Бързата еволюцияна AI технологиите в Китай донесе както вълнение, така и несигурност за много стартъпи. Някога изпълнени с амбициозни цели, някои компании сега пренастройват стратегиите си, изправени пред суровите реалности на конкурентен и ресурсоемък пазар.
От големи визии към стратегически промени
Неотдавнашно вътрешно писмо от главния изпълнителен директор на един от китайските “AI малки тигри”, Baichuan Intelligent, отбеляза втората годишнина на компанията и подчерта стратегическа промяна. Фокусът ще се стесни, като се даде приоритет на медицинските приложения. Това рязко контрастира с първоначалната й мисия да създаде революционен базов модел, подобен на OpenAI, в комплект с иновативни приложения.
По същия начин Ли Кайфу, основател на друг “Малък тигър”, 01.AI, обяви през януари, че компанията му ще възприеме подход “малък, но красив”. Това беше забележимо отклонение от голямата визия за изграждане на платформа AI 2.0 за ускоряване на пристигането на AGI.
Тези стратегически отстъпления подхраниха спекулации, като някои наблюдатели предполагат, че тези “Малки тигри” стават по-скоро като “болни котки”. В среда, белязана от постоянна промяна, как могат тези компании да осигурят бъдещето си?
За да отговори на този въпрос, редакционният екип на Zhiwei потърси информация от различни експерти, включително специалисти по големи модели технологии, AI експерти по финанси и здравеопазване и AI технологични експерти от водещи компании.
Ефектът DeepSeek и промяна на стратегиите
AI пейзажът се промени драстично след експлозивната популярност на DeepSeek, модел, който разтърси пазара. Като страховит воин, DeepSeek наруши пейзажа, принуждавайки много AI компании да преоценят позициите си и да преследват различни пътища.
Въпреки това, тази трансформация започна дори по-рано, отколкото мнозина осъзнаха. Според Ванг Венгуанг, експерт по големи модели технологии, някои китайски AI компании са започнали да се отказват от преследването на голямо обучение на модели дори преди пускането на DeepSeek V3 и R1. Разходите бяха просто твърде високи и тези компании се чувстваха неспособни да се конкурират със свободно достъпни и отворени алтернативи като DeepSeek V2.5 и Qwen 70B на Alibaba.
Лианг Хе, експерт от предприятие за услуги за AI технологии, добави, че докато повечето от “Малките тигри” все още обучават големи модели в средата на 2024 г., инвестициите им вече са намалели значително. До януари 2025 г., с пускането на DeepSeek R1, много по-малки компании осъзнаха, че не могат да се справят.
Тази внезапна промяна предизвика голяма промяна в посоката за “Малките тигри”, преминавайки от развитието на AGI към по-специализирани подходи.
Baichuan и 01.AI са се отказали от предварителното обучение на големи модели, фокусирайки се съответно върху медицинския AI и индустриалното приложение. MiniMax намалява своите B2B операции и се фокусира върху задграничните пазари с C-end генериране на видео и други приложения. Zhipu, Moonshot AI и StepUp все още са активни в общността с отворен код, но не са произвели нови модели, които да превъзхождат DeepSeek R1. Zhipu си осигури значително финансиране и партньорства между правителството и предприятията, осигурявайки оцеляването си. Основният продукт на Moonshot AI, Kimi, видя позицията си застрашена от Yuanbao, което прави позиционирането му все по-неудобно.
Като цяло “Малките тигри” все повече се сближават с B2B SaaS пазара, който някои смятат за “неоригинален”.
Привлекателността и ограниченията на B2B пазара
01.AI наскоро обяви намерението си да интегрира напълно DeepSeek, за да създаде платформа за големи корпоративни модели на едно гише за различни индустрии. Този ход обаче беше посрещнат със скептицизъм.
Джианг Шао, финансов AI експерт, вярва, че бъдещето на 01.AI е несигурно поради широкия си фокус, липсата на технологична конкурентоспособност след появата на DeepSeek и ограничените възможности за комерсиализация.
Ванг Венгуанг повтори това мнение, отбелязвайки, че техническата бариера за навлизане за платформа за големи модели на едно гише е относително ниска.
Ванг сподели опита си от разработването на такава платформа независимо за около шест месеца, продавайки я чрез лични канали. Той твърди, че въпреки че е трудно да се извлече печалба от този продукт като компания, той може да бъде печеливш като самостоятелно предприятие.
Ванг си сътрудничи с няколко B2B компании, които предлагат големи моделни услуги, но нямат техническа платформа. Той предоставя своята платформа на ниска цена, около 40 000 до 50 000 юана на лиценз, значително подбивайки по-големите компании.
Неговата платформа, KAF (Knowledge-based Agent Factory), използва графики на знания, векторни бази данни и търсачки, за да предоставя големи моделни и Agent приложения. Той дава възможност на потребителите да създават персонализирани асистенти за знания или агенти без кодиране чрез подкани и управление на модели. Ванг отбеляза разпространението на подобни платформи на пазара, което го прави лесен за повторение.
Според Ванг, компания, която се стреми да разработи B2B приложение за големи модели, може бързо да създаде продукт, като наеме малък екип от квалифицирани лица или си партнира с външна AI компания. Този подход е значително по-евтин от обучението на голям модел.
В допълнение към модела на платформата, интегрираните решения осигуряват хардуер, софтуер и среди за изпълнение, предлагайки функционалност извън кутията. Джан Сенсен, ръководител на групата за технологична платформа в Ping An Insurance, вярва, че интегрираните решения имат жизнеспособен пазар, особено сред правителствените и образователните институции с ограничени възможности за техническо разгръщане. Тези решения дават приоритет на лекотата на използване и техническата автономия, предлагайки предимства като сигурност на данните, спазване на поверителността и оптимизация на хардуера и софтуера. Те могат също да използват произведени в страната чипове, заобикаляйки ограниченията и подобрявайки ефективността. Компаниите, които са чувствителни към разходите и фокусирани върху ROI, могат да намерят интегрирани решения привлекателни поради по-дългите си жизнени цикли.
Вътрешният SaaS пазар исторически е изправен пред предизвикателства като високи изисквания за персонализиране, генерични и хомогенизирани продукти, интензивна конкуренция, стратегии за ниски цени и фокус върху краткосрочна монетизация. Клиентите на този пазар често имат ниски нива на цифровизация и ограничена готовност да плащат.
За разлика от това, международният SaaS пазар набляга на специализацията, като компаниите се концентрират върху конкретни области и предоставят задълбочени услуги на големи и средни клиенти с по-голяма готовност да плащат.
Голямото моделно поле отразява тези тенденции. Последните събития на международния SaaS пазар демонстрират това:
- През февруари 2025 г. MongoDB придоби Voyage AI, 17-месечен AI стартъп, фокусиран върху модели за вграждане и прекласиране, за 220 милиона долара.
- През 2024 г. Amazon обяви споразумение за лицензиране на технологии с Adept, двугодишен AI Agent стартъп, като някои членове на Adept се присъединиха към AGI екипа на Amazon.
Тези стартъпи постигнаха успех, като се фокусираха върху конкретна ниша в голямата моделна технология. Такива примери са редки в Китай. Много малки и средни предприятия трябва постоянно да се пазят от навлизането на по-големи компании в тяхното пространство.
Ванг Венгуанг, черпейки от богатия си опит на B2B пазара, описа суровите му реалности. Той отбеляза, че въпреки че има голям пазар за платформи на едно гише, той е фрагментиран. По-малките компании с по-ниски оперативни разходи могат да предложат конкурентни цени, подбивайки по-големите компании. Това понижава цената на приложните услуги. Дори големите компании са изправени пред конкуренция от други стартъпи и традиционни интегратори. Големите компании може да имат свои собствени големи модели и предимства на марката, но са изправени пред подобни B2B бизнес стратегии.
Както заяви Ванг, “Аз също използвам DeepSeek и много други компании използват DeepSeek, така че няма диференциация. Има толкова много доставчици на облачни услуги в Китай, така че ще има поне толкова конкуренти. Вътрешният B2B пазар винаги е бил такъв; за да оцелееш, или трябва да имаш силни връзки, добро обслужване или ниски цени.”
Лианг Хе предложи кратка оценка на настоящите избори и бъдещите перспективи на 01.AI:
- Решението на Ли Кайфу да прехвърли напълно бизнеса на 01.AI към B2B приложения и да популяризира платформа за големи корпоративни модели на едно гише е търговски оправдано, но ще доведе до интензивна конкуренция.
- Необходимостта на 01.AI да предлага по-евтини продукти за големи модели от по-големите компании е резултат от липсата на уникални предимства на приложния слой.
- Преминаването на 01.AI към B2B сигнализира загуба на въображение и по-малко “секси” проекти. Това е подобно на съдбата на много компании за компютърно зрение от предишната вълна на AI през 2017 г.
- 01.AI може да има възможности, ако проучи задграничните пазари.
В сравнение с 01.AI, мненията за бъдещето на Baichuan са по-малко песимистични.
Въпреки това, навлизането на Baichuan в медицинската област няма уникални предимства, особено в данните.
Джианг Шао каза, че преминаването на Baichuan към медицински е просто начин да оцелее. Въпреки това, в сравнение с 01.AI, Baichuan поне се опитва да навлезе в нишов пазар.
Джан Сенсен заяви, че е по-оптимистична за компании с медицински данни, разработващи медицински големи модели, отколкото технологични компании. Това се отнася за всяка компания, която се стреми да създаде специфичен за индустрията голям модел. Ключовото предизвикателство при създаването на медицински големи модели е в данните, а не в самия модел. Има много отлични болници в Китай, които могат да настроят фино голям модел, използвайки DeepSeek за собствена употреба.
Как могат ефективно да бъдат получени медицински данни? Джианг Шао каза, че AI технологичните стартъпи нямат предимства в данните. За да създадат медицински големи модели, те може да се наложи да си сътрудничат с компании, които вече предоставят ИТ услуги на болници.
Съобщава се, че един от “Малките тигри” си партнира изключително с голям вътрешен лекарски обменен форум, за да обучава модели, използвайки огромния брой случаи, генерирани от лекарски обмени.
В допълнение към по-оптимистичната перспектива за нишови пазари, индустриалните експерти имат надежди за основателя на Baichuan, Ванг Сяочуан.
Лианг Хе вярва, че дали Ванг Сяочуан ще успее да се специализира в медицината, зависи от това дали иска да преследва идеал или да прави пари. Той вярва, че Ванг е по-склонен да преследва идеал, създавайки революционни медицински AI изследователски резултати.
Ванг Венгуанг подчерта остарялата природа на този пазар. Той заяви, че ако целта е краткосрочна комерсиализация, медицинската област също е силно конкурентна, подобно на цялостния B2B пазар. Много компании могат да използват графики на знания, векторни търсения и големи модели за медицински приложения.
Според дискусиите на Zhiwei с медицински AI експерти, самите медицински изследвания имат значителни пропуски в знанията и новите знания нарастват бързо. Следователно има значителен потенциал за използване на големи модели за провеждане на медицински основни изследвания. Например, моделът AlphaFold за прогнозиране на протеинови структури е бил използван от над 1,8 милиона учени по света, за да ускори изследванията, включително разработването на био-възобновяеми материали и напредъка в генетичните изследвания, според Meis Medical.
В допълнение към преследването на идеал или правене на пари, медицинският AI стартъп също е изправен пред въпроса дали да създаде общ медицински голям модел или не.
Джан Сенсен заяви, че не е имало пробив в общите медицински големи модели на вътрешния пазар, главно поради зависимостта от мощно медицинско оборудване за мащабно събиране и прилагане на данни. Много медицински заведения в Китай не са широко популяризирани, което затруднява AI да извършва точни диагнози. Въпреки това, някои силни болници, като Mayo Clinic, започнаха да проучват пускането на свои собствени големи модели. Въпреки че е трудно да се видят възможности за печалба в краткосрочен план, тези видове големи модели могат да имат дълбоко въздействие върху медицинската индустрия в дългосрочен план.
Медицинската индустрия също е изправена пред предизвикателството на напълно автоматизираната диагноза, особено на вътрешния пазар, където оборудването е неадекватно и AI не може напълно да замени традиционните диагностични методи. Липсата на широко разпространено медицинско оборудване, особено в отдалечените райони, затруднява пълното покриване на медицинската технология, така че напълно автоматизираната диагноза остава значително предизвикателство.
Медицинската индустрия има строги изисквания за лицензиране и съответствие и големите модели трябва да се справят с проблемите на съответствието, когато навлизат в медицинската област. Бъдещите C-end медицински услуги могат да комбинират техниките на лекарите и AI, за да подобрят ефективността на диагностиката и лечението, особено за по-младите поколения.
И накрая, дори да се пренебрегнат характеристиките на вътрешния B2B пазар, конкуренцията в големите моделни приложения затруднява оцеляването на To B пазара. Ванг Венгуанг заяви, че докато дизайнерските модели за големи моделни To B продукти все още се проучват, те в крайна сметка ще се сближат. Това е вярно не само в Китай, но и в технологичните компании от Силициевата долина като OpenAI, Anthropic и Google. Докато няма значителна разлика в производителността на самите модели, е невъзможно да се правят пари на този пазар и в крайна сметка всички ще бъдат на едно и също ниво.
Ето защо DeepSeek R1 има най-голямо въздействие не в Китай, а в чужбина, особено върху технологичните компании от Силициевата долина. Американският фондов пазар започна да изпитва висока нестабилност и след това да намалява след пускането на R1. Основната логика е проста: Големите модели на Силициевата долина бяха застигнати от Китай. Въпреки че не ги надминава, невъзможността да се разшири разликата направи невъзможно поддържането на толкова високи оценки, което доведе до спад в цените на акциите.
Разбира се, има и друг начин To B пазарът да привлече клиенти: отворен код. Основните модели на печалба за отворен код включват предоставяне на платени функции, облачен хостинг и услуги с добавена стойност като консултации на корпоративно ниво и обучение, базирано на технология с отворен код.
Най-прекият ефект от големите модели с отворен код е да се насърчи популяризирането на технологията. Джан Сенсен заяви, че отвореният код на DeepSeek значително е ускорил прилагането на големи модели от компаниите. Висшето ръководство много подкрепя прилагането на големи модели. Тъй като големите модели се представят добре в практическите приложения, особено в намаляването на човешката намеса и увеличаването на ефективността, подкрепата ще продължи да се увеличава.
Финансовата индустрия, като индустрията с най-добро качество на данните, винаги е имала богато техническо натрупване в AI и може бързо да се справи. Независимо от DeepSeek, финансите ще прилагат AI технология. Въпреки това, с DeepSeek, AI не само ще даде възможност на основните бизнеси на финансовата индустрия, но и ще се използва в ежедневните офис задачи и операции, които преди това бяха трудни за изпълнение.
Операциите обикновено бяха много скъпи. Например, анализът на първопричините преди това изискваше традиционно наблюдение на операциите и AIOps, както и обучение на малки модели. Сега DeepSeek може да се използва заедно с бази данни със знания, за да генерира планове за приложение за обработка на мониторинг, аларми, самообслужване, анализ и проследяване, автоматизирана обработка и подобряване на стабилността, което е по-гъвкаво от AIOps.
В допълнение, покритието на AI на операциите стана по-широко, с по-голямо внимание към интерактивността и инициативността. Инициатива означава да се позволи на AI да извършва проактивно операции. Преминавайки от разчитане на правила, хора или дори личен опит, където нивото на човешки опит определя нивото на оперативните възможности, по-леките AI модели вече могат да бъдат използвани директно за постигане на това.
Въпреки че процентът на халюцинации на DeepSeek все още е висок, дори не се различава значително от други подобни модели, възможностите му за разсъждение и практическо приложение могат да компенсират отрицателните ефекти от халюцинациите. Този проблем постепенно ще бъде подобрен чрез фина настройка и оптимизация, използвайки RAG и други свързани технологии.
Експертът по големи моделни технологии на Alibaba, Гао Пенг, вярва, че въздействието на DeepSeek варира за големи и малки компании:
Големите модели, използвани вътрешно от Alibaba, винаги са били най-напредналите в индустрията, така че появата на DeepSeek не е оказала значително въздействие. Alibaba използва DeepSeek за оценка на производителността и сравнение, предоставяйки повече техническо вдъхновение. Прилагането на DeepSeek в разсъжденията е сравнително бързо и техническите детайли са по-чести. DeepSeek също е повлиян от Qianwen.
За разлика от това, DeepSeek има по-голямо въздействие върху малките и средните компании, тъй като преди това нямаше модел, който да може да постигне ефекта на DeepSeek, като същевременно осигурява евтино, частно внедряване. След пускането на DeepSeek се появиха много компании, продаващи интегрирани машини DeepSeek. Въпреки това, DeepSeek не е най-евтиният в сравнение с много интегрирани машини с отворен код, в зависимост от конкретните стандарти.
Във всеки случай, вътрешният голям модел с отворен код сега процъфтява и може да се конкурира в световен мащаб. Въпреки това, въз основа на внедряването на големи модели на Ping An Insurance, Джан Сенсен вярва, че големите модели с отворен код все още имат непреодолими ограничения:
За нас DeepSeek има предимно огромно предимство в разходите. По отношение на възможностите, може да е по-добър от други модели в оперативни сценарии по отношение на разсъждения, способност за обобщаване и контекстуално разбиране. Въпреки това, DeepSeek не се представя добре в по-сложни сценарии като финансов контрол на риска. Това е така, защото е необходима по-подробна фина настройка или дори оптимизация във връзка с други модели. Следователно е необходима целенасочена фина настройка, базирана на конкретни сценарии на приложение, за да се подобри допълнително производителността на модела.
Саморазработените от Ping An големи модели са разделени на два слоя: основен голям модел и домейнови модели, отговорни за банкови, застрахователни и други бизнеси. Големите модели, използвани вътрешно, се представят по-добре от DeepSeek в областта на професионалните знания, особено в специфични области като финанси и медицина, където моделите са по-точни. Въпреки това, DeepSeek все още има силно предимство в способността за разсъждение. В някои сценарии искаме да използваме DeepSeek за малък опит, за да видим дали може да бъде изпълнен.
Няма значителна разлика между Alibaba Qianwen, Baidu Wenxin и Zhipu ChatGLM и DeepSeek в това отношение. Преценката се основава на факта, че тези модели нямат значителна разлика от DeepSeek в способността за разсъждение и структурата на базата знания.
Като цяло, въздействието на големите модели с отворен код понастоящем е ограничено и темпото на конкуренция между тях е интензивно.
Опасностите на To C пазара
Въпреки че конкуренцията е ожесточена на To B пазара, това не означава, че To C пътят предлага повече надежда.
Конкуренцията на To C пазара за големи модели също е много ожесточена, но е много различна от To B пазара.
Пазарният пейзаж постоянно се променя.
Монетизацията на To C е трудна.
Най-популярните приложения не генерират непременно най-много приходи. Например, ChatGPT има най-високите приходи, но OpenAI все още губи 5 милиарда долара годишно, докато много “копиращи” приложения на ChatGPT вероятно са постигнали бърза рентабилност; след като DeepSeek стана популярен, имитаторите и фалшификаторите дойдоха на тълпи.
Наблюдението на ситуацията на “Малките тигри” от C-end пазара също не е оптимистично. Комуникацията на Zhiwei с индустриални експерти обикновено вярва, че големите производители ще донесат голям натиск за оцеляване.
Джианг Шао заяви, че най-добре представящият се от “Малките тигри” на потребителския пазар е Kimi на Moonshot AI. Но сега Yuanbao на Tencent е на първо място, DeepSeek е на второ място, а Doubao е на трето място. Трите най-добри компании почти заемат по-голямата част от пазарния дял. Yuanbao на Tencent е привлякъл голям брой клиентски трафик с помощта на екосистемата WeChat, докато DeepSeek се отличи със своите технологични иновации и отлична производителност в множество сценарии.
Лианг Хе заяви, че голямата моделна технология на Kimi не е много по-различна от конкурентите си, така че може да бъде само безплатна, което затруднява комерсиализацията на Moonshot. Като To C приложение не е ясно с какво се различава от Yuanbao и Doubao. Освен това, Doubao може да бъде подкрепен от другите бизнеси на Byte, а Yuanbao може да бъде подкрепен от другите бизнеси на Tencent. Те могат да инвестират 100 милиарда, за да подкрепят тези приложения.
Джианг Шао добави, че потребителите на C-end са по-загрижени за лекотата на използване на продукта, в което Tencent и Byte са по-добри. Разбира се, Alibaba също има възможности. Alibaba инкубира приложение, наречено “AI Listening”, което използва AI за чат и взаимодействие, с цел да замени Douyin в платформата за кратки видеоклипове. Въпреки че Douyin привлича голям брой творци да генерират висококачествено съдържание, AI чат приложенията имат потенциал да привлекат потребителски групи, като предоставят по-персонализирани и интерактивни преживявания. Разликата между двете се състои в създаването на съдържание и взаимодействието. Ако Alibaba може да пробие това, той също има шанс да обърне нещата, но е трудно да се каже дали Tencent ще последва примера.
Що се отнася до MiniMax, мненията в индустрията са малко по-различни.
Лианг Хе вярва, че Conch AI на MiniMax понастоящем генерира добра печалба. Той е намерил свой собствен път, но все още не е известно дали този път ще позволи на MiniMax да увеличи достатъчно своята оценка. Поради своята ориентация към приложение, MiniMax е по-спокоен, след като DeepSeek излезе. Ако използват моделите на DeepSeek, това ще спести разходите за изследване и развитие на модела, а приложенията му могат да продължат да правят пари, дори повече.
Джианг Шао вярва, че MiniMax има шанс, ако може да създаде популярно приложение по-късно, но Alibaba може да го надмине и да направи популярно приложение първо, така че дори MiniMax да има шанс, вероятността не е висока.
В крайна сметка диференциацията на продукта все още е пробивната точка за C-end приложенията.
Според последния доклад на a16z “Top 100 Gen AI Consumer Apps”, много приложения с ниска употреба всъщност постигат по-добри приходи. Някои продукти с лоша гъвкавост, като идентифициране на растения и хранене, привличат плащащи потребители повече от общите продукти.
Трудно е да се диференцират общите AI продукти. Потребителите имат ниска готовност да плащат, цикълът на печалба е дълъг, така че не могат да оцелеят големите компании.
И ако диференциацията не е достатъчно дълбока вертикално, е лесно да бъде интернализирана от основния голям модел чрез надграждане на капацитета. Например, скорошните възможности за генериране на изображения на GPT-4o донесоха намаляване на измеренията за стартъпите от текст към изображение като Midjourney. Тази възможност за покритие често е случайна и непредсказуема, както се казва, “Унищожаването ти няма нищо общо с теб”.
Имитацията на конкурентите на ниво пиксел и бързото надграждане на основните големи модели правят пейзажа на C-end AI стартъпите почти винаги поддържан само за кратко време.
Що се отнася до това как да се възползвате от изключително ниската вероятност да станете хит, индустриалните експерти единодушно вярват, че “по принцип няма опит, който да се следва”.
“Малките тигри” са навлезли в днешното затруднение, до голяма степен защото са инвестирали твърде много в основния голям модел и са подценили работната сила, финансовите ресурси и материалните ресурси, необходими за оцеляване и превъзходство в тази писта, което води до трудно диференциране на пистата за приложение.
Сега “Малките тигри” са все по-малко решени да атакуват AGI, а Ли Кайфу публично заяви, че само DeepSeek, Ali и Byte ще останат в домашния базов голям модел.
В тази връзка индустриалните експерти, които комуникираха със Zhiwei, основно са съгласни с това мнение.
Джианг Шао каза, че AI стартъпите, които все още продължават да работят усилено върху голямата моделна технология, основно ще умрат. Най-обещаващият определено е DeepSeek, вторият е Alibaba, а третият е ByteDance. Очаква се първото място да получи 50%-80% от трафика, а последните две могат да получат 10% от трафика. Основното е кой ще направи AGI първи и кой е крайният победител.
DeepSeek понастоящем е най-конкурентният в областта на големите модели и неговите технологични иновации и производителност в практическите приложения са безупречни. Alibaba и ByteDance също имат силна конкурентоспособност, особено в междуплатформените приложения и ресурсите от данни. Класирането се основава главно на иновационните способности на всяка компания в основната технология, изчислителната мощност, ресурсите от данни и практическите приложения.
Екипите на Zhipu и Kimi твърдо вярват, че продължаващото подобряване на възможностите на основния модел е бъдещето. За разлика от това, аз вярвам, че с промените в пазарното търсене и диверсификацията на сценариите на приложение, пътят на простото укрепване на основния модел може да бъде ограничен и по-гъвкави и адаптивни пътища за развитие на модела могат да бъдат по-конкурентни на пазара.
Конкуренцията в голямата моделна технология е изключително ожесточена и компаниите с огромни инвестиции в крайна сметка трябва да имат ясни пробиви в иновациите, изчислителната мощност, данните и оптимизацията, за да поддържат конкурентоспособност. Други компании, които не успеят да се справят с технологичния напредък или са неспособни да се справят с пазарното търсене, постепенно ще бъдат елиминирани.
Лианг Хе каза, че само DeepSeek, Ali и Byte ще останат в домашната базова голяма моделна компания в бъдеще, въз основа на факта, че тези тримата имат силата и решителността да инвестират супер ресурси в изследвания и разработки. За Byte е невъзможно да пропусне възможността за големи модели, в противен случай това ще има голямо въздействие върху цялостното му състояние. И технологията на DeepSeek няма да има твърде много бариери за Byte, но DeepSeek понастоящем има по-голямо предимство в ефективността на научноизследователската и развойна дейност. Отвореният код модел Qianwen на Alibaba сам по себе си е на високо ниво. Преди DeepSeek да стане популярен, Qianwen и Llama основно се преследваха един друг. За Alibaba моделът Qianwen може да не прави пари, но свързаните облачни бизнеси могат да правят пари, а Byte е подобен и може да продължи да използва голяма моделна технология, за да оптимизира непрекъснато преживяването на Douyin и други приложения. За AI стартъпите, ако самият модел не прави пари, той докосва корена на оцеляването.
Ванг Венгуанг каза, че предимството на DeepSeek се крие главно в технологичния идеализъм. В рамките на два или три месеца преди и след