低训练成本对算力的影响？国产大模型厂商竞争格局与梯队评估, 大厂模型商业化路线, 25年应用展望

要点

- 国内大模型竞争格局，其实豆包调用量一直在环比往上，能否评价下现在整体大模型，国内结构是什么？例如第一梯队、第二梯队是哪些？

- 今年下半年，个人观察到模型加速商品化、模型价格战，当时访谈豆包，他们价格已经杀到基本上不赚钱、文本模型亏钱的程度。您刚刚提到，第一、第二、第三梯队，内容、数据有差异化，但从最终用户使用角度而言，是否有很大的区别？另外2025年，大模型价格战在今年会以什么方式展开？Deepseek V3入局后，是否加速模型竞争？是否对于市场价格有很大压力？

- 您刚提到，To B部署里，可能模型调用没有很贵，但相关数据库或PaaS层服务，会以较高价格捆绑，但例Deepseek发布后，它作为开源模型，您说的这些数据库管理方法、相关软件栈，它也有开源solution。对于一些企业，是否降低了他们从模型到部署过程中的自建门槛？它可以基于开源参数、finetune自己模型、部署在自己环境里。当然可能会做云计算的算力，但是否把大厂能做的事扁平化，大厂相对而言做的事更少？

- To C场景还有什么变现手段？策略是什么？如果不靠模型盈利，To C市场会有哪些？

- 贵司相关的打法或策略是什么？

- 展望下AI如何赋能百度、腾讯等其他公司？

- 关于模型，对于DeepSeek V3这种工作，以后对于算力需求影响如何看待？有观点认为其显著下降算力需求，因为成本降低，所以可能对未来算力消耗量下降。第二种观点，认为其降低行业门槛、成本后，其他可以自己训练模型的玩家数量会增加，且推理市场打开后，可能对算力需求量上升，您如何看待这两种观点的矛盾，您更相信哪一个？

- 展望2025年，在大模型领域或应用层，应该主要关注哪些内容？

以下是专家观点：

Patrick：国内大模型竞争格局，其实豆包调用量一直在环比往上，能否评价下现在整体大模型，国内结构是什么？例如第一梯队、第二梯队是哪些？

专家：个人认为，这个赛道里，第一梯队是这样：先从总量上，一是百度、字节、腾讯、本公司，还有独角兽头部，如Kimi、智谱、百川。第一梯队有几个特点；第一，模型能力还行，第二是用户量、商业化已经走到相对一个阶段。另外Deepseek也算第一梯队，V3出来之前，可能是第二梯队靠后一点位置，V3出来后，暂时可以放在前七名里，这里主要拼模型能力。第二梯队是独角兽里面后面几家，如MiniMax、零一万物等，包括老牌互联网如360、讯飞、商汤等。第三梯队，大概10到15名之间，如刚兴起的一些新玩家，如天工AI、Scale AI。第一梯队几个特点：数据量、算力、模型能力比较先进，后续在第一梯队里面排名往上提升的，可能如字节，字节模型能力其实一般，虽然用户量很大，但模型不是排第1~2名，而是靠后一点，腾讯模型能力也一般，为什么放在第一梯队？因为他们现在重投入，在数据层面他们较高的壁垒。百度、腾讯和字节，背后都有很强的数据，这些数据有几个特点，例如字节的数据，头条、新闻、抖音，都是自有生态数据，外部获取不了。这些厂家，依托于自己强大的数据壁垒，再加上不断追赶的模型能力。字节虽然模型一般，但模型都已经比较全，文本、音频、视觉都有，再隔一两个季度，基本上要看齐更头部模型能力，所以个人认为，字节可能会往上排，基于其用户量多，数据量价值凸显。本公司模型能力较强、技术上较强，但是弱项是数据没有腾讯、百度、字节这么多，因为公司不是内容大厂，它是做电商、生态的，所以未来可能在头部里面排名第3~4，数据可能在短期之内无法追赶，只能依托于自己被投企业的数据，包括CSDN、知乎、微博等传统互联网数据，现在好的数据都藏在APP里，并非web端的，也爬不到。所以头部客户里，会出现以大厂核心玩家占据整个市场，其他家往后排。包括创业公司，智谱、Kimi，虽然模型有段时间领先，但后续他们可能往后排，因为大家模型越来越接近，后续拼算力、拼数据的情况下，他们可能会相对弱一点，对他们而言，可能接下来要去找细分赛道，做出他们的特点，不要和大厂PK主场景，可能才会有生还机会。

Patrick：今年下半年，个人观察到模型加速商品化、模型价格战，当时访谈豆包，他们价格已经杀到基本上不赚钱、文本模型亏钱的程度。您刚刚提到，第一、第二、第三梯队，内容、数据有差异化，但从最终用户使用角度而言，是否有很大的区别？另外2025年，大模型价格战在今年会以什么方式展开？Deepseek V3入局后，是否加速模型竞争？是否对于市场价格有很大压力？

专家：在模型赛道里，12月31号时，本公司已经首先表态，把上一代视觉推理模型两个版本都是降价：一个是50%+，一个是80%+。降价比例较大，从价格角度，大厂可能会持续往这条路走，一方面迫于竞争压力，一方面本身有成本优化方式来使成本降低。所以整个市场上，不要看单独靠模型盈利多少。模型调用方面，无论是十亿还是数十亿、万亿级token，未来只是收入之一，整体还是希望通过低价牵引行业快速商业化。在最近第四季度，虽然公司B端用户量从十几万涨至三十几万，但模型调用次数还没有这么高，基于现在模型还不够好、生成速度慢、生成质量不高，另外价格也是一部分原因，所以未来通过低价方式，一是应对竞争，二是把B端客户迅速融入自家生态、快速业务上线、推送到B端或者C端客户手上用起来，只有用起来后，大厂未来才有可能赚到钱。基于大厂盈利逻辑不靠模型，其盈利是：第一，如果是B端，要做捆绑式销售，模型本身成本较低，但客户用时要选很多其他东西、周边产品，例如数据库、算力、插件，搜索、BI、PaaS、SaaS等，这些依然保持较高利润率，通过低利润模型调用加上高利润率产品绑在一起，把利润率做起来，这是大厂的策略。Deepseek产品比较单一，毕竟只是一个模型，虽然降价，再和大厂PK时，没有产品矩阵概念，在竞争上无法去和大厂去正面竞争。对于这些公司，未来除了模型以外，还需要产品化的东西。今年，大家视野要稍微开阔一点。第一，不要盯着模型本身盈利或价格，而是要看这个方向有没有衍生出更多应用。只有应用落地，被广泛B端、C端用起来后，整个市场才真正活跃起来，否则模型只能停留在自己平台上自用，没有生态在赋能，或还没迁移过来，这样量起不来，商业化也会受阻。另外竞争格局层面，未来，Deepseek技术毕竟还是一个文本模型，随着技术发展，可以加速文本模型和海外的差距，甚至局部超过，这种技术是可行的，但是这种技术别指望可以复制到其他模态，如音频、图像、视频等都是新模型架构，不是纯transformer，它是diffusion transformer或其他架构。大家也在研究哪些可以沿用到其他模型。如果只是停留在文本模型，对于往后发展的多模态模型，没有构成特别的算力需求降低等方式，而是把文本模型加速应用创新和落地。

Patrick：您刚提到，To B部署里，可能模型调用没有很贵，但相关数据库或PaaS层服务，会以较高价格捆绑，但例如Deepseek发布后，它作为开源模型，您说的这些数据库管理方法、相关软件栈，它也有开源solution。对于一些企业，是否降低了他们从模型到部署过程中的自建门槛？它可以基于开源参数、finetune自己模型、部署在自己环境里。当然可能会做云计算的算力，但是否把大厂能做的事扁平化，大厂相对而言做的事更少？

专家：可能性是有的。Deepseek释放出来的内容，行业这些玩家能否用起来？如果要私有化部署，技术上是可行的。他完全可以去买一套一体机，如10台、20台来本地部署。对云方面，个人认为，云在整个生态大头，基于特殊行业会做一些私有化部署，而大部分行业是上云。例如生物医药、生命科学或金融，这些赛道较喜欢私有化部署，其他赛道，如互联网、汽车、教育，大部分还是公有云，因为公有云成本低、算力扩展更弹性，在这个赛道里，会有一些玩家喜欢私有化部署，但主流还是上云。

Patrick：To C场景还有什么变现手段？策略是什么？如果不靠模型盈利，To C市场会有哪些？

专家：关于字节，整个生态围绕内容、视频、文字这些信息，是内容搬运工，内容找人的商业策模式，叠加电商、广告，背后逻辑都围绕信息，只是信息是商品、视频还是文字。背后核心逻辑还是通过信息传达、精准匹配，实现广告匹配，从这方面收费。所以其发展方向，是在面向内容创作赋能UGC。不管是豆包，还是豆包下面其他产品矩阵，核心逻辑有几点，第一，赋能生态创作者，用工具完善创作。创作过程中，衍生出收费模式，例如基础版，每天做低分辨率480p的20个版本。超过部分收费，这是第一种方式，即按量、AIGC、UGC生成次数来收费，基于接下来在社交平台会出现一些AI生成东西，背后要有一套工具，有对应的收费模式。第二种，在电商导流部分，字节为什么要做豆包？其认为下一代AI驱动应用里，电商流量会发生转移，从过去TikTok、抖音上找产品，变成从豆包入口找产品。这就为何其打通整个字节的数据，主要是基于奔着流量迁移。它已经感知到字节可能被新应用颠覆，还不如自己做颠覆自己的产品出来。所以其下一个商业模式，是从AI搜索当作入口，问信息、搜索信息，并连带广告模式。现在以文本为主，而下一步可能用多模态搜索，多模态搜索可以穿插小广告来变现。第三种，硬件是应用的扩展，目前的硬件不是前几年老技术做的AI硬件，现在都是生成式、个性化，可以做出全新体验，这种体验是应用延展，从APP延展到耳机或其他自硬件，背后可以和智能体对话，也会长出商业模式：第一，可以买硬件，从硬件上赚钱，第二可以买套餐，例如喜欢某个数字网红的智能体，给他充值、送卡，可以出很多玩法，用户上瘾。用现在技术和智能体聊天，智能体会很懂你，和他越深入，他会越来越懂你，会上瘾，而上瘾就要付钱，这是一种模式。这是字节打法。

Patrick：贵司相关的打法或策略是什么？

专家：本公司，本身目前核心策略还是守住基本盘，用新技术赋能电商，主要用技术提效降本，给商家赋能。商家多卖货，GMV上升后，公司从商家收到的钱就多，这是本公司核心逻辑。第二个核心逻辑，是用这种技术把公司云拉升起来。公司的云业务，在IaaS时代，是整个云算市场number one，全球第三，国内第一，而面向未来，云计算市场要发生技术迁移。所以公司要引领市场。其商业化是把AI赋能后所有产品重构。公司现在50~60%产品，大部分都已经完成重构，有些正在重构、优化中。已经上线产品，如智能客服、导购、内容审核、BI、大数据、Maxcomputer等，很多背后技术已经发生重构。因此，公司要用AI重构产品、卖出新价值，用新产品来服务客户，为客户创造价值，客户买单，这是商业化逻辑。后续，公司会做很多C端产品，AI驱动硬件。过去硬件是补贴式销售，而现在硬件本身就要产生价值，不再补贴。例如最近10月份推出的闺蜜机，贵的要5000多，便宜的要2700多。毛利率很高。叠加硬件背后的OS，也是AI驱动的。例如闺蜜机有很大的屏，可以买东西，也可以投广告。所以硬件单独是一条线。另外C端方面，如夸克现在变现方式包括：第一，里面有免费的教育，但高级功能也要付费，它可以解决大部分功能，但如果要找专线人来指引也要付费。另外包括健康教育、健康问答等，基础的问答可以回答，但高阶问答、连真人背后的医生，是需要有分成。AI搜索，如果提供基础事件，他可以解答，但如果有些知识点要找老师给来讲课，他可以卖课，而卖课也有分成。所以这些互联网玩法，有了流量以后，会衍生出很多变现方式。以上只是目前能够看到，还有很多未来新玩法，随着这些产品上线会诞生出来。

Patrick：展望下AI如何赋能百度、腾讯等其他公司？

专家：百度本身是为了搜索，现在也要自我颠覆，只是百度决心还没这么强，它单独做了文小言，其实就是新一代搜索，现在上线是4.0的收费、每个月59块，用AI加百度搜索来提供服务。所以百度这种公司，未来搜索本身要进行重构，只是现在AI搜索不盈利，还是靠传统网页版搜索来广告和导流。现在还没有订阅费之外新收费方式出来。其他公司，有产品矩阵，围绕着赋能生产力提升，包括视频编辑、新推出的秒答等，这些是基础功能加高级功能收费的商业模式。腾讯，本身是做C端社交媒体，所以腾讯因为现在还没有完全像字节这么猛，产品相对较少，主要元宝。元宝是做AI搜索定位。AI搜索，个人认为，可能还是持续走免费路线。未来可能在AI搜索里，做高级功能订阅或广告导流方式，其本身不太会走低端付费方式。

Patrick：关于模型，对于DeepSeek V3这种工作，以后对于算力需求影响如何看待？有观点认为其显著下降算力需求，因为成本降低，所以可能对未来算力消耗量下降。第二种观点，认为其降低行业门槛、成本后，其他可以自己训练模型的玩家数量会增加，且推理市场打开后，可能对算力需求量上升，您如何看待这两种观点的矛盾，您更相信哪一个？

专家：个人观点倾向第二种。第一种视野窄了一些，DeepSeek现在是文本模型，随着模型分类及未来发展，一定奔着多模态走，当下技术并不会复制到更先进的模型架构，所以它偏向于文本模型创新。在短期内看似乎是对训练算力需求下降，但从大盘上看，模型训练玩家就少，就这么十几家，影响算力需求主场景还是随着应用推广、上线后，能够获取海量C端、B端客户的拉升的算例需求。个人观点，第一，DeepSeek的创新的确能够降低算力成本，好处是加速自有大语言模型技术迭代，基于DeepSeek开源，在上面衍生出各种细分版本出来，在未来一两个季度可能会有DeepSeek V3 - ，这个“-”是后续迭代出来的新版本，这可能会发生，这迭代本身就拉起算力需求，大家可能会租云去做深度后训练或微调，所以加速自身技术迭代，缩短和海外大模型差距，降低了普通大众门槛。另外，由于模型本身迭代加速，应用也会加速。因为AI应用特点，基于通用模型去做应用做不出太多特色，这个功能可能大厂已经做过，如果能在较好模型上做出需要的那种应用，一定是专属模型，所以“one product one model”，应用背后需要专门模型来支撑，例如MiniMax有自己的音频文本模型，所以才能做出新意，如果调用 OpenAI的模型或其他公版模型，做不出那个能力。例如，MiniMax虚拟社交里有个重要的功能是个性化对话，其特点是每个角色发音、声色、语气、性格不一样，因此需要可以调模型的敏感度，例如哪些话能说、哪些不能说等，这些可以基于开源模型设置、调整，才能做出较好产品体验。由于模型门槛降低，加速应用创新，进而自然拉升算力需求。最后，随着大模型门槛降低，会加速基于文本模型驱动的应用创新，从而驱动算力加速，另外多模态里，这些技术无法复制，至少现在还没有办法复制，传统等视觉模型还是需要强大的算力支撑。

Patrick：展望2025年，在大模型领域或应用层，应该主要关注哪些内容？

专家：应用层，在过去一年里，已经跑通三个核心场景。第一个核心场景是AI搜索。已经广泛影响普通人获取信息方式。当习惯用了AI搜索时，基本就不用百度或Google搜索。最好的是海外Perplety AI，国产的如秘塔AI、360的纳米搜索等，这些应用渗透越来越高。目前主要渗透在技术研究、学生人群，后续也会往普通人群迁移。在移动互联网时代有10亿用户，而现在AI搜索用户大概是六七千万, 滲透率还是处于早期, 还有20倍上升空间,所以Al搜索是第一个赛道, 要去关注,而且可以跑出商业模式。第二是反复强调的Al教育. 该市场上玩家没那么多 字节本来做了一个高斯, 但是是海外版, 国产例如精准学, 也开始在慢慢往这方向迁移,有些做成学习pad, 有些做成app, 例如Echo英语口语.目前A可以做打断式学习和指导, 不是以前简单把视频放一下, 用户跟着学和看. 而现在可以将一个知识点反复问它, 直到听懂为止,是交互式教学。第三是虚拟社交. 已经被验证出能走出商业模式。要看用户体验, 所以虚拟社交也是第三个要去关注的赛道。第四个 赛道, 硬件赛道里很多产品会出现。会重构,基于硬件和之前逻辑发生重大变化, 变化有几个特点: 第一,端侧模型变得越来越小, 进而可以去植入到端侧来帮助提升软体验, 所以会产出AI伴侣。例如以前的娃娃机,甚至高端一点的给成人的产品, 例如可以做大一点,你可以和它聊天, 情感陪伴. 这个产品有人在做, 且公司已经拿到较不错的融资。另外是机器人, 有些是玩具式机器人, 例如把它做成擎天柱, 用语音控制, 做复杂动作, 会编程可以做一些很多玩法。核心点是在生成式人工智能驱动的趋势下, 很多A|硬件都可以值得再做, 类似吴晓波在年会上说过,创新用户体验. 为企业挖掘用户需求 创造市场提供新方向, 所以AI硬件需要关注。这个赛道里, 一是大品类例如PC, 手机 中小品类, 一是玩具AI眼镜。为什么Al眼镜在这个赛道上可以再做? 以前Al眼镜有几个重要特点: 以前A|较傻. 较重, 较贵。现在如海外Meta已经推出自己的眼镜, 贵的才1000多美金, 国产版,例如雷鸟, 只要一两干。这种产品是第四代可穿戴设备, 第一代是普通蓝牙耳机, 第二代是智能手表,第三代是双耳耳机, 第四代是A|功能智能眼镜, 这种眼镜只有49克, 很轻,可以续航六个小时以上,最重要是可以有两种配置,种带摄像头, 一种不带摄像头。带摄像头的产品, 连接到视觉理解模型, 例如看图书馆、博物馆, 观察艺术品,游客不知道它是什么, AI可以把看到画面解读, 这是全新体验。另外是和人聊天, 如果他说语或法文, 用户听不懂, 可以让Al翻译, 实时对话 另外包括需要用到蓝牙耳机的产品, 都可以同步复制过来,所以这是一种新品类, 通过Al加持带来新体验、需求。纪要私享圈