公司概况与融资 - AI大模型评测机构LMArena于近期完成1.5亿美元融资，估值达到17亿美元，成为独角兽公司 [2] - 公司起源于伯克利校园项目，其核心业务是通过众包匿名对战模式，让用户投票评估AI模型 [2] - 公司在2025年9月推出B端评估服务“AI Evaluations”，产品上线4个月后年化经常性收入突破3000万美元，客户包括OpenAI、Google、xAI等头部AI企业 [2] 行业痛点与旧评估体系失效 - 传统基于有限基准测试和排行榜的AI模型评估体系逐渐失灵，模型容易针对题库“过拟合”，导致能力趋同、创造力下降 [4][6][7] - 行业出现“AI疲劳”，模型参数升级与榜单刷新带来的兴奋感衰减，产品落地节奏跟不上宣传节奏 [4] - 旧的评估体系塑造了不健康的激励机制，引导模型优化目标向固定解法收敛，而非真正的理解与推理 [5][6][7] LMArena的解决方案与核心机制 - 平台核心设计为用户提问后，系统随机抽取两个匿名模型作答，用户从有用性、准确性等角度对并排展示的答案进行投票 [12] - 平台采用类似国际象棋的Elo评级系统，通过累计数万至数十万次用户投票对比来计算模型动态排名 [13] - 平台日均进行上千场匿名对战，每月产生超过6000万次模型对话，覆盖超过150个国家，月活跃用户达到500万 [2][19] - 平台设有Arena-Expert模块，筛选约5.5%的“专家级”提示作为高压测试样本，并衍生出Code Arena、Image Arena等专项竞技场 [14] 平台影响力与行业认可 - 平台已成为行业默认的“试金石”，几乎所有头部模型厂商均已接入，包括OpenAI、Anthropic、Google、Meta、DeepSeek等 [19] - 头部公司主动将未公开发布的新品（如Google的Gemini 2.5 Flash Image）接入平台进行内测 [9][10][19] - 2025年8月，匿名模型“nano-banana”在图像编辑竞技场累计获得超500万次社区投票，其中直接胜出票达250万张，带动平台当月访问量增长10倍，月活突破300万，后该模型被证实为Google的Gemini 2.5 Flash Image [9][10] - 在2025年11月的中文榜单中，国产大模型实现对国际模型的系统性反超，前十名中占据八席 [15] 商业模式演进与商业化路径 - 公司业务从免费的公共竞技场，演进至提供B端定制化评测服务，标志着AI评测赛道加速商业化 [17][21] - B端产品“AI Evaluations”允许企业在私有、脱敏数据环境中测试模型，评估模型在听话、合规、多步任务等方面的表现 [21] - 公司计划利用平台积累的数千万条人类偏好数据，训练自己的RLHF模型，使评测结果能反向参与模型优化，嵌入模型研发链条 [21] 面临的争议与挑战 - 众包模式被批评“不够专业”、“易被操纵”，用户投票可能受答案长度、风格（如使用emoji）、格式美观度影响，而非正确性或有用性 [3][22][23][24] - 有抽查数据显示，在500组投票中，52%的获胜回答包含事实错误，39%的投票结果与事实严重不符 [24] - Meta曾为其Llama 4系列模型提交36个私有变体在平台反复测试“刷分”，针对投票偏好进行优化，其实验性对话模型曾冲至总榜第二，但公开版仅排第32名 [25] - 资源充足的科技巨头可能通过反复测试来“刷分”，这重现了行业试图摆脱的“应试准备”问题 [26] 行业竞争与评估范式演进 - 针对众包模式的争议催生了新的竞争形态，例如Scale AI推出由律师、教授等专业人士直接打分的“Seal Showdown”服务 [28] - 评测范式向更垂直化、实战化方向外扩，例如出现让模型在模拟加密市场环境中进行交易对决，以收益定胜负的产品 [29] - 行业对模型评估的理解正走向更深入、更多维的阶段，强调更深度的专家标注和更接近真实世界的挑战任务 [29][30]

全球AI市场增长与投资背景 - AI市场规模预计将从2025年的2440亿美元增至2030年的8270亿美元，2020-2030年复合年增长率达24% [1][15] - 2024年全球云计算市场规模达6929亿美元，同比增速20.3%，预计2030年将接近2万亿美元，AI模型训练显著拉动云计算需求 [2][16] 技术发展现状：从工具到智能体 - AI技术正经历从“工具”到“智能体”的重大转变，2025年3月至6月智能体AI生态系统进入成熟期 [1][16] - Gartner预测到2028年企业应用中代理型AI的使用比例将大幅增长 [1][16] - 大语言模型发展迅速，2025年GPT-4.5、DeepSeek-R1、Qwen3等新一代模型亮相，性能更强、开放性更高、多任务适应性更优 [4][18] - 2025年7月底AI大模型Token总使用量达到3.41T，相较年初增长近10倍 [4][18] 应用场景落地：内容创作与营销成效显著 - AI技术应用效果最明显的场景集中在内容制作与生成领域，包括文本、图片、视频、音乐、编程和语音 [6][20] - 生成式AI在代码编辑、企业级搜索与知识管理、设计协作等方面应用广泛 [6][20] - 2025年上半年全球生成式AI应用下载量接近17亿次，应用内购买收入高达近19亿美元 [8][22] - 2025年上半年生成式AI应用总使用时长达到156亿小时，相当于日均超过8600万小时 [8][22] - 使用AI工具进行图片、视频制作的用户占比从25.6%上升至31% [9][23] - AI对漫剧生产带来革命性变化，2025年上半年漫剧供给量月复合增长率高达83%，制作周期缩短80%-90%，制作成本降低70%-90% [9][23] 投资逻辑转变：从追求增收到关注降本增效 - 当前AI应用场景更多体现在降本增效而非直接创收，投资逻辑需调整至关注AI如何通过提升效率重构传统业务价值链 [9][23] - 短视频与自媒体内容增长提升了用户画像丰富度，强化了标签，使得流量转化ROI显著提升 [9][23] - 多邻国通过AI生成扩大课程种类，2025年第二季度营收同比增长41%至2.52亿美元，净利润增长84%，其高端AI套餐带来6%的单用户平均收入增长 [10][24] 具体投资方向分析 - **内容创作与流量平台**：抖音、快手、B站等平台大力投入AI技术，字节跳动以豆包大模型为核心技术底座，快手磁力引擎上线AIGC产品工具 [11][25] - **内容创作与流量平台**：2025年10月抖音、微博、快手平台AI插件月活跃用户规模超三千万 [11][25] - **营销产业升级**：AI技术推动营销从“执行工具”到“决策主体”变迁，蓝色光标2025年前三季度AI驱动业务收入达24.7亿元，同比增长85.53% [11][25] - **营销产业升级**：Meta的ASC系统可一次生成多达150个创意组合，2025年第二季度美国市场生成式AI应用数字广告支出超过2亿美元，相比2024年同期增长一倍多 [11][25] - **垂直行业应用**：Stack Overflow调查发现82%的开发人员使用AI工具编写代码，AI可将开发人员工作效率提高126% [12][26] - **垂直行业应用**：游戏领域AI技术在研发环节的应用率已达86.36% [12][26] - **垂直行业应用**：医疗健康领域Tempus AI的“Next”平台在全美超过80家医院使用，每月为超过44000名患者进行筛查 [12][26] 投资关注公司与政策支持 - 投资者可关注快手、Bilibili、美图、腾讯音乐、蓝色光标、恺英网络等积极应用AI技术的公司 [15][29] - 2025年8月国务院发布《关于深入实施“人工智能+”行动的意见》，支持AI与经济社会各行业各领域深度融合 [15][29]

文章核心观点 - 清华大学主办的AGI-Next前沿峰会汇集了中国AI领域的核心人物，包括智谱AI唐杰、Kimi杨植麟、阿里林俊旸和腾讯姚顺雨，共同探讨了通用人工智能（AGI）的当前进展与未来范式转变 [2][4][6] - 行业共识认为，以Chat为代表的对话模型时代已基本结束，AI发展的下一步核心是“从对话走向做事”，即让AI具备执行具体任务的能力，特别是通过智能体（Agent）和编码（Coding）来提升生产力 [6][12] - 中国在开源大模型领域已形成显著影响力，但在整体AI赛道上实现反超仍面临巨大挑战，需要持续在技术创新、新范式探索上投入 [6][19] 大模型发展轨迹与能力演进 - 大模型智能水平发展轨迹类似人类成长：2020年前后解决简单问答，2021-2022年进入数学计算和基础推理，2023-2024年走向复杂推理并能处理研究生层级问题，在真实世界编程任务中表现出可用性 [9] - 模型能力正从知识记忆走向复杂推理，并开始通过人类终极测试（HLE）等极高难度基准的检验，2025年模型整体能力仍在快速提升 [9][10][11] - 代码能力是典型进步领域：从2021年模型写十个程序才能跑通一个，发展到如今在复杂任务中往往可以一次性跑通，能实质性地辅助高级工程师 [12] 下一代范式：从Chat到Agent - DeepSeek的出现标志着Chat这一代问题基本被解决，优化空间正在迅速收敛，行业需要思考新范式 [12] - 新范式的核心是让AI完成具体事情，主要思路有两条：一是强化思考（Thinking）能力，结合编码与智能体；二是让模型更深度地与环境交互 [12] - 智谱AI优先选择了强化思考能力并引入编码场景的路径，通过整合编码、智能体和推理能力，并在真实环境中通过可验证强化学习（RLVR）来提升模型稳定性 [13][14] - 智能体（Agent）的基础能力可理解为编程，但更复杂的任务涉及几十步、上百步的异步超长链路，需要AI具备设备使用层面的能力 [15][16] 技术挑战与解决方案 - 可验证强化学习（RLVR）的挑战在于可验证场景（如数学、编程）正逐渐耗尽，需探索如何进入半自动或不可验证的任务空间 [11] - 训练体系挑战：强化学习任务种类多样，序列长度和时间尺度差异大，智谱AI开发了全异步强化学习训练框架以实现不同任务的并行运行与动态收敛 [15] - 冷启动问题：许多应用场景几乎没有现成数据，解决方案是采用API与GUI操作的混合方案，在真实环境中采集交互数据并进行全异步强化学习 [16] - 能力平衡问题：在9B规模模型上引入大量智能体数据后，其智能体能力显著增强，但部分通用语言和推理能力会下降，未来需解决在强化智能体能力的同时避免损害通用能力的问题 [18] 未来突破方向与行业思考 - 多模态：建立类似人类视觉、听觉、触觉的原生多模态“感统”机制是关键方向 [21] - 记忆与持续学习：如何将个体记忆扩展到群体级、文明级的记忆结构，并纳入模型可持续学习框架 [22] - 反思与自我认知能力：学界存在分歧，但值得探索，可能参考人类双系统认知（系统一与系统二）并引入“自学习”模块 [23] - 继续Scaling的三个维度：Scaling数据与模型规模以提升智能上限；Scaling推理以延长思考时间；Scaling自学习环境以增加与外界交互的机会 [24] - 需要寻找超越单纯Scaling的新范式，让机器能独立定义奖励函数、交互方法甚至训练任务来进行Scaling [24] 智谱AI（唐杰）的实践与展望 - 公司发展源于2019年在清华的成果转化，长期专注于两件事：早年做AMiner以及当前的大模型 [8] - 2025年是GLM模型的开源年，从1月到12月陆续开源了多条模型线，涵盖语言模型、智能体及多模态模型 [19] - 在Artificial Analysis榜单上，前五名中的蓝色模型几乎全部来自中国，显示中国在开源大模型领域的影响力 [19] - 2026年及以后的三个重点方向：继续Scaling但需区分已知路径与探索未知新范式；推进全新模型架构探索以解决超长上下文、高效知识压缩等问题；将多模态感统作为重点方向，以执行长链路、长时效的真实任务 [27] - 判断2025年很可能成为AI for Science的重要突破年份 [28] Kimi（杨植麟）的技术路径与世界观 - 大模型发展的第一性原理是Scaling Law，即把能源转化为智能，拥有更多算力、数据、参数可使模型损失（loss）线性下降 [30][32] - Transformer成为主流架构的核心原因是在Scaling Law上表现优于LSTM，能用更少的FLOPs或参数获得更好的Scaling效果 [33] - 优化围绕两个核心维度：Token效率（用尽可能少的Token获得相同效果）和长上下文（Long Context）能力，两者结合可实现优秀的智能体智能 [35][36] - 公司采用了MUON优化器（一种二阶优化器），相比传统Adam优化器能带来2倍的Token效率提升，相当于用50%的数据达到相同的测试损失，或用相同数据获得更低的损失 [36][38] - 最新研究的kimi Linear架构是一种新的线性注意力机制，旨在长程任务上效果优于全注意力机制，同时端到端速度有显著优势（如100万上下文下快6到10倍） [44][45] - 做模型的本质是在创造一种世界观，追求智能的“品位”（Taste），智能具有不可交换性，不同领域产生的智能不同，因此模型不会趋同，存在指数级的Taste空间 [47] 阿里千问（林俊旸）的进展与多模态探索 - 公司目标从通用模型（Generalist model）转向通用智能体（Generalist Agent），强调AI应像人一样自主使用工具 [53] - 2025年文本模型（Qwen3系列）的主要特点是总体能力提升，特别是推理能力增强，并支持119种语言及方言 [58][59] - 在编码（Coding）能力上，重点从解竞赛题转向软件工程，关注在真实环境中完成多轮交互的复杂任务，在SWE-bench等基准上取得高分（如70分） [61][62][64] - 坚信智能体天然应该是多模态的，致力于构建统一理解与生成的多模态基础模型 [55][56] - 在视觉语言模型上取得进展，使模型在拥有视觉理解能力的同时，语言智力不降低，与其235B纯文本模型能力持平 [65] - 在图像生成方面，从2025年8月到12月，生成图像的真实感显著提升，从“AI感重”到“接近真人”，并具备准确的图像编辑能力 [68][70] - 在语音模型上，开发了能听能说的Omni模型，其文本能力可达Qwen2.5水平，语音能力对标Qwen2.5 Pro水平 [71] - 未来方向包括构建全模态模型（理解并生成文本、视觉、音频），以及利用环境反馈进行多轮强化学习以实现长视野推理 [72][73][74] 行业路线分化观察 - 观察到to C和to B市场发生明显分化：对to C而言，大部分人大部分时候不需要用到那么强的智能，更多是搜索引擎的加强版；对to B而言，智能越高代表生产力越高，价值越大，用户愿意为最强模型支付溢价 [82][83] - 观察到垂直整合与模型应用分层出现分化：在to C应用上，模型与产品强耦合的垂直整合依然成立；但在to B场景，趋势似乎是模型越来越强，同时有许多应用层产品利用这些模型服务于不同生产力环节 [84] - 大公司做编码智能体的一个潜在优势是能利用自身庞大的内部应用场景和真实世界数据来改进模型，这不同于依赖有限标注商的创业公司 [85][86] - 中美市场存在差异：在美国，编码消耗量非常大；而在中国，这一现象尚不明显 [87] - 学术界与工业界存在分化：工业界领头狂奔，学术界需要跟上，解决工业界未及深入的理论问题，如智能上界、资源分配、持续学习中的噪音清理（类似人类睡眠机制）等 [88][89] - 对话模型替代搜索的战役在DeepSeek出现后已基本结束，行业需要寻找下一战，即让AI真正做事 [91] 关于自主学习（Self-Learning） - 自主学习是当前热门共识，但每个人对其定义和看法不同，它更关乎在何种场景下基于何种奖励函数执行何种任务，而非单一方法论 [93] - 自主学习已在多种场景下发生：例如ChatGPT利用用户数据弥合聊天风格，Claude编写自身项目95%的代码以帮助自己变得更好 [94] - 当前AI系统通常由模型和如何使用模型的代码库两部分组成，自主学习正在这些特定场景下渐变式发生，2025年已能看到信号，例如Cursor每几个小时就用最新用户数据学习 [94][95]

研究背景与作者 - 研究由知名开源项目OpenEvolve的作者Asankhaya Sharma及其团队进行，该作者在AI/ML领域有显著成就，包括率先关注大语言模型的“推理时计算”并发表论文，以及开源了OptiLLM、OpenEvolve、Adaptive Classifier等知名项目 [7][8] 核心发现：模型“形状”比架构更重要 - 对于约70M参数的小模型，架构的重要性远低于普遍想象，相比之下，模型的“形状”（即深度与宽度的比例）更为关键 [1] - 在70M参数模型范围内，测试了包括LLaMA3、Qwen3、Gemma3在内的12种不同现代架构，发现它们的平均性能差异不到2%，表现惊人地相似 [26] - 现代架构的改进（如RMSNorm、RoPE、GQA）是为70亿以上参数的模型设计的，在70M参数规模下无法带来可衡量的优势 [27] - 这意味着对于小模型，精心调整的“深度-宽度配比”比选择具体的架构变体更重要 [27] 层数“玄学”与隐藏维度的关键作用 - 研究发现模型层数存在“玄学”：12层、32层、64层效果良好，而16层、24层、48层效果糟糕，其中最佳层数为32层 [2][15] - 效果“好”的层级（12L、32L、64L）平均得分约38%，效果“糟”的层级（16L、24L、48L）平均得分约32%，两个层级阵营之间的平均差距超过6个百分点 [15][16] - 这一现象背后的关键因素是“隐藏维度”，模型的隐藏维度必须大于或等于512，这是一个基础门槛 [3][18] - 当隐藏维度小于512时，模型性能会显著下降，除非其深度处于特定的“补偿”位置 [20] - 32层是“黄金补偿点”，在隐藏维度为384的情况下，32层配置取得了所有测试配置中的最高平均得分38.50%，甚至略胜于标准的12层设计（隐藏维度512，得分38.15%） [16][20][23] - 64层则属于“暴力补偿”，通过极深的层数来弥补宽度（隐藏维度256）的不足，从而也取得了约38.21%的高分 [20][16] 扩散模型的竞争优势 - 在测试的架构中，扩散模型（如dLLM, Dhara）的平均准确率（约31%-32%）略低于自回归模型（约32%-33%） [28][29] - 但扩散模型在推理速度和事实准确性（幻觉率低）方面具有显著优势 [30] - 扩散模型的推理速度比传统自回归模型快3.8倍，非常适合批量任务处理 [31] - 在所有测试架构中，扩散模型在衡量真实性的TruthfulQA基准上得分最高，dLLM-Canon模型达到了49.27% [33][34] - 通过一种称为“Canon层”（一种精心设计的卷积层）的特殊结构，可以进一步提升模型的事实准确性，为普通模型提升约1%，为扩散模型提升超过2%，而参数开销仅增加0.13% [35][36] 高效模型转换方法与新模型发布 - 利用LLaDA 2.0论文中的Warmup-Stable-Decay方法，可以将现有的自回归模型高效转换为扩散模型，所需数据量、成本和训练时间仅为从头训练的十分之一 [38][39] - 这种转换方法不仅结果与从头训练相当，而且在多项基准测试上超越了后者 [39] - 基于所有研究发现，团队推出了集大成的Dhara-70M模型，该模型参数为71.34M，采用32层（黄金深度）和384隐藏维度的最佳形状配置 [41][44] - Dhara-70M的构建方法是：首先采用最佳的自回归架构，然后使用WSD方法将其转换为扩散模型，从而兼具自回归模型的知识储备和扩散模型的吞吐量与事实性优势 [42][43] 对小模型构建者的实践启示 - 对于资源有限的小语言模型构建者，不应盲目追求最新的架构改进，而应首先关注基础的“深度-宽度配比”，确保模型不落入性能低下的“死亡区域” [45] - 如果应用场景需要高速处理且对事实准确性要求高，那么扩散模型是一个极具竞争力的选择 [45]

清华大学AGI-Next前沿峰会核心观点 - 峰会由清华大学基础模型北京市重点实验室发起，汇聚了智谱、Kimi、阿里等中国AI领域核心公司的领军人物，信息密度极高[1][4][5] - 核心讨论围绕大模型技术发展轨迹、当前范式转变（从Chat到做事）、未来AGI发展方向以及中美竞争格局展开[7][54] 大模型技术发展轨迹与范式转变 - 大模型智能水平发展轨迹类似人类成长：2020年前后解决简单问题，2021-2022年进入数学计算和基础推理，2023-2024年走向复杂推理并处理真实世界任务（如SWE-bench）[18][19] - 2025年模型整体能力仍在快速提升，但核心问题是从规模扩展（Scaling）走向真正的泛化能力[21][22][25] - DeepSeek的出现标志着“Chat”范式基本结束，行业共识是下一步从“对话”走向“做事”，让AI完成具体任务[7][32][33][34] - 智谱AI在2025年7月28日发布的4.5版本中，整合了Coding、Agentic和Reasoning能力，在12个Benchmark评测中取得领先，但面对真实复杂任务（如一句话生成植物大战僵尸游戏）仍频繁出Bug[37][38][39] - 通过引入可验证强化学习（RLVR）在真实编程和Web环境中获取反馈，智谱AI的模型在SWE-bench等评测中成绩提升，并于2025年底在ArtificialAnalysis榜单取得不错综合成绩[39][40][41][43] 智能体（Agent）与编程（Coding）能力发展 - 智能体的基础能力是编程，但复杂任务（如数十步、上百步的异步长链路任务）需要全新的能力形态[44][45] - 面对冷启动问题（缺乏现成数据），行业采用混合方案：对AI友好场景优先调用API，对人友好场景让AI模拟GUI操作，通过采集交互数据进行全异步强化学习[46][47] - 智谱AI在2025年12月开源了9B规模的AutoGLM模型，该模型在Agent任务上能力显著增强，但部分通用语言能力下降，显示出强化特定能力与保持通用性之间的权衡[51] - 代码能力发生质变：2021年模型写十个程序才能跑通一个，如今在复杂任务中往往可以一次性跑通，实质性辅助高级工程师工作[30][31] - 阿里通义千问在2025年专注于打造通用智能体（Generalist Agent），其Coding模型在SWE-bench评测中达到70分，并关注贴近实际生产任务[123][141][142][144] 模型架构与训练技术的创新 - Transformer成为主流架构的核心原因是在Scaling Law上表现优于LSTM，尤其是在长上下文（Long Context）场景下[94][95][97] - 模型架构迭代的目标是追求更高的Token效率（用更少的Token达到相同效果）和更强的长上下文能力，这两者是实现优秀Agent智能的关键[96][98][99][100] - Kimi团队在2025年采用MUON二阶优化器，相比传统的Adam优化器，实现了2倍的Token效率提升，相当于用50%的数据达到相同的Test Loss[100][102] - Kimi团队研发了kimi Linear架构（一种线性注意力机制）和kimi Delta Attention，旨在实现线性复杂度的同时，在长短程任务上的效果超越原始Transformer全注意力机制，并带来6到10倍的端到端速度优势[101][110][112][115] - 训练体系面临挑战，智谱AI开发了全异步强化学习训练框架来解决不同RL任务调度难题，并于2025年开源[41] 未来AGI发展方向与挑战 - 人类领先于当前模型的几类能力可能是突破方向：1) 原生多模态感统机制；2) 记忆与持续学习（从个体记忆扩展到文明级记忆）；3) 反思与自我认知能力[57][59][61][63][64] - 参考人类双系统认知（系统一处理95%任务，系统二处理5%复杂任务），AI系统可规划为系统一（大规模模型）、系统二（推理机制）和自学习模块[65][66][67][68] - 未来的Scaling包含三个维度：1) 扩展数据与模型规模；2) 扩展推理（延长思考时间）；3) 扩展自学习环境（增加与外界交互反馈）[74][75][76][77] - Transformer的O(N²)计算复杂度是瓶颈，需要寻找像人脑一样用更小“容量”承载更大知识量的新压缩方法和模型架构[78][79][80] - 行业思考的五层能力演进：从函数映射，到学会推理，再到具备自反思与自学习能力，最终可能发展出自我认知甚至意识[83][84][85][86][87] - 2026年及以后的重点方向包括：区分已知路径与未知路径的Scaling、推进全新模型架构解决超长上下文和知识压缩、重点发展多模态感统能力，并判断2025年可能成为AI for Science的重要突破年份[89] 中美竞争格局与行业分化 - 在Artificial Analysis榜单前五名中，蓝色模型几乎全部来自中国，说明中国在开源大模型领域已形成显著影响力[53] - 阿里通义林俊旸认为，中国想在AI赛道反超美国很难，20%这个数字已经很乐观[7] - 行业出现明显分化：1) to C 和 to B 市场分化。to C用户大部分时候不需要那么强的智能，而to B市场智能直接等同于生产力，用户愿意为最强模型支付高溢价（例如200美元/月 vs 50美元/月）[170][173][175][176] - 2) 垂直整合与模型应用分层出现分化。to C应用（如ChatGPT、豆包）模型与产品强耦合，垂直整合成立；但to B场景趋势相反，强大的模型层与专注应用层的公司可能各司其职[170][176] - 学术界与工业界需要协同：工业界领头疯跑后，学术界应跟进解决基础科学问题，如智能上界、资源分配平衡、持续学习中的噪音清理（类似人类睡眠机制）、以及“无免费午餐定理”等[182][183][184][185] - 腾讯姚顺雨指出，做Coding Agent消耗量在中国没有美国那么大，市场认知存在差异[181] 开源生态与公司实践 - 智谱AI自2019年成立以来持续推动开源，涵盖模型、工具和开发者API体系，2025年成为GLM的“开源年”，陆续开源了包括GLM-4.6、4.6V、4.5V等多条模型线[9][10][52] - 阿里通义自2023年8月3日开始做开源，开源了从1.8B到大规模模型等多种型号，初衷包括帮助资源有限的硕士生、博士生完成实验毕业，并响应手机厂商等客户需求[125][126][127][128] - 阿里通义在2025年支持119种语言及方言，并致力于服务全球用户，包括收集难度较大的非洲语言数据[136][137] - 阿里通义在2025年推出Qwen3系列模型，重点提升推理（reasoning）能力，并致力于打造全模态模型，集成文本、视觉、语音的理解与生成能力[134][135][158][159] - 阿里通义的视觉模型（VL）在2025年达到与235B语言模型持平的智力水平，解决了多模态模型常伴有的“变笨”问题，并增强了GUI操作、视觉推理等能力[145][147][148] - 阿里通义的图像生成模型Qwen-Image在2025年12月的版本相比8月版本有显著提升，生成图像更接近真人，并重点优化了图像编辑功能（如精确对象移除、光线调整）[152][153][154]

行业趋势：中国AI模型在全球舞台崛起 - 在2026年CES英伟达主旨演讲中，中国大模型Kimi K2、DeepSeek V3.2及Qwen位列全球开源大模型前列，性能逼近闭源模型，标志着中国AI的高光时刻[1] - 在权威评测中，中国开源模型表现强势，例如在Nathan Lambert与Florian Brand发布的「2025年度开源模型回顾」中，DeepSeek、Qwen和Kimi包揽Top 3[26] - 中国AI模型的国际影响力与落地应用加速，例如OpenAI前CTO的新产品Thinker官宣接入Kimi K2 Thinking，其技术实力正被全球核心圈层接纳[24] 技术架构：MoE（混合专家）成为主流 - 自2025年以来，超过60%的开源AI采用了MoE架构，该架构自2023年初推动LLM智能水平提升近70倍[16] - 在权威机构Artificial Analysis排行榜上，最智能的TOP 10开源模型全部采用MoE结构[16] - DeepSeek-R1、Qwen3和Kimi K2代表MoE路线下顶级规模的尝试，仅需激活少量参数，大幅减少计算量和HBM显存带宽压力[2] 性能突破：推理性能与成本实现指数级优化 - 在英伟达下一代Rubin架构暴力加成下，Kimi K2 Thinking推理吞吐量直接飙升10倍，token成本暴降到原来的1/10[4] - 在SemiAnalysis InferenceMax测试中，DeepSeek-R1将每百万token的成本降低10倍以上，Mistral Large 3同样获得十倍加速[12] - 实测显示，Kimi K2 Thinking在GB200 NVL72上性能可以暴增10倍[9]，这种降本增效宣告AI推理即将进入真正的「平价时代」[6] 模型能力：中国模型展现独特技术优势 - Kimi K2 Thinking在Anthropic的严苛行为基准测试中，凭借极低的被误导率，摘得「表现最佳的非美国模型」桂冠[21] - Kimi K2 Thinking支持「数百步稳定工具调用」，并通过开源模型实现「交错思考」，标志着模型逻辑链条的进一步成熟[34] - 中国模型正从追求基准测试高分转向提升实际体验，例如Qwen从「冲榜」闻名进化为优质模型，K2 Thinking原生采用4bit精度以更高效支持长序列RL扩展[32] 竞争格局：开源模型对闭源巨头形成压力 - 中国实验室正以惊人速度发布模型，大幅压缩了最强闭源模型与开源之间的代差，「更早发布」成为一种巨大的先发优势[31] - 开源模型的激增让美国闭源实验室倍感压力，仅靠基准测试分数已无法解释「为什么付费更好」[35] - 中国模型在全球市场的「心智份额」正切走越来越大的一块蛋糕，DeepSeek、Qwen和Kimi已成为东方技术实力的代表品牌[33][35] 算力需求：模型规模与计算需求持续暴涨 - 在计算需求暴涨的背景下，480B的Qwen3和1TB的Kimi K2成为代表性模型，验证了参数规模每年以十倍量级scaling[6] - 如此巨大规模的MoE模型单GPU无法部署，而英伟达GB200 NVL72能破解这一难题[16] - DeepSeek R1和Kimi K2 Thinking的实测结果，证明了英伟达Blackwell超算性能的强大[19]

文章核心观点 - 卡内基梅隆大学的研究表明，在检索增强生成系统中，扩大检索语料规模可以有效提升系统性能，并且可以在一定程度上替代扩大生成模型参数所带来的收益，为在有限算力下提升RAG系统提供了更具性价比的路径[4][22] - 研究揭示了语料扩容带来的性能提升主要源于提高了答案证据被检索到的覆盖率，而非显著增强了模型利用证据的能力[15][19] - 研究指出，语料扩容的收益存在边际递减现象，尤其是在语料规模达到较高水平后，继续无上限扩容并不划算，需要结合成本进行精细的预算分配[4][13] 实验设计与方法 - 研究采用全因子设计，严格控制变量，仅让检索语料规模和生成模型规模变化，其余设置保持一致[8] - 检索语料使用ClueWeb22-A英文子集，总计包含约2.64亿真实网页文档，并随机均衡切分为12个分片，通过激活不同数量的分片来控制语料规模[9] - 生成端选用Qwen3模型家族的不同尺寸，覆盖从0.6B到14B的参数规模，并在三个开放域问答基准上进行评测[9] 关键发现：语料规模与模型规模的替代关系 - 实验结果显示明确的补偿效应：通过扩大检索语料，较小规模的模型可以达到甚至超过更大模型在较小语料下的表现[10] - 研究定义了“补偿阈值”，即小模型需要多少倍语料才能追平大模型在1个分片下的成绩。例如，在Natural Questions数据集上，0.6B模型需要约5倍语料才能追平1.7B模型在1个分片下的表现[11][12] - 这种追平趋势在TriviaQA与WebQuestions数据集上同样存在，表明语料扩容在多数设置下都能将性能缺口缩小一个甚至两个模型档位[12] 性能增长形态与工程启示 - 性能提升曲线呈现共同规律：从无检索到有检索的第一步带来最显著的提升，随后收益逐步下降，并在约5到6倍语料规模附近出现饱和趋势[13] - 对于工程实践，这意味着检索能力的从无到有带来最大增益，但在较高语料规模处继续无上限扩容的性价比不高[13] - 当推理资源受限时，优先考虑扩大检索语料与提升覆盖率，常常能让中等规模生成模型达到接近更大模型的表现[20] 性能提升的机制解释 - 语料扩容提升性能的核心机制是提高了检索到包含标准答案字符串的证据片段的概率，即提高了“黄金答案覆盖率”[16] - 研究定义了“上下文受益成功率”和“利用率”指标，实验显示，不同模型将可用证据转化为正确答案的效率整体相近且在不同语料规模下保持稳定[19] - 因此，语料扩容带来的关键收益主要体现在提高含答案证据进入上下文的概率，而非显著提升模型对既有上下文的利用能力[19][22]

全球AI产业现状与利润结构 - 当前AI产业利润分配严重失衡，英伟达攫取市场近九成利润，下游应用开发和模型训练企业面临天价算力成本且难以盈利，导致“头重脚轻”的利润结构，影响生态健康循环[3] - 企业生成式AI（GenAI）支出从2024年的115亿美元跃升至2025年的370亿美元，年增长约3.2倍，约占全球SaaS市场6%[3] - 过去6个月AI产业迭代速度远超去年，正处于技术周期关键拐点，核心趋势是模态融合，多模态调用量占比持续攀升，生图、生视频能力增长迅猛[3] AI应用市场增长与商业化梯队 - C端应用增长显著，2025年全球用户在ChatGPT移动应用上的支出约为24.8亿美元，较2024年的4.87亿美元同比增长408%，从推出到达到30亿美元消费者支出仅用31个月，速度快于TikTok（58个月）、Disney+（42个月）和HBO Max（46个月）[4] - 全球AI应用商业化形成清晰梯队：第一梯队由通用大模型主导，OpenAI以100亿美元年度经常性收入（ARR）位居全球第一，2023-2025年预期收入复合增长率（CAGR）达260%，其核心产品ChatGPT贡献超60%收入；Anthropic以40亿美元ARR位列第二，2024年底至2025年7月收入增长3倍，但以B端API调用为主（占比70%-75%）[5] - 国内应用处于第二梯队（ARR 1-10亿元），垂类应用（如AI编程、多模态、AI搜索）因场景明确、降本效果显著成为商业化主力[5] - 从7月到11月，超过200款AI应用面世，其中AI应用插件、PC网页端、AI原生APP占比分别为81.5%、10.7%、7.8%；应用方向以AI图像处理（24.9%）、AI专业顾问（18.5%）、AI效率办公（6.8%）、AI社交互动（5.9%）、AI文案写作（5.9%）为主[6] 中美AI应用发展与收入差距 - 在全球前50个生成式AI App中，有22个产品由中国团队开发，但仅3个主要在中国使用，中国公司如美图（贡献5个产品）和字节跳动（拥有豆包、Cici、Gauth、Hypic等）是重要参与者[8] - 字节跳动旗下产品Dola（豆包海外版）和DeepSeek分别以4700万和3900万月活跃用户（MAU）位列全球第四和第五[6] - 中美AI应用收入存在十倍乃至百倍的差距，主要原因是美国市场拥有成熟的软件付费生态，用户更愿意为闭源软件长期付费，且美国科技巨头（如OpenAI、Google）聚焦通用智能底层探索，谷歌、微软、AWS形成了从芯片、框架到云服务的全栈闭环[8] AI技术发展重点与趋势 - 行业核心变化是从“概念炒作”进入“价值兑现”，不再单纯卷模型能力，而是关注成本效率、推理能力与用户体验[9] - 具体表现为：DeepSeek以极致成本效率击穿算力与规模神话；GPT-5将“推理”从能力升级为系统能力；Gemini 3证明顶级模型竞争持续；Qwen3在开源生态中持续扩张；AIGC（图像、视频生成）从“展示能力”走向被用户大量使用[9] - 大模型成本快速下降，例如GPT-4成本从60美元/百万token降至GPT-5.1的1.25美元，国产模型GLM-4.6成本更压至0.3美元/百万token[20] AI Agent（智能体）的落地现状与挑战 - Agent落地应用的最大障碍已从成本问题转变为“质量”问题，即如何输出可靠、准确的内容[11] - 质量挑战具体指Agent的准确性、相关性、输出一致性，以及维持适切语调、遵循品牌或政策规范的能力，有三分之一的受访者视其为主要瓶颈；延迟是第二大挑战，占比20%[13] - 大型企业（万人以上）在Agent部署上领先，67%已投入生产，24%正在积极开发；百人以下小公司该比例分别为50%和36%[11] - 目前Agent应用主要限于编程和客服等高人力成本场景，降本效果显著但增收不够明显[14] AI在具体行业的落地应用与案例 - AI SaaS企业通过满足中小商家未被满足的需求实现商业化，例如筷子科技通过智能体和托管服务，以GMV抽佣方式服务预算有限的品牌商家[14] - 具体案例：广州市一家汽车美容店使用AI工具，半小时内生成100多条个性化视频，新客源在一周内同比增加50%，获客成本远低于传统模式[14] - AI落地不是全流程颠覆，而是技术与产业需求逐步校准磨合的过程，企业应聚焦“小切口、高适配、高收益”的场景[15] AI动漫（漫剧）赛道机遇与现状 - AI动漫赛道受资本市场看好，2025年10月底多家头部券商发布研报看好该赛道，视频平台（芒果、抖音、B站等）和内容公司（如阅文集团）竞相入场[16] - AI动态漫制作成本大幅下降，单分钟生成成本从纯人工时期的数万元压缩至千元以内（最低600-700元），整部作品制作成本降至5万-10万元，仅为传统动态漫的10%-30%[17] - 该赛道盈利能力显现，AI漫剧的全域经营投流投资回报率（ROI）普遍达到1.1-1.8倍[16] - 行业马太效应明显，2025年6-8月数据显示，累计播放量破千万的漫剧仅占12%，而64%的作品播放量不足100万；一部播放量破千万的付费AI漫剧净利润可达20万至30万元[19] 对普通人与创业者的启示 - 当前AI应用已到“傻瓜级应用级别”，普通人可通过提示词和内容调试使用，但成功关键在于理解业务场景而非单纯技术[16] - 对于AI动漫创业，操作流程（选择故事脚本、确认风格与分镜、生成画面、剪辑视频）已趋于简化，但核心竞争力仍在于题材新奇和故事好，需要导演与编剧思维[18][19] - 固定价格的端侧设备能运行的AI模型参数量每88天翻一番，成本降低与性能提升是必然趋势[20] - AI+的关键在于增效而不仅是降本，应选择有增长潜力的行业而非夕阳行业进行应用[20]

全球AI产业利润结构与市场增长 - 当前AI产业利润分配严重失衡，英伟达攫取市场近九成利润，导致下游应用开发和模型训练企业面临高昂算力成本且难以盈利，这种“头重脚轻”的结构影响了生态健康循环[4] - 企业生成式AI支出正经历爆发式增长，从2024年的115亿美元跃升至2025年的370亿美元，年增长约3.2倍，占全球SaaS市场约6%[4] - 过去6个月AI产业迭代速度远超去年，技术周期处于关键拐点，核心趋势从去年以LLM单模态为主转向今年多模态调用量占比持续攀升，生图、生视频能力增长迅猛[4] AI应用市场增长与商业化梯队 - C端AI应用增长显著，ChatGPT移动应用2025年用户支出约24.8亿美元，较2024年的4.87亿美元同比增长408%，其达到30亿美元消费者支出仅用31个月，速度快于TikTok的58个月及主流流媒体平台[5] - 全球AI应用商业化形成清晰梯队：第一梯队由通用大模型主导，OpenAI以100亿美元年度经常性收入位居全球第一，2023-2025年预期收入复合增长率达260%，其超60%收入由C端产品ChatGPT贡献；Anthropic以40亿美元ARR位列第二，收入以B端API调用为主（占比70%-75%）[6] - 中国AI应用目前处于第二梯队（ARR 1-10亿元），垂类应用是商业化主力，在AI编程、多模态、AI搜索等领域落地最快[6] - 从7月到11月，超过200款AI应用面世，其中AI应用插件、PC网页端、AI原生APP占比分别为81.5%、10.7%、7.8%，应用方向以AI图像处理（24.9%）、AI专业顾问（18.5%）等垂直场景为主[7] 中美AI应用生态与收入差距 - 在全球前50个生成式AI App中，有22个产品由中国团队开发，但仅3个主要在中国使用，中国应用如字节跳动的Dola（豆包海外版）和DeepSeek分别以4700万和3900万月活跃用户位列全球第四和第五[7][10] - 中美AI应用收入存在十倍乃至百倍的差距，主要源于美国市场拥有成熟的软件付费生态，用户更愿为闭源软件长期付费，且美国科技巨头构建了从芯片、框架到云服务的全栈闭环生态[10] AI技术发展从概念到价值兑现 - 2025年AI行业核心变化是从“概念炒作”进入“价值兑现”，不再单纯追求模型能力，而是聚焦成本效率、推理能力优化与AIGC的实际应用[11][12] - 例如，DeepSeek以极致成本效率突破算力与规模限制，GPT-5将“推理”升级为系统能力，Gemini 3证明顶级模型竞争持续，Qwen3在开源生态中持续扩张[12] - AIGC全面爆发，图像、视频生成从“展示能力”走向“被用户大量使用”[12] AI Agent的落地挑战与应用现状 - AI Agent实际投产的最大障碍已从成本问题转向“质量”问题，包括输出内容的准确性、相关性、一致性及遵循规范的能力，三分之一的受访者视其为主要瓶颈[14][16] - 延迟是第二大挑战，占比20%，在客服或代码生成等实时交互场景中影响用户体验[16] - 目前Agent应用主要限于编程和客服等高人力成本场景，降本效果显著但增收不够明显，在招聘领域已成为必备技能要求[17] - 大型企业（万人以上）在Agent部署上领先，67%已投入生产，24%正在积极开发；百人以下小公司相应比例为50%和36%[14] AI落地策略与行业案例 - AI落地是技术与产业需求逐步校准磨合的过程，需要工作流程分割与业务流程重构，企业现阶段不必追求“全流程AI化”，应聚焦“小切口、高适配、高收益”的场景[18][19] - 以筷子科技为例，其AI工具帮助广州一家汽车美容店半小时内生成100多条个性化视频，使店铺新客源在一周内同比增加50%，获客成本远低于传统模式[17] - 部分企业尝试自接开源大模型进行业务定制化，但成功案例较少[18] AI赋能的新兴机会：以AI漫剧为例 - AI漫剧赛道成为新热点，其全域经营的投流投资回报率普遍达到1.1—1.8倍，即每投入1元能带来1.1—1.8元收入[21] - AI大幅降低了动态漫制作成本，单分钟生成成本从纯人工时期的数万元压缩至千元以内，最低达600—700元，整部作品成本降至5万—10万元，仅为传统的10%—30%[22] - 一部播放量破千万的付费AI漫剧，净利润可达20万至30万元，但行业马太效应明显，2025年6-8月数据显示仅12%的作品累计播放量破千万，64%的作品播放量不足100万[25] - 个人参与AI动漫创业流程趋于“傻瓜式操作”，涉及选择模型、生成脚本与分镜、剪辑等步骤，但成功关键仍在于题材新奇和故事好，依赖导演与编剧思维[24][25] AI技术成本下降与未来展望 - AI模型使用成本正快速下降，例如GPT-4成本从60美元/百万token降至GPT-5.1的1.25美元，国产模型GLM-4.6更将成本压至0.3美元/百万token[27] - 对消费者而言，固定价格的端侧设备能运行的AI模型参数量每88天翻一番，旗舰机功能明年或可在千元机上实现[27] - AI+带来的不仅是降本，更关键在于增效，其应用应聚焦于能改善利润、非内卷的行业，并带来新的机遇[27]

文章核心观点 - 中国AI应用市场竞争格局发生显著变化，传统互联网大厂凭借资金、生态和全栈能力优势，在AI赛道的主导地位日益增强，而初创公司面临更深度竞争压力[1][4] - 行业竞争焦点已从早期的模型能力比拼，全面转向应用开发和场景落地的深水区，大厂在此阶段优势明显[4] - AI应用发展呈现“通用胶着，垂类突围”态势，垂类应用成为构建竞争护城河的关键[9][10] - 用户对AI产品的诉求正从“对话”（Chat）转向“办事”（Act），推动企业向具备全栈能力和多元化产品矩阵的方向发展[14] - 行业仍处发展上半场，竞争远未终局，大厂与初创公司均有机会[15] 大厂引领，“双雄”格局初现 - 市场感知上，大厂AI声量在2025年持续走高，而初创公司早期凭借灵活打法实现的用户增长优势面临挑战[4] - 竞争本质变化：AI行业竞争从模型能力炫技转向应用开发和场景落地，这正是在中国市场深耕多年的大厂的优势主场[4] - 资源投入对比：头部初创公司受限于高研发成本和不成熟的商业化，发展速度受融资和现金流制约[5]；而大厂主营业务能自行“造血”，资金储备丰厚，且拥有“数据+场景+流量”生态协同能力，能承受试错成本和长期投入[5] - 大厂具体投入：字节宣布加码1600亿人民币用于算力采购和AI基础设施建设；阿里集团积极推进三年3800亿的AI基础设施建设计划；百度、腾讯也表态坚定投入AI领域[6] - 人才争夺白热化：字节、腾讯的专项计划“筋斗云”和“青云”开高价招聘AI人才；阿里系2026届秋招计划中，六成岗位与AI相关[6] - 生态积淀优势：大厂可在原有产品基础上进行AI升级，或凭借既往业务积累为AI原生应用提供天然入口和分发渠道，例如支付宝与蚂蚁阿福、抖音与豆包、微信与元宝[6] - 应用榜单表现：在a16z全球top 100消费级Gen AI应用榜单中，5款跻身全球前20名的中国产品为DeepSeek、夸克、豆包、Kimi和Qwen3[3]；QuestMobile 2025年第三季度AI应用月活前列分别是豆包、DeepSeek、元宝、即梦AI和AQ（蚂蚁阿福）[3] - 市场格局苗头：榜单上使用更广的AI应用主要来自互联网大厂，尤其是阿里和字节两家，呈现出“南北双雄”鼎力的苗头[3] AI应用大战：通用胶着，垂类突围 - 发展初期特征：通用型AI助手因广谱需求覆盖成为厂商必争之地，但核心功能集中在对话、内容生成、信息检索等方面，导致产品同质化问题逐渐显现[9] - 竞争策略演进：对于大厂，可行的思路是“通用打底、垂类应用打造护城河”[10] - 垂类应用兴起：由用户需求升级、变现路径清晰等因素驱动，在健康、金融、教育、情感陪伴等专业场景中蓬勃发展[10] - 阿里系产品矩阵案例：其内部生态已形成千问、夸克AI、蚂蚁灵光、蚂蚁阿福等产品协同“作战”的模式，通过前三者覆盖广泛需求，通过“蚂蚁阿福”在医疗健康垂类赛道建立高壁垒护城河，形成“广度+深度”双重竞争力[10] - 医疗垂类场景价值：行业存在资源分布不均、效率偏低等问题，期待AI将顶尖医生知识转化为智能工具，实现资源下沉、健康普惠并构筑高价值商业闭环，因此成为必争之地[10] - 蚂蚁阿福案例：基于蚂蚁过往十余年在医疗健康领域的积累推出，月活用户超过1500万，证明其在垂类AI领域的成功并非盲目跟风，且突破了医疗高门槛以构建高壁垒[11] - 健康需求高频化：蚂蚁阿福上线半年来，用户需求从核心医疗问题外延至减重、戒烟等健康相关“小事”，比例约为20%-30%，且仍有增长趋势，证明健康需求具备高频潜力[13] - 产品定位演进：蚂蚁阿福定位为懂医学的“朋友”，既能为严肃医疗需求匹配合适的医疗机构和医生，也能为日常健康问题提供帮助和直接解决方案[13] 用户想要“能办事”的AI与全栈能力布局 - 用户诉求演变：大众对AI产品的诉求正从“Chat”（对话工具）转向“Act”（超级助手），要求AI从前两年的陪聊、文生图等轻场景，转向更具功能性的“办事”环节，即转化为现实生产力[14] - 企业能力要求：这要求企业不仅具备C端AI应用开发能力，更要围绕全栈能力和多元化产品矩阵进行前瞻性卡位[14] - 全栈能力定义：需要企业在具备基础算力、模型能力的同时，完成应用开发、落地到真实世界场景的逻辑闭环，对资金、技术和资源整合能力要求极高[14] - 市场参与者：全球范围内仅谷歌等少数巨头能做到；国内被看好的有阿里和字节等大厂，以及一些具备潜力的黑马企业[14] - 核心布局逻辑：纵向上按照从底层硬件到上层应用的全栈布局，形成成本和体验协同效应；横向上靠C端产品流量与B端企业服务同步构建开放生态[15] - 路径分化：阿里系走重资产+软硬件一体路线，更重视实用和普惠，战略重点投入的健康和金融领域遵循“降低专业服务门槛”逻辑[15]；字节则以流量反哺+敏捷迭代见长，其陪伴和内容生态可能让AI更好融入内容消费、娱乐和办公等更轻盈的触点[15] - 市场契合证明：蚂蚁阿福每天回答用户的500多万个健康提问中，55%来自三线以下城市，侧面证明其普惠策略与国内市场偏好实用主义的思路相契合[15] 初创公司的机会与行业现状 - 初创公司机会：尽管大厂主导趋势明显，但初创公司仍可依托模型能力，或通过聚焦细分场景、依靠更快速的决策链条，为产品寻找新的生存空间[6] - 初创公司动态：从2025年下半年开始，多家头部AI初创企业接连发布新模型“杀回”赛场，例如MiniMax旗下“海螺”依靠视频生成出圈，月之暗面的K2、智谱的GLM-4.5等模型表现突出[7] - 竞争关键：在产品竞争白热化的背景下，破局的关键在于自身的专业壁垒是否足够高[8] - 行业阶段认知：已验证的成果和未解答的疑问表明，AI依旧在上半场，大战才刚开始[15]