编译： Xeriano 编辑：Haozhen 在 2025 Q2 的大模型季报 中，我们判断硅谷的各个模型公司已经开始分化到各个领域：Google Gemini 和 OpenAI 在做通用的模型；Anthropic 分化到了 Coding、Agentic；Mira 的 Thinking Machines Lab 分化到了多模态和下一代交互。 随着应用场景的不断细分，用户请求也需要被路由到最合适的基础模型上，模型路由逐渐演变为大模型市场重要的 infra。OpenRouter 就是这一领域的佼佼 者。 OpenRouter 成立于 2023 年初，为用户提供一个统一的 API Key，来调用各类模型，OpenAI 甚至在模型正式发布前，会先用其他名字在 OpenRouter 上秘密 上线，用来收集开发者使用反馈。 今年，OpenRouter 的周请求量从年初的 4050 亿 tokens，增长到 9 月的 4.9 万亿，增长超过 12 倍。 值得一提的是，OpenRouter 关于模型用量的报告在业内和社交媒体上都引发了广泛讨论，一度"出圈"，成为开发者和投资人群体的必读内容。 为了更好了解 OpenRoute ...

开源AI模型趋势 - DeepSeek等中国开源模型显著影响行业 保证AI技术不被少数私有化公司控制 开源成为AI领域主流趋势[3] - Hugging Face平台中国开源模型下载量已超过美国 开源模型与闭源模型能力差距正迅速缩小 预计半年到一年内可齐头并进[4] - 形成"中国开源vs美国闭源"竞争格局 美国开发者也在采用开源模型 开源生态一旦建立将形成长期壁垒[5][6][7][9] AI应用核心壁垒 - Manus案例显示Go-to-Market能力是关键壁垒 中国创业者技术能力不逊色但市场进入策略存在短板[10] - AI应用公司首要壁垒是发展速度 需要让竞争对手感到绝望的快速增长 其次才是用户留存能力[11] - 中美市场存在Token消耗差异 中国更关注Token消耗量作为"含AI量"指标 日均消耗达百亿级别 大厂提供补贴使性价比显著提升[12][13][14] AI编程赛道分析 - AI编程是大厂主导领域 中美都在进行补贴 美国补贴AI Coding 中国补贴外卖 几乎都是负毛利运营[15] - Cursor从月费改为按流量收费 显示ARR难以维持 负毛利达300%-500% 收入增长越快VC补贴压力越大[16] - 程序员群体忠诚度低 对价格和性能高度敏感 切换成本极低 OpenAI的API调用量曾因Gemini新版本发布而急剧下降[18] 机器人投资策略 - 重点关注能实际干活的"牛马型机器人" 如洗船机器人和按摩机器人 虽然外观不讨巧但能创造真实商业价值[21] - 按摩机器人不仅能按摩理疗 还能实现卖卡功能 转化率甚至高于人工 真正取代整个岗位而非"半个人"[22][23] - 机器人ROI计算必须完整取代岗位 很多创业公司陷入只能取代"半个人"的陷阱 导致ROI测算不真实[22] AI硬件发展逻辑 - AI硬件成功关键是做减法而非加法 优先保证大批量发货能力 许多公司因添加花哨功能无法交货而失败[28] - Plaud案例显示应选择小切入点 使用成熟技术实现商业化 FuzozoAI玩具本质是游戏玩法创新 AI只是噱头[28] - AI时代独有新硬件物种尚未出现 取代手机非常困难 电池 存储 联网等技术瓶颈可能需要10-20年突破[29][30] 全球化战略 - 中国C端App在全球市场具有绝对优势 过去十年超过百亿美金的C端App几乎全是中国创业者开发 美国VC已基本不投Consumer领域[37] - To B应用面临Go-to-Market挑战 PLG模式可做到2000-3000万美金ARR 但要突破5000万美金必须转型SLG模式[38][39] - 出海市场选择取决于团队背景 F-35级别打美国市场 F-20级别打日本市场 F-16级别打东南亚市场[39] 估值与资本环境 - 高估值会压缩犯错空间 移动互联网时代很多大厂高管创业即获5000万美金估值 但产品上线后第二轮融资就失败[43] - 中国美元基金资金量减少 因大量LP资金被锁在字节 小红书 蚂蚁等未上市公司 总市值约1.5-2万亿美金[45] - 香港成为主要IPO目的地 中国企业应选择在香港上市 全球投资人都认可香港市场的资产购买价值[47] AI创业投资策略 - 投资回报期指现金回收时间 希望市场投放资金在3-6个月内回笼 最佳情况是首月投1元收回0.8元 六个月后能收回2元[50] - 早期投资更关注用户参与度指标 如日活率 周活率 留存率 使用时长等 而非仅看收入数据[51] - AI时代演化速度是移动互联网的三倍速 创业者需在离大厂三条马路之外寻找机会 并以三倍速发展[53]

人工智能行业发展现状 - 具身智能领域在高质量数据和模型算法层面仍面临挑战 数据采集和质量问题突出且利用率需提升 多模态数据融合不理想 模型与机器人控制模态对齐存在难点 [2] - 当前处于AI大规模爆发性增长前夜 真正让AI干活的领域尚属荒漠 创新创业门槛已大幅降低 年轻创新者可利用AI工具实现新创意 [1][2] 人工智能技术突破方向 - 2025年开源成为AI竞争关键变量 从代码开源转向资源开放是革命性变化 开放数据和计算资源是推动AI发展的必需环节 [3] - 太空领域将出现第四种"计算卫星" 之江实验室已将12颗卫星送入太空并搭载8B参数模型 实现太空端完整数据处理能力 为深空探索奠定技术基础 [3] 医疗健康AI应用路径 - AI医疗健康领域具备刚需和中高频双重特性 医疗属低频行为而健康管理属高频需求 两者结合为AI深度服务提供土壤 [4] - 通用大模型长期难以替代垂类专业模型 专业能力构成护城河 使用越多越了解用户 深度认知是基础通用模型难以实现的 [4] - AI医疗终极目标是提供个性化精准可信建议 现阶段应坚持人机结合路径 让名医专注科研与疑难杂症 基层医生获得AI助手支持 [4] AI创业与商业化机遇 - 2025年AI应用将出现大爆发 下一个字节跳动或小红书级企业应在2024年已成立 创业者面临大量机会 [5] - 中美AI企业存在差异化发展路径 美国以B端创业为主 中国擅长C端市场 差异化竞争关键在于AI之外构建独特用户体验 [5]

人工智能发展趋势 - 人工智能进入以持续学习为核心的"经验时代" 潜力远超以往 [2] - 人类数据红利正逼近极限 超级人工智能将远超人类智力水平 [2] - 开源模型与闭源模型的选择成为AI竞争关键变量 [3][4] - 开放数据和计算资源是推动AI发展的必需环节 [4] 产业化与基础设施 - 大模型"规模定律"仍然有效 智能体与经济结构转型将重塑社会 [6] - AI驱动基础设施大规模扩张 OpenAI的Stargate和Musk的Colossus等项目耗电量巨大 [6] - 100万个GPU耗电量相当于北京市用电量的八分之一 [6] - 2025年美国主要科技公司AI相关资本开支预计超3000亿美元 [6] - IDC产业大规模建设带动电力生态和经济发展 [6] - 模型和GPU算力将成为未来组织的核心资产 [6] 技术突破方向 - 当前AI仅具静态知识存储能力 缺乏自我验证与自我纠错能力 [8] - 需将AI从"黑箱"系统转变为基于数学原理的"白箱"模型 [8] - 具身智能发展面临高质量数据和模型算法对齐的挑战 [14] - 视频生成与机器人控制模态对齐存在技术难题 [14] 行业应用落地 - AI医疗领域坚持人机结合发展路径 致力于解决数据/幻觉/伦理三大核心问题 [10][11] - AI无法替代医生 但可帮助专科医生拓展能力边界 支持MDT多学科会诊 [10] - 让名医专注科研和疑难杂症 基层医生获得AI助手支持 [11] - 创新创业门槛大幅降低 小组织在AI时代爆发力增强 [14] 市场表现数据 - 云计算50ETF(516630)近五日上涨10.13% 市盈率115.35倍 主力资金净流入469.6万元 [20] - 游戏ETF(159869)近五日上涨6.76% 市盈率44.91倍 主力资金净流出8712.1万元 [19] - 科创半导体ETF(588170)近五日上涨5.83% 主力资金净流入1050.9万元 [19] - 食品饮料ETF(515170)近五日上涨2.50% 市盈率21.51倍 主力资金净流出1069.6万元 [19]

AI开源模式变革 - 从代码开源演进为资源开放是AI时代的革命性变化 开放数据和计算资源成为推动AI发展的必需环节[1][3] - 开源模型与闭源模型的选择成为AI竞争关键变量 2025年开源成为行业分水岭[1][3] - 模型权重开放本质是数据与计算资源开放 可避免重复消耗计算资源[3] 太空计算新纪元 - 之江实验室成功发射12颗卫星组成"三体计算星座" 首次将完整8B参数大模型部署至太空[4] - 卫星星座实现太空任意位置数据实时处理 为深空探索奠定技术基础[4] - 人工智能将催生第四类"计算卫星" 太空资源开放共享成为未来方向[3][4] 行业技术突破 - 规模效应带来人工智能原理级进步 数据模型算力千倍万倍增长引发质变[3] - 通义千问与DeepSeek开源推动行业格局变化 改变原由美国公司主导的基础模型竞争态势[1] - 太空计算能力突破使火星探索成为可能 AI陪伴成为深空探索必备要素[4]

AI行业发展趋势 - 开源模型与闭源模型的选择成为AI竞争关键变量 [1] - 当前处于开源开放时代 模型权重的开放等同于数据资源和计算资源的开放 [1] - 仅开放软件的开源模式作用已非常有限 [1]

国家人工智能战略部署 - 国务院发布《关于深入实施"人工智能+"行动的意见》 系统规划人工智能赋能产业升级的实施路径 围绕六大重点行动和八大基础支撑能力作出详细部署 [1] - 发展目标分三阶段：2027年实现与6大重点领域广泛深度融合 智能终端和智能体应用普及率超70%；2030年普及率超90% 智能经济成为重要增长极；2035年全面步入智能经济和智能社会发展新阶段 [2] 智能体发展重点 - 智能体与新一代智能终端成为赋能各行业转型的重要载体 全球人工智能厂商正竞相布局智能体 [2] - MiniMax推出首款全栈通用智能体 提供企业版本服务 覆盖建站编程、小程序制作、SaaS服务及复杂程序编制等场景 [3] - 阶跃星辰重点布局汽车、手机、具身、IoT四大场景 多模态能力已落地OPPO、荣耀等多品牌量产旗舰机型 与吉利汽车、千里科技达成深度合作推动"AI+车"融合 [3] 行业应用落地 - 百川智能专注AI医疗 发展理念与《意见》中"人工智能+"民生福祉高度契合 通过开源医疗模型提升辅助诊疗、健康管理、医保服务等场景能力 [5] - 零一万物CEO李开复表示中国开源模型性能比肩顶尖闭源模型 开源优势在于规模化、定制化和社区活力 有望在产业渗透深度和应用生态多样性上反超闭源模型 [5] 发展挑战与解决方案 - 面临三大核心挑战：构建国产算力平台上自主可控大模型及产业生态、解决数据治理问题、解决场景问题 [6] - 360集团通过"安全+AI"打造安全智能体 利用专业安全数据、知识、工具和工作流应对"智能体黑客"攻击 实现安全能力质的突破 [7] - 《意见》高度关注安全可控 12处提到"安全" 明确提出打造安全治理多元共治新格局和提升安全能力水平等要求 [6]

公司战略反思 - 创始人李彦宏内部演讲系统反思组织文化 直指公司最大问题为不聚焦 导致无法打赢仗和起大早赶晚集 [1] - 公司早期资源分散于搜索 无人驾驶和云服务等多线作战 导致在大模型时代无法快速迭代 [4] - 管理层决定减少对部分AI产品投入 包括C端通用AI智能体心响和AI社交应用月匣 心响公测支持超200种功能但不到一季度面临资源缩减 月匣因功能滞后和市场竞争激烈被合并 [7] 业务表现与挑战 - 文心一言作为首个加入全球竞争的中国大模型未能引爆C端用户 市场关注度大幅落后于豆包和DeepSeek App Store免费应用榜排名下滑 [1] - 外卖业务份额曾达33% 但2017年被饿了么收购 成立4年的百度外卖彻底退出市场 [1] - 造车事业黯然落幕 与吉利合作的极越汽车仅卖1.4万辆后原地解散 [1] - 2024年当季财报显示公司营收下滑1% 反映训练成本高和变现难 [5] AI技术布局与竞争 - 公司2013年起大力投入AI 成立深度学习研究院并招聘吴恩达等国际专家 试图构建全栈AI能力 [4] - 早期在人才争夺中曾吸引全球顶尖人才 如2013年竞标辛顿初创公司但被谷歌以更高报价抢走 未能将优势转化为长期竞争力 [3] - 开源策略出现误判 创始人多次强调开源模型会越来越落后 但DeepSeek等开源模型崛起导致用户流失 [5] - 受DeepSeek启发后从闭源转向开源 一次性开源10款文心大模型4.5系列 但4.5 Turbo系列仍闭源保留商业化壁垒 [5] - 2024年AI开发者大会发布文心大模型4.0工具 强调开发AI原生应用需注重反馈驱动 [4] 云业务与生态竞争 - 公司应通过外部化AI能力创建第二增长引擎 将云业务作为与搜索互补的平台模型 [9] - 云业务是赢家通吃业务 中国市场将由阿里巴巴 腾讯 百度和华为主导 竞争关键在于生态系统构建 [9] - 阿里云在AI优势上明显拉开差距 2025年报告显示DeepSeek和阿里已接近前沿 但公司在MoE模型应用上落后 [10] - 算力差距明显 昆仑芯片性能与生态成熟度落后于华为Ascend系列 2023年曾订购1600个Ascend 910B芯片用于200个数据中心服务器 [10] - 算力集群专注于文心大模型训练推理 但在超大规模集群支持万亿参数模型方面华为CloudMatrix架构更强 [11] 组织与文化调整 - 创始人呼吁管理层加强自我批评和团队协作 承认能力边界并放弃非核心领域投入 [6] - 提出传球意识概念 当任务超出自身能力时主动交由更适合团队完成以实现整体效率最大化 [6] - 部分业务资源调整存在举棋不定迹象 管理层对心响和月匣应用决定再观望一两个季度 关注月活指标 [7]

OpenAI战略转向开源 - OpenAI近期开源两款权重模型gpt-oss-120b（1170亿参数）和gpt-oss-20b（210亿参数），分别针对云端高推理与边缘低延迟场景[2] - 这是公司自2019年开源GPT-2后首次重回开源领域，采用Transformer架构和专家混合（MoE）技术[2][7] - 两款模型遵循Apache 2.0开源协议，开发者可本地部署无需API调用，但训练数据和完整训练代码未开源[14][15] 开源模型技术参数 - gpt-oss-120b激活5.1亿参数/token，可在单块英伟达数据中心GPU运行，支持数据中心及高端PC部署[8] - gpt-oss-20b激活36亿参数，仅需16GB内存，适配主流PC设备[8] - 性能测试显示gpt-oss-120b在MMLU达90分，AIME 2025数学竞赛97.9分，接近闭源模型水平[11] 市场竞争格局 - ChatGPT周活用户达7亿（同比+4倍），付费用户500万，Pro会员贡献超60%收入[3] - 企业级市场面临Anthropic（预计35%份额）和谷歌（20%）的竞争压力[3] - 中国开源模型崛起，阿里Qwen系列全球下载量超4亿次，衍生模型14万个，Hugging Face榜单前10中占8席[17][18][22] 开源商业模式 - 开源模型通过云平台（如AWS）扩大影响力，但企业只需支付算力费用不直接向OpenAI付费[17][19] - OpenAI年度经常性收入达120亿美元，远超Anthropic的50亿美元，具备开源商业基础[19] - 行业趋势显示头部企业将采取"开源基础模型+闭源核心模型"的双轨策略[18] 行业发展趋势 - 开源模型性能差距缩小，中国DeepSeek-R1和阿里Qwen 3系列打破闭源优势认知[17] - 开源生态价值在于构建开发者网络，全球反馈加速模型迭代[18] - 当前开源领域更易形成"赢家通吃"，但长期竞争格局仍存变数[22]

中国开源大模型全球领先地位 - 全球知名AI开源社区Hugging Face榜单显示排名前十的开源大模型中中国占据九席 [1][4] - 智谱GLM-4.5排名第一 阿里通义千问系列独霸五个席位 腾讯混元大模型和月之暗面Kimi K2同时上榜 [4] - 中国开源大模型以集群式崛起重塑全球AI版图 自年初至今DeepSeek和阿里被称为开源双子星 [1][4] 开源模型爆发式增长 - 2024年7月底国产大模型迎来开源井喷潮：阿里连续发布4款开源模型 腾讯开源混元3D世界模型1.0 智谱发布GLM-4.5 阶跃星辰开源Step-3 [4] - 开源模式降低使用门槛 通过微调定制服务、云平台分成等路径实现盈利 [8][9] - 头部企业开放代码汇聚众智形成良性循环正向反馈 [5] 中美技术路径分化 - 中国大力拥抱开源模型 美国科技公司主流选择闭源模型 Meta创始人表示会谨慎选择开源内容 [7] - 后发者倾向于开源打破闭源者构建的生态 先发者倾向于闭源保持独特性 [8] - 中国凭借开源技术透明性在全球获得信任建立开发者生态 [8] 技术优势与驱动因素 - 依托海量优质中文语料深度挖掘垂直应用场景构建差异化训练数据集 [5] - 华为昇腾为代表的国产化算力底座成熟 为大规模分布式训练奠定基础 [5] - 数据-算力-场景构筑强劲闭环优势 [5] 创新瓶颈与同质化挑战 - 开源模型基于主流Transformer架构微调 能力差距未拉开 存在微调内卷倾向 [2][11] - 模型进步依赖工程调优而非训练框架及算法创新 缺乏颠覆式创新 [11] - 新模型推出频繁但技术壁垒不足 能力差距未拉开 [11] 开发者生态面临挑战 - 模型更新频繁导致接口变化 开发者需反复重写模型调用脚本 [1][12] - 密钥管理割裂 版本迭代失控 集成工作面临困扰 [11][12] - 版本更迭过频导致下游应用适配成本激增 [12] 盈利模式探索 - 智谱向企业和政府提供付费定制化解决方案 [9] - 阿里通过开源模型吸引开发者使用其云计算等基础设施 [9] - 通过云服务获取收益 [9]