DeepSeek、智谱、Kimi的前沿突围：开源模型如何在美国巨头的夹缝中生存

导语：中国模型厂商正从跟随式竞争进入真正的前沿竞争。DeepSeek、智谱与Kimi各自选择了不同的技术扩展路径——预训练规模、后训练强化学习与基础设施效率——但共同面临收入与投入严重不对称的现实约束。

中国开源模型已经进入新一轮参数规模的扩展阶段。从第二季度起，国内AI模型开始进入万亿参数规模，到了下半年，Kimi K3将这一门槛抬升至3万亿级。这样的扩展趋势不会即刻停止——字节跳动高层在内部宣称"不蒸馏"后，有意将竞争进一步拔高至5-10万亿级别。

参数规模的竞赛，越来越需要转化为算力基础设施的竞赛；而算力基础设施的竞赛，最终又会转化为资本的竞赛。无论是DeepSeek还是智谱，都在建设自己的GW级数据中心。在一份广为流传的投资者访谈纪要中，梁文锋"激进"地表示，如果有可能的话，希望"半年之内就把钱花完"。这大致对应首轮约500亿元人民币的外部融资，以及正在推进、目标再融资约500亿元人民币的第二轮融资；与此同时，公司也在筹备IPO。

融资竞赛在本土开源模型厂商蔓延。截至去年年底，智谱拥有现金及等价物约23亿元人民币，港股上市融资约40亿元人民币，并拟在科创板募资150亿元。同样港股上市的MiniMax，也在推动两地上市。而月之暗面仅在今年就完成了累计约75亿美元的融资。

问题在于，OpenAI与Anthropic的年化收入（ARR）合计已经超过了1000亿美元，而根据此前官方披露或市场传言估算，智谱、DeepSeek与Kimi这三家中国模型厂商的AI业务ARR，同期合计可能仅略高于20亿美元。这当然部分反映了前沿模型能力的差距，但也暴露出开源模型的价值捕获难题。

阿里巴巴最新财报提供了观察本土模型厂商企业市场收入空间的重要参照。截至上一季度，阿里巴巴算力与云服务分部中AI相关产品的ARR约为73亿美元。作为承载大量第三方模型与AI应用调用的基础设施，这一数字实际上反映了中国模型的商业化规模依然有限。当国内市场尚不足以单独支撑这一商业闭环时，海外市场就成为收入扩展的重要一环。

三家公司真正的差异，不只是模型能力，而是各自选择了什么样的前沿智能扩展路径。当下，Kimi-K3重新押注预训练规模，智谱把更多计算投入后训练，DeepSeek则试图把基础设施效率本身纳入扩展。

Kimi-K3的问世，也是对"蒸馏+强化学习"追赶路径的一次修正。此前Kimi曾因模型能力来源问题被Anthropic点名，而Kimi-K3选择重新押注预训练规模。测试时扩展带来的短期收益曾掩盖了预训练扩展不足的问题，如今这一策略至少在短期内取得了明显进展。

智谱则提供了另一种答案。从GLM-5.2到GLM-5.3，团队通过扩展长时程环境、任务类型和强化学习计算量，在相同基础模型上继续提升能力。唐杰所强调的，是不必同时转动所有扩展"按钮"，而是寻找下一阶段最值得投入的那个变量。

DeepSeek则提供了第三种答案。它同样相信参数规模的扩展仍然没有触及上限，但其最突出的特点是让基础设施效率协同扩展成为前沿智能扩展的一部分。据称DeepSeek也在寻求自研芯片。随着前沿智能的瓶颈从参数规模传导到算力规模，再传导到硬件产能，基础设施效率已经成为继续扩展绕不开的一环。

摆在它们面前的市场位置与竞争格局每天都在迅速变化。对于中国的模型原生公司而言，它们现在主要是盯着OpenAI和Anthropic竞争，还是主要是它们之间的竞争？这个问题还没有标准答案。