國模危與機

過去幾年，國模在工程效率和成本控制上進步很快。但如果只能用更低的價格提供接近前沿的能力，這門生意能否持續支撐高成本的基礎模型研發？市場的擔憂由此而來。

與此同時，大模型產業正在經歷一輪重要變化。從Coding到Agent，再到Computer Use，模型不再只是回答問題，而是開始進入真實環境、完成復雜工作。訓練方法、數據需求和商業模式，都在隨之改變。

對於中國模型企業，這意味着新的挑戰，也可能是重新建立競爭優勢的機會。

一、智能上界，仍然有新的解法

過去幾年，中國模型在工程效率上的創新，已深刻改變全球大模型的成本結構。MoE、稀疏注意力、低精度訓練、推理加速和軟硬件協同，讓越來越強的模型能夠以更低成本訓練和部署。但模型研發還有另一個更重要的問題：如何在有限計算資源下，繼續提高智能上界？

中國企業正在探索不同的答案。

DeepSeek更重視改變模型的計算結構。9月發布的DeepSeek V4.1 Flash採用552B參數的MoE架構，引入非對稱Causal Encoder–Decoder設計，輸入側僅激活約8B參數，輸出側約16B。相較前代，KV Cache對高帶寬顯存的需求降至四分之一，對SSD存儲的需求降至八分之一。

這類架構創新不只是降低推理成本，也爲長上下文處理和更大規模模型的訓練、部署打開新的效率空間。

智譜的技術積累則可以追溯到更早。2022年，智譜與清華團隊開源GLM-130B，一個1300億參數的中英雙語預訓練模型。當時，能夠完成千億參數模型訓練並開放權重的研究團隊並不多。

GLM-130B的論文記錄了大規模訓練中的Loss Spike、訓練發散等問題，以及穩定訓練所採用的技術方案。團隊還研究了INT4量化，使千億參數模型可以在4張RTX 3090上運行。

到了今年8月，智譜發布GLM-5.3-Flash，重新設計基座架構和訓練方案。

模型總參數320B，每Token僅激活18B參數，採用45層網絡結構，引入稀疏注意力與線性注意力的混合架構，以及Manifold-Constrained Hyper-Connections，並使用30萬億Token多模態預訓練數據。

根據官方披露，相較GLM-5.3，新架構的注意力計算量減少約三分之二，KV Cache規模降低約77%，同時保持較強的Coding和Agent能力。

從千億參數穩定訓練，到混合注意力與計算結構優化，智譜在持續研究如何讓模型獲得更高的有效計算效率。

阿裏千問則在更大規模的基座上繼續投入。Qwen3.8-Max總參數達到2.4萬億，結合百萬級上下文、多模態能力和阿裏雲基礎設施，探索更大模型的能力邊界。

這幾條路線並不衝突。更大的模型規模、更高效的計算架構和更好的訓練數據，都可能帶來下一輪能力突破。

尤其是隨着萬億參數MoE成爲重要技術路線，穩定預訓練本身仍有大量問題值得研究：Loss Spike、專家負載失衡、路由塌縮、Attention Logit異常、新優化器的超參數遷移，以及數據配比、Mid-training和學習率退火的設計。這些細節會影響模型最終的知識表示、推理潛力和可擴展性。

今年以來，Anthropic和OpenAI持續加強模型訪問控制和反蒸餾措施，也讓自主研究的重要性進一步提高。蒸餾可以幫助學生模型高效遷移已有能力，但要探索尚無成熟答案的新任務，最終仍然需要自己的數據、訓練方法和實驗體系。

國模已經積累了扎實的工程能力。下一階段，更值得期待的是這些能力與基礎研究的結合。這其中最重要的資源之一，是人才。能夠提出正確問題、設計關鍵實驗，判斷能力增長是真實信號還是評測噪聲的人，比單純熟悉訓練流程的人更加稀缺。

中國擁有龐大的算法與工程人才羣體。隨着基礎模型研發持續深入，一批長期研究模型架構、優化算法和大規模訓練的團隊，正在成爲下一輪技術創新的基礎。而預訓練之外，強化學習正在打開另一條能力增長曲線。

二、後訓練，正在打開新的技術空間

過去，大模型主要從靜態語料中學習。進入Agent時代，模型開始通過行動改變環境，再從環境反饋中學習。

一個Coding Agent不僅需要生成代碼，還要讀取倉庫、安裝依賴、運行測試、修改文件，並根據執行結果不斷調整。

這種訓練方式對環境、獎勵和算法提出了全新要求。環境必須可運行、可復現、可重置，能夠支持大規模並行訓練。任務難度還要接近模型當前的能力邊界：太簡單沒有學習梯度，太難則難以獲得有效反饋。

獎勵需要盡可能準確地定義任務完成。編程和數學可以利用單元測試、編譯結果和答案驗證；金融、法律、研究等開放任務則需要Rubric、生成式獎勵模型、過程獎勵和多層驗證，還要防止模型修改測試、繞過校驗等Reward Hacking行爲。

算法需要解決長程任務中的信用分配、異步RL的Off-policy偏差、熵塌縮、探索不足，以及長軌跡中的上下文壓縮和記憶問題。這些難題仍沒有公認的完整答案，也意味着新的研究空間。

Kimi和智譜正在沿着這個方向取得進展。

10月發布的Kimi K3.1 Pro，在Kimi K3基礎上進一步擴大強化學習計算，並優化RL框架、Sandbox、Rollout調度和環境質量檢查。在Artificial Analysis的Terminal-Bench 4.0評測中，其成績達到67%，已經接近當時最強的閉源模型。

智譜GLM-5.3則沿用GLM-5.2基座，將主要能力增量投入長程任務環境和強化學習。

根據技術報告，其訓練系統通過研究Agent從真實工作中提取任務模式，自動構造可執行環境，再由Judge Agent檢查任務是否可完成，通過驗證器和多層檢查發現獎勵漏洞。

訓練任務已經延伸到機器學習基礎設施優化：模型需要分析計算集羣、存儲系統、代碼和實驗結果，找到性能瓶頸，完成優化並驗證實際效果。

智譜披露，GLM-5.3在內部Code Bench上的端到端完成表現較GLM-5.2提高約50%；通過異步調度和Rollout優化，長程Coding RL訓練吞吐量提高2.3倍以上。

這些進展表明，大模型的能力增長正在形成新的技術體系：基座模型提供基礎能力，復雜環境產生訓練任務，獎勵系統提供反饋，強化學習持續提高任務完成能力。

更值得期待的是模型參與自身訓練的可能性。從人類構造任務、模型學習任務，逐步走向模型自己生成任務、構建環境、執行實驗、驗證結果，再利用反饋改進能力。這條路線仍面臨驗證器可靠性、自我強化偏差和獎勵漏洞等問題。尤其是當生成器能力超過驗證器時，模型可能不斷強化錯誤。但如果能夠建立可靠的生成、驗證和學習閉環，大模型研發的效率和能力增長方式，都有可能發生重要變化。

三、數據產業的下一次升級，機會可能在中國

強化學習的發展，還可能重新定義數據產業。

中國擁有成熟的數據服務供應鏈、大量軟件工程師和豐富的產業場景。但新一代Agent訓練需要的，已經不只是文本標注和人工評價。

高質量訓練數據的交付物，正在轉向可執行環境、驗證器和專家軌跡。例如，訓練一個財務Agent，需要構造包含多份財報、數據衝突和業務約束的工作空間，讓模型完成核對、計算、分析和交付，再驗證任務結果。

這要求數據服務商不僅懂業務，還要具備軟件工程、Sandbox構造、Reward設計，甚至基礎強化學習實驗能力，判斷環境能否持續產生有效學習信號。

海外已經出現Mercor等圍繞專業知識和高質量AI訓練數據建立業務的公司。中國同樣有機會培育一批技術密集型的數據服務企業。

路徑至少有兩條：傳統數據公司引入RL和Agent人才，升級爲訓練環境供應商；已有的RL、Agent公司則利用軟件工程和行業經驗，向基礎模型企業提供復雜任務環境。由此可能形成一種新的商業模式：Environment as a Service，環境即服務。

客戶購買的不再只是數據條數，而是能夠持續訓練模型的環境、驗證器和有效學習信號。更進一步，環境構造本身也在自動化。

GLM-5.3的技術報告已經展示自動生成任務環境和部分驗證機制的流程。隨着這種能力擴大，標準化環境的生產成本可能快速下降。

人的價值將進一步集中到自動生成器覆蓋不到的環節：真實業務長尾、企業私有場景、復雜行業知識，以及對自動生成環境進行質量評估的能力。

未來甚至會出現專門評估訓練環境的“環境的環境”，用來判斷任務難度是否合理、獎勵是否存在漏洞、模型究竟能從中學到什麼。

中國的制造、金融、軟件開發、電子商務和專業服務領域，擁有大量復雜而具體的工作流程。過去，這些場景更多被視爲AI應用市場。Agent時代，它們還可能成爲下一代模型的訓練資源。

能否把真實產業知識轉化爲可復現、可驗證、可規模化的學習環境，將決定這種資源優勢能夠釋放多少價值。

四、大模型開始幹活，中國市場的機會正在擴大

訓練方法發生變化，是因爲模型的工作正在發生變化。

從Coding到Agent，再到Computer Use，模型逐漸進入計算機環境，承擔越來越復雜的任務。Coding最先取得突破，因爲代碼可以執行、測試，能夠形成相對清晰的訓練反饋。

Agent需要多步決策、異構工具調用、外部狀態維護和長期規劃，獎勵往往稀疏且延遲。

Computer Use則進一步要求模型理解GUI、完成視覺Grounding，並在不斷變化的軟件界面中採取行動。

每向前一步，都需要足夠多的基礎數據、足夠廣的訓練環境、足夠復雜的任務，以及足夠精準的軌跡與反饋。

計算機之外，還有與物理世界交互的機會。

機器人、工業控制、自動化設備和實驗室系統，都需要模型理解環境、執行動作並根據反饋調整。物理環境難以復制，訓練成本和安全要求更高，但也對應着更廣闊的產業空間。這些變化正在改變模型的商業價值。

過去，用戶主要按Token購買智能服務；現在，越來越多的企業開始按最終任務結果衡量AI。

一個價格較高的模型，如果能夠用更少的步驟完成工作，也可能比低價模型更經濟。

Kimi K3.1 Pro上線後出現的額度消耗問題，反映的正是這一變化：復雜Agent能力提高了，但子Agent調用和長程推理也增加了使用成本。如何以合理成本交付高質量任務，將成爲下一階段重要的競爭指標。

不同中國企業正在尋找自己的市場位置。

MiniMax從語音、視頻和AI原生應用起步，逐步強化Coding、Agent和Computer Use。10月發布的M3.1 Flash，重點優化推理速度和成本，官方披露成本較此前版本下降約70%。

2026年上半年，MiniMax收入達到1.166億美元，同比增長283.1%；其中開放平臺及企業服務收入7390萬美元，佔總收入的63.4%。

千問和混元則擁有大型科技公司的生態優勢。阿裏可通過阿裏雲、QwenWork進入企業和辦公流程；騰訊則通過騰訊雲、CodeBuddy、WorkBuddy，將混元能力融入軟件開發和生產力場景。

騰訊8月發布的Hy4 preview總參數770B、激活參數49B，重點面向編程、辦公與科研。騰訊還披露，模型通過分析並優化自身推理基礎設施，在內部實驗中將端到端吞吐量提高31.8%。

這些路徑說明，AI的價值正從模型API延伸到軟件、工具和完整業務流程。

中國既有獨立模型企業，也有龐大的軟件與互聯網生態，還有制造業和專業服務中的復雜場景。隨着Agent真正開始承擔工作，模型能力、系統工程和行業知識之間會產生更多新的組合。

五、從全球用量，到全球價值

如果說技術和應用創造了新機會，那麼商業化需要回答的，是如何讓這些機會支持長期研發。

Anthropic的招股書已經證明，高價值企業客戶願意爲可靠的智能服務持續付費。但這種增長也需要巨大投入：2026年前三季度，其算力與基礎設施開支達到188.08億美元，並籤下了規模龐大的長期算力採購協議。

中國模型目前的一個優勢，是已經通過開放權重、效率創新和價格競爭進入全球開發者生態。

接下來的機會，是建立更加多元的商業模式：基礎模型API、訂閱產品、企業服務、推理基礎設施，以及面向具體任務的Agent產品。

智譜近期的OpenRouter表現，提供了一個值得觀察的案例。

根據11月初一組統計快照，GLM-5.3 Flash近7天調用量約15萬億Token，位列全站第二，環比增長13%；近30天約55.1萬億Token，與此前30天基本持平。

GLM-5.3近7天和近30天均位列第十，近30天調用量約19.1萬億Token，環比增長54%。模型發布後的第二個月，用量高於第一個月。

更有意思的是價格。GLM-5.3的OpenRouter標價約爲DeepSeek V4.1 Flash 1017的7至9倍，而Token用量約爲後者的十一分之一。

這並不能直接推導出模型能力的差距，卻說明中國模型正在形成不同的價格與使用量組合。對於部分開發者來說，模型的復雜任務能力、長程可靠性和整體交付成本，已經可能比單Token價格更加重要。

智譜的財務數據也顯示出商業模式的變化。

2026年上半年，智譜收入達到9.54億元，同比增長399.7%；其中開放平臺及API收入8.25億元，同比增長約2736%，佔總收入的86.5%。

相比過去以本地化部署爲主的業務結構，標準化模型調用已經成爲主要收入來源。

另一項進展來自推理基礎設施。智譜披露，已在十萬級國產芯片規模上實現模型推理，並通過系統優化，將單位Token推理成本較年初降低約80%。從基座架構、後訓練到推理成本和API收入，技術效率正在直接影響模型企業的商業能力。但開放權重也帶來了新的商業問題。

模型發布之後，第三方推理服務商可以部署同一模型，與原始研發企業競爭。Epoch AI曾觀察到，GLM-5.3 Flash開放權重後約20天，智譜自身承接的該模型OpenRouter Token份額從88%下降至22%。

模型使用量增長，並不意味着所有商業收入都會流向原始研發公司。

因此，未來開源模型的競爭，不僅是擴大開發者覆蓋，還包括能否通過更好的模型能力、產品體驗、推理服務和企業關系，形成穩定的收入來源。

DeepSeek以架構創新和高性價比擴大開發者生態；Kimi向更高的智能上限和復雜任務投入；智譜嘗試連接基礎研究、後訓練、國產推理和API商業化；MiniMax同時經營全球AI產品與企業服務；阿裏、騰訊則可以通過已有的雲計算和軟件業務獲取模型價值。

不同路徑都已經出現了實際進展。

而隨着AI從賣模型轉向提供工作成果，中國企業也有機會建立不完全依賴低價競爭的商業能力。

六、下一輪競爭，中國需要更多這樣的團隊

機遇正在出現，挑戰當然也還存在。

前沿模型研發依然高度依賴算力，國產芯片在推理側的進步，還需要進一步向大規模訓練和完整軟件生態延伸。

高質量訓練環境也不是有了行業數據就能自動獲得。環境構造、獎勵驗證和專業任務設計，需要更加緊密的產業合作。

同時，隨着Agent進入真實工作系統，權限控制、數據安全、獎勵作弊防範、過程審計和人工接管，都必須成爲模型能力的一部分。

還有研發投入。2026年上半年，智譜研發開支達到21.31億元，期內虧損約20.72億元；MiniMax同期經調整淨虧損達到2.93億美元。商業化已經開始增長，基礎模型研發仍然需要持續的大規模投入。

一項新架構可能需要多輪實驗才能驗證，一批RL環境可能因爲獎勵設計問題失效，一次大規模訓練也可能因系統不穩定而遭受損失。

基礎研究需要這樣的試錯過程。

中國模型企業過去幾年的處境，多少有些“小米加步槍”的意味：算力和資本沒有對手充足，研究方向卻必須持續跟進全球最前沿。有限的資源，需要同時支持技術研發、工程優化、產品交付和商業化探索。

但也正是在這樣的條件下，中國已經形成了一批能夠獨立開展大規模基座訓練、研究模型架構、構造強化學習環境、建設推理基礎設施，並向全球開發者提供模型的團隊。

從2022年的千億參數預訓練，到今天的萬億參數架構、長程Agent和自動訓練環境，技術積累已經不再局限於某一個模型版本。

對於下一階段的中國AI產業，這些研究團隊、工程經驗和開發者生態，可能是比單次榜單排名更重要的資產。

中國也需要更多能夠穿越周期的耐心資本，爲長期基礎研究提供穩定支持，讓研究人員有空間探索那些尚未得到驗證的方向。

因爲大模型的競爭，還遠沒有到終局。

智能上界如何繼續提高，強化學習能否發展出更有效的訓練範式，模型如何自主生成與驗證學習任務，Agent怎樣進入真實生產流程，以及智能如何進一步與物理世界交互，都還是開放的問題。在這些方向上，中國已經有了自己的研究積累、工程能力、人才網絡和產業場景。

中國大模型產業需要的，也不僅是一兩家在某個榜單上領先的公司，而是一批能夠在不同技術方向持續探索的團隊。

DeepSeek、Kimi、智譜、MiniMax、千問、混元……它們各自選擇的路線，也在拓展中國參與全球基礎模型競爭的方式。它們是中國大模型產業的排頭兵。這些企業未必每一次都做對，也不一定走向同一個終點。但它們已經在用自己的研究與工程實踐，回答下一代智能技術中那些尚無標準答案的問題。

過去幾年，中國模型證明了，先進智能可以用更高的效率實現，也可以通過開放生態服務全球開發者。未來，中國還有機會在新的模型架構、訓練範式、Agent和真實產業應用中，形成自己的技術優勢。

從追趕已有的智能，到探索智能新的增長方式，中國大模型正在走向更廣闊的技術空間。這場競爭的下一章，仍然值得期待。

———————————————

相關閱讀

• Nvidia 即時更新：黃仁勳被罷免，首席財務官 Colette Kress 擔任臨時首席執行官2026-11-13
• 芒果不怕紅果？2026-11-12
• 原創 黃仁勳之後，誰最可能接管英偉達？2026-11-12
• 三星卷軸屏手機曝光，搶先華為、蘋果打造新形態，摺疊屏有望淘汰2026-11-12
• 馬斯克最喜歡的車，竟然要停產了。2026-11-12