本地ai模型装豆包还是千问

国内 ai 大 混战，如果最后只能活一个，你认为会是谁？先说结论，我认为不是百度，不是腾讯，也不是阿里，答案只有一个，就是自己的豆包。为什么这么说呢？我们先看用户的数据，二零二六年三月份最新，豆包现在稳定的日活在一个亿以上， 除夕夜的峰值更是冲到了一点四五亿，是国内唯一一个日活破亿的 ai 产品。第二名呢就是阿里的通易千万，跟豆包差了三倍多， 腾讯元宝节后基本上在七百多万，百度文心稳定的日活也就在一千万出头，月活更加的夸张， 豆包的月活在三点一五亿，等于后边好几个加起来都没有他一家多，而且三十天的留存率高达百分之四十四点五，目前行业排名第一，这说明豆包的春晚赞助真是没白打，用户是真用，而不是领完红包就跑。 再说成本，豆包二点零 pro 输入一百万， toc 只需要三块二，输出十六块，国外的 gpt 输入就要十二块多，输出接近一百块，豆包呢，比它便宜百分之八十到百分之九十， 国内其他的所有的模型普遍输入都在十块以上，所以说豆包的成本只有同行的十分之一，别人都还在烧钱养模型，豆包基本上把成本已经压在了最低，免费都能跑的动，而且还能持续的迭代。最后我们看场景， 这个才是所有的 ai 模型，真正的护城河，抖音，剪映，飞书，火山引擎，全部都是自家的生态，普通人写文案，做视频，改简历，做 ppt 商家，做直播，搞营销，做数字人，全链路全部打通， ai 直接能嵌入我们每一天的生活。所以你看 ai 大 战拼到最后，不是拼谁参数大，谁喊得响，拼的是用户的规模、成本的壁垒和场景的渗透，用户用脚投票数据定输赢，所以国内的 ai 终局已定，唯一的赢家就是你每天都在打开用的那个 ai。

有没有人不知道豆包、 dipic 千问到底有啥区别的？今天一条视频讲清楚谁适合用，谁用来干什么，看完直接选对啊！先给大家说明一下，三款都是正儿八经的国产大模型，只是擅长的领域完全不一样。 豆包适合普通人，像日常聊天短视频，博主，文案创作，轻松互动就选豆包，好用，接地气，上手零难度。 deepstack 适合学生做数学题，搞科研，写论文，做数据分析程序员，写代码也可以啊，主打一个逻辑强，推理稳，专业度高。 那千万适合打工人，办公族，做 ppt， 写周报，写邮件，做翻译，偏商务风，是一个办公效率神器。工作场景呢，直接去冲阿里也在千万打造了阿里的生态，加入啊，像高德某宝支付的体系。 总结一下，日常聊天做内容，选豆包，科研教学写代码，选 deepstack， 办公文档，做 ppt 选千问，不用再乱试了啊，根据自己的需求直接选，效率翻倍。

今年春节的时候参加 ai 大 厂元宝豆包可千万千奇的红包大战基本上告一段落了，那我们作为从业者就做一个相对深度的复盘。我知道市场里还有很多人在做分析，我们也曾经做过很多其他业务的解读，不管是京东、美团和阿里的外卖大战，还是对本地生活的解读，那基本上判断后续都有了印言。 所以还是那个逻辑假设，跟其他人的解读思路不一样，建议大家还是以我们为主。先说为什么这三家会齐刷刷的选春节这个时间点去做这么一轮大的增长，那当然很多人会讲春节的流量特点，它是集中曝光，巴拉巴拉这些，那在我看来其实有三点。 首先叫前车之鉴。二零二五年春节的时候， deepsea 的 爆火其实给大城市上了一课的就是技术红利，哪怕是短暂的，但是如果你能利用好这部分短暂的领先，给用户有个强心智，对业务是非常有帮助的。你可以看啊，哪怕今年 deepsea 没有在做 c 弹增长，并且它当前的模型能力不是最领先的，但是当前的产品越火，仍然是国内的前三位。所以如果 能通过大量的曝光，大幅提升渗透，抢占心智，那就相当于春节干了一年的活，比如说千万基本上追平了豆包过去的数据。第二点，模型能力提升带来的产品留存会有质的变化，相比于去年，基本上底层大模型能力已经趋同，逐渐收敛，这决定了用户在多数场景的多数问题能够被有效解决。 在你的产品有留存，就意味着用户要迁移到别的产品里面，他就会有迁移成本，所以砸的钱其实是能听到声响的，那就值得看。第三个才是春节的流量特点，因为春节本来是一个人口迁移的过程，那高线的用户回到低线是很容易教育低线用户，其实降低了这种普及的成本， 非常非常容易让产品变成全民级的应用。我们说完了，为什么他们会做？那我们再说说参加打法和节奏的差别。首先说元宝啊，元宝其实属于发挥自己的主场优势，实际上是深度绑定，让 ai 服务渗透进用户每天数小时的使用时长里面。 我们可以有一个数据啊，就是像过去的这些 ai 的 boss 产品中，基本上每一天用户的使用时长是在十分钟，但是是两个小时，那如果我们能把 ai 结合起来，它在里面的使用时长是不是会长很多呢？你看，这其实是它的逻辑，所以你能看到下半年用 ai 搜索评论区用户调取的元宝互动，包括在早期的元宝好友，实际上都体现了它这个思路。春节期间如 pos 妈讲的啊，想再造一个红包的说法， 所以春节活动只是这种策略的一个延续。当然不仅印证了好产品都是被人重新来的，而不是规划出来的，其实也透露出潮汕人生意的精明。他和真正的春节其实是错峰补贴的不正面，和竞争对手竞争，在攥取了第一波流量红利之后，在春节其他公司补贴之前 受封了原版分享链接啊，这个操作反正就是有点一言难尽。第二个呢，说说千问，千问的核心策略本质是压住智能体，从过往的问一问到能替人行动， 核心目的是重构交易入口，让用户的交易和决策行为在往千万千亿。呃，这个符合阿里作为交易公司的能力和调性。很多人也会讲说，这样的红包补贴其实也间接帮助了阿里系的其他业务，比如说携同了非猪和饿了吗。说实话，单说外卖，从补贴逻辑来讲，它的补贴品类主要还是以茶艺为主。基本上过去的外卖大战已经证明了， 低客单价的单量并不能够长期影响市场的竞争，所以对本地生活帮助没有那么大，对非猪到一些影响，但是我们还是能够理解它的核心还是否 ai 自身。 第三个，呃，三家来讲的话，豆包倒显得中规中矩啊。请大家看了豆包的春晚啊，奖品也送了不少，目的一，做下沉春晚是最好的时间节点，因为高线的人群会往低线流动嘛。其次，推动默态，让用户习惯用 ai 生成内容，这是字节最擅长的内容生态的护城河。 如果 cds 二点零能用，真人甚至可以单方面宣布豆包就是最佳的赢家。那再评价一下三家策略的优劣势。首先，元宝属于上时代的拉新策略，用红包去补贴用户的浅层行为，留存一定极差。 当然，拉新策略的问题背后体现的是什么？是产品，是模型，以及他们傲慢的问题。产品的体验离豆包差很远，又不像千万独特的交易入口定位，模型上没有等来 dippic r 四多模态又被自解问爆。 说实话这些也都还好，但关键是从认知上来讲，真的拉满了让人觉得腾讯还处于移动互联网时代的产品认知。那再说说豆包，豆包实际的策略并不领先，但产品和底层的模型能力我说的是这个多模态的 c 档四二点零 差异化太大了，所以从效果来讲，他确实做的不错。那第三个就是增长，最超出预期的还是千万，但千万要关注的是目前大模型内的交易路径以及交易的体验，相比于传统的电商和本地的产品还是差非常非常多的，那 交易的习惯大概率不会养成，好在是补贴费用一定是这几个业务的均摊，性价比很高。其次对于从模型到交易的链路，他是非常好的探索。 那另外的话，千万的模型能力是足够支撑产品的留存的，所以自此千万也能在国内产品里面至少到低一点五 t。 对， 那综合来看，我还是觉得豆包略领先千万也说明了另外一个问题啊，模型好，产品好才是真的好。

好，又是四零九零一百二十八 g 内存来跑本地大模型的一天啊。然后我今天下载了一个叫做 open code 的 这个，这是 open ai， 这个开放的一个编码一个软件，然后这是我的这个项目，然后我之前不是说这个千问的三点五，然后有一个叫做四十 gb 的 叫做 codenext 的 吗？ 这个是整个的文件是四十六，我说他出代码速度很慢。呃，今天我又在那个，我之前之所以下载这个模型，是因为我把我的配置告诉给了那个千问网页版， 然后他跟我说这个模型可以用，但是今天我下载了这个 open ai， 然后又在这边用这个 open ai 问了一下，用的这个模型是 mini max 二点五， 然后我问他，我说这个模型在你的机器上跑出出代码的速度会非常的慢，然后我就给 他的几个模型的选择，因为这里有一堆的模，我下载了一堆的模型，然后给他做一些选择，最后他跟我说用这个千问三点五，三十 b a 三 b 这个模就出代码应该会比较快一些，然后我让他帮我写了一点，但是呢这个 open i 这个 open code 它有一些免费的模型，就是这个 minimax 这个模型 他是免费可以用，我就暂时用这个模型改了一下我的这个本地的代码好像也还不错，好像也还不错，出代码的速度也非常的快，然后本地文件也做了修改，我现在就是需要验证一下他改的对不对，因为这是一个插件，他需要借助这个 本身这个软件开放的 a p i 来去做一些事情。我在这个改代码之前，我让他先分析了一下我这个项目，然后让他知道这个整个的调用流程很快，差不多几分钟吧，两三分钟，三五分钟，就在这个 memory 里面写了很多的内容。然 这边我还告诉他，我的 python 代码基本上都弃用了，然后他也做了标记，现在的这些代码呢都是 g s 和 html css 的 代码， python 的 代码呢，也都基本上都已经弃用了，我已经告诉他了，他也标记了，这都是他自动标记的啊，然后 解释型的语言不需要翻译，所以说他改的速度，读读的速度也非常的快。然后我也把这个软件的这个开放的 a、 p、 i， 就 官方的这些势力代码， 以及官方的这些说明，我全部都放到我的项目目录下面来了。我跟他说如果你看不懂我的代码的话，就去翻一下这个官方的文档，我告诉他这个官方文档的目录在哪， 然后他也确实去翻了啊，他也确实去翻了，他基本上很快速的就把整个项目的这个关键的这些内容都提取出来，我感觉还是不错的，然后待会看看效果怎么样。

两种不同 ai 模型，星球的细品有啥区别？先看豆包 你是来拉屎的吧，我这儿有纸巾。再看千万 你是来拉屎的吧，我这儿有纸巾，纸巾在右边抽屉里，用完记得关好门。 总结一下豆包星球的视频更有惊喜感，女星的声音更加空灵。不过还是看个人喜好，两个模型各有各的优点。

你们经常使用哪个大模型呢？豆包？千问？还是 deepsea？ 昨天我发现他们三个是有区别的，我用同一段提示词问了豆包，豆包会问我说，哎， 根据你的理解，你是不是要把这段话变成个提示词问千问啊？千问就老老实实的帮我完成了我要的那个文案的框架， 问 deepsea， 他 给我讲了很多原理的问题，所以这三个东西我现在归类一下。 首先呢，这个 deepsea 呢，它是一个比较专业的，可以称为专家。然后那个谦问呢，就是一个合格的听你话的 ai 员工，而豆包呢，是那个充满了俏皮的各种思考的一个不怎么听话的员工，你们觉得呢？

那今天呢，我们要跟大家聊一聊啊，国内这些主流的 ai 大 模型到底都有哪些优缺点？嗯，这个话题真的还挺实用的，对，那我们就开始吧。第一个呢，我们先来聊一聊各个大模型的优缺点啊， 就这些主流的国内的这些 ai 大 模型，它们都有哪些长板和短板？那像这个文心一言呢，它的这个强项是在于它的这个中文的理解，还有就是知识的整合，那它的这个缺点呢，就是在一些专业领域的深度上面还有待加强。 然后这个通易千问呢，他的这个数学还有就是多模态的能力是非常强的，但是呢他的这个个人版的功能是比较受限的。 ok， 这个豆包呢，他是在这个创意内容，还有就是多模态上面表现非常亮眼，但是呢他在一些复杂的推理上面是比较薄弱的。对，确实就是 大家都是有自己的比较擅长的地方和一些明显的短板。对，那像这个讯飞星火呢，它的这个语音的交互，还有就是教育这方面是特别强的，但是它的这个代码的生成能力就比较一般。然后这个 kimi 呢，它是在这个长文本的处理上面是 无敌的啊，但是它的这个多模态的能力，还有就是它的这个创意的输出上面是比较弱的。这个 deepsea 呢，它是在这个数学还有就是代码上面是非常厉害的， 但是它的这个多模态的支持，还有就是它这个联网的功能是比较简陋的。这个质朴青年呢，它是在这个多模态的生成，还有就是这个智能体的开发上面是比较领先的， 但是它的这个多轮对话的连贯性上面是需要提升的。就说如果我们现在面对不同的任务场景，我们究竟该怎么去挑选适合我们的那个 ai 大 模型呢？就比如说你是要做日常的聊天啊，然后做一些短视频的内容创作啊，那你可能就优先可以考虑豆包。 但如果你是要做一些办公啊，做一些写作呀，做一些翻译啊，或者是说做一些企业的应用啊，那可能通一千问是比较适合你的。哦，原来就是说不同的需求还是要分门别类的去选择。对，没错没错，是的是的是的， 那你比如说你要做一些编程啊，做一些科研啊，那你可能就上 deepsea， 那 你如果说要做一些常温档的处理啊，做一些法律的分析啊，做一些学术的研究啊，那你就用 kimi， 那 你如果说要做一些语音的转写啊，做一些口语的练习啊，做一些教育相关的，那你就用讯飞星火， 那你如果说要做一些多模态的生成啊，做一些智能体的开发啊，那你就用质朴清颜，对，所以说就是大家要根据自己的实际需求去灵活的组合使用这些大模型，才能够事半功倍。那现在就是说这些国产的大模型，大家在发展的过程当中会遇到一些共性的难题， 那这些难题是什么呢？我们怎么去突破呢？其实大家现在都在啊，依赖于这个开源的框架在做创新啊，那这个就导致大家在底层的技术上面 还是有一定的瓶颈的。那另外呢，就是说这个高质量的数据和这个算力的资源其实也是比较紧缺的，那尤其这个高端的 gpu 我 们还是需要进口的嘛。 那另外呢，就是说，呃，这些大模型真正的在各行各业去大规模的落地，并且能够产生收益的其实也不是特别多， 所以说想要真正的去实现这个原创性的突破，以及这个生态的完善和商业化的成熟，可能还需要一段时间的努力。我们接下来就聊一聊这个不同的模型到底适合哪类人用。 第一个问题啊，就是说豆包这个大模型到底更适合哪类人用？嗯，豆包其实我觉得他是一个，就是几乎你什么人都可以用，就学生啊，然后这个职场里面的人啊，或者说你是一个内容创作者， 或者说你只是一个普通的用户，你日常的去问他一些东西啊，或者说让他帮你写一些文案呢，或者说帮你做一些这个日程的规划呀， 他都可以，他就像一个你的随身的小助理一样，所以说就是他是一个入门门槛非常低，非常友好的一个选择。对，没错没错，就是你几乎不用学他怎么用，然后他的这个免费的额度也很足， 他的这个中文的理解又是特别自然的，他又可以跟自洁系的这些产品无缝的配合，所以说他是一个 全能型的一个选手，特别适合那种想要找一个省心的啊，又可以在很多场景下都可以使用的这样的一个 ai 助手。哎，那我想再问一下，就是说这个通易千问这个大模型它到底是更适合哪类人用？呃，通易千问其实我觉得他就是为 企业和那种专业的用户量身定做的，就你如果是一个电商运营啊，然后你是一个写作者啊，或者说你是一个需要管理很多常温党的这样的一个人， 他就会非常非常的顺手，那他是不是在团队写作当中也很有优势？对，没错没错，就是他不光是可以私有化部署啊，然后他的这个长文本的处理是特别强的，他的这个多语言的翻译也是非常专业的。所以说 你无论是在做一个跨国的项目，还是说你是一个内容团队，要做一些批量的写作，他都是一个非常好的选择，对于那种 要求非常高的这种专业的场景，他是完全可以 hold 住的。就是说如果我们面对不同的需求的话，具体要怎么去挑选这些主流的大模型才是最合适的呢？对，就是比如说你是一个学生啊，或者说你是一个 刚接触这个 ai 的 人啊，那我觉得豆包是特别适合你的，就是你可以非常快速的上手，然后你日常的一些简单的任务啊，或者说一些娱乐的需求啊，他都可以满足你。如果你是一个电商运营，或者说你是一个 需要经常跟常温党打交道的这种职场人啊，那通一千问肯定是你的首选，就是他在这方面的处理能力是非常突出的。哦，原来就是不同的身份，不同的场景，真的是要分开来看，没错没错，是的是的是的，那比如说你是一个做知识或者说做内容创作的这样的人啊，那 文心一言会更适合你。如果你是一个需要用到语音或者说做内容创作的啊，那你就用讯飞星火。 如果你是一个程序员，或者说你是一个技术爱好者啊，那你就用 deepsea。 如果你是一个需要处理非常长的文本的啊，专业人士啊，那你就选 kimi， 对， 就是 你选对了之后，你的这个效率才会提升的非常明显。然后咱们接下来进入到这个选型指南推荐啊，就是这个这块我就特别想问，就是说不同的场景下，我们到底应该去选哪一个 ai 大 模型？呃，如果是日常聊天，或者说你是一个刚刚接触 ai 的 人啊，那我觉得你用豆包是最好的，就他的这个门槛很低，然后他的这个中文的对话是特别自然的，你在手机上面用也很方便。如果你是一个微信的重度用户啊，那你可以用这个腾讯的这个元宝，就是他可以直接在你的这个 微信里面就可以用，非常的方便。那如果是说工作或者学习当中遇到一些比较复杂的需求呢？嗯，那如果是说写文案啊，做内容创作的话，那还是推荐豆包和元宝。 然后如果你是要处理长文党的话，那你就得上 kimi 或者是同一千万。那如果你是要做这种政务啊，金融啊，这种比较需要高安全性的这种场景的话，那就是三六零智脑，或者是说这个盘古凹出来这种专门的正企的版本。 嗯，所以就是说，呃，不同的场景下面，其实你还是要选对了才能够事半功倍。对，那你觉得我们在挑选这些国产的 ai 大 模型的时候，哪些核心的因素是最值得我们去关注的，我觉得最核心的就是你要去看这个模型 他在你自己的这个实际的场景下面表现怎么样，就比如说他的这个中文的理解是不是够好，然后他的这个数据的安全性是不是能够达到你的要求，他的这个能不能够本地部署啊等等之类的。再就是你要去善用好他们的这些免费的版本，或者说他们的这些 api 去做一些测试。 再就是你要根据自己的预算和你的这个业务的规模去选择一个合适的付费的方案。最后就是要记得每隔一段时间去关注一下这个主流的模型有没有什么新的变化 啊，这样的话你就可以保证说你每次用的都是最适合你的那个 ai 工具。对，那如果我们把这些国产的 ai 大 模型做一个分类的话，就不同的类型的模型适合哪些人用呢？就是那种全能型的啊，像豆包这种就是几乎谁都可以用，你不管是学生还是说 呃，这个上班族，还是说你是一个内容创作者，你都可以用它来解决一些日常的问题。那如果你是要追求一些专业的能力啊，比如说你是要做数据分析，那你可能就需要像通一千问这种比较专业的工具。 那如果你是那种需要处理大量的文本的啊，比如说是法务，或者是说这种研究人员，那 kimi 可能是你的首选。 哦，原来不同的职业真的有针对性的选择。对，那比如说像程序员的话，他可能就会喜欢 deepsea 或者是质朴清严，这种 就是专注于代码的，那如果你是那种对语音特别有要求的啊，比如说你是做播客的，那你肯定会优先考虑讯飞星火或者是 mini max。 那 如果你是那种对数据安全 特别敏感的啊，比如说你是在正企工作的，那可能像三六零智脑，或者是说这个盘古凹串这种专门的正企的版本，那就是为你量身打造的。聊到这，其实大家也能发现，就是 没有哪个 ai 大 模型是万能的，对，最关键的还是要根据自己的实际需求去选择一个最适合你的工具。对，这样的话才能让 ai 真正的帮你提高效率。对，今天的分享就到这里了，然后感谢大家的收听，咱们下期再见，拜拜！

这里是腾飞老师的睡前故事，从 chat gpt 到 deepsea， 从 gemini cloud grok 到龙虾 ai， 再到国内的豆包通一千文文新一言讯飞星火、智普青言、 腾讯混元，这么多 ai 模型，中年人、普通行业的朋友，到底要不要全部掌握？要不要本地部署？答案可能和你想的完全不一样。今天我们来聊一个很多中年人，还有 各行各业朋友都特别关心的话题。这么多人工智能模型，我们普通人、中年人、其他行业的朋友，到底要不要全都学会，要不要去研究本地部署呢？我用最轻松最实在的话跟大家说清楚。首先，这些名字听起来一大堆， 其实他们就是不同的 ai 工具。国外的模型各有特长，有的理解强，有的速度快，有的能自动操作电脑。咱们国内的模型更接地气，豆包日常好用，对话自然 通，易千问办公，文案常温档处理很强，温馨一言，知识权威，适合正式场合。 讯飞星火，语音教育，方言识别很厉害。智普清言，逻辑推理，专业问答稳定。 腾讯混元在微信生态里用起来很方便，但我直接说结论，普通人真的不需要全部掌握。就像我们用手机，不用把所有 app 都装一遍， 只用几个顺手的就够。 ai 也是一样，选一两个适合自己工作的，用熟练就已经超过大部分人了。然后是很多人纠结的本地部署，简单说就是把 ai 装在自己的电脑里，互联网也能用， 数据更安全。但我直接告诉大家，九十的人完全不需要本地部署，本地部署要懂电脑，装环境，调模型排错， 非常折腾。如果你只是日常办公，写材料、做 ppt、 改文案、查资料、做总结，用线上现成的 ai 就 足够了，方便简单，不用费脑子。 不管是国内的豆包千万文心，还是国外的常用模型，打开就能用，免费额度基本都够用。那什么样的人需要本地部署呢？第一种，工作内容特别机密，数据不能传到网上的人。第二种，每天要用 ai 大 量干活，想省成本的人。 第三种，喜欢研究技术，喜欢折腾的人。除此之外，真的不用跟风。再说说龙虾 ai 这种自动化工具，它适合每天被重复工作烦透的人，比如整理文件、 做报表、发消息。如果你工作本来就很轻松，那就更没必要去学了。最后，我想跟大家说一句心里话， ai 只是工具，不是压力，更不是用来制造焦虑的。不管你是哪个行业，不管年龄多大，不用追星，不用内卷，不用全都学会。国外模型也好，国内模型也罢， 找到一个能帮你省力、帮你提高效率的 ai， 用好它，你就已经走在前面了。不用害怕跟不上时代，慢慢来，轻松用工具，好好生活就足够了。晚安，做个轻松不焦虑的好梦！

之前我出了一系列实操视频，分享怎么把各类 ai 大 模型接入自己的网站。不管是国内常用的 deep seek、 豆包、通易、千问，还是国外主流的 chat gpt、 gemini， 以及最近热度拉满的 minimax， 只要你手里有对应的 api key， 都是可以接入的。 还是有小伙伴私信说想要的模型不知道怎么接入。这个视频我给大家安利一个超级实用的 ai 模型聚合平台 open router， 如果觉得好用，记得给个一键三连，让更多人能够知道它。 我们知道这两年 ai 模型的更新迭代非常快，如果你想用上最新的 ai 模型，或者说想让你的客户在你的网站上体验到最新的 ai， 又不想在各种平台之间来回切换，只要有 open router， 就 可以直接调用市面上几乎所有的 ai 大 模型。 先给大家说说它的三大核心优点，也是我最推荐大家用的原因。第一个优点是不需要科学上网，不用到处找梯子，直接就可以打开 open router， 这点对国内用户是非常友好的。 第二个优点是 ai 模型库很齐全，几乎每个模型的每个版本都有，而且更新非常快。今天是三月十一号，可以看到三月份上线的有七种模型，二月份有二十多种，这样就不用自己到处找资源了。第三个优点是提供免费试用额度 字节的 seeddream、 阿里的通用千问、 gpt 的 基础模型等等，都可以免费试用。 进入自己网站很简单，在 open router 的 首页点击 get api key， 然后复制它，打开 wordpress 后台，在模型的下拉列表里选择 open router， 然后粘贴 key， 就 可以调用 open router 提供的几百种 ai 模型了。 需要注意的是，如果你的网站部署在国内服务器上，选择 chat、 gpt、 gemini 等中国内地禁用的 ai 模型是会报错的。 如果是部署在海外服务器上的外贸网站，就没有这个限制。我自己的网站上模型选的是目前最火爆的 mini max 网站。接入 ai 模型之后，我们可以做很多事情，这个 chatbot 聊天机器人算是最基础最常用的功能，也可以用它来生成 seo 文章，具体的操作方法可以看我们之前分享的视频教程。 另外我们还可以设置自动化程序，创建 form 表单生成、图片导入 knowledge base 知识库等等， 这些内容会在后续的视频更新，感兴趣的朋友可以点个关注。我的网站用这个表单功能增加了一个 ai 页面，用来提高客户建站的效率。我还基于网站内容创建了专属的向量知识库， 当访客在 ai 客服这里提问的时候， minimax 会解锁向量知识库，然后基于 ib 网站的内容去精准回复，而不是用全网通用的资料去回复。 欢迎大家来体验。在给网站接入 ai 的 时候，遇到困难的可以在视频下面留言，我看到都会回复的，不要吝啬你的三连，我们下期视频再见！

很多人搞不懂豆包和 openclaw 到底有啥区别？今天一条视频给你讲通透。豆包是云端 ai 助手，属于动嘴不动手的类型，打开就能用，不用安装，不用配置，不用折腾。 apikey， 擅长聊天问答、写文案、做总结、翻译、想思路，但我不会碰你的电脑，不能帮你点鼠标、开软件、自动执行任务，只负责给你方法和内容。 openclaw 是 本地执行框架，属于动手不动脑的工具， 它本身没有 ai 大 脑，必须接入 gpt、 kimi、 豆包这类模型才能用，但它能模拟鼠标、键盘、看屏幕、操作软件可以自动打开微信，批量改文件、整理表格、远程控制电脑适合做重复、机械的自动化工作。 但缺点也很明显，安装配置复杂，有技术门槛，面对陌生软件容易点错、操作失误，而且有风险，可能误删文件，点错界面，重要操作不能完全交给它。 一句话总结，日常学习、工作、聊天、写东西，用豆包，省心，安全零门槛。想让 ai 帮你自动操作电脑，做重复任务，用 openclaw， 但要会折腾，能抗风险。一个负责动脑输出，一个负责动手执行。 这下你分清了吗？这 openclaw 它可以操作微信，操作微信这个程序也是它经过训练的吗？假如一个没操过的、操作过的软件，它会执自己执行，会学这个软件的使用方法吗？你问到最核心、最关键的地方了，我用最直白、最准确的话告诉你， openclaw 不是 靠训练过微信， 而是靠通用看图加模拟鼠标。它不需要提前学过某个软件，新软件，它也能自己摸索着用。我给你拆开讲，一听就懂。一、它不是背下来微信怎么点？它不是提前写死，点这里再点这里不是。 如果是这样，那换个软件它就废了。二、它真正的原理，像人一样看屏幕加理解文字。它有两个能力，一、看屏幕，二、识别上面的字和按钮。三、 ai 告诉他点哪里，做什么，你让他操作一个从来没见过的软件，比如一个新游戏， 一个冷门工具，一个你自己装的软件。流程是这样，你说帮我在 x x 软件里导出数据。一、 opencloud 截一张屏。二、把图片发给 ai。 三、 ai 看图加看字理解界面， 然后说点击右上角导出，选择保存位置确认。四、 opencloud 直接移动鼠标去点。三、所以它不需要提前训练。这个软件，微信能操作， qq 中操作，钉钉能操作，你公司的专用系统也能操作。 任何带界面的软件基本都能摸索着用，因为它是通用型的，看屏幕理解界面，摸你鼠标点击，就像一个会看中文，会点鼠标的人，你不用教他软件，他看一眼就会。四、 那他学习的是什么？他学的不是某个软件，而是通用规则按钮，一般能点文字是说明输入框可以打字，菜单展开有选项， 这就叫通用电脑操作能力，不是针对某一个 app 训练的。用最通俗一句话总结， opencloud 就 像一个会看屏幕，会点鼠标的机器人，不用提前学过软件，新软件看一眼界面就能自己用。 如果你想，我可以告诉你这种 ai 自动操作电脑未来会有多强，会不会替代人做重复工作，以及安不安全，会不会泄露隐私？那 open core 在 用一个新的软件的时候，它有可能操作错误吗？好比我发一条指令，但是实际因为它没使过这个软件，导致了它会。它有可能操作事务错误，没有点出我想要的结果，太有可能了， 而且非常常见。你现在问的就是这个技术最真实最致命的问题。我直接跟你说大实话。不吹不黑， 一、面对新软件 openclaw 一定会出错，哪怕是 gpt 四 o 加 openclaw。 第一次用一个新软件，大概率操作不对，会出现这些错误，点错按钮找不到入口， 进错页面点到广告，点完没反应，他还以为成功了，理解反了你的意思。就像一个人第一次用陌生软件也会点错迷路。原理很简单，他是靠看图猜，不是靠记住这个软件。比如你让他在这个新软件里导出数据，他看到屏幕上有 导出，导入，输出、保存。 ai 会猜一个最像的，但猜就一定会有猜错的时候。 三、越复杂的软件错的越离谱。简单软件很少错，你公司专用系统经常错，复杂软件基本用不明白，因为界面越乱，按钮越多，它越容易点错。迷路 四、最关键的一句真话，现在的 ai 不是 万能，全自动更像一个会犯错的新手员工，能做简单重复的事，复杂的、重要的、没见过的， 一定会出错，不能完全信任。总结给你，你担心的完全对，没使用过的新软件，却一定会操作错，点错，达不到你想要的结果。他不是神，就是个看图猜位置的新手。那你帮我说说， ai 到底稳稳做什么，绝对不能做什么，哪些事可以放心交给他，哪些千万别碰我直接给你一份最实用不忽悠你现在就能用的清单！ ai 电脑助手能做什么？绝对不能做什， 我用最简单最直白的话讲，你听完就不会踩坑。一、可以放心交给他，稳稳能成的事， 这些是简单重复、界面清晰的操作。一、打开，关闭软件。二、打开某个网站。三、复制粘贴重命名文件。四、简单搜索，百度、抖音、微信搜索。五、发固定文字消息。六、打开文件夹，移动文件，删除文件。七、 记事本表格简单录入。八、每天重复的固定小动作。特点，步骤少，界面简单，错了也没大事。二、勉强能用但经常出错的事，这些他能尝试，但不一定一次成功。 一、复杂微信操作。二、下载东西，找下载按钮。三、登录账号。四、填写表单。五、简单 p 图裁剪图片。特点，能做，但要你盯着，看，错了要纠正。 三、绝对不能交给他的事，这些百分之一百会出问题，甚至毁你东西。一、涉及钱支付转账，他会转错，点错被骗。二、重要文件删除格式化硬盘，清理 c 盘，直接把你系统搞崩，资料没了。三、修改重要表格、文档、 ppt， 改乱改错，删内容。四、登录你的重要账号、密码、验证码，隐私全暴露。五、 photoshop、 剪映、三 d 软件等专业操作界面太复杂，他完全摸不明白。六、任何你错了就麻烦，大的事一律别给他做。 四、最核心的一句话总结， ai 电脑助手等于只会点鼠标的新手临时工，简单重复杂事，放心丢给他， 重要复杂、值钱隐私的事，绝对别碰他不会真正学习，不会变熟练，不会负责。五、你现在最该知道的现实，你之前想要的那种教一遍就学会，越用越厉害，能做复杂工作的 ai， 目前世界上还不存在。现在所有的 g p t 四 o 杠、 openclaw， 各类电脑操作 ai 都只是模拟鼠标的看图工具，不是智能机器人。如果你愿意，我可以直接告诉你，你平时最想让 ai 帮你做的那件事，到底能不能做，安不安全？会不会翻车？大家是不是听明白？

以后咱们国内就三款 ai 模型，第一个就是千问，第二个就是腾讯的元宝，第三个就是字节的豆包， 其他的通通不用看，未来我们所有这些吃喝玩乐的软件都要向这三大阵营去考录。我认为第一梯队是阿里的千问。有一个消息不知道大家有没有关注到， 苹果已经在和阿里去合作了，未来苹果的手机将会基于阿里的 ar 模型去啊研发，也就是说以后我们拿到苹果手机，他就像 siri 一 样，你直接一键启动，或者你可以啊呼唤启动，那 你直接告诉他你想要干嘛，他就一键几乎可以帮你完成了，现在的千万就是这种雏形，所以在苹果的加持下，我认为他 最有可能是站在第一梯队的。那腾讯呢，它其实是有全国我们十几亿这种社交软件的这种流量的加持下， 当然呢，它会比这种阿里的千万它会啊多一步，因为你最终啊，我们要追求的是便捷性，最终还是要从你啊腾讯里面去启动，或者单独一个 app 去启动啊，无法达到像苹果这种一键式或者呼唤式的这种启动 啊，会方便一点。当然呢，苹果它拥有啊，我们中国最多的客户群体，所以我认为它的未来占有率也不会差的。第三个呢，就是字节的豆包，字节跳动呢 啊，它的模型很强，现在应该算是第一梯队，而且它对于 ar 的 布局啊，也很早，但是未来拼的是 ar 模型的生态 啊，我认为在客户群体还有啊，硬件方面没有像阿里和腾讯那样有巨大的优势 啊，虽然他的 m 型很强，以后呢，这些吃喝玩乐的软件都要向着三大阵营去被迫式的靠拢，所以我认为这就是咱们国内未来 m 型，通通都得靠边站。

最近后台好多朋友私信我说想在公司用大模型，但不知道该自己买显卡部署，还是直接用现成的 api。 说实话啊，我每次看到这种问题，都想先劝一句， 你要是连现在市面上的大模型分哪几类都搞不清楚，可千万别急着掏钱买设备。二零二六年的时候，大模型早就不是一个笼统的概念，它已经分化成了完全不同的几条赛道。所以今天咱们就把大模型的家谱好好理一理，搞清楚哪些适合本地部署，哪些更适合，直接调用 api， 帮你少走点弯路。 首先咱们得先弄明白，现在市面上的模型主要分为哪五类，这直接决定了你需要投入多少硬件预算。第一类是上下文推理模型，这也是咱们平时接触最多的那种，比如专门用来写代码、总结文档或者做逻辑推演的模型。这类模型最大的特点就是逻辑极强，但他们大多时候只处理文本内容。 第二类是纹身图和纹身视频模型，专门搞视觉生成的纹身图现在的门槛其实已经很低了，普通的家用显卡都能跑起来，但纹身视频可不一样，这绝对是当下的算力黑洞，对硬件的要求高到离谱。第三类是声音合成和配音模型，比如克隆里的声音，或者给短视频配音。 轻量级的版本，咱们普通人自己玩玩完全没问题。但如果是要大规模、高保真生成的专业版，那可就不是普通硬件能搞定的了，必须得靠企业级的硬件支持。第四类是多模态融合模型，这也是目前最火的一类，就是那种既能看图又能听音，还能跟你对谈的全能选手。 你看现在很多大厂推出的 ai 助手，基本上都属于这一类，但因为他们功能太全了，参数量通常都特别大，对内存和显存的需求简直像个无底洞。第五类是行业垂直模型，比如专门针对医疗诊断、法律条文非调过的模型，这类模型的精准度极高，但通常需要特定的行业数据支持，而且大多涉及商业机密。 讲完了分类，咱们就得说说最核心的问题了，到底该怎么部署？其实就看三点。第一点，看数据安全。如果你是政企单位，或者处理的是核心商业机密，那真的没什么好犹豫的，必须本地部署数据，不出内网，这是安全的底线。 第二点，看使用频率。如果你只是偶尔写个注报，查个资料，那直接请求云端 a p i 最划算，按量付费，几块钱能用好久？你想想你一个月可能也就用了几次，何必花几万块买显卡呢？但如果你要把 ai 嵌入到生产流程里，每天二十四小时不停的在调用，那么一次性投入硬件成本进行本地部署，长期看反而更省钱。 第三点，看任务类型。简单的文本推理，现在的洋垃圾老显卡都能跑的很顺，比如那种二手的 rtx， 三零九零，几千块钱就能搞定，跑个上下文推理模型完全没问题。但如果你追求的是极致的视频生成速度，或者是超大规模的多模态交互，本地部署的硬件成本可能会高到让你怀疑人生。 这时候租用大厂成熟的云端算力 api 反而是性价比最高的选择。总结一下就是，轻量办公选 api， 核心生产选本地文本推理，看老卡视频生成，看预算， 弄清楚了选型。接下来就要谈钱了。好多朋友问我，如果决定了要本地部署硬件，到底该怎么配？是买昂贵的全新卡，还是去淘二手设备？下一期节目，咱们就专门聊聊硬件配置避坑指南。

今天在电梯里面看到了一个千万的广告，我才明白国内做大圆模型的这些大厂，他们心中的一个愿景大概是怎样的。他们想的是用户安装好他们的大圆模型，和 ai 对 话， 然后就可以购买他们那些生态内的。比如说我要点一份沙县小吃，直接就可以在他的平台里面下单，然后送上门，完成一个闭环， 理想非常的诱人，但是我仔细想了一下，根本站不住，呃，没办法，有结构性矛盾，四个原因啊，我给大家想一下，一共四个原因。第一个原因， 大圆模型天然要求开放，要和用户慢慢讨论，要考虑一切可能，但是所谓的生态闭环，它一定是不完美的。我举一个非常简单的例子，我去，我跟我跟那个 ai 说啊，我最近听说我附近开了一家那个 呃，外卖店，听说特别好吃，我想吃一下，然后大圆模型 ai 看了一下自己的生态内的那个商家， 然后说，不好意思我，我这里没有这几个商家，在别的平台，这一下子就尬住了，你知道吗？第二个问题，呃， 责任和权力不匹配，要让大元模型做这个入口的话，即使是自己生态内的入口，都要给他很高的权限，你要天然，要偏向用户这边。 我举一个非常简单的例子，我点一份外卖，结果发现包装破了，然后我问 ai， 我 说这 那个外卖送下来没法吃，怎么办？ ai， 如果要偏向我，会大概问一下我什么原因，如果是平台原因的话，会引导我去退货、退款、投诉。那你要知道 那些平台他们本身的盈利模型里边是包含了一部分顾客出现问题不去处理，呃，或者是对条款了解不清，或者愿意去忍的那些这个情况，或者嫌麻烦那些一旦大圆模型 不说直接帮你去处理啊，就只是一个建议，都会直接破坏那些平台的盈利模型， 而这些平台正是这么多年一点点挣的家底，把这个大元魔星养出来的。那是你的老大哥，你这一个小小弟，我让你当一下大哥，你现在要挖这些大哥的根，那大哥能答应你吗？ 肯定是不行的，对吧？这个是一个巨大的矛盾，我，我都没想，想不到什么办法能解决。然后第三个问题，我发现一个很严重的问题，就是所有的所谓的做生态闭环的公司都有一个问题在于 内容，电商履约，三个没有一家平台真正做齐的。嗯， 你像美团、拼多多、京东还有阿里巴巴，他们是有电商，有履约，但是没内容，那或者说内容非常弱， 然后腾讯内容很强，有小说，有视频，然后有游戏，但是呢？没有电商，没有履约，然后 抖音也是字节这边有内容，有电商，但是没有履约。我，我，然后我仔细想了一下，全世界好像所有的所谓的闭环都没有，真正闭环都是三个，这三点是最多做到两样，你现在不可能去补，没有时间了，你也不可能说是去收购一个其他公司，那也是不大可能的， 会被拦住的，这监管也不会允许，这就使得他们在这一刻发现所谓的闭环是一个幻觉，这就导致了什么？ 对，你是可以用 ai 代元模型，我帮你买什么东西完成了，然后呢？完事了之后我要去看短视频，怎么办？那我就得把你抛了呀，因为你你给我调不出来内容呀，或者说我在这看内容，但是 玩的好好的，你要给我，我要问你想买个什么东西，你是你那些平台都没给你权限查，怎么办？这个东西就很麻烦，也就说这个也是一个没办法 的一个事情，因为所谓的闭环都是假闭环，不是真闭环，你不可能什么都有。然后最重要的一个问题就是信任问题。嗯， 你我作为用户，我跟 a a i 对 话，我真的不知道你给我的这个建议是在护着你的那些老大哥，还是在站在我这边， 你即使是站在我这边，我都不知道怎么相信你啊，这是一个巨大的问题，你你，我说要不要退货退款，你说。嗯，目前看起来这好像是呃什么什么的问题，暂时不需要退货退款。我都蒙了，我说这你到底，我我心里会就种下怀疑的种子，我会去和其他 a i 问一问， 所以说这个信任问题是一个巨大的问题，也是没办法解决的，而且 现在这几个大厂一边在使劲砸钱做，一边这些问题又没办法解决，我感觉弄不好要被一个中立的 ai 反杀了。所以说未来会怎样发展，真的很好奇。

今天的播课我们要聊的是全球的人工智能大模型领域，现在其实就是呈现出了国际的顶尖企业在技术上面不断的突破， 同时呢国产的这些大模型厂商也在应用和成本上面快速的追赶，那这两股力量其实就形成了一种双轮驱动的格局。没错， 这个其实是非常值得聊的，那我们就直接开始今天的话题吧。我们先来说说全球的这个 ai 大 魔性产业在二零二六年的整体的情况，现在看来这个行业的增长速度和渗透率是到了一个什么程度了？现在这个生城市 ai 的 市场啊，它的年化增速是百分之六十八， 整个市场的规模是会有百分之四十一的这样的一个爆发式的增长，然后企业对于使用 ai 的 付费意愿也是非常的强，所以整个的商业化的进展也是在明显的加快。那现在这个全球的 ai 大 模型的格局里面，中美分别在扮演什么样的角色？ 然后这个行业的集中程度又有多高呢？其实现在就是一个中美双极的格局，然后两边的技术差距已经缩小到了只有百分之零点三。 在美国呢，他还是在这个基础模型和高端芯片这方面有优势，是中国呢就是在应用创新、成本控制和开源生态这方面实现了反超。对，现在全球真正有稳定商用能力的大模型的数量是不超过十家的， 所以这个行业的集中度是非常非常高的，而且马太效应越来越明显。哎，那现在 ai 算力的需求也是大家非常关注的一个话题， 那在这几年算力需求会有什么样的变化？然后推理算力和训练算力的占比又会有什么样的变化？ ai 的 算力需求啊，现在是呈现指数级的增长，嗯， 每年都是百分之一百二十的这样的一个增长速度。然后到二零二六年的时候，推理算力的占比会第一次超过训练算力， 会占到百分之七十。中国在这个 ai 大 模型的落地和开元生态这方面有哪些是领先于全球的地方？ 呃，中国的话就是在制造业、电商和短视频这几个垂直行业的应用落地是特别快的，然后这个开源生态也非常的活跃。嗯，开源的下载量已经超过了美国，但是呢，美国还是在基础模型的架构，高端算力芯片，还有这个 ai 安全和基础科研这方面处于全球领先的地位。 ok， 我 们接着来看一下这个核心竞争维度的解析，就是到底算力、客户、营收这三个维度在 ai 大 模型的领域里面是怎么来影响企业之间的竞争的？ 其实这三个维度啊，都很关键。嗯，算力的话，它不光是要看你总算力的规模，芯片的类型，还有你的集群有多大，它还包括你的能效比是不是够高，你的成本控制是不是做得好。 对，因为这会直接决定你这个模型训练的潜力，以及你能不能够真正的落地。听起来算力是一个门槛，那客户和营收这两块具体有哪些细分的关键指标呢？客户的话就是要分 c 端和 b 端， c 端就是你的月活、日活有多高， b 端就是你到底渗透了多少个行业，有多少高价值的客户？ 那营收的话，除了要看你的年营收的规模和增速之外，你还要看你的收入是怎么构成的，它的订阅、 a p i 和企业服务这几块各自占多少比例？对，然后还有一个很重要的就是单位经济模型和毛利率， 这是看你能不能够持续赚钱的一个关键。懂了懂了，那我们接下来就具体来看看国际的这些顶尖的 ai 大 魔性公司它们的进展。 那像 openai 这种商业化做的这么好的公司，他在算力投入和硬件的布局上面有什么过人之处？ openai 就是 非常非常舍得在算力上面砸钱，他三年的时间算力投入翻了十倍， 二零二三年的时候他的总算力规模是零点二个 g w， 到二零二五年他要飙到一点九个 g w。 他 主要用的芯片呢，就是英伟达最新的 h 一 零零和 h 二零零， 然后他的这个单级群最多能够配到八万个 h 一 零零芯片，这个规模真的是夸张。天呐，那 openai 在 用户和企业客户的拓展上面有哪些亮眼的成绩？ openai 现在已经有超过七点五亿的月活跃用户，其中付费订阅的用户就有一点二亿， 然后他的 api 的 客户数量也突破了十八万加，覆盖了全球。在财富五百强企业里面，有百分之七十二的企业都在使用 openai 的 服务。确实厉害， 那它的这个营收表现是不是也跟用户增长一样惊人？没错，它的营收就是非常非常典型的指数级增长，二零二三年是二十亿美元， 然后到二零二四年就翻三倍，到六十亿美元，二零二五年是两百亿美元，到二零二六年预计会冲到三百三十亿美元。那 google 在 算力基础设施这方面都做了哪些事情， 能够让它在大模型的竞争当中能够保持优势呢？ google， 它走的是一个自研的 tpu v 七和 gpu 并行的这样的一个策略， 然后它二零二五年的资本支出里面有超过六千五百亿元是专门花在 ai 服务器上面的， 这就直接帮它构建了全球最顶尖的算力底座，看来它们在硬件投入上面也是下了血本啊。是的，而且谷歌它的一个 tpu v 七的集群就可以扩展到九千两百一十六颗芯片，然后它也是使用自研的 tpu 和英伟达的 gpu 进行一个混合部署， 这就比全 gpu 的 方案要便宜百分之三十到四十。对，这就大大提升了它的竞争力。这么说 google 在 用户和营收方面的表现怎么样？它的这个生态壁垒具体体现在哪里？它的这个 gemini 大 模型的越活跃用户已经达到了七点五亿， 然后它的未完成订单金额高达两千四百亿美元。在 google cloud 的 客户里面，有百分之七十五的客户至少使用了一种 google 的 ai 产品， 然后他的这个 ai 相关的营收在二零二五年是预计会达到五百亿美元，然后到二零二六年会增长到一千亿美元。看来 google 发展确实很快。 esotropica， 它是怎么通过算力的投入和硬件的布局来强化自己在企业级市场的地位呢？ torropica， 它其实最近获得了三百亿美元的融资，然后它也在大规模的建设自己的超算集群， 他光是训练 cloud five 这个模型就用上了超过十万颗的 h 一 零零芯片。同时呢，他也获得了来自 a w s 的 三百五十万颗 trinitium two 芯片的支持。 所以他现在就是在全力的拓展自己的算力护城河。有了这样的算力的保障，他在服务大客户上面是不是也更有底气？对，没错，因为全球财富十强里面有八家是在用 entrepreneur 的 服务，然后年消费超过百万美元的企业客户的数量也突破了五百， 他的平均合同金额是超过五百万美元的。然后他的这个二零二五年的年化营收是一百四十亿美元， 然后预计到二零二六年是会增长到两百四十到两百七十亿美元之间，并且它的这个企业 a p i 和订阅的收入占比是高达百分之九十。好的，那 mate 在 开源生态和用户覆盖上面到底做到了什么程度？ mate 主导的这个 l l 系列推动了全球的 ai 开源社区的繁荣， 然后它现在有超过三千万的开发者在使用它的这个项目。光是 hackinface 上面的累计下载量就超过了十五亿次。 然后它的这个 ai 的 功能呢，已经嵌入到了 facebook 和 instagram 等这些应用里面，直接服务的用户是超过三十亿，这用户基数确实庞大。那 met 在 算力投入和商业变现上面有什么新的动作？ met 他 其实二零二六年的这个算力投入的预算是超过一千亿美元的， 然后他训练拉马货的时候也是用上了八万个 h 一 零零芯片的基群，然后它的这个 ai 相关的营收呢，在二零二五年是八十亿美元， 预计二零二六年是会增长到一百三十到一百五十亿美元之间，它的这个增长主要是靠广告的优化和企业服务这两块。明白了，我们再来说说国产的这些 ai 大 模型崛起的代表，比如字节跳动， 它在算力的投入和芯片的国产化替代上面有哪些实质性的进展？字节跳动它其实二零二六年是计划投入三千亿元来建设智算集群，然后这个规模是差不多两百万张 gpu 的 规模，其中呢，有一半的芯片是来自于国产的， 然后他已经在推理场景实现了百分之百的国产化替代，这手笔也很大。那字节跳动在用户和商家生态的拓展上面有什么特别突出的地方？字节跳动旗下的这个豆包，他的月获用户是高达六点八亿，这在国内是排名第一的。 然后它一托于抖音的生态，有超过一百二十万的商家在使用它的这个 ai 的 工具，然后它的这个性价比也是极高的，它的这个 api 的 调用价格只有 open ai 的 百分之五到百分之八。了解了， 那阿里巴巴在算力的基础设施和芯片的国产化方面有什么比较亮眼的动作？阿里巴巴其实是非常重视算力的自主可控的，它是制定了一个三年三千八百亿元的投入计划， 二零二六年是会有两千亿元的算力开支，它的这个国产芯片的占比会提升到百分之五十五， 然后它也是自研了这个平头哥的 p p u， 同时呢它也兼容了英伟达和华为的升腾的芯片。看来阿里巴巴对自主可控确实很重视，那它在市场拓展和营收方面又有哪些成绩？阿里巴巴它是通过云智一体的战略，已经吸引了超过十二万家的企业 a p i 的 客户， 然后阿里云的客户里面有百分之六十五是在使用 ai 的 服务，他的月活用户是达到了四点二亿， 他的这个营收呢，在二零二五年是已经达到了九十亿元，然后他的这个全球最低价的策略也是非常的激进，然后他预计二零二六年是会冲到两百二十到两百五十亿元之间。说完阿里巴巴，我们再说说百度 他在算力投入和芯片国产化上面有哪些进展。百度其实二零二六年是准备投入八百到九百亿元在算力上面，然后他的这个国产芯片的占比是会达到百分之六十， 这个国产化的比例在头部的厂商里面是属于非常高的了。那百度在收入结构和主要的客户群体这方面有什么特别之处吗？他百度的这个 ai 的 收入主要的是占到了百分之六十， 然后他的这个企业 a p i 是 百分之二十五，然后 c 端的订阅是百分之十，他的这个二零二五年的 ai 营收是四十五亿元，然后他预计二零二六年是会翻倍，达到一百到一百二十亿元之间， 然后他的这个月活用户是有二点八亿，政务领域的渗透率是百分之六十五，金融领域的渗透率是百分之五十八，懂了，那腾讯在社交和游戏这两大领域是怎么把 ai 的 能力深度的融合到自己的生态里面的？腾讯主要是一托于微信的生态， 他的这个 ai 的 大模型的越活跃，用户已经达到了三点五亿，然后他为超过三千家的游戏厂商提供了 ai 的 服务， 同时呢，它的这个 ai 也深度的参与到了社交和广告业务的各个环节，全面的提升了用户体验和广告的效率。这个用户基数确实很吓人啊。 那腾讯在 ai 的 营收和算力的布局上面有哪些具体的规划和突破呢？腾讯的这个 ai 相关的营收啊，在二零二五年是达到了五十五亿元，然后它预计二零二六年是会增长到一百三十到一百五十亿元之间， 然后他在算力的投入上面也是非常的激进，二零二六年是准备投入九百到一千一百亿元，然后他的这个国产芯片的占比是会达到百分之四十五。 好的，那 deepsea 作为一个开源和性价比驱动的代表，他在全球的影响力和商业变现上面有哪些让人眼前一亮的成绩？ deepsea 他 在 hugenface 上面的模型下载量已经超过了五亿，然后他有百分之四十的收入是来自于海外的。 他的这个营收啊，在二零二五年是二十五亿元，然后他预计二零二六年是会增长到七十到八十亿元之间， 然后他的这个国产芯片的使用率在二零二六年是会达到百分之七十，并且他的这个成本只有国际同行的十五分之一。了解了，我们接下来进入一个新的话题啊，就是这个核心维度的对比分析。 那我们先来看一下，在算力这个维度上面，国际的这些巨头和国产的这些厂商，他们到底有哪些差异？如果我们看二零二六年的这个预测数据的话， open i 它的总算力是一点九个 g w， 然后单极群是能够支持八万个芯片以上， 然后它的这个投入是超过三千五百亿元。 google 是 更激进一些，它的总算力是二点三个 g w， 然后单极群是能够支持九点二万个芯片， 它的投入是超过五千二百亿元。但是这两家公司他们用的都是自己的芯片，所以国产芯片的占比是零。国产厂商这边在总算力和投入上跟国际巨头比有多大差距？这个差距还是比较明显的啊。你看字节跳动，它的总算力是一点二个 g w， 然后他的单极群是五万个芯片，他的投入是三千亿元。阿里巴巴是总算力一点一个 g w， 单极群是能够支持六万个芯片，他的投入是二千亿。 然后百度是总算力零点七个 g w， 单极群是四万个芯片，他的投入是九百亿元。 但是呢，国产厂商的这个国产芯片的占比都是超过百分之五十的，所以他们的这个推理成本就非常的低，只有 openai 的 百分之三到百分之十行。那在客户这个维度上面，国际的这些大魔性公司和国产的这些大魔性公司， 他们各自的优势到底在哪里？国际的这些巨头啊，像 openai， 他的这个 c 端的月活是七点五亿，然后他有超过八百家的高价值的企业客户。全球财富五百强里面有百分之七十二是在使用他的服务。 google 的 话，他的这个 c 端的月活也是七点五亿，他的这个高价值的客户是超过六百家， 然后他在云客户里面的渗透率是高达百分之七十五。国产这边是不是就是在一些垂直行业里面特别能打？ 对，没错，你像字节跳动，他主要是在电商和短视频领域，他的这个用户的渗透率是非常高的，然后他的这个 c 端的月活是有六点八亿。阿里巴巴的话，他是在制造业里面的渗透率是高达百分之七十五， 然后他的这个 c 端的月活是四点二亿，那百度的话，他是在政务和金融领域的渗透率是超过百分之六十五， 他的这个 c 端的月活是二点八亿。那在营收这个维度上面，二零二六年，国际的这些头部的大贸行公司和国产的这些大贸行公司，他们会有多大的差距？然后他们的增长速度又分别是一个什么样的水平？呃，二零二六年的这个营收的预测啊， 就是国际的这几大巨头，他们都是会突破百亿美元的。像 openai 是 三百三十亿美元，然后 google 是 两百三十五亿美元， ansorek 是 两百五十五亿美元。但是呢，国产的这些厂商，他们最高的也就是十九亿美元，就是普遍都在十多亿美元这样的一个量级。 所以就是说国际的厂商他们的这个营收的规模大概是国产厂商的十倍以上。这么看来，国产厂商虽然说在绝对的体量上面还比较小， 但是他们的增长速度是不是非常快？没错没错，国产的这些大模型厂商，他们的营收的增速基本上都是超过百分之百的，但是呢，国际的这些头部的厂商，他们的增速也就是在百分之六十到九十之间， 所以就说国产厂商的追赶的势头是非常猛的。然后我们再来看看这个双轮驱动的核心逻辑，那这个国际的这些顶尖的大魔性公司，他们是怎么通过技术和生态来构建自己的护城河的？国际的这些巨头，他们其实就是持续的在算力上面下重注，然后他们不断的去拉大自己在基础模型上面的技术优势， 同时呢，他们也会通过自己的这个封闭的生态去圈注那些高价值的企业客户，然后他们也会通过这种高定价来实现自己的利润最大化。明白了， 那国产的这些大模型厂商，他们又是怎么在高端算力受限的情况之下实现自己的突破的呢？国产的这些厂商，他们主要是通过对模型架构的优化和对国产芯片的适配来走出了一条属于自己的低成本的路线， 然后他们也会非常快速的把自己的产品落地到制造电商这些自己擅长的垂直行业，同时呢，他们也会积极的去拥抱开源来扩大自己的影响力。 ok， 那 未来的这个趋势展望啊，就是说在接下来的几年里面，全球的 ai 大 模型的格局会怎么演变？然后中美会形成一个什么样的寡头的分布？就是接下来几年啊，全球能够真正商用的大模型的数量其实是不会变多的，还是维持在十家以内， 然后中美会各自有五家左右的这种头部的这样的一个局面，这样看来未来的市场集中度会非常高啊。 那国产芯片会在哪些领域实现突破呢？国产芯片的话，在推理和这个中低端的训练这一块，他的市场份额是会超过百分之七十的， 然后推理算力的占比也是会提升到百分之八十以上。同时呢，国产的这些大模型也会开始出海去新兴市场和国际巨头正面对决。 然后再一个就是 ai 的 智能体也会带来企业服务的一个爆发，然后预计到二零二八年的时候，中美顶级的模型在性能上面就没有什么差距了，但是中国会在应用成本和开元这几个方面全面的领先。懂了， 我们再来说一下这个双轮时代的这个结论啊，就是现在国际和国产的这两大阵营，他们各自的核心的优势到底是什么？现在就是国际的这一阵营，他们还是在高端芯片和全站自研这一块是处于领先的，所以他们在基础模型和高价值的弊端客户这一块是占据优势的， 然后他们的这个营收的规模也是非常大的，利润水平也是非常高的。那国产的这一阵营呢？就是他们极致的成本控制和开源生态，所以他们在 c 端的流量和制造业的渗透这一块是非常快的，他们的整体的增速是远远超过全球的平均水平的。 所以说现在这个全球的 ai 大 模型的产业已经彻底进入到了这个所谓的双轮驱动的阶段了吗？是的，是的， 现在就是国际的这种顶尖的技术和国产的这种应用创新，它们已经不是一个单纯的竞争关系了，它们更多的是一种互相促进， 然后一起把这个 ai 的 价值真正的释放到各个行业当中去，让这个生产力的革命成为一个现实。没错，那今天我们聊了全球和中国 ai 大 模型的最新的进展， 然后也看到了这个技术生态和商业变现这几个方面的激烈的角逐。好了，那就是这期播课的全部内容了，然后感谢大家的收听，我们下期再见，拜拜。拜拜。

近日成立工作室，推动豆包千万等多家 ai 平台，全面限制生成其本人及角色肖像、视频内容，相关生成指令均会因版权限制被拒绝或中断，或粉丝称赞工作室上大分。近年来， ai 换脸、声音克隆、清泉频发，王靳东、罗云熙等一人横遭伪造造型 用于虚假广告、短剧制作，既损害艺人名誉，也误导观众消费者。未经授权的 ai 生成存在恶意造谣、商业侵权等风险。诚意工作室主动源头防控，高效维护艺人权益，也为行业提供了范本。 平台应该加强监管，让技术在法律与尊重的前提下发展。此外，诚意主演的两金十五日微波鲜火，不少网友也表示备受期待。