k8凯发集团还记得三年前ChatGPT刚发布的时候吗?整个科技圈都觉得谷歌“后院起火”。谷歌那场发布会出了个小差错,马上就被媒体放大。当时不少文章纷纷质疑,说这家巨无霸公司官僚、僵化,被一个初创公司打得措手不及,在AI领域起大早,赶晚集。
时间来到2025年末,当狂热的情绪逐渐冷却,大家开始看账单了。用户每一次与ChatGPT的互动背后,都是昂贵算力的消耗。OpenAI依靠微软百亿美元输血和一轮又一轮巨额融资,才能维持。这些让人们开始反思:它的商业模式究竟是什么?这种不计成本的狂奔是否可持续?
《华尔街日报》等媒体近期集中报道了OpenAI的惊人亏损,指出其若要实现盈亏平衡,得在未来数年内达到一个几乎很难企及的营收规模。 德意志银行的分析师更是指出,没有任何一家初创公司能在如此巨大的预期亏损下运营,这片领域是“未知之境”。
与此同时,谷歌在持续迭代模型能力,其最新发布的Gemini3——一个囊括了原生多模态、推理、Agent多种能力的模型,一经发布就几乎屠榜了所有评测集,马斯克和OpenAI CEO奥尔特曼也罕见地公开表示赞赏。而谷歌的搜索、广告和云等核心业务也表现强劲,为其AI征程提供了源源不断的“造血”能力。
2025年第三季度,谷歌母公司Alphabet季度营收首次历史性地突破1000亿美元大关,首席执行官桑达尔·皮查伊在财报电话会上明确表示:“AI正在为整个公司带来实实在在的业务成果。”
于是,叙事开始发生转向。谷歌曾经被视为“笨拙的大象”,如今被看作是“耐力十足的选手”。它的谨慎不再是迟钝,而是战略定力。“业务造血、反哺AI”的闭环,被认为是稳健模式。
从最初对“创新者”的狂热追捧,到如今对价值回归的冷静审视,这场叙事的转变并非偶然,背后隐藏着三个关键的行业趋势。
这轮AI浪潮的初期,颠覆式叙事是资本市场和舆论场的主旋律。其核心逻辑在于,通过一项革命性技术,在最短时间内引爆市场,彻底改变行业格局,进而获得巨大的估值和影响力。
这种叙事建立在人们对“通用人工智能”(AGI)近乎信仰般的期待上,任何能够加速AGI到来的突破,都值得不计成本地投入。资本愿意为这张“通往AGI的船票”支付高昂的溢价。
OpenAI无疑是这一叙事的代表。为了维持其在大模型领域的领先地位,它必须持续采购高额的GPU、不断扩建训练集群。这种投入一旦缩减,就可能被竞争对手超越。其复杂的层层嵌套的资本运作——向甲骨文承诺巨额订单,甲骨文再向英伟达采购GPU,而英伟达作为投资者又将资金注入OpenAI——更是这种不计成本投入的缩影。
“先烧钱,再谈变现”的模式有其临界点。当技术本身的边际效应开始递减,市场便会开始重估AI的价值。当下,整个行业可能正处在这样的转折点上。
一个不容忽视的现实是,单纯依靠扩大规模和增加投入来提升模型性能的路径,正变得越来越艰难。根据半导体行业分析公司SemiAnalysis分析,自2024年5月GPT-4o发布以来,OpenAI的顶尖研究人员就再也没有成功完成一次大规模的全面预训练。这意味着GPT-5跟GPT-4o之间,更多是在现有基础上的微调和优化,而非真正意义上的代际跃迁。
这一观察得到了学术研究的佐证。斯坦福大学发布的权威报告《2025年AI指数》指出,2019年至2022年间,训练成本每增加10倍,模型在主流基准测试上的性能平均能提升25%-35%。 但到了2023年之后,同样10倍的成本投入,性能提升的幅度骤降至10%-15%。 投入与产出之间的关系曲线,正变得愈发平缓。
在这一背景下,过去大家不看投入产出的合理性,现在开始看了。投资叙事也从不计成本的“军备竞赛”,变成更看重可持续的商业模式。
谷歌的案例尤为典型。谷歌2025年第三季度财报显示,云业务营收达到152亿美元,同比增长34%,其中AI相关收入已达到“每季度数十亿美元”的规模。CEO皮查伊强调,谷歌的全栈式AI战略正取得强劲势头,AI正在全公司范围内驱动业务成果。
同样的趋势也发生在中国。在腾讯2025年第三季度财报中,“AI”被提及了11次。腾讯在财报电话会议上明确指出,当季广告收入的增长中,约有一半来自于AI技术对广告投放效果的提升。 同时,AI也在深刻地改变着腾讯的内部研发效率。在其自研的混元大模型支撑下,AI已应用到编码、评审、测试等多个环节。最新报告显示,腾讯目前约50%的新增代码由AI辅助生成,工程师的编码时间减少了40%,整体研发效率提升超过20%。
拥有稳定基本盘和多元业务的公司,开始展现出其独特的优势。它们能够利用AI在核心业务形成“正向循环”,即AI功能提升产品体验与效率,带来用户付费和收入增长,增长的营收又能够支撑其对AI更大规模、更长周期的投入。
前两年,业界热衷于讨论“AI Native”(AI原生)的概念,畅想AI如何从底层逻辑上彻底颠覆某些行业。但现实是,除了少数领域,AI在更多情况下改变的是生产力效率,是让服务变得更便捷、有效,而不是彻底重塑用户的核心需求。
此外,AI性能的提升很大程度上依赖于投入更多数据和算力。然而,互联网上未被使用过的人类高质量数据正迅速耗尽,AI生成的数据又难以实现有效的训练反馈。这使得预训练——大模型研发中最关键的环节——变得极其困难,各家模型当下都难以实现真正的代际跃迁。此外,开源社区的快速追赶,让头部模型的领先优势不断稀释,能力差距随之缩小。
在近期发言中,英伟达创始人黄仁勋更是明确指出了当前最大的机遇所在——对现有庞大互联网体系的“AI化改造”。他认为,在理想中的“AI Native”叙事真正实现之前,仅仅是这一波对存量业务的智能化升级,就足以支撑行业走很长一段路。
一个关键的数据趋势也佐证了这一点。各大云厂商的Token消耗数据表明,大部分算力是被其自身的核心业务“消化”掉的,而非来自第三方创业公司的API调用。这说明,拥有丰富应用场景的公司,正成为AI技术落地的主战场。
谷歌最新财报提到,其AI相关业务每月处理的token量,已从今年7月的980万亿激增至超过1300万亿,一年内增长超过20倍。 这一惊人数字背后,是谷歌将最先进的Gemini模型深度整合进了搜索、YouTube、Gmail、Google Workspace等拥有数十亿用户的产品矩阵中。
这种从容的整合能力恰恰是OpenAI的痛点所在。OpenAI并非不清楚应用生态与可持续商业化的重要性。无论是倾力打造的GPT商店,为开发者准备的助手API,还是为 ChatGPT 准备广告系统,这些举措都是在补齐自身应用生态的短板。只是在Gemini 3带来的巨大冲击下,它不得不再次拉响“红色警报”,重新聚焦提升ChatGPT的质量,推迟其他能力的开发。
从技术驱动到场景驱动,相似的叙事转变也在中国发生。曾几何时,市场的聚光灯锁定在月之暗面、百川智能等“大模型四小龙”身上。它们凭借参数规模和技术突破的叙事,在资本市场一路高歌,估值节节攀升。而当场景落地成为行业新共识,风向悄然转变,关注点自然转移到腾讯、阿里、字节等,这类能够将AI能力与自身多元业务深度融合的公司。
腾讯推出了“元宝”,过去一年通过快速的功能迭代,用户增长的势头也较为明显。腾讯Q3财报中提及,元宝日活跃用户已跻身行业前三,单日用户提问量达到年初月总量级别。但元宝的特色更在于融入腾讯的产品生态。它是微信中的元宝联系人、腾讯会议中的元宝分身、QQ浏览器中的元宝插件等。这些尝试是将元宝打造成原子化的AI能力,变成一个基础的模块,再融入到更多腾讯的产品中。随着“元宝”自身能力的迭代和提升,整个腾讯生态的AI能力和用户体验也将水涨船高。
这种生态协同的背后,是一种高度务实的开放态度。腾讯年初便快速接入了DeepSeek,并允许各业务线自由选用业界先进模型,不设仅用自家模型的限制。这背后传递的信号清晰明确:业务的AI化改造与最终的用户价值,被置于最高优先级。同时,这种内外部模型“均可使用”又同场竞技的局面,或许也促使其自研大模型团队能聚焦发展自身核心优势,同时又驱动自身加快速整体实力的提升。
阿里的核心业务是电商,这也是其AI技术最直接的落地场景。通义千问大模型为淘宝、天猫的商家所用,从生成商品图、营销文案到智能客服,AI的目标是提升平台的商业效率。字节跳动则依托强大的内容生态,将AI能力注入其最高频的用户场景中。豆包已深度整合进抖音,支持视频内容摘要、AI搜索等功能,同时也在飞书等办公场景中,提升信息处理效率。
2025年无疑是场景之年。这个转变的核心在于,AI的价值最终需要通过用户的实际使用来体现。谁拥有离用户最近的场景,谁能最深刻地理解用户的需求,在现阶段将AI价值充分释放的可能性就更大。
技术应用层面,行业的焦点也在发生转移。人们的目光从对单一自然语言大模型能力的探索,转向一个更广阔、更复杂的领域——多模态与智能体(Agent)能力的深度融合。
如何理解这一转变?从狭义定义看,语言模型的产品以Chatbot为代表。而行为则更为复杂,创建一个网页或开发一个应用程序,甚至将 AI 能力嵌入特定场景以实现某种功能,都可以视为一种行为。AI 技术的应用需要从纯粹的语言交互,走向行为的智能执行。
这意味着,语言、多模态和Agent并非孤立的技术栈,而可能是一个有机的整体。更强的多模态能力(看、听),结合更强的自然语言理解(思考),催生出从量变到质变的Agent能力(行动),使其能够理解并执行跨越多个领域的复杂现实世界的任务。
也就是说,AI需要从一个纯粹的“语言大脑”,进化为一个能够“手脚并用”的“行为智能体”。
这一转变也解释了为何谷歌近期发布的Gemini 3 系列模型能给业界带来如此大的震撼。许多好评并不仅仅因为它在各项基准测试上屠榜,更在于它所展现出的整合能力。
近期,产品经理刘飞和投资人庄明浩在一期播客中,解读了这一趋势。庄明浩以一个任务为例:让Gemini 3生成一张刚刚结束的F1分站赛的颁奖照片。
这个任务看似简单,实则是一个复杂的Agent工作流。首先,它需要利用搜索能力,实时获取“最近的F1是哪一站”这一信息;接着,它需要查询比赛结果,获取冠亚季军的车手姓名、车队、甚至他们的标志性庆祝动作等知识;然后,将所有这些信息进行对齐和整理;最后再调用图片生成模型,创造出一张准确、逼真的图片。
这个过程诠释了语言、多模态和Agent的融合。它通过搜索调用外部工具,通过语言模型进行数据整理与推理,最终调用多模态工具来呈现结果。这背后,是谷歌多年来在搜索领域的积累,比如对用户意图的深刻理解、对海量知识的组织能力等。
庄明浩提到,多模态模型的后续演进,或许更接近世界模型的概念。这是一种能够通过学习环境数据来预测和模拟世界状态变化的模型,强调对三维空间、物体属性及因果关系的内在理解。
这就意味着,未来大模型的竞速可能跳出大语言模型这个单一维度的比拼,而是文字、图片、视频等多类模型的百花齐放,不同领域的公司也将结合自身业务的优势推进模型研发。
这也是当下的发展趋势。像是美团的AI致力于解决物理世界的复杂难题,从海量订单的智能调度,到无人机在城市中的路径规划。小米的AI则立足于其“人车家全生态”的庞大硬件网络,目标是打造连接亿级设备的中枢等。这些都是从垂直场景、业务需求切入,推动AI技术的进步。
不少探索已经初见成效。比如腾讯基于游戏、视频等业务有3D素材生成的需求,推动研发了Hunyuan 3D系列模型。这个模型的Lite版在普通电脑显卡上就能流畅运行,生成的3D素材还能直接导入游戏引擎,极大地提升腾讯内部游戏的开发效率。据报道,混元3D系列模型在开源社区的下载量已超过300万,成为全球最受欢迎的3D开源模型之一。
这些殊途同归的探索,并非旨在构建一个庞大的通用模型,而是在各自最熟悉的领域,利用长期积累的行业数据和对用户需求的深刻理解,构建起具有差异化的AI能力。
过程中,对投入产出的拷问,促使企业去寻找能创造真实价值的应用场景;场景的复杂性和多样性,又要求AI必须超越单一的语言能力,进化出能看、能听、能思考、能行动的多模态与Agent形态。
说到底,AI固然将带来一场深刻的技术变革,但任何颠覆性技术从诞生到普及,终究是一件长期的事情。从“比拼投入”、到“比拼场景”,再到“比拼综合能力”,这个环环相扣、逐步递进的转变,也意味人们关心的不只是模型本身有多强,也在乎它是否好用,能否解决实际问题。
无论技术的叙事如何变化,度量衡始终是能否满足真实的用户需求,比拼的还将是谁能更好地服务于人。