中国AI大厂，被Deepseek掀了牌桌之后_风闻

当技术范式重构，强者也不得不重新起跑。

作者｜连冉

编辑｜郑玄

过去几个月，尤其是 2025 年一季度，国内大厂在 AI 大模型领域的声量明显低调了不少。最直观的感受就是，发布会明显少了许多。对比去年同期，大厂几乎是轮番上阵、接连发布新成果，而今年则低调了不少，声音变得谨慎，动作也更克制。

这种转变，多少跟 DeepSeek-R1 在春节期间的发布有关，这个模型以开源、低价、高性能的组合，打破了「大模型=高投入、高门槛」的行业共识，也撬动了模型产业的权力结构。

它不仅刷新了开发者对开源模型的认知，也动摇了此前被大厂视为护城河的「重资产」范式。一时间，硅谷科技股应声回调，千亿美元研发投入的必要性也被重新审视。

而在国内，这场「技术地震」最先震动的，其实正是那些原本被认为应该在 AI 战役中冲在最前的大厂们。一边是像 DeepSeek、Manus 这样的新玩家用「小而强」「快而灵」的策略不断迭代突破，另一边却是大厂在产品落地、组织架构、技术方向上的多次调整与迟疑。

新玩家冲击的，不只是模型性能或训练成本，更是许多建立在历史经验基础上的路径依赖——比如「只有闭环才有护城河」「只有高预算才能出好模型」「只有通用大一统才是正确方向」。

越来越多的事实正在指向同一个结论：在 AI 快速演进的浪潮中，任何僵化的范式认知，都可能成为创新的绊脚石。

今天的大厂，正在面临一次理念上的转向：不再追求「我的模型服务我的应用」的闭环逻辑，而是回到「用最合适的模型，构建最好的产品」这一产品主义原点。

一系列深层次的战略重构，正在中国互联网大厂里悄然发生。

01

Deepseek-R1 出现前，大厂鏖战大模型赛道，各自押注不同

回头看 2023 年，国产大模型赛道迅速升温，几乎所有有技术储备或生态优势的公司都在投入资源，试图在百模大战中找到自己的突破口。

彼时，百度、字节、腾讯等大厂纷纷亮出自研模型，「自研闭环」几乎成为主流打法（阿里则探索开源较早），强调的是「模型要自主可控，生态要自给自足」，从底层模型到应用产品都要打通。

在这样的背景下，百度主打「模型+搜索」路径，字节力推豆包，阿里对通义千问团队进行拆分以优化资源配置，腾讯则相对谨慎地投入「混元」大模型，整体更强调「应用场景驱动」，小厂中也出现了面壁、智谱、百川、月之暗面等一批专注通用大模型训练的「AI 六小龙」，试图在技术路线或创新方向上突围。

图片来源：视觉中国

彼时大家的竞争逻辑还建立在几个假设之上：1）自研能力越强越有护城河；2）参数量和能力相关，性能靠堆大模型赢；3）需要构建一个「自我可控」的模型+应用闭环。

但这些共识在 DeepSeek-R1 发布之后被彻底打破。2025 年 1 月 DeepSeek-R1 的亮相，被行业视为一个「临界点」事件——一方面，它以极低的成本训练出了对标 GPT-4 的能力，公开技术细节并放出权重；另一方面，它代表着一种更彻底的「开源范式」：不是简单开放一个模型，而是直接让下游开发者「拿来即用」，训练思路、数据比例、推理效率都一目了然。

这直接打在了原来那种「闭环型自研」的路线要害上。很多大厂花大钱训练的模型，在 DeepSeek-R1 面前变得毫无优势——不是能力不行，而是「性价比不行」：你没法再说「自研比别人更强」，因为别人把过程全开了，而且你追上也要几个月；你也没法说「闭环护城河更高」，因为别人三两天就能基于 DeepSeek-R1 搭个 demo，甚至用它打磨出产品。

这种「开源即能力平权」的冲击，不只打到了大厂，也打乱了 AI 小龙们的节奏。以面壁、百川为代表的「小模型派」，原本还希望在训练效率和推理速度上做文章，现在发现 DeepSeek 直接掀了桌子，把效率和能力统统平衡好了，而且是白送的——这让「闭源商业化」变得更加困难。

行业由此进入了一段显著的「战略迷茫期」：

大厂开始重新评估自研的价值：是否还值得烧钱去追一个很可能被开源赶超的模型？是否应该把精力转向「拼装模型能力+打造 AI 原生应用」的组合打法？

AI****小龙们则面临最直接的生存压力：原来讲闭源、讲技术栈的优势正在消失；大厂又开始加速从开源模型中「拿货」，对它们的合作需求也在下滑；只能重新找定位，要么抱团，要么找「差异化垂直场景」。

投资人也在重新审视项目价值：一个大模型初创公司如果没有特别的创新机制或生态合作资源，其估值逻辑就会受到挑战。

总之，DeepSeek 不是推出了一个强模型这么简单，它更像是一次「范式洗牌」：用极致透明和开源方式打破旧有路径依赖，把「自研大模型闭环」从主流选项变成了一个「代价极高」的冒险。这个时刻之后，谁能快速认清现实，找到新生态位，谁才有可能留在下一轮的牌桌上。

02

震荡之后，大厂摸索新方向

DeepSeek 带来的冲击在持续发酵时，整个行业一开始是懵的，迷茫、不确定、不知所措。大家都知道这是一次系统性冲击，但具体要怎么应对、往哪儿走，其实那时候没有明确答案。

但从 2 月下旬开始，情况慢慢变了。大厂开始陆续有所动作，新的叙事也浮出水面。一句话总结就是：战略重心从去年强调「应用先行」「超级 App」的落地路线，重新回到了「AGI 优先」的轨道上。

这轮转向有几个关键的变化。

第一个变化是目标清晰了。过去讲 AI 应用的时候，很多公司都停留在「做一个超级 App」的层面，比如搞一个 AI 助手、一个 AI 搜索或者 AI 办公工具。

但现在，在字节与阿里最新的对外表达中，都明确把「冲刺 AGI」作为最核心的目标。

在 2 月的全员会上，字节 CEO 梁汝波曾表示：「智能水平是最重要的，要把提高智能本身当成最重要的目标，而不是某个产品的 DAU。」

3 月，豆包大模型部门召开全员会，明确部门的最重要目标是探索智能上限；同时强调进一步加强组织文化，提高技术开放程度，并考虑推进开源。

「Seed Edge」是字节豆包大模型团队在年初组建的 AGI 长期研究团队，鼓励探索更长周期的 AGI 研究课题，如推理能力、感知能力、软硬一体化等。

这个项目强调「宽松的研究环境」和「长周期考核」，为入选课题提供独立算力支持，体现了字节对 AGI 的长期布局。

Seed Edge 的目标是探索 AGI 的新方法，鼓励跨模态、跨团队合作，目前初步确定了五大研究方向，包括探索推理能力的边界、探索感知能力的边界、探索软硬一体的下一代模型设计、探索下一代 AI 学习范式、探索下一个 scaling 方向。

可以看出，字节正在为通向 AGI 的下一阶段做技术储备。

2025 财年财报后的电话会上，阿里 CEO 吴泳铭首次明确提出 AGI 是阿里 AI 战略的核心目标，甚至用了「AI 将影响全球 50% GDP 结构」这样激进的表述。

这也意味着，阿里正在从强调「云+模型」服务能力，逐步走向更高层次的通用智能探索。

第二个变化，是对「开源」和「模型选择」的态度发生了实质变化。过去讲模型、做应用时，往往强调「全链路自主可控」，什么都要自己来。但现在，尤其是腾讯和百度，看起来越来越强调实用主义导向：谁的模型能力强就接谁的模型，应用产品的目标是用户满意、场景落地，而不是一定要套用自家大模型。

这背后，其实是每家公司在重新厘清自己的生态位——它在AI时代扮演什么角色，它的核心竞争力到底在哪里。

阿里的反应看起来「稳」一些，或者可以说是延续之前的节奏。

因为阿里在大模型上的投入本身就走在了开源路线的前列。通义千问（Qwen）系列在海外和开源社区持续表现强劲，Qwen2.5-Max 一度号称性能超越 DeepSeek-V3，而 4 月底刚开源的 Qwen3，不仅成本显著降低，性能更是反超 DeepSeek-R1 和 OpenAI-o1，登上开源模型榜首。阿里的打法很明确：先用模型性能证明自己，再用开源吸引全球开发者，把生态「引进来」。

不过，阿里的路径也并非一帆风顺。过去一段时间，由于组织架构频繁调整，大模型和 AI 业务一度陷入「各自为战」的割裂状态。但随着 2024 年阿里云重新整合、AI 团队在马云回归后重新聚拢，阿里开始回到「集中力量办大事」的主模式。阿里云的回暖也证明了整合效果：在最新一个季度重新恢复双位数增长，再次稳坐国内市场头把交椅。

可以说，相比强调 C 端产品或 Agent 体验的打法，阿里正在重新确认自己在 AI 时代的角色——不是冲在最前的应用先锋，而是一个全球级的模型平台和技术基础设施提供者。

百度的选择，是比较务实的。一方面它有自己的文心模型体系，但另一方面它也明白，真正能打动用户的，是像百度文库、百度网盘这样的具体应用能不能变得更智能。所以在实际落地中，百度强调「谁好用就用谁」，哪怕不是自家的模型也没关系，只要能让文库变得更好用，就可以接入。

这种态度其实是经历过一次反思的。之前极客公园就曾经了解到，2024 年百度内部其实是为了推动模型在各应用场景落地，分散了大量精力，导致文心团队反而没能集中精力把模型本身推上一个更高的台阶。新的调整，就是不再强求「模型服务所有应用」，而是让每个业务线根据场景灵活选择，把用户体验拉起来才是第一位。

而关于开源闭源之争，此前作为大模型闭源路线的坚定支持者，李彦宏此前曾多次公开表示，“闭源才能保证技术可控性、才有商业模式，开源其实是一种智商税”。

李彦宏在 Create2025 百度 AI 开发者大会｜图片来源：百度

直到今年 2 月，百度选择了顺应开源的大趋势，宣布将在未来几个月中陆续推出文心大模型 4.5 系列，并于 6 月 30 日起正式开源。

腾讯的路径更清晰，也更符合它一贯的产品哲学。无论是微信、QQ 还是游戏体系，腾讯最核心的资源就是这些连接用户的高频产品。对它来说，自研大模型不是必须的，关键是能不能把 AI 能力快速嵌入到这些产品里，提升效率和体验。

所以，当 DeepSeek-R1 新模型出现之后，腾讯是第一时间接入的公司之一，没有太多顾虑。毕竟据晚点报道，腾讯董事局主席兼 CEO 马化腾跟一些 AI 团队说过，「要好好与外部合作，不要想着什么都自己做」，以及「要清醒地认识到实际情况，不要过高估计自己的能力。」

2 月 13 日，腾讯率先官宣接入「满血版」DeepSeek-R1，并迅速在全平台展开推广攻势。从微信、小红书到 B 站、知乎，元宝产品的广告铺天盖地，引发了用户对腾讯 AI 助手的集中关注。与此同时，腾讯内部也紧急协调，加速推动微信与 DeepSeek 的融合。

「元宝」入驻微信｜图片来源：极客公园

相应地，腾讯也在组织架构上进行了一系列调整。继腾讯元宝从 TEG（技术工程事业群）并入 CSIG（腾讯云与产业事业群）之后，QQ 浏览器、搜狗输入法、ima 等更多产品也陆续划归 CSIG，组成腾讯在大模型时代面向 C 端的新产品阵列。同时，这些产品原本隶属的团队和组织也将从 PCG（平台与内容事业群）整体调整至 CSIG，以更集中地推进 AI 战略下的产品布局与升级。

这一系列快速动作，其实体现了腾讯对「AI 是能力，不是目的」的判断。更强的模型、更开放的生态，只要能赋能微信和游戏，那就应该立刻用起来。这一波，它反而成了最快适应变局的一家公司——甚至可以说，这次 AI 开放生态的发展节奏，刚好踩中了腾讯最擅长的能力嵌套逻辑。

字节****跳动则是四家里最复杂、或许也可以说是最纠结的那个。它一方面拥有豆包大模型体系，另一方面又掌握了抖音、今日头条、番茄小说等超大规模应用场景。既想做 AGI 技术的引领者，又不愿放弃在应用层面的优势闭环。

但这就带来了两头要抓的压力——模型要领先，产品也要突出，生态既要自洽又要开放。在 DeepSeek-R1 爆火之后，字节一方面开始重申「AGI 是核心目标」，加强对豆包的投入，也在开源方面更多动作；另一方面在应用层也出现了新的挑战：到底是坚持「豆包+字节应用」的闭环路线，还是打破内外壁垒，接入更强的外部模型去赛马？

据晚点报道，字节跳动最初对是否将 DeepSeek 接入旗下产品持观望态度，内部普遍认为「随时可以接入，不急」。然而，时机稍纵即逝，春节过后，字节开始紧急调动团队加班开发，加速整合 DeepSeek。

目前看，字节的策略还在过渡期。一方面，它在对外表达中强调开源、强调开放生态价值；另一方面，在内部系统上，豆包仍然是很多应用场景的默认选择，只在少许应用上开放对 DeepSeek 模型的接入。但未来会不会像腾讯一样，开始在更广泛的层面接入第三方模型，或者在某些应用上放开「自家模型优先」的原则，现在还没有完全看清楚。

过去几个月是 AI 大厂们重新定位自己的生态角色、重新判断技术路径的关键窗口期。经历了 DeepSeek-R1 带来的「能力维度重构」之后，各家公司几乎都开始重新聚焦 AGI 这个长期目标，同时也在技术和生态层面更加现实与开放。

不过，即便目标一致，路径选择依然千差万别。这背后，是每家公司对自身优势的认知差异，也是它们对「AI 时代应该怎么跑」的不同下注。

03

技术颠覆面前，没有永远的「历史赢家」

AI 行业不会因为某一个产品突然「杀出重围」而终结对抗，它注定是一场持续上演的生态重构游戏——生态位置、能力分工将反复洗牌，而每一次冲击，都会逼迫玩家重新思考「我是谁、我该怎么做」。

在 DeepSeek-R1 的冲击下，大厂开始重新审视自己与 AI 的关系。这场变化不会停止：在 AI 这个快速演进的技术浪潮中，任何人其实都没有资格背负历史包袱。

历史包袱，不只是落后的产线、繁重的组织、冗余的团队，更是一种路径依赖式的认知惯性。

过去几年，整个 AI 行业积累了太多「默认共识」：比如做大模型一定要砸上亿美金、做 AI 应用一定要追求闭环、只有 To B 业务才能形成收入闭环、AI 不是消费品只能是工具型软件……这些「理性判断」在过去的技术范式下看似正确，但在新路径被打通之后，很多「理性」就变成了限制想象力的牢笼。

技术革命的残酷性就在于，它并不会给巨头太多「吃老本」的机会。AI 的快速迭代，正不断吞噬那些依赖过往成功经验的惯性组织。于是我们看到：百度转向开源，腾讯放下身段借势引流，字节加速重构算力体系……这些动作背后，藏着大厂对现实的一种「觉醒」：在 AI 的无限游戏中，唯一的生存法则，是保持战略弹性——既要摒弃对历史经验的盲目依赖，也要以开放姿态，拥抱技术普惠的新趋势。

旧范式困住了谁？

回顾国内过去两三年内大厂与头部创业公司的发展路径，几乎都踩在一套「经典剧本」上：

先围绕一个目标设定 OKR；

再从模型能力、数据体系、应用矩阵做完整闭环；

最终希望通过模型降本、产品增长、生态协同走通商业路径。

这个逻辑没错，但问题是它太像过去互联网时代的打法了——它默认「资源越多，路径越清晰」；但AI的突变恰恰是在路径模糊中爆发的。

比如，之前很多团队一边追求「闭环场景」，一边困于「能力不足」；一边想讲「自主模型」的故事，一边又拿不到基础设施层的调优能力。很多战略决策是「既定假设+组织惯性」的结果——看起来合理，但没人停下来问：如果这些假设本身就错了呢？

反观这轮跑出来的新玩家，无论是 DeepSeek、Manus，他们有个共同点：思维轻盈，没有历史负担，也没有路线执念，这反而让他们成了这轮范式跃迁的开拓者。

如果回过头去看，DeepSeek 和 Manus 做的那些事，其实都没有多么玄学，甚至可以说都站得住工程逻辑。但为什么几乎没有大厂走这条路？因为它们过于理性、过于系统化，也就过于保守。

比如大厂可能会问：做 MoE 到底能不能规模化？极限调优是不是浪费时间？——这些问题本身没错，但当还没验证过路径，就先否定它，那可能永远不会发现新大陆。

这也是为什么，越来越多投资人、开发者、行业观察者开始重新审视 AI 创业的价值判断：不是谁能讲出最全的闭环，不是谁能招来最多的模型科学家，而是——谁能打破「历史正确性」，走出一条技术与产品都能快速验证的新路线。

在 AI 这条超高速前进的技术公路上，最危险的不是落后一步，而是还相信旧的红绿灯规则。真正的变化总是发生在「不合理」与「不被看好」之间。

*头图来源：视觉中国

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO