文 | 王智远开yun体育网

昨天晚上，跟一又友聊起大模子。

他说当今各家都"卷"到一个新阶段，模子之间差距一经很小，只可用"遥遥起程点"好像"吊打同业"这种词来刻画。

从基准测试和数据来看，好多模子都远超 DeepSeek R1、GPT-4o，但不绝往下比的空间一经不大了，真是的各别更多在使用神色上。

这让我运行想考：大模子竞争，是不是一经进入存量博弈阶段？

1

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？

我以为，名义看到的就三点：算力老本、数据质地和场景渗入。

往时大模子拼参数多，当今运行拼谁的老本低。

阿里家的 Qwen3，用"搀和推理"的时候，浅易问题用低算力能快速回话，复杂问题再迟缓想考，这样部署老本获胜降到了 DeepSeek-R1 的 1/3 到 1/4。

腾讯混元 T1，3890 亿参数的模子，通过寥落激活机制，算力运用率比传统模子培育了 30% 以上。

百度的文心大模子，天然没公开具体老本，但它的推理速率在工业级场景里比竞品快 20%，也算是有我方的上风。

字节超越没获胜在公开场面提到过算力优化，但它通过抖音、当天头条的场景化落地，波折镌汰了通用大模子的部署压力。

是以，算力老本上，群众是看能不成在不糟跶性能的前提下，把老本降下来。

降下来之后呢？

重要还不成影响数据质地，卷谁的试验数据更硬核。

阿里家 Qwen3 试验数据量达到了 36 万亿 token，撑合手 119 种话语和方言，数据质地更有普适性。百度文心一言依托搜索、舆图等家具，积蓄了海量的真是用户作为数据。

腾讯的混元则通过开源生态积蓄缔造者数据，在游戏和内容生成领域有特有上风；字节超越则运用抖音、当天头条的纷乱流量池，捕捉用户偏好数据，让内容生成模子更接地气。

是以，数据质地的卷，是从"广度"到"深度"的升级，不仅要数据多，还要精确、垂直。

时候再强，不成不断施行问题，也仅仅"空中楼阁"，再望望场景渗入，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不断决策；百度文心一言是镶嵌搜索、舆图、智能音箱等家具，酿成了"时候 - 场景 - 用户"的闭环。

腾讯的混元聚焦游戏和内容分娩，通过混元 3D 等器具霸占多模态赛说念；字节超越是把大模子融入抖音和当天头条的内容分娩经过，以致用 AI 生成短视频剧本，获胜买通了"时候 - 内容 - 流量"的链条。

看到了吗？场景渗入的卷，是从"时候堆叠"到"价值创造"的转型，谁能在细分场景里跑互市业模式，谁就能解围。

因此，我认为这个"卷"是：卷时候、老本、场景的三角博弈；算力老本决定了谁能撑到终末，数据质地决定了谁能跑得更稳，场景渗入决定了谁能活出各别化。

2

但这种"卷"，背后隐敝着一个更深层的矛盾：

那时候冲破趋缓时，群众一个劲地开源、吊打同业，是不是意味着用这些妙技，在掩盖真是的时候瓶颈？

我认为：是的。但不是王人备没进步，而是时候目的有点小调度。

为什么这样说？

先说数据。阿里家的 Qwen3-235B-A22B，天然总参数目有 2350 亿，但每次施行用到的参数只消 220 亿，激活效用才 9.4%。

什么见识，说白了，"轻量化"政策如实镌汰了老本，这是对蓝本那种"参数越多越好"模式的一种和谐。当今单纯堆参数一经莫得太大的效用了。

再望望腾讯的混元 T1：

总参数目 3890 亿，激活参数目 520 亿，高下文长度也很长，但它的寥落激活机制，内容上如故在想方设法在不糟跶性能的前提下，把参数规模压一压。

文心大模子就更无须说了。4.5 Turbo 总参数目 1970 亿，但每次推理最多用到 28 亿参数。这发挥什么？

参数目一经不是独一的推测圭臬了，激活效用才是新的竞争点。这种调度不是在掩盖瓶颈，而是把时候冲破的目的从"规模延长"转向了"效用优化"。

然后，再望望时候优化阶梯，阿里获胜赶在五一前，推出"快慢想考"搀和推理。内容是什么？

想通过架构篡改来缓解时候瓶颈。Qwen3 的"快想考"是用低算力处理浅易任务，"慢想考"用高算力处理复杂任务，这是在对蓝本的 Transformer 架构进行符合和改进。

腾讯混元的 T1 也同样，官方说模子内存占用减少了 40%，性能培育了两倍；这种优化如故依赖 MoE 架构的寥落激活机制，但也受限于硬件兼容性和算法复杂度。

是以，时候优化的中枢目的是延长现存架构的生命周期；说白了，更像「时候瓶颈下的权宜之策」，而不是真是的冲破。

论断很昭彰：

短期来看，参数激活效用、搀和推理、MoE 架构这些优化如实缓解了算力老本压力，但改进仅仅对现存时候框架的修补。

恒久来看，时候瓶颈没消亡，变成了"效用瓶颈"、"场景适配瓶颈"。开源生态的普及为时候迭代提供了数据和场景基础，但真是的冲破还得靠底层架构的篡改。

是以，这波"卷"不是在掩盖时候瓶颈，而是在再行界说瓶颈的方式。时候进步的速率是慢了，但目的更明确了：聚焦在效用、老本和场景落地。

3

既然这样，问题就来了：

大厂在"模子卷"的波浪里，到底该怎样找到"看家武艺"？是不绝在时候细节上抠来抠去，如故把元气心灵放在怎样把时候用到施行场景里，好像去构建一个更大的生态呢？

我以为，时候细节优化（比如调度激活参数、搞搀和推理）如实能减轻算力的压力。

但说到底，优化的中枢价值是让现存的架构能多撑霎时。不外，这里面有个风险：时候带来的刚正会比咱们联想的更快地消亡。

为什么这样说？举个浅易的例子：

你买了一款生手机，一运行以为电板续航尽头犀利，比旧手机好好多，这即是时候红利。但用了一段时代后，你发现电板老化得很快，续航上风很快就没了，以致比你预期的更早。这即是红利衰减慢度超出预期。

换句话说，时候带来的上风不会一直合手续下去，会渐渐削弱，削弱的速率比咱们预感的更快。

有个接洽，来自 DeepMind 的 Chinchilla 模子，提到通过参数抵偿来镌汰剪枝带来的性能亏本，不错在不依赖大规模后试验的情况下低老本压缩模子，培育推理速率，同期最猛进程保留性能。

什么道理呢？

大模子的性能培育和算力干预之间的联系一经到了一个瓶颈阶段，有点像"帕累托最优"（Pareto Optimality）——再怎样辛勤，培育的空间也越来越小了。

说白了，当今群众都在过度依赖参数规模和寥落激活机制，可能会堕入一种"时候幻觉"：以为不断了老本问题，其实并莫得真是不断通用大模子的深层瓶颈。

换句话说，时候越来越同质化，竞争也越来越内讧。

文心一言的多模态本领虽在行业里起程点，但中枢如故依赖 Transformer 架构，没办法冲破通用大模子的扩展性限制，这即是算法优化的天花板。

再比如，Qwen 系列天然全球下载量冲破 3 亿次，看起来很犀利，但施行上模子的功能各别很小。

那怎样办呢？各家短期获胜把架构推倒，再行来过吗？笃定不可能。真是的阶梯是从"时候堆叠"到"价值创造"。

我以为，关于大厂来说，价值锚点的中枢在于能不成真是不断施行问题，而不是单纯追求时候目的的极致；很昭彰，时候细节优化仅仅妙技，场景落地和生态协同才是根基。

就像艾媒筹商在 2024-2025 年中国 AI 大模子阛阓接洽申报里提到的：谁能找到我方的"价值锚点"，谁就能在"下半场"解围。

4

是以，群众到底怎样才能解围呢？

当今看来，真是能落地到企业施行场景里的，是一个"三重共振"：云厂商 + 行业应用 + MCP 契约。

为什么说 MCP 是重要？因为它内容上是再行界说了企业与 AI 怎样合营的法规。

往时企业用大模子，就像给厨师一把刀，但没告诉他菜在哪、锅在哪、调料在哪——他只可靠猜。

当今有了 MCP，特殊于给 AI 装了一个"导航系统"，它能自动找到企业的数据库、API、业务经过，以致还能跨系统操作。

高德舆图是阿里云的客户，要是接入 MCP，以后导航淡薄就不是浅易的"绕开拥挤"，而是能聚拢用户的破钞记载保举左近餐厅，以致获胜跳转到外卖 App 下单。

这背后是 MCP 把高德的数据和阿里云的 AI 本领买通了。

那 MCP 到底怎样驱动 ToB 的范式变化？我认为，有两点：

一、从"模子为中心"变成"数据为中心"；往时企业作念 AI，总盯着模子参数、推理速率这些时候细节。但 MCP 让要点转向数据流畅 。

二、从"孤岛"变成"协同"；企业里面的系统络续互不联通，比如：财务系统、供应链系统、客户不断系统。一个公司用了谁家的云，云厂商就不错基于 MCP 把这些系统全买通。

买通之后，MCP 就从一个浅易的器具变成了分娩力基础智商。是以，这才是新范式。

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

这亦然我为啥说，在大模子和 AI 的鼓动下，从下到上看，畴昔可能会出现新的飞书、钉钉这样的平台。它们不像飞书、钉钉那样有通信、协同功能，但至少能把企业的各式业务经过整合起来。

叙事还在不绝开yun体育网，到底会不会这样呢？deepseek R2 出来后，就见分晓了。