AI競(jìng)技場(chǎng)正靜靜見證著一場(chǎng)深刻的技術(shù)權(quán)力騰挪。

　　這場(chǎng)由DeepSeek引發(fā)的變革仍未見平息，大模型競(jìng)爭(zhēng)進(jìn)入“后暴力計(jì)算時(shí)代”，效率的重要性躍然紙上，而AI權(quán)力也面臨重構(gòu)，OpenAI“一家獨(dú)大”的局面正不斷受到?jīng)_擊。

　　后浪兇猛進(jìn)化，前浪披荊斬棘，“城頭變幻大王旗”贏家尚未有定論，如何既通過開源獲取生態(tài)的加持，又利用閉源實(shí)現(xiàn)商業(yè)變現(xiàn)，才是決勝的關(guān)鍵。

　　01中國AI項(xiàng)目乘政策風(fēng)“井噴”

　　國產(chǎn)AI的發(fā)展在不聲不響間悄然醞釀。2023年被業(yè)內(nèi)人士視為人工智能發(fā)展的分水嶺。

　　人工智能科學(xué)家李飛飛曾說：“在歷史上，2023 年有望因技術(shù)的深刻變化和公眾覺醒而被人們銘記。”

　　而在此之前，關(guān)于人工智能的技術(shù)探索和創(chuàng)新早已不勝枚舉。

　　1956年約翰·麥卡錫在達(dá)特茅斯會(huì)議上首次提出“人工智能”(Artificial Intelligence)概念,AI作為一門學(xué)科正式誕生。

　　但到了1973年，由于AI研究遭遇瓶頸，對(duì)AI的資金投入大幅縮水，發(fā)展進(jìn)入 “寒冬”。

　　1986年，直到“AI教父”杰弗里·辛頓(Geoffrey Hinton)提出了反向傳播(Backpropagation)算法，神經(jīng)網(wǎng)絡(luò)的復(fù)興讓AI發(fā)展再迎曙光，再到2017年Google提出基于自注意力機(jī)制(Self-Attention)，取代RNN/LSTM，成為后續(xù)大語言模型(LLM)的核心架構(gòu)……

　　回望國內(nèi)的AI發(fā)展歷程，2023年同樣是“國產(chǎn)AI時(shí)代開啟元年”。

　　據(jù)天眼查，僅2023年上半年與大模型直接相關(guān)的融資事件超20起，國內(nèi)已發(fā)布的各類大模型數(shù)量超過100個(gè)，而到了2024年7月時(shí)完成備案并上線的生成式AI大模型數(shù)量接近200個(gè)。

　　直到今天，有機(jī)會(huì)沖進(jìn)決賽圈的依然只有十幾家。咨詢機(jī)構(gòu)弗若斯特沙利文指出，我們目前在通用基礎(chǔ)大模型領(lǐng)域的競(jìng)爭(zhēng)者已縮減至20余家，主要由互聯(lián)網(wǎng)企業(yè)、云計(jì)算巨頭及人工智能創(chuàng)業(yè)公司主導(dǎo)。

　　大家都是這場(chǎng)沒有硝煙的“戰(zhàn)爭(zhēng)”的親歷者，站在2025年的開年回望，或許是經(jīng)歷了2024年 “百模大戰(zhàn)”的大浪淘沙，DeepSeek才得以在2025年開年在全球科技行業(yè)投擲下“驚雷”，推動(dòng)國產(chǎn)AI實(shí)現(xiàn)了"關(guān)鍵一躍"，站穩(wěn)腳跟。

　　擁有持續(xù)創(chuàng)新能力的企業(yè)逐漸占據(jù)市場(chǎng)主導(dǎo)，從圖文轉(zhuǎn)視頻到多語言廣告生成，人工智能的應(yīng)用范圍正在迅速拓展。

　　與此同時(shí)，大模型和智能體技術(shù)也進(jìn)入了加速發(fā)展階段。無論是C端的用戶體驗(yàn)優(yōu)化，還是B端的企業(yè)解決方案，智能體和大模型正在重新定義技術(shù)與社會(huì)的連接方式。

　　決賽圈里目前有三股力量：一是阿里巴巴、字節(jié)跳動(dòng)代表的互聯(lián)網(wǎng)大廠、云服務(wù)商，介入大模型;二是科大訊飛代表的人工智能國家隊(duì)，以G/B/C聯(lián)動(dòng)的方式，既做解決方案又做硬件產(chǎn)品;三是智譜、DeepSeek等AI創(chuàng)業(yè)公司，少數(shù)還在堅(jiān)持基礎(chǔ)模型創(chuàng)新。

　　產(chǎn)業(yè)鏈上下游處境分化，模型廠商發(fā)展路徑分野。即便“AI六小虎”，也面臨道路分化。例如，百川智能已轉(zhuǎn)向醫(yī)療等行業(yè)大模型;零一萬物將超級(jí)大模型訓(xùn)練交給阿里;月之暗面和MiniMax專注做C端應(yīng)用和產(chǎn)品。

　　業(yè)內(nèi)人士普遍認(rèn)為，與產(chǎn)業(yè)鏈上下游相比，處于中游的模型廠商普遍面臨盈利困境。2025年，大模型決賽圈的選手，還能在基礎(chǔ)大模型層創(chuàng)新的企業(yè)，會(huì)進(jìn)一步減少。

　　02從“燒錢信仰”到“效率革命”

　　如果說“成本、AI Agent、多模態(tài)”是當(dāng)下AI產(chǎn)業(yè)的三個(gè)關(guān)鍵詞，代表著2024年大模型的進(jìn)化方向，那么它們或許也代表著大模型邁向產(chǎn)業(yè)落地的關(guān)鍵節(jié)點(diǎn)。

　　首先，成本無疑是決定企業(yè)生死的關(guān)鍵，訓(xùn)練和部署大規(guī)模 AI模型對(duì)計(jì)算資源的龐大需求不容忽視，這也使得企業(yè)必須背負(fù)高昂的計(jì)算成本和運(yùn)維成本。

　　DeepSeek-R1也正是抓了企業(yè)在效率和成本控制上的痛點(diǎn)，實(shí)現(xiàn)了在相對(duì)較低的算力投入下，可媲美甚至超越頭部模型的性能表現(xiàn)。

　　傳統(tǒng)人工智能發(fā)展模式往往依賴于“規(guī)模至上”的邏輯，追求超大規(guī)模模型和超大規(guī)模算力集群。DeepSeek R1的輕量化模型和開源策略，降低了人工智能應(yīng)用的門檻，促進(jìn)了中端算力設(shè)施和分布式數(shù)據(jù)中心的普及。

　　產(chǎn)業(yè)鏈上游的英偉達(dá)，因DeepSeek的出現(xiàn)開始面臨一定需求結(jié)構(gòu)調(diào)整的壓力。

　　ASIC芯片廠商則迎來了新的發(fā)展機(jī)遇。由于ASIC芯片能夠針對(duì)特定人工智能應(yīng)用進(jìn)行硬件加速，在能效比和成本控制上具有明顯優(yōu)勢(shì)，更適應(yīng)分布式算力發(fā)展的趨勢(shì)。

　　對(duì)于算力服務(wù)端來說，區(qū)域性數(shù)據(jù)中心憑借低時(shí)延和貼近應(yīng)用場(chǎng)景的優(yōu)勢(shì)，開始承接制造業(yè)智能質(zhì)檢、金融風(fēng)控等對(duì)延遲敏感的應(yīng)用需求。

　　AWS、阿里云等云計(jì)算巨頭調(diào)整部分大型數(shù)據(jù)中心的建設(shè)策略，加大在邊緣計(jì)算和分布式算力布局方面的投入。

　　而應(yīng)用端則將受益于算力成本的下降，驅(qū)動(dòng)人工智能在制造業(yè)、金融、醫(yī)療等領(lǐng)域的滲透加速。

　　在代碼托管平臺(tái)GitHub上，已涌現(xiàn)出大量基于DeepSeek模型的集成應(yīng)用案例(awesome deepseek integration)，形成“需求牽引供給”的正向循環(huán)，實(shí)現(xiàn)“算力+行業(yè)”的雙向賦能。

　　人工智能技術(shù)將加速滲透到各行各業(yè)，成為推動(dòng)產(chǎn)業(yè)升級(jí)和經(jīng)濟(jì)發(fā)展的重要引擎。

　　但值得關(guān)注的是，DeepSeek R1的技術(shù)突破，在降低人工智能應(yīng)用門檻的同時(shí)，也可能引發(fā)“杰文斯悖論”。

　　杰文斯悖論由19世紀(jì)經(jīng)濟(jì)學(xué)家 William Stanley Jevons提出，他發(fā)現(xiàn)，隨著煤炭使用效率的提高，煤炭的消耗總量反而增加。這一悖論揭示了一個(gè)深刻的經(jīng)濟(jì)規(guī)律：效率的提升并不必然導(dǎo)致資源消耗的減少，反而可能因?yàn)槌杀窘档秃蛻?yīng)用范圍擴(kuò)大，刺激需求增長(zhǎng)，最終導(dǎo)致資源消耗總量增加。

　　微軟 CEO 薩提亞·納德拉引用杰文斯悖論來解釋DeepSeek R1可能帶來的影響，可謂一針見血。

　　納德拉認(rèn)為，更實(shí)惠、更易于訪問的人工智能技術(shù)，將通過更快的普及和更廣泛的應(yīng)用，導(dǎo)致需求的激增。隨著人工智能技術(shù)的門檻降低，過去由于成本限制而無法應(yīng)用人工智能的領(lǐng)域，例如中小企業(yè)、邊緣計(jì)算場(chǎng)景等，將涌現(xiàn)出大量新的應(yīng)用需求，從而導(dǎo)致算力調(diào)用密度指數(shù)級(jí)上升。

　　新興應(yīng)用場(chǎng)景的爆發(fā)，也將加速算力需求的裂變。智能駕駛、具身機(jī)器人等前沿領(lǐng)域?qū)��?shí)時(shí)算力的需求極為龐大，遠(yuǎn)超DeepSeek技術(shù)優(yōu)化的速度。即使單任務(wù)效率提升數(shù)倍，百萬級(jí)智能終端的并發(fā)需求，仍將形成巨大的算力吞噬黑洞。

　　03“開源”與“閉源”的協(xié)同

　　隨著開源大模型DeepSeek的“爆火”，“開源”和“免費(fèi)”等關(guān)鍵詞頻現(xiàn)。

　　如果說，在DeepSeek之前，國內(nèi)大模型企業(yè)關(guān)于“開源”和“閉源”的路徑仍多有分歧，現(xiàn)在“開源”、“開放生態(tài)”、擴(kuò)大朋友圈的呼聲似乎成了主流。

　　在DeepSeek這條鯰魚的沖擊之下，國內(nèi)大模型企業(yè)展示出更“開放”的姿態(tài)，希望加快建立自己的開發(fā)者生態(tài)和應(yīng)用生態(tài)。

　　而開源模型和閉源模型的關(guān)鍵差異，則可以從基礎(chǔ)條件、技術(shù)層面和商業(yè)化三個(gè)維度來觀察。

　　從基礎(chǔ)條件看，開源模型以公開數(shù)據(jù)集、社區(qū)貢獻(xiàn)數(shù)據(jù)為數(shù)據(jù)來源，以分布式的、開發(fā)者自有的GPU集群為算力支撐，為開發(fā)者、研究者、企業(yè)等提供了平等的接入機(jī)會(huì)，促進(jìn)了技術(shù)的創(chuàng)新和共享。

　　閉源模型則是由公司或團(tuán)隊(duì)開發(fā)，以專有數(shù)據(jù)如用戶行為日志、私有數(shù)據(jù)庫、清洗后公開數(shù)據(jù)為數(shù)據(jù)來源，用戶只能根據(jù)公司提供的接口或平臺(tái)使用這些模型。

　　從盈利場(chǎng)景看，開源模型本身并不直接帶來收益，但它們通常通過附加服務(wù)(如云計(jì)算、技術(shù)支持、培訓(xùn)、定制化開發(fā)等)來實(shí)現(xiàn)營利。公司可以通過商業(yè)化的方式提供增值服務(wù)，依托開源模型形成可持續(xù)的收入來源。

　　閉源模型的商業(yè)化路徑相對(duì)直接，企業(yè)通過授權(quán)許可、訂閱服務(wù)、平臺(tái)收費(fèi)等方式實(shí)現(xiàn)營利。閉源模型能為公司帶來高利潤，因?yàn)榭蛻粜枰獮槠涫褂脵?quán)限和服務(wù)支付費(fèi)用。

　　開源與閉源并非“水火不融”，未來很可能會(huì)形成開源與閉源相互作用的形式，開源加速了AI技術(shù)的普及和創(chuàng)新，而閉源則確保技術(shù)能夠在商業(yè)上獲得長(zhǎng)足發(fā)展并維持穩(wěn)定性。

　　未來的贏家將是能同時(shí)掌握開源和閉源能力的多面手，，既通過開源獲取生態(tài)勢(shì)能，也利用閉源實(shí)現(xiàn)價(jià)值捕獲。

　　正如納德拉所說，“超大規(guī)模AI不會(huì)出現(xiàn)贏者通吃的局面，開源模式將制衡閉源。”

　　尾聲

　　DeepSeek 在當(dāng)下的AI時(shí)代將扮演重要角色，就像 Android 之于移動(dòng)互聯(lián)網(wǎng)革命。

　　重構(gòu)產(chǎn)業(yè)生態(tài)，引發(fā)鏈?zhǔn)椒磻?yīng)，加速上層應(yīng)用發(fā)展與下層系統(tǒng)統(tǒng)一。這將調(diào)動(dòng)起跨越軟硬件和上下游的生態(tài)力量，促使各方加大 “模型 - 芯片 - 系統(tǒng)” 協(xié)同優(yōu)化與垂直打通的投入，進(jìn)一步削弱 CUDA 生態(tài)優(yōu)勢(shì)，為國產(chǎn) AI 產(chǎn)業(yè)發(fā)展創(chuàng)造機(jī)遇。

　　DeepSeek 通過技術(shù)創(chuàng)新，在 AI 模型訓(xùn)練過程中實(shí)現(xiàn)了對(duì)高端進(jìn)口芯片依賴的降低，這為國內(nèi)企業(yè)展示了一條可行的技術(shù)路徑，極大地增強(qiáng)了國內(nèi)企業(yè)自主研發(fā)算力芯片的信心。

　　博弈，不僅僅是開源以及閉源的技術(shù)選擇，更是涉及 AI 發(fā)展的話語權(quán)、市場(chǎng)主導(dǎo)權(quán)以及算力的分配的角逐。而這場(chǎng)AI權(quán)利爭(zhēng)奪戰(zhàn)已然開始。