的，仍需几年探索，产品形态也未定型，例如OpenAI也在探索ChatGPT采用广告模式的可能性 [4][27][60][86][87] 创业公司机会与策略 - 创业公司应寻找垂直场景切入，做端到端的服务交付，而非工具 [31][91][92] - 应聚焦信息生产场景，而非娱乐、社交等消费场景，后者是大厂必争之地 [31][92] - 创业公司相较于大厂有两个优势：技术更垂直深入、可以保持技术独立性（因部分场景客户与大厂存在竞争或数据安全顾虑） [32][33][93] - 2026年被认为是Agent“按效果付费”的元年，经济模型将从“订阅费覆盖算力成本”转向“任务分成覆盖算力成本”，这能帮助用户低门槛赚钱，传播速度快 [33][94] 融资与上市环境 - 2026年初，月之暗面、阶跃星辰获得新一轮大额融资，证明一级市场仍能支撑大模型发展 [39][100] - 此前智谱、MiniMax的港股IPO向市场释放了信号，但走向二级市场是“双刃剑”：带来融资渠道和市场声量，但也立即面临商业化压力和股价审视 [3][39][59][100][101] - 港股IPO越友好、上市公司越多，越能改善一级市场环境，为优质科技企业提供更顺畅的退出渠道和国际公允定价，反哺创新 [37][38][98] - 创业者应致力于全球创新而非区域创新，只要坚持创新，资本（包括海外资本）会主动进入，例如2025年DeepSeek和宇树的案例 [38][39][99] AI组织形态与效率 - AI时代，极小团队组织形式与全栈创新能力相辅相成，大公司中的AI研发团队也有必要简化以避免沟通瓶颈 [42][104] - 称职的极小团队创始人需具备三种核心能力：找机会（深挖行业痛点）、快速执行力（借助AI快速出Demo）、自我营销（利用社交媒体获客与验证） [42][104] - 在AI研发组织中，算法和基础设施（Infra）团队不应截然分开，强调分工易导致创新空间丧失和底层感知缺失，应共同设计、协同演进 [42][43][105] - 不应迷信一人公司，组织的关键评价维度是“人效”，公司80%的成本是沟通成本，AI可帮助规避此隐形成本 [43][44][105] - 一些头部AI公司已用AI进行内部分工，例如用Claude识别员工技能并分派任务，未来更需要具备批判性思维的通才来减少人际沟通问题 [44][105][106] 基础模型技术发展趋势 - 多模态需要走向“大一统”，即将图文、音视频等模态的理解与生成混合在一个模型中，以获得更强的上下文学习和零样本学习能力，天花板更高 [47][110][111] - AI时代真正的壁垒是“记忆”，这是所有AI产品的兵家必争之地，衡量指标应从DAU转向DTU（每日交流用户）和LMU（长记忆用户） [47][48][111][112] - 模型落地存在鸿沟，因中心化大模型缺乏高精尖领域或机构的私有数据，未来趋势是“去中心化”，通过提供低成本、易用的“脚手架”让各机构部署本地化模型，并通过模型融合构建领域基础模型 [48][49][112][113][114] 具身智能与世界模型 - 世界模型要真正有效，必须与下游场景形成验证闭环，例如商汤用上汽智己的实车检验其智能驾驶世界模型，大晓机器人用四足狗在巡逻任务中迭代模型 [52][118] - 预测物理世界的“ChatGPT时刻”可能在2-3年内到来，其定义为在100种常见任务中，90%的场景下达到95%的成功率，需VLA、世界模型和强化学习互相配合 [53][119] - 世界模型不同于数据驱动的VLA，它需要靠算法建模物理世界运动规律，让机器人能预知未来动作后果，是适合前沿实验室探索的方向 [53][54][119][120]