我国公司除了深度求索（DeepSeek）之外，月之暗面（Kimi）、MiniMax海螺和字节豆包在2025年也推出了新的大模型，且这些公司在模型优化和成本控制上有创新。
虽然DeepSeek、月之暗面、MiniMax和字节豆包都有新品发布，但只有其中DeepSeek的R1模型在性能和成本上有显著优势。
但如论我国在AI人才方面的优势，则必须要看到这些公司的技术优势，比如模型瘦身、成本效益、技术创新等。我国公司在技术创新上的实际进展，如通过剪枝、量化等技术降低模型成本，推动技术普惠化。
如果分为技术创新型、应用驱动型、生态构建型等类别，则更需要强调AI公司的潜力以及未来的发展方向，如模型优化、跨领域应用等，以预测公司的长期价值。
在AI大模型领域，尽管部分企业存在短期逐利现象，但相信仍有一些企业在技术创新、成本优化和应用场景探索上将展现出真正的“硬核”潜力。并相信这些企业不仅突破技术瓶颈，更以高效、普惠的路径推动行业变革。
以下仅从技术突破、应用落地和生态构建三个维度，对比着看看情况如何。
技术创新
没有在正确方向上的技术创新，一切都是白扯。
| 企业 | 备注 |
|---|---|
| 深度求索（DeepSeek） | 2025年1月发布的DeepSeek-R1模型，性能对标OpenAI o1，但训练成本仅为后者的三十分之一。其通过剪枝、量化和知识蒸馏技术实现大模型“瘦身”，显著降低硬件门槛和能源消耗，为AI普惠化铺路4。这种“小而强”的路径打破了对参数规模的盲目崇拜，被外媒视为中国技术自力更生的典范。 |
| 月之暗面（Kimi） | 推出的k1.5多模态思考模型，强调多模态融合与实时推理能力，尤其注重在工业场景的垂直应用。其技术路线避开通用模型的同质化竞争，聚焦细分领域的高效适配，例如通过轻量化模型支持边缘端设备的实时决策。 |
| MiniMax海螺 | 上线语音功能，对标OpenAI实时语音技术，但通过本地化部署优化延迟问题。其创新点在于将大模型能力嵌入传统制造业的质检环节，结合声纹分析提升故障检测效率，实现从“实验室技术”到“产线工具”的转化。 |
但，技术创新型需要突破的也包括“军备竞赛”陷阱。
应用驱动
所谓应用，不外乎要在垂直领域深耕。
| 企业 | 备注 |
|---|---|
| 字节豆包 | 实时语音大模型不仅服务于消费级应用（如直播互动），更深入医疗问诊和教育辅导场景。例如，在偏远地区通过低带宽环境下的语音模型实现远程医疗咨询，技术落地兼顾商业价值与社会效益。 |
| 蜜度 | （未直接引用但隐含潜力）蜜度在政务数字化转型中表现突出，其大模型通过语义理解优化政府服务流程，例如智能审批和舆情分析，成为“数字政府”建设的核心支撑。 |
但，同样要深受寂寞和时间的考验。
生态构建
所谓生态构建，其它各行各业的有些企业也都在说。
| 企业 | 备注 |
|---|---|
| 华为盘古大模型 | 其工业领域应用（如矿山安全监测、气象预测）已形成“模型+硬件+解决方案”的闭环生态，通过开放平台吸引开发者共建行业应用生态，降低中小企业接入门槛。 |
| 科大讯飞 | 依托教育、医疗等领域的数据积累，构建行业专用模型库，例如其医疗大模型已覆盖3000多种罕见病辅助诊断，通过“模型即服务”（MaaS）模式向基层医院输出能力，推动资源均衡分配。 |
但，从单点突破到产业链协同，也是一个漫长的过程。
值得期待的方面，从技术路径创新方面看，正从“参数竞赛”转向“效率优先”，例如DeepSeek通过工程优化实现成本革命，这种务实路线更符合商业化需求；从场景落地能力方面看，字节豆包、MiniMax等企业将大模型嵌入具体场景（如医疗、制造），解决传统行业痛点，避免技术空转；从人才与政策红利方面看，我国每年培养超8万名STEM领域博士，为AI研发提供持续动力。
功利主义是人类的天敌，绝大多数人质疑的“功利性”问题确实存在，例如部分企业为抢占风口盲目堆砌参数，或通过政策套利获取补贴。但行业整体趋势已显现分化：一是劣汰，依赖资本烧钱、缺乏核心技术的企业正被淘汰（如部分亏损扩大的通用模型厂商），二是优胜，深耕垂直领域、具备工程化能力的企业逐步崛起（如DeepSeek、Kimi）。
未来，技术融合方面，多模态与边缘计算结合，推动大模型从云端向终端渗透（如工业机器人、智能家居）；成本革命方面，训练成本降至当前1/10以下时，AI将像电力一样成为基础设施；伦理与治理方面，随着技术普及，数据安全与算法公平性将成为企业竞争力的新维度。
AI大模型的未来应不属于“庞然大物”，而应属于“精而强”的创新者，就像现在的DS。但DS变大了以后呢？会不会重蹈覆辙？
谁都在喊长期主义，但真正的长期主义者，少之又少。
但也因为少，所以谁都可以成功，只要你真想。
（文/本该，2025年2月）
e-Mail：lab@enet16.com
