每經(jīng)記者｜可 楊    每經(jīng)編輯｜魏官紅    

大模型行業(yè)正站在一個拐點。過去數(shù)年由技術突破點燃的狂熱，正在2025年遭遇一場商業(yè)化大考。隨著智譜等頭部“獨角獸”公司相繼啟動IPO（首次公開募股）流程，市場敘事正從模型能力的“軍備競賽”轉向落地應用的審視。

資本市場開始用更嚴苛的尺度檢驗大模型企業(yè)，是否具備可持續(xù)的商業(yè)模式和長期價值。這一沖突，在開源與閉源的路線之爭上尤為激烈。

受訪者供圖

在行業(yè)普遍認知中，開源意味著共享，商業(yè)化則意味著獨占。作為中國大模型賽道的關鍵玩家，智譜卻始終堅持一個反直覺的判斷：開源與商業(yè)化長遠來看并不沖突。這一判斷的底層邏輯是什么？在技術“摸高”與應用落地之間，企業(yè)應如何平衡資源？AI（人工智能）的“性價比”競爭是否已經(jīng)到來？帶著這些問題，11月17日，《每日經(jīng)濟新聞》記者（以下簡稱NBD）與智譜董事長劉德兵進行了一場深度對話。在他看來，基礎模型的進步對應用落地有巨大的促進作用，但技術“摸高”絕不能做“空的、虛的”東西，必須能轉化成商業(yè)優(yōu)勢。

談模型：大參數(shù)模型是技術錨點

NBD：行業(yè)普遍認為開源和商業(yè)化存在沖突，但您判斷兩者并不沖突。這個判斷的邏輯是什么？

劉德兵：如果只看短期利益，比如現(xiàn)在閉源能直接賣更多錢，短期內雙方肯定有沖突，但從長遠發(fā)展角度看，開源和商業(yè)化其實不沖突。

核心在于開源其實有助于培養(yǎng)這個行業(yè)。AI化是未來100年的事，在這個階段，如果不開源，很多人其實接觸不到這個東西，也沒有經(jīng)濟實力去買一個模型，很多事就做不了。

從產(chǎn)業(yè)發(fā)展角度來看，需要更多人貢獻進來，不只是做研發(fā)，也包括做應用。開源幫我們把整個產(chǎn)業(yè)生態(tài)做起來，中間有少部分能轉化成商業(yè)收益，對商業(yè)來說也是很好的增長。

NBD：從事實上看，開源真的給智譜帶來了商業(yè)增長嗎？

劉德兵：我們做了大量的開源以后，商業(yè)收入在快速增加，并沒有因為開源就收不到錢。而且如果技術有更進一步的進展、應用規(guī)模化擴展，還會增長得更快。

一個典型的邏輯是，以前我們去跟大企業(yè)老板講這個東西（指模型）多好用，他們其實不太認可?，F(xiàn)在有了開源，很多人已經(jīng)對技術有比較深的了解，這極大地減少了我們前期溝通的成本，合作推進會快很多。

NBD：此前智譜發(fā)布了GLM-4.1V-Thinking 10B級小參數(shù)模型，是否意味著產(chǎn)業(yè)正在從過去的“堆”參數(shù)轉向性價比競爭？

劉德兵：性價比這個事其實一直存在，只不過之前隨著參數(shù)增加，大模型性能提升非?？?，大家就更愿意朝那個方向走?，F(xiàn)在模型提升的速度在放緩，就出現(xiàn)了兩極分化，有些人覺得提升參數(shù)帶來的增益不大了，就不做了，有的人覺得增益還比較大，還可以繼續(xù)做。

NBD：智譜為什么還要堅持做大參數(shù)模型？

劉德兵：在我們看來，通過提升參數(shù)和訓練數(shù)據(jù)，把模型的性能“摸高”，這樣我們就有一個錨點，知道這個模型最高的技術水平能達到哪里。

比如我現(xiàn)在做了一個小模型，它跑出來一個“90分”的水平。我其實不知道這個“90分”到底是好是壞。如果我現(xiàn)在用一個萬億參數(shù)的模型，跑出來是“91分”“92分”的水平，那么我們就會覺得這個小模型的“90分”其實就挺好，但是，如果那個萬億參數(shù)的模型跑出了“98分”“99分”的成績，那么我們可能還是要考慮用那個更高參數(shù)量的模型去做應用。

大參數(shù)的錨點非常重要，有了這個基礎，我們再去優(yōu)化小模型，把參數(shù)量降低，同時還能朝著原有那個（高）性能指標去努力，這是一個很好的技術路線。

談應用：技術“摸高”要轉化落地

NBD：模型能力聽起來已經(jīng)很強了，但為什么在外界感知上，大規(guī)模的應用落地似乎沒有想象中那么快？

劉德兵：首先可以肯定，現(xiàn)在很多應用已經(jīng)很“實”了。比如在語言類、圖像處理和內容生成方面，這樣的應用已經(jīng)很成熟。

但是，大家感覺AI這么強，對它的期待會更高，希望它在產(chǎn)業(yè)里，比如能源、制造領域，能產(chǎn)生更深度的應用，能影響生產(chǎn)過程。大家抱有期待，但還沒有完全體現(xiàn)出來。

突破這個瓶頸需要在兩個方向上努力。

第一，需要模型企業(yè)與產(chǎn)業(yè)企業(yè)深度結合，如果通過深度結合，能達到雙方想要的結果，那么對整個AI的應用、對現(xiàn)實世界的影響就會更大。

第二，模型本身的能力還需要進一步提升，讓應用更高效?，F(xiàn)在還是要求對模型有理解、知道怎么用它，未來隨著模型智力水平提升，普通用戶也能用好它，那個時候更多“一人公司”才可能產(chǎn)生。

NBD：深度結合需要時間，目前行業(yè)對這個時長的心理預期是多少？

劉德兵：從期待上講，肯定都是希望越快越好，但我感覺行業(yè)里大部分企業(yè)，尤其是龍頭企業(yè)，對這個事還是保持比較理性的態(tài)度。它們知道這個事不是一蹴而就的。更愿意大家一起共創(chuàng)，用一些比較成熟的場景作為切入口，逐步實現(xiàn)AI應用的加深，慢慢讓AI融入自己的產(chǎn)業(yè)，變成行業(yè)的基礎設施。

NBD：C端產(chǎn)品目前似乎都在朝“超級入口”的方向收縮，這是當下的趨勢嗎？

劉德兵：超級入口是挺重要的方向，大家都期待能有更多用戶使用。短期來講，它是更快實現(xiàn)更大影響力的方式，但同時，另一個方向也非常關鍵，就是模型基礎能力提升后，與產(chǎn)業(yè)的深度結合。這個方向要花的力氣可能更大，前期看起來有點“點對點”，會慢一點，但這個東西做深以后，很可能也代表了一種未來。

NBD：基礎模型研究與產(chǎn)業(yè)應用都非常“燒錢”。智譜在發(fā)展過程中怎么平衡？

劉德兵：公司成立之初，我們就立了一個愿景——“讓機器像人一樣思考”。我們對做基礎模型有足夠的熱情，在技術“摸高”上，愿意足夠投入。這里邊其實也隱含著商業(yè)收益，因為基礎模型的進步，對于應用的落地有非常大的促進作用，同時，我們也特別強調，這個技術“摸高”不能做一個“空的、虛的”東西，一定是在技術“摸高”的過程中，有部分東西可以轉化成應用落地，并且能夠產(chǎn)生出競爭優(yōu)勢。

談突破：模型能夠調整自身參數(shù)

NBD：從智譜對AGI（通用人工智能）的分級來看，行業(yè)現(xiàn)在正處在L3（自我學習）向L4（自我認知）跨越的關鍵點。要實現(xiàn)這個跨越，技術上最難啃的骨頭是什么？

劉德兵：從L3到L4，一個關鍵特征是模型必須能夠自學習。現(xiàn)在主流大模型公司都在做的，包括智能體（Agent）能力、調用工具，都只是在拓展能力邊界。我們也在嘗試用SFT（Supervised Fine-Tuning）方式，讓模型存儲一些與用戶交互中產(chǎn)生的東西。

但這些都不是真正的自學習。最核心，也最難的標志性進步，是模型能夠調整自身的參數(shù)。這非常難，因為一旦調整參數(shù)，很有可能導致模型崩潰。就像人一樣，在成長中形成的世界觀和判斷邏輯，如果受到重大沖擊、邏輯發(fā)生變化，人也可能會崩潰。如果這個點能實現(xiàn)，模型才能在應用中自己成長，那應用的爆發(fā)才真正值得期待。

NBD：“調整模型參數(shù)”這個概念如何理解？是指模型在運行中，它的參數(shù)規(guī)模（比如從千億變百億）發(fā)生了變化嗎？

劉德兵：不是參數(shù)數(shù)量的改變，而是參數(shù)數(shù)值（Value）的改變。現(xiàn)在的大模型，比如千億參數(shù)，這些參數(shù)在預訓練完成后，數(shù)值就固定下來了。這些固定的數(shù)值定義了模型的判斷邏輯。

模型在應用中，你問它一個問題，它答錯了，你糾正它“你這個錯了”，模型可以改，但這種改，只是在當前場景記住了這個問題，模型本身的參數(shù)并沒有調整，第二天再問同一個問題，它還是會犯同樣的錯誤。

如果能把模型參數(shù)的數(shù)值改了，那么模型的判斷邏輯在這個點上就永久改變了。當你第二天再去問，這個模型已經(jīng)不是昨天的模型，它會給你正確的回答。當然，也極有可能它會產(chǎn)生崩潰，也就是為了改這個點，導致原來能答對的很多問題，產(chǎn)生了連帶反應，變?yōu)殄e的了。這就是它的難度所在。

NBD：這是否意味著，L3到L4是一個關鍵的瓶頸階段？一旦突破，后續(xù)進程會極大加速？

劉德兵：這一點我認為是確定的。我個人一直認可文明是加速度發(fā)展的。L3到L4就是這樣一個關鍵點。如果模型真的能實現(xiàn)完整的自學習，那它的迭代速度毫無疑問可以繼續(xù)加快。但即便進入L4，也還是會有大量技術空白需要研究。并不是說模型有了自學習能力，我們就可以放手不管了。它仍然需要人去參與、去矯正。

談未來：AI應用會帶來更強收益

NBD：過去的“AI六小虎”格局已發(fā)生了很大改變，有人覺得這個行業(yè)現(xiàn)在冷靜下來了，您覺得這個格局發(fā)生變化的原因是什么？

劉德兵：剛開始的時候行業(yè)不夠清晰，大家很有可能會憑著自己的興趣一擁而上，就顯得比較混亂，但是隨著行業(yè)發(fā)展，肯定會逐漸分化，這很正常，大家應該能找到自己的位置。

智譜立了“讓機器像人一樣思考”的愿景，我們希望真的把AI的智力水平提升，這是我們的一個長期主義。我們會清晰地選擇一種技術方向，堅持去做，而不是左右搖擺。做AI基礎模型的公司會越來越少，因為它確實投入比較大。但這是我們公司一直堅持的方向，我們也希望在這個方面更長期地投入，并保持在國際前列。

NBD：現(xiàn)在智譜正在走IPO流程，除了智譜，一批AI“獨角獸”公司也在尋求IPO，資本市場迎來IPO熱潮。這可以被視作一個技術成熟的信號嗎？

劉德兵：與其說是一個技術成熟的信號，還不如說是行業(yè)開始由技術探索期進入規(guī)?；虡I(yè)應用期的關鍵里程碑。它意味著市場開始用一個更嚴格的尺度來檢驗AI企業(yè)，不只是看技術先進性，更是包括商業(yè)模式的可持續(xù)性、盈利能力與長期價值。

NBD：您對2026年AI產(chǎn)業(yè)格局有什么判斷？

劉德兵：我們對2026年的發(fā)展非常期待。

我認為在2026年，技術很有可能還會有比較大的突破。同時更確定的是，在AI應用上應該會做得更實、更廣。2025年很多人參與進來，到2026年，會有更多人在AI應用上取得更高的收益。因為大家更明白AI應該怎么去用，怎么與場景結合，做出來的效果就應該更好。

NBD：技術層面“大的突破”，具體可能指什么方向？

劉德兵：比如智能體（Agent）的應用。我們現(xiàn)在用智能體去調用工具、與環(huán)境交互，這個事實現(xiàn)了“0到1”的突破，但在精準性或效率上還不是那么高。到2026年，這方面毫無疑問會有突破。

封面圖片來源：受訪者供圖