大模型產業的發展離不開“三力”：AI大模型的能力正在日新月異地迭代，算力始終是大模型的一條生命線，產品力則成為市場競爭的新焦點。大模型產業如何圍繞這“三力”作答，如何開創新局面？日前，上海證券報記者采訪了騰訊、阿里、稀宇科技MiniMax等國內頭部大模型公司相關人士。

大模型能力如何演進？

業內認為，大模型發展有三條路：一是使用更多數據和算力，讓模型具有更大參數；二是多模態，即大模型可以理解和生成文字、圖像、音頻、視頻等多模態內容；三是增添復雜推理和邏輯自我糾正功能，提升準確性。

“這三條路徑并不沖突，可以同時選擇。大模型廠商仍朝著這三個方向進行投入。大模型每季度都有較大的版本更新。”阿里云智能科技研究中心主任安琳說。

參數量大是大模型最突出、最早為人所關注的特點。近兩年來，規模擴張是大模型企業迭代的主要路徑。主流大模型的參數從百億級逐漸迭代至數千億，甚至萬億規模。然而，擴大參數量的瓶頸已開始顯現。國內外權威專家和組織已經有大量報告表示，Scaling Law(縮放定律)開始顯示出邊際效益遞減的現象。這意味著單純增加計算資源、提高參數規模或數據量不再能如以往那樣顯著提升模型性能。

在多模態和全模態方面，文生圖、文生3D和文生視頻等各種模態的模型層出不窮。2024年，騰訊在文生圖領域推出首個中文原生的DiT架構文生圖開源模型，支持中英文雙語輸入及理解，參數量15億。

時至今日，OpenAI遲遲未推出參數量巨大的GPT-5，而是開辟了o1、o3模型系列，聚焦“深度思考”。這些模型可以“思考”(推理)更長的時間來獲得更可靠的響應，在數據科學、編程等領域有更佳表現。

從大模型能力來看，AGI(通用人工智能)代表了業內對于高度智能、通用的追求。“AI不僅能理解世界，而且能創造出全新的文字、圖像甚至是視頻等內容。這對于以知識為生產力的新型生產關系來說，無疑提供了一種變革性的動力。”騰訊混元大模型的負責人說。

如何破解算力緊缺難題？

算力相當于大模型的生命線。在全球算力供不應求的背景下，如何讓算力夠用？專家認為，這并不意味著無限的GPU。大模型的架構、訓練平臺、算力網絡……各環節的創新與迭代，均可以有效提升算力利用效率，降低算力成本。

MoE(混合專家)架構體系已成為主流大模型采用的技術架構，其優勢在于在模型研發成本、訓練與推理效率、整體性能之間實現最佳平衡。MiniMax、騰訊等均在國內率先采用MoE架構。

MiniMax副總裁劉華介紹，MoE為大模型提供了一條降低算力消耗的路徑。在這一架構下，大模型的上萬億參數被分成了若干“專家模型”。在處理任務的時候，大模型只調用相關“專家模型”，減少了不必要的計算。

采用線性注意力機制也是提高計算效率的一種方式。2025年1月中旬，MiniMax發布并開源了MiniMax-01全新系列模型，能夠高效處理全球最長400萬token的上下文，綜合性能比肩海外頂尖模型。

騰訊混元大模型負責人強調，大模型是一個集合了應用、算法、平臺、算力的系統工程，全鏈路自研的能力是競爭的關鍵。騰訊目前擁有萬卡規模的算力集群，并且自研了星脈算力網絡，具備業界最高的3.2T通信帶寬，通信性能提升30%，成本下降70%。

隨著AI應用在全社會的普及，模型應用過程中所需的算力可能將超過模型訓練所需，云計算是高效利用社會算力資源的最佳途徑。

“云計算與大模型的關系可以說是一枚硬幣的兩面。”安琳表示，AI計算有兩個典型特征：一是AI大規模計算的特性，需要幾萬張GPU協同工作，與云計算的本質相契合；二是AI算力價格高，通過云計算共享算力可以有效提高算力利用率，降低算力成本。

產品力如何出圈？

字節跳動的豆包、騰訊元寶、阿里夸克、MiniMax的Talkie、月之暗面的Kimi……或包羅萬象，或小而精美，面向普通用戶的App是大模型公司繞不開的選項。

中信建投證券根據AI產品榜數據統計，2024年12月全球前20的AI產品App端月活合計近8億，同比增長7.35%；國內前20的AI產品App端月活合計達到1.66億，同比增長17.65%。

夸克業務負責人表示，大模型從“寫詩作畫”走向“解決問題”，在這個過程中，AI能力不僅僅存在于某一個場景和功能里，而是要打造“一站式AI服務”和“系統級全場景AI”能力。“我們希望裝上夸克就能讓用戶的電腦立馬升級成AI電腦。用戶能用最自然的交互方式享受到高效的信息服務，告別過去在各軟件應用間反復切換的體驗。”

此外，互聯網大廠本身擁有豐富的數字生活場景。AI大模型在這些場景中落地，有效升級了這些場景的體驗。據騰訊混元大模型負責人介紹，騰訊已在超過700個業務場景中接入了混元大模型，服務了數以億計的用戶。

例如，微信讀書基于騰訊混元大模型推出了“AI問書”“AI大綱”等新功能。用戶在看電子書時，遇到不懂的名詞和概念，如果復制到搜索引擎中去尋找答案，注意力會被分散。AI問書讓用戶可以直接“劃詞提問”，由內嵌在微信讀書的混元大模型提供解答。

與通用性AI工具不同的是，“AI問書”回答的內容是基于多本電子書的數據源，用戶還可以跳轉到其他相關電子書的對應段落。AI回答的內容將多本電子書關聯在一起后，用戶可以按主題閱讀，體系化地進行研究，在學術領域非常有用。