我一直觉得，国产模型这两年的追赶，本质是借别人的路走。别人的路修到哪，你就只能跟到哪。现在借路这件事，开始比自己修路更贵。
借路这件事，先被堵住了
反蒸馏先从拒绝提供完整推理开始，现在升级到账号封禁、API 降级和访问限制。数据获取成本跟着抬了一截。我判断这不是几家公司的临时动作，是一整条链在关门。
抄近道的成本，从来不是当场付清，是攒到某一天一起结账。
蒸馏也解决不了算力代差。700B 模型蒸馏数万亿 Token，效果仍然存在明显上限。模型规模越大，越需要回到预训练和自主研发。
榜单不算数了，验证得自己做
Coding Benchmark 已经逐渐失去区分度。竞争将从刷榜转向完整研发任务。能不能自主完成需求、开发、测试、部署和维护，比单次代码生成成绩重要得多。
会写一段代码，和能把一件事做完，是两种能力。
RSI 的核心，是 AI 能不能建立自我验证的反馈回路。谁先让模型自主完成实验、验证结果、改进下一轮训练，谁就能突破研究员数量的限制。这里卡住的不是钱，是能干活的研究员就那么多。
数据开始长在实验台上
下一轮模型竞争的核心数据来自真实世界。互联网文本和代码已经不够稀缺。药物实验、临床数据、机器人轨迹、物理仿真才是真正的壁垒。
但 AI 制药的价值不等于 AI 模型的价值。模型提高分子发现效率，真正的瓶颈仍在实验、动物模型和临床验证。产业链价值会向 CRO、CDMO 及临床服务环节传导。
我一直无法理解，为什么有人把 AI 制药算成模型公司的第二增长曲线。药不是算出来的，是试出来的。
价格牌被人接过去了
开源模型的低价优势正在被闭源模型打破。Claude、Codex 等产品已经下探到过去国产 Flash 模型的价格区间。开源模型剩下的优势是私有化部署、数据控制权和微调能力。我不看好「便宜」还能当卖点。
国产模型现在是三面受压。模型能力不占优，就无法提价。闭源模型持续降价，又无法维持价格优势。继续扩参数，训练成本还得自己扛。
海外 CSP 上架国产模型，也不代表拿到高利润渠道。Bedrock 上还排着一堆前沿模型和 Amazon 自研模型。流量分配、平台分成与推理成本，才决定真正到手的利润。
剩下的路只能自己铺
DeepSeek 与华为的合作值得看。模型、算子、通信和芯片一起优化，是国产算力摆脱 CUDA 依赖的一条路线。代价是门槛更高，工程投入更重，探索周期更长。
模型公司的估值逻辑需要重新审视。过去市场愿意为参数增长、Benchmark 提升和用户增长付费。现在要回答的问题换了。模型有没有独有数据壁垒，推理成本能不能持续降，价格战里还有没有利润。
这三问我不确定，也给不了答案。前两个我倾向于说能，后一个要看谁先把自己的路修到能跑车。
借来的路，收费站永远在别人手里。
💬 评论区话题（来聊聊）
你更愿意把钱押在自有数据，还是押在推理成本上？
🐋 关注「抹香鲸的奇妙信号」
把模型公司的账，一季度算一次
评论(0)