中国AI：从DeepSeek专家视角看大语言模型

核心观点与关键数据

• 驱动编码能力的四大要素：后训练策略、数据质量（如 GitHub 上的高质量代码和专业技术讨论文件）、既懂 LLM 又懂编程语言的人才，以及芯片资源。
• 代理能力排名：Al 专家将阿里云的 Qwen、Kimi 和 DeepSeek 评为代理能力第一，腾讯和阿里受益于庞大的生态系统（用户基础、高质量专有数据和集成工具），独立实验室通过基础模型迭代和架构创新实现差异化。
• 多模态和视频生成能力：Minimax 和 Zhipu 在多模态理解方面表现突出，快手和 Minimax 在视频生成方面领先。
• 中美模型能力对比：中国和美国在视频生成能力上大致相当，美国在文本/推理方面领先 1-3 个月，在多模态方面领先 6 个月；美国在代理能力方面领先最多（8-12 个月）。中美模型能力差距主要源于数据质量和可用性，以及美国模型更先进的架构。美国领先的代理能力公司（如 OpenAI）提供成熟的工具套件、技能和部署就绪的代理产品，而中国拥有价格实惠的“代理就绪”模型，但在成熟的代理产品化方面落后。
• 芯片供应限制：国内芯片目前仅满足中国推理需求的 40% 以下，预计到 2026 年底比例可提升至 40-45%，若 7nm 级生产技术取得突破，则可达 50%。国内芯片仅在少数小规模实验中用于训练，制造能力限制和持续依赖 CUDA 软件生态系统是主要瓶颈。
• 变现策略：海外玩家主要依赖高价订阅（特别是 SaaS 类 To B 产品），中国互联网平台通过流量和生态交叉销售变现（如云、电商和超级应用入口），独立实验室结合消费者会员、To B API 和私有部署收费。未来变现将转向服务导向的使用案例和定制化工作流解决方案，定价基于价值而非原始 token 消耗。

研究结论

• 中国 AI 模型在视频生成能力上与美国大致相当，但在文本/推理和多模态方面落后，主要原因是数据质量和人才可用性差距，以及美国模型架构更先进。
• 芯片短缺并非中国 AI 发展的主要瓶颈，但先进芯片的短缺会影响训练效率和模型迭代周期。
• 中国 AI 公司的变现策略将从流量驱动转向服务导向，更注重价值交付。