饥渴的大厂,面对大模型还需新招

本文来自微信公众号:王智远,作者:王智远

昨天晚上,跟朋友聊起大模型。

他说现在各家都“卷”到一个新阶段,模型之间差距已经很小,只能用“遥遥领先”或者“吊打同行”这种词来形容。

从基准测试和数据来看,很多模型都远超 DeepSeek R1、GPT-4o,但继续往下比的空间已经不大了,真正的差异更多在使用方式上。

这让我开始思考:大模型竞争,是不是已经进入存量博弈阶段?

说到“存量”,就绕不开一个字:“卷”。不卷,哪来的存量?那问题来了:这个卷,到底在卷什么?

我觉得,表面看到的就三点:算力成本、数据质量和场景渗透。

以前大模型拼参数多,现在开始拼谁的成本低。

阿里家的 Qwen3,用“混合推理”的技术,简单问题用低算力能快速回答,复杂问题再慢慢思考,这样部署成本直接降到了 DeepSeek-R1 的 1/3 到 1/4。

腾讯混元 T1,3890 亿参数的模型,通过稀疏激活机制,算力利用率比传统模型提升了 30% 以上。

百度的文心大模型,虽然没公开具体成本,但它的推理速度在工业级场景里比竞品快 20%,也算是有自己的优势。

字节跳动没直接在公开场合提到过算力优化,但它通过抖音、今日头条的场景化落地,间接降低了通用大模型的部署压力。

所以,算力成本上,大家是看能不能在不牺牲性能的前提下,把成本降下来。

降下来之后呢?

关键还不能影响数据质量,卷谁的训练数据更硬核。

阿里家 Qwen3 训练数据量达到了 36 万亿 token,支持 119 种语言和方言,数据质量更有普适性。百度文心一言依托搜索、地图等产品,积累了海量的真实用户行为数据。

腾讯的混元则通过开源生态积累开发者数据,在游戏和内容生成领域有独特优势;字节跳动则利用抖音、今日头条的庞大流量池,捕捉用户偏好数据,让内容生成模型更接地气。

所以,数据质量的卷,是从“广度”到“深度”的升级,不仅要数据多,还要精准、垂直。

技术再强,不能解决实际问题,也只是“空中楼阁”,再看看场景渗透,谁更狠一些。

Qwen3 深耕电商、金融、医疗等垂直领域,通过定制化微调提供行业解决方案;百度文心一言是嵌入搜索、地图、智能音箱等产品,形成了“技术-场景-用户”的闭环。

腾讯的混元聚焦游戏和内容生产,通过混元3D等工具抢占多模态赛道;字节跳动是把大模型融入抖音和今日头条的内容生产流程,甚至用 AI 生成短视频脚本,直接打通了“技术-内容-流量”的链条。

看到了吗?场景渗透的卷,是从“技术堆叠”到“价值创造”的转型,谁能在细分场景里跑通商业模式,谁就能突围。

因此,我认为这个“卷”是:卷技术、成本、场景的三角博弈;算力成本决定了谁能撑到最后,数据质量决定了谁能跑得更稳,场景渗透决定了谁能活出差异化。

但这种“卷”,背后隐藏着一个更深层的矛盾:

当技术突破趋缓时,大家一个劲地开源、吊打同行,是不是意味着用这些手段,在掩盖真正的技术瓶颈?

我认为:是的。但不是完全没进步,而是技术方向有点小调整。

为什么这么说?

先说数据。阿里家的 Qwen3-235B-A22B,虽然总参数量有 2350 亿,但每次实际用到的参数只有 220 亿,激活效率才 9.4%。

什么概念,说白了,“轻量化”策略确实降低了成本,这是对原来那种“参数越多越好”模式的一种妥协。现在单纯堆参数已经没有太大的效果了。

再看看腾讯的混元 T1:

总参数量 3890 亿,激活参数量 520 亿,上下文长度也很长,但它的稀疏激活机制,本质上还是在想方设法在不牺牲性能的前提下,把参数规模压一压。

文心大模型就更不用说了。4.5 Turbo 总参数量 1970 亿,但每次推理最多用到 28 亿参数。这说明什么?

参数量已经不是唯一的衡量标准了,激活效率才是新的竞争点。这种调整不是在掩盖瓶颈,而是把技术突破的方向从“规模扩张”转向了“效率优化”。

然后,再看看技术优化路线,阿里直接赶在五一前,推出“快慢思考”混合推理。本质是什么?

想通过架构创新来缓解技术瓶颈。Qwen3 的“快思考”是用低算力处理简单任务,“慢思考”用高算力处理复杂任务,这是在对原来的 Transformer 架构进行适应和改造。

腾讯混元的 T1 也一样,官方说模型内存占用减少了 40%,性能提升了两倍;这种优化还是依赖 MoE 架构的稀疏激活机制,但也受限于硬件兼容性和算法复杂度。

所以,技术优化的核心目标是延长现有架构的生命周期;说白了,更像「技术瓶颈下的权宜之计」,而不是真正的突破。

结论很明显:

短期来看,参数激活效率、混合推理、MoE 架构这些优化确实缓解了算力成本压力,但改进只是对现有技术框架的修补。

长期来看,技术瓶颈没消失,变成了“效率瓶颈”、“场景适配瓶颈”。开源生态的普及为技术迭代提供了数据和场景基础,但真正的突破还得靠底层架构的创新。

所以,这波“卷”不是在掩盖技术瓶颈,而是在重新定义瓶颈的形态。技术进步的速度是慢了,但方向更明确了:聚焦在效率、成本和场景落地。

既然这样,问题就来了:

大厂在“模型卷”的浪潮里,到底该怎么找到“看家本事”?是继续在技术细节上抠来抠去,还是把精力放在怎么把技术用到实际场景里,或者去构建一个更大的生态呢?

我觉得,技术细节优化(比如调整激活参数、搞混合推理)确实能减轻算力的压力。

但说到底,优化的核心价值是让现有的架构能多撑一会儿。不过,这里面有个风险:技术带来的好处会比我们想象的更快地消失。

为什么这么说?举个简单的例子:

你买了一款新手机,一开始觉得电池续航特别厉害,比旧手机好很多,这就是技术红利。但用了一段时间后,你发现电池老化得很快,续航优势很快就没了,甚至比你预期的更早。这就是红利衰减速度超出预期。

换句话说,技术带来的优势不会一直持续下去,会逐渐减弱,减弱的速度比我们预想的更快。

有个研究,来自 DeepMind 的 Chinchilla 模型,提到通过参数补偿来降低剪枝带来的性能损失,可以在不依赖大规模后训练的情况下低成本压缩模型,提升推理速度,同时最大程度保留性能。

什么意思呢?

大模型的性能提升和算力投入之间的关系已经到了一个瓶颈阶段,有点像“帕累托最优”(Pareto Optimality)——再怎么努力,提升的空间也越来越小了。

说白了,现在大家都在过度依赖参数规模和稀疏激活机制,可能会陷入一种“技术幻觉”:以为解决了成本问题,其实并没有真正解决通用大模型的深层瓶颈。

换句话说,技术越来越同质化,竞争也越来越内耗。

文心一言的多模态能力虽在行业里领先,但核心还是依赖 Transformer 架构,没办法突破通用大模型的扩展性限制,这就是算法优化的天花板。

再比如,Qwen 系列虽然全球下载量突破 3 亿次,看起来很厉害,但实际上模型的功能差异很小。

那怎么办呢?各家短期直接把架构推倒,重新来过吗?肯定不可能。真正的路线是从“技术堆叠”到“价值创造”。

我觉得,对于大厂来说,价值锚点的核心在于能不能真正解决实际问题,而不是单纯追求技术指标的极致;很明显,技术细节优化只是手段,场景落地和生态协同才是根基。

就像艾媒咨询在 2024-2025 年中国 AI 大模型市场研究报告里提到的:谁能找到自己的“价值锚点”,谁就能在“下半场”突围。

所以,大家到底怎么才能突围呢?

现在看来,真正能落地到企业实际场景里的,是一个“三重共振”:云厂商 + 行业应用 + MCP 协议。

为什么说 MCP 是关键?因为它本质上是重新定义了企业与 AI 怎么合作的规则。

以前企业用大模型,就像给厨师一把刀,但没告诉他菜在哪、锅在哪、调料在哪——他只能靠猜。

现在有了 MCP,相当于给 AI 装了一个“导航系统”,它能自动找到企业的数据库、API、业务流程,甚至还能跨系统操作。

高德地图是阿里云的客户,如果接入 MCP,以后导航建议就不是简单的“绕开拥堵”,而是能结合用户的消费记录推荐周边餐厅,甚至直接跳转到外卖 App 下单。

这背后是 MCP 把高德的数据和阿里云的 AI 能力打通了。

那MCP到底怎么驱动ToB的范式变化?我认为,有两点:

1. 从“模型为中心”变成“数据为中心”;以前企业做 AI,总盯着模型参数、推理速度这些技术细节。但 MCP 让重点转向数据流通 。

2. 从“孤岛”变成“协同”;企业内部的系统通常互不联通,比如:财务系统、供应链系统、客户管理系统。一个公司用了谁家的云,云厂商就可以基于 MCP 把这些系统全打通。

打通之后,MCP 就从一个简单的工具变成了生产力基础设施。所以,这才是新范式。

它让AI不再局限于“参数规模”或“推理速度”,而是通过数据协同和场景嵌入,成为企业运营的“操作系统”。这才是企业的刚需。

这也是我为啥说,在大模型和 AI 的推动下,自下而上看,未来可能会出现新的飞书、钉钉这样的平台。它们不像飞书、钉钉那样有通讯、协同功能,但至少能把企业的各种业务流程整合起来。

叙事还在继续,到底会不会这样呢?deepseek R2出来后,就见分晓了。

本文来自微信公众号:王智远,作者:王智远

本内容为作者独立观点,不代表联合网立场。未经允许不得转载,授权事宜请联系 hezuo@huxiu.com

平台声明:该文观点仅代表作者本人,联合网系信息发布平台。发布者:联合网,转转请注明出处:https://www.anesthesia.org.cn/7990.html

(0)
联合网的头像联合网
上一篇 2025年5月1日 下午3:06
下一篇 2025年5月1日 下午5:07

相关推荐

  • 退休不是终点,日本企业争着返聘“老年人”?

    本文来自微信公众号:长青研究社,作者:周婷,编辑:潘利恒 日本正经历全球最严峻的老龄化冲击。根据日本总务省最新数据,截至2023年,日本65岁以上人口占比已达29.1%,老年人口规模与老龄化程度均位居全球首位。然而,这一看似沉重的社会负担,却在日本企业的创新实践中转化为独特的人力资源红利。 2022年日本65岁以上人口就业率高达25.1%,较2000年的15…

    2025年5月17日
    6100
  • *ST人乐修正业绩预告,股权交易收益确认受阻叠加1.1亿元坏账计提

    4月27日晚间,人人乐连锁商业集团股份有限公司(以下简称“*ST人乐”或“公司”)发布2024年年度业绩预告修正公告。公告称,公司预计2024年期末净资产修正后为-4.07亿元至-3.92亿元。根据《深圳证券交易所股票上市规则》第9.3.12条第二项规定的情形,公司股票可能被深交所终止上市。 公告表示,本次业绩预告修正系公司与审计机构充分沟通后,为谨慎起见做…

    2025年4月28日
    5700
  • 裁员66%背后的AI生死局:Manus何以至此?

    出品|联合网科技组 作者|陈伊凡 编辑|苗正卿 头图|Manus官网 距离 3 月凭借 “AI 智能体自主完成复杂任务” 的产品惊艳亮相仅四个月不到,AI Agent 公司 Manus 就因一场大规模裁员陷入舆论漩涡。近日,Manus 向多家媒体证实,公司对国内业务团队展开优化,120 名员工中,除 40 余名核心技术人员迁往新加坡总部,其余皆被裁员。 这场…

    2025年7月11日
    1800
  • 前海发布深港数据跨境产品,加速数据要素流通创新

    深圳商报·读创客户端记者 范宏韬 7月7日,深港数据跨境产品发布会在深圳市前海国际人才港举行,会上集中发布了深港数据中心、前海医疗跨境数据空间、企业出海数据跨境合规服务平台三大产品,并举行“国际跨境可信数据空间-深港站”落户前海启动仪式。通过构建“技术+场景+服务”的立体化数据跨境生态,前海搭建起了连接境内外的数字桥梁,为粤港澳大湾区数字经济融合发展提供了前…

    2025年7月8日
    1800
  • 美的还有成长空间吗?

    作者|Eastland 头图|视觉中国 对标美股七巨头,高盛提出了港股“十巨头”——腾讯、阿里、比亚迪、小米、美团、美的、网易、携程、安踏、恒瑞医药,十家上市公司总市值约1.6万亿美元。值得注意的是,高盛“十巨头”不包括百度、京东。 “十巨头”中涉及或部分涉及制造的刚好占50%——比亚迪、美的、小米、安踏、恒瑞医药,这非常有“中国特色”。但比亚迪、小米均为恒…

    2025年6月26日
    1300

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

联系我们

400-800-8888

在线咨询: QQ交谈

邮件:admin@example.com

工作时间:周一至周五,9:30-18:30,节假日休息

关注微信