當技術範式重構，強者也得重新起跑。（圖片取自於：Unsplash）
過去幾個月，尤其是2025年一季度，中國國內大廠在AI（人工智慧）大模型領域的聲量明顯低調了不少。最直覺的感受就是，發表會明顯少了許多。對比去年同期，中國大廠幾乎是輪番上陣、接連發布新成果，而今年則低調了不少，聲音變得謹慎，動作也更克制。這種轉變，多少跟DeepSeek-R1在中國春節期間的發布有關，這個模型以開源、低價、高性能的組合，打破了“大模型＝高投入、高門檻”的行業共識，也撬動了模型產業的權力結構。
它不僅刷新了開發者對開源模型的認知，也動搖了先前被中國大廠們視為護城河的「重資產」範式。一時間，矽谷科技股應聲回調，千億美元研發投入的必要性也被重新檢視。而在中國國內，這場「科技地震」最先震動的，其實正是那些原本被認為應該在AI 戰役中衝在最前面的大廠們。一邊是像DeepSeek、Manus 這樣的新玩家用「小而強」「快而靈」的策略不斷迭代突破，另一邊卻是大廠在產品落地、組織架構、技術方向上的多次調整與遲疑。新玩家衝擊的，不只是模型性能或訓練成本，更是許多建立在歷史經驗基礎上的路徑依賴——比如“只有閉環才有護城河”、“只有高預算才能出好模型”、“只有通用大一統才是正確方向”等。
越來越多的事實正在指向同一個結論：在AI 快速演進的浪潮中，任何僵化的範式認知，都可能成為創新的絆腳石。今天的大廠，正面臨一次理念上的轉向：不再追求「我的模型服務我的應用」的閉環邏輯，而是回到「用最適合的模型，建構最好的產品」這個產品主義原點。一系列深層的戰略重構，正在中國網路大廠悄悄發生。
Deepseek-R1出現前，大廠鏖戰大模型賽道，各自押注不同
回頭看2023年，中國國產大模型賽道迅速升溫，幾乎所有有技術儲備或生態優勢的公司都在投入資源，試圖在百模大戰中找到自己的突破口。彼時，百度、位元組、騰訊等大廠紛紛亮出自研模型，「自研閉環」幾乎成為主流打法（阿里則探索開源較早），強調的是「模型要自主可控，生態要自給自足」，從底層模型到應用產品都要打通。在這樣的背景下，百度主打「模型＋搜索」路徑，字節跳動力推豆包，阿里對通義千問團隊進行拆分以優化資源配置，騰訊則相對謹慎地投入「混元」大模型，整體更強調“應用場景驅動”，小廠中也出現了面壁、智譜、百川、月之暗面等一批小模型訓練，彼時業內大家的競爭邏輯還建立在幾個假設之上：1）自研能力越強越有護城河；2）參數量和能力相關，性能靠堆大模型贏；3）需要構建一個“自我可控”的模型+應用閉環。
但這些共識在DeepSeek-R1 發布後被徹底打破。 2025 年1 月DeepSeek-R1 的亮相，被業界視為一個「臨界點」事件——一方面，它以極低的成本訓練出了對標GPT-4 的能力，公開技術細節並放出權重；另一方面，它代表著一種更徹底的「開源範式」：不是簡單地讓一個模型，而是直接讓開發者來研究了一個比例、真實程度、即開放式資料、即使用一個比例。這直接打在了原來那種「閉環型自研」的路線要害上。許多大廠花大錢訓練的模型，在DeepSeek-R1 面前變得毫無優勢——不是能力不行，而是“性價比不行”：你沒法再說“自研比別人更強”，因為別人把過程全開了，而且你追上幾個月；你也沒法說“閉環護城河更高”，因為別人兩天也可以用上三節制。
這種「開源即能力平權」的衝擊，不只是打到了大廠，也打亂了AI 小龍們的節奏。以面壁、百川為代表的「小模型派」，原本還希望在訓練效率和推理速度上做文章，現在發現DeepSeek 直接掀了桌子，把效率和能力統統平衡好了，而且是白送的——這讓「閉源商業化」變得更加困難。產業由此進入了一段顯著的「策略迷茫期」：大廠開始重新評估自研的價值：是否還值得燒錢去追一個很可能被開源追趕的模型？是否應該把精力轉向「拼裝模型能力+打造AI 原生應用」的組合打法？AI小龍們則面臨最直接的生存壓力：原來講閉源、講技術棧的優勢正在消失；大廠又開始加速從開源模型中「拿貨」，對它們的合作需求也在下滑；只能重新找定位，要么抱團，要么找「差異化垂直場景」。
投資人也重新審視專案價值：一個大模型新創公司如果沒有特別的創新機製或生態合作資源，其估值邏輯就會受到挑戰。總之，DeepSeek 不是推出了一個強模型這麼簡單，它更像是一次「範式洗牌」：用極致透明和開源方式打破舊有路徑依賴，把「自研大模型閉環」從主流選項變成了一個「代價極高」的冒險。這一刻之後，誰能快速認清現實，找到新生態位，誰才有可能留在下一輪的牌桌上。
震盪之後，大廠摸索新方向
DeepSeek帶來的衝擊在持續發酵時，整個產業一開始是懵的，迷惘、不確定、不知所措。大家都知道這是系統性衝擊，但具體要怎麼應對、往哪裡走，其實那時候沒有明確答案。但從2月下旬開始，情況慢慢變了。大廠開始陸續有所動作，新的敘事也浮出水面。一句話總結就是：策略重心從去年強調「應用先行」「超級App」的落地路線，重新回到了「AGI 優先」的軌道上。這輪轉向有幾個關鍵的變化。第一個變化是目標清晰了。過去講AI 應用的時候，很多公司都停留在「做一個超級App」的層面，例如搞一個AI 助理、一個AI 搜尋或AI 辦公工具。
但現在，在位元組與阿里最新的對外表達中，都明確地將「衝刺AGI」作為最核心的目標。在2月的全員會上，位元組CEO 梁汝波曾表示：「智能水平是最重要的，要把提高智能本身當成最重要的目標，而不是某個產品的DAU。」3月，豆包大模型部門召開全員會，明確部門的最重要目標是探索智慧上限；同時強調進一步加強組織文化，提高技術開放程度，並考慮推進開源。「Seed Edge」是字節豆包大模型團隊在年初組建的AGI 長期研究團隊，鼓勵探索更長週期的AGI 研究課題，如推理能力、感知能力、軟硬一體化等。這個計畫強調「寬鬆的研究環境」和「長週期考核」，為入選主題提供獨立算力支持，體現了位元組對AGI 的長期佈局。
Seed Edge 的目標是探索AGI 的新方法，鼓勵跨模態、跨團隊合作，目前初步確定了五大研究方向，包括探索推理能力的邊界、探索感知能力的邊界、探索軟硬一體的下一代模型設計、探索下一代AI 學習範式、探索下一個scaling 方向。可以看出，位元組正在為通往AGI 的下一階段做技術儲備。2025財年財報後的電話會上，阿里CEO 吳泳銘首次明確提出AGI 是阿里AI 戰略的核心目標，甚至用了“AI 將影響全球50% GDP 結構”這樣激進的表述。這也意味著，阿里正在從強調「雲端+模式」服務能力，逐步走向更高層次的通用智慧探索。
第二個變化，是對「開源」和「模型選擇」的態度發生了實質變化。過去講模型、做應用時，往往強調「全鏈路自主可控」，什麼都要自己來。但現在，尤其是騰訊和百度，看起來越來越強調實用主義導向：誰的模型能力強就接誰的模型，應用產品的目標是用戶滿意、場景落地，而不是一定要套用自家大模型。這背後，其實是每家公司在重新釐清自己的生態位──它在AI時代扮演什麼角色，它的核心競爭力到底在哪裡。阿里的反應看起來「穩」一些，或者可以說是延續之前的節奏。
因為阿里在大模型上的投入本身就走在了開源路線的前面。通義千問（Qwen）系列在海外和開源社群持續表現強勁，Qwen2.5-Max 一度號稱性能超越DeepSeek-V3，而4 月底剛開源的Qwen3，不僅成本顯著降低，性能更是反超DeepSeek-R1 和OpenAI-o1，登上開源模型榜首。阿里的打法很明確：先用模型效能證明自己，再用開源吸引全球開發者，把生態「引進」。不過，阿里的路徑也並非一帆風順。過去一段時間，由於組織架構頻繁調整，大模型和AI 業務一度陷入「各自為戰」的割裂狀態。但隨著2024 年阿里雲重新整合、AI 團隊在馬雲回歸後重新聚攏，阿里開始回到「集中力量辦大事」的主模式。阿里雲的回溫也證明了整合效果：在最新一個季度重新恢復雙位數成長，再次穩坐國內市場頭把交椅。
可以說，相較於強調C 端產品或Agent 體驗的打法，阿里正在重新確認自己在AI 時代的角色——不是衝在最前面的應用先鋒，而是一個全球級的模型平台和技術基礎設施提供者。百度的選擇，是比較務實的。一方面它有自己的文心模型體系，但另一方面它也明白，真正能打動用戶的，是像百度文庫、百度網盤這樣的具體應用能不能變得更聰明。所以在實際落地中，百度強調「誰好用就用誰」，就算不是自家的模型也沒關係，只要能讓文庫變得更好用，就可以接入。
這種態度其實是經歷過一次反思的。之前極客公園就曾經了解到，2024 年百度內部其實是為了推動模型在各應用場景落地，分散了大量精力，導致文心團隊反而沒能集中精力把模型本身推上一個更高的台階。新的調整，就是不再強求「模型服務所有應用」，而是讓每個業務線根據場景靈活選擇，把用戶體驗拉起來才是第一位。而關於開源閉源之爭，先前作為大模型閉源路線的堅定支持者，李彥宏先前曾多次公開表示，」閉源才能保證技術可控性、才有商業模式，開源其實是一種智商稅」。
直到今年2月，百度選擇了順應開源的大趨勢，宣布將在未來幾個月中陸續推出文心大模型4.5系列，並於6月30日起正式開源。騰訊的路徑更清晰，也更符合它一貫的產品哲學。無論是微信、QQ 或遊戲體系，騰訊最核心的資源就是這些連結使用者的高頻產品。對它來說，自研大模型不是必須的，關鍵在於能不能把AI 能力快速嵌入這些產品裡，提升效率和體驗。所以，當DeepSeek-R1 新模型出現之後，騰訊是第一時間接入的公司之一，沒有太多顧慮。畢竟據晚點報道，騰訊董事局主席兼CEO 馬化騰跟一些AI 團隊說過，「要好好與外部合作，不要想著什麼都自己做」，以及「要清醒地認識到實際情況，不要過高估計自己的能力。」
2月13日，騰訊率先官宣接入「滿血版」DeepSeek-R1，並迅速在全平台展開推廣攻勢。從微信、小紅書到B 站、知乎，元寶產品的廣告鋪天蓋地，引發了用戶對騰訊AI 助理的集中關注。同時，騰訊內部也緊急協調，加速推動微信與DeepSeek 的融合。相應地，騰訊也在組織架構上進行了一系列調整。繼騰訊元寶從TEG（技術工程事業群）併入CSIG（騰訊雲與產業事業群）之後，QQ 瀏覽器、搜狗輸入法、ima 等更多產品也陸續劃歸CSIG，組成騰訊在大模型時代面向C 端的新產品陣列。同時，這些產品原本隸屬的團隊與組織也將從PCG（平台與內容事業群）整體調整至CSIG，以更集中地推廣AI 策略下的產品佈局與升級。
這一系列快速動作，其實體現了騰訊對「AI 是能力，不是目的」的判斷。更強的模型、更開放的生態，只要能賦能微信和遊戲，就應該立刻使用。這一波，它反而成了最快適應變局的一家公司——甚至可以說，這次AI 開放生態的發展節奏，剛好踩中了騰訊最擅長的能力嵌套邏輯。位元組跳動則是四家裡最複雜、或許也可以說是最糾結的那個。它一方面擁有豆包大模型體系，一方面又掌握了抖音、今日頭條、番茄小說等超大規模應用場景。既想做AGI 技術的領導者，又不願放棄在應用層面的優勢閉環。
但這就帶來了兩頭要抓的壓力——模型要領先，產品也要突出，生態既要自洽又要開放。在DeepSeek-R1 爆火之後，字節一方面開始重申“AGI 是核心目標”，加強對豆包的投入，也在開源方面更多動作；另一方面在應用層也出現了新的挑戰：到底是堅持“豆包+字節應用”的閉環路線，還是打破內外壁壘，接入更強的外部模型去賽馬？根據晚點報道，位元組跳動最初對是否將DeepSeek 接入旗下產品持觀望態度，內部普遍認為「隨時可以接入，不急」。然而，時機稍縱即逝，春節過後，位元組開始緊急調動團隊加班開發，加速整合DeepSeek。
目前看，位元組的策略還在過渡期。一方面，它在對外表達中強調開源、強調開放生態價值；另一方面，在內部系統上，豆包仍然是許多應用場景的預設選擇，只在少許應用上開放DeepSeek 模型的存取。但未來會不會像騰訊一樣，開始在更廣泛的層面接入第三方模型，或者在某些應用上放開「自家模型優先」的原則，現在還沒有完全看清楚。過去幾個月是AI 大廠重新定位自己的生態角色、重新判斷技術路徑的關鍵窗口期。在經歷了DeepSeek-R1 帶來的「能力維度重構」之後，各家公司幾乎都開始重新聚焦AGI 這個長期目標，同時也在技術和生態層面更加現實與開放。
不過，即便目標一致，路徑選擇仍千差萬別。這背後，是每家公司對自身優勢的認知差異，也是它們對「AI 時代該怎麼跑」的不同下注。
科技顛覆面前，沒有永遠的「歷史贏家」
AI 產業不會因為某一個產品突然「殺出重圍」而終結對抗，它注定是一場持續上演的生態重構遊戲——生態位置、能力分工將反覆洗牌，而每一次沖擊，都會逼迫玩家重新思考「我是誰、我該怎麼做」。在DeepSeek-R1 的衝擊下，大廠開始重新審視自己與AI 的關係。這場改變不會停止：在AI 這個快速演進的科技浪潮中，任何人其實都沒有資格背負歷史包袱。歷史包袱，不只是落後的產線、繁重的組織、冗餘的團隊，更是一種路徑依賴式的認知慣性。
過去幾年，整個AI 產業累積了太多「預設共識」：例如做大模型一定要砸上億美金、做AI 應用一定要追求閉環、只有To B 業務才能形成收入閉環、AI 不是消費品只能是工具型軟體……這些「理性判斷」在過去的技術範式下看似正確，但在新路徑被打通力之後，很多「理性」就被打通了。科技革命的殘酷性就在於，它不會給巨頭太多「吃老本」的機會。 AI 的快速迭代，正不斷吞噬那些依賴過往成功經驗的慣性組織。於是我們看到：百度轉向開源，騰訊放下身段借勢引流，字節加速重構算力體系……這些動作背後，藏著大廠對現實的一種「覺醒」：在AI 的無限遊戲中，唯一的生存法則，是保持戰略彈性——既要摒棄對歷史經驗的盲目依賴，以開放姿態，擁抱技術普惠的新趨勢。
舊範式困住了誰？回顧國內過去兩三年內大廠與頭部創業公司的發展路徑，幾乎都踩在一套「經典劇本」上：先圍繞一個目標設定OKR；再從模型能力、資料體系、應用矩陣做完整閉環；最終希望透過模型降本、產品成長、生態協同走通商業路徑。這個邏輯沒錯，但問題是它太像過去網路時代的打法了——它預設「資源越多，路徑越清晰」；但AI的突變恰恰是在路徑模糊中爆發的。例如，之前很多團隊一邊追求「閉環場景」，一邊困於「能力不足」；一邊想講「自主模型」的故事，一邊又拿不到基礎設施層的調優能力。許多策略決策是「既定假設+組織慣性」的結果──看起來合理，但沒人停下來問：如果這些假設本身就錯了呢？
反觀這一輪跑出來的新玩家，無論是DeepSeek、Manus，他們有個共同點：思維輕盈，沒有歷史負擔，也沒有路線執念，這反而讓他們成了這輪範式躍遷的開拓者。如果回過頭去看，DeepSeek 和Manus 做的那些事，其實都沒有多麼玄學，甚至可以說都站得住工程邏輯。但為什麼幾乎沒有大廠走這條路？因為它們過於理性、過於系統化，也就過於保守。例如大廠可能會問：做MoE 到底能不能規模化？極限調優是不是浪費時間？ ——這些問題本身沒錯，但當還沒驗證過路徑，就先否定它，那可能永遠不會發現新大陸。
這也是為什麼，越來越多投資人、開發者、產業觀察者開始重新審視AI 創業的價值判斷：不是誰能講出最全的閉環，不是誰能招來最多的模型科學家，而是——誰能打破「歷史正確性」，走出一條技術與產品都能快速驗證的新路線。在AI 這條超高速前進的技術公路上，最危險的不是落後一步，而是還相信舊的紅綠燈規則。真正的改變總是發生在「不合理」與「不被看好」之間。