长期主义是大模型研发穿越技术周期的底气
长期主义是大模型研发穿越技术周期的底气
2026年11月07日 00:38
■梁傲男
近期，中国大模型的发展有不少值得关注的变化。
一方面，中国大模型在全球开发者生态中的存在感进一步增强。据AI模型聚合平台OpenRouter相关统计，10月5日至11月1日，中国大模型在该平台的词元使用量占比约为65%。DeepSeek、Kimi、 智谱 、MiniMax等模型持续进入全球Coding（编程）和Agent（智能体）工作流，部分模型在发布数月后仍保持较大调用规模。
另一方面，国内大模型企业在基础架构、强化学习、长程智能体和推理基础设施等方面持续取得进展。从DeepSeek探索新的计算架构，到Kimi扩大长程强化学习规模、 智谱 构建自动化训练环境，再到千问和混元推进大模型与产业应用的结合，中国大模型企业正在沿着不同路线，寻求下一阶段技术能力突破。
当前，全球大模型竞争已进入新阶段。大模型过去比的是能回答什么问题，现在比的是大模型能否真正完成工作。从Coding到Agent、Computer Use（电脑操作），再到与物理世界交互，大模型的训练方式、数据需求、产品形态和商业模式都在发生变化。
从中国大模型企业过去几年的发展历程来看，还有一条线索值得探寻。
2022年前后，国内能独立完成千亿参数级基础模型训练的团队还不多。如今，中国已有一批企业能够持续开展大规模预训练、研究模型架构、搭建强化学习环境、建设推理基础设施，并向全球开发者提供模型服务。
这条路走得并不容易。过去几年，中国大模型团队在有限资源下，持续解决训练稳定性、计算效率、数据质量和推理成本等问题。很多技术进步并不显眼，可能只是一次系统优化、一项新的训练方法，或者一套终于能够稳定运行的实验环境。这些积累最终汇聚成今天中国大模型的技术基础。
DeepSeek持续探索计算架构，Kimi尝试突破更高的智能上限， 智谱 从早期GLM-130B到如今的大规模强化学习和国产推理基础设施，MiniMax不断推进模型与全球AI产品的结合，千问和混元则持续投入基础模型与产业生态建设。不同公司的选择背后，是一批长期从事基础研究、算法和系统工程的中国技术人才。
对于中国AI产业来说，一代模型的领先固然重要，但一批能够长期从事前沿研究的团队，以及他们积累下来的技术、方法和人才网络，可能具有更持久的价值。
这也引出一个值得讨论的问题：当全球AI竞争越来越依赖长期研发投入，资本与市场如何为这些团队提供更好的科研环境？2026年上半年，智谱研发开支达到21.31亿元，同比增长33.6%；MiniMax研发费用为2.969亿美元，同比增长138.8%。两家公司此前先后发布内部信，均表达了持续加大研发投入、坚持长期技术探索的决心。这些数据背后，基础模型研发仍然需要大量资本投入。
中国大模型公司需要接受市场检验、不断提高技术能力。但在一场尚未形成稳定技术范式的全球竞争中，能够持续站在最前沿、愿意承担研究不确定性的团队，本身就是中国科技产业的重要积累。这些公司是中国大模型产业的排头兵。
这些公司未必每一次都判断正确，也未必每一家都能走到最后。但过去几年，一批中国研究人员和工程师确实依靠长期投入与持续试错，把中国大模型带到了今天的位置。中国需要更多能够穿越技术周期的耐心资本，让研究团队可以持续探索。下一阶段，智能上限、强化学习、Agent和模型自我学习仍有大量待解问题。希望这些团队不仅能继续追赶世界前沿，也有机会在下一轮技术突破中走出自己的路。
（文章来源：证券日报）