中国模型厂商正从跟随式竞争进入真正的前沿竞争阶段，其分水岭已不再是单纯的模型能力，而是持续制造前沿能力的能力。与全栈投入算力、模型与应用的科技巨头相比，DeepSeek、智谱与月之暗面（Kimi） 面临更强的资源约束，必须在更有限的条件下持续产出更前沿的智能。如果参数、算力和资本可以不断扩展，却无法转化为收入；如果模型可以走向全球，却无法形成数据与商业闭环，那么“扩展”最终只是一次昂贵的冲刺，而非可持续的竞赛。

中国开源模型已进入新一轮参数规模扩展阶段。从第二季度起，国内AI模型开始进入万亿参数规模，下半年Kimi K3将门槛抬升至3万亿级。这一趋势不会即刻停止，字节跳动高层在内部宣称“不蒸馏”后，有意将竞争进一步拔高至5-10万亿级别。参数竞赛正转化为算力基础设施竞赛，进而演变为资本竞赛，DeepSeek与智谱都在建设自己的GW级数据中心。

在一份广为流传的投资者访谈纪要中，梁文锋“激进”地表示，希望“半年之内就把钱花完”，这大致对应首轮约500亿元人民币的外部融资，以及正在推进、目标再融资约500亿元人民币的第二轮融资，公司同时也在筹备IPO。融资竞赛在本土开源模型厂商中蔓延：截至去年年底，智谱拥有现金及等价物约23亿元人民币，港股上市融资约40亿元人民币，并拟在科创板募资150亿元；同样港股上市的MiniMax也在推动两地上市；月之暗面仅在今年就完成了累计约75亿美元的融资。科技巨头同样大手笔投入，过去一个季度，腾讯与阿里巴巴合计为AI投入约1200亿元人民币的资本开支，阿里巴巴甚至宣布配售新股，计划募资800亿港元用于AI相关投入，这是其港股上市以来首次配股融资。

与科技巨头相比，DeepSeek、智谱与月之暗面的压力更直接：缺乏成熟业务的现金流、雄厚的现金储备，也难以通过内部资源调度分散AI投入成本。算力投入最终几乎都要由模型与产品本身的商业价值兑现。问题在于，OpenAI与Anthropic的年化收入（ARR）合计已超1000亿美元，而根据官方披露或市场传言估算，智谱、DeepSeek与Kimi三家中国模型厂商的AI业务ARR合计可能仅略高于20亿美元。这既反映前沿模型能力差距，也暴露开源模型的价值捕获难题，以及中美在AI需求规模和支付能力上的现实差距。

阿里巴巴最新财报提供了观察本土模型厂商企业市场收入空间的参照：截至上一季度，阿里算力与云服务分部中AI相关产品ARR约为73亿美元。作为承载大量第三方模型与AI应用调用的基础设施，这一数字反映中国模型的商业化规模依然有限。收入增长一旦跟不上资本投入，估值倍数就会成为持续融资能力的约束。目前，智谱市值约合670亿美元，MiniMax约150亿美元，DeepSeek估值710亿美元，月之暗面约500亿美元，中国头部模型公司的隐含估值/ARR已明显高于OpenAI与Anthropic。

当国内市场尚不足以单独支撑商业闭环时，海外市场成为收入扩展的重要一环。美国市场涌现的AI新兴云和模型路由服务，为中国开源模型嵌入全球模型服务生态提供了便利。开源模型发布后第一时间部署到自身算力基础设施，已成为CoreWeave等英伟达投资的AI新兴云的重要竞争方式。此前Cursor曾基于Kimi的开源模型微调，如今Harvey等法律AI企业也开始基于Kimi-K3构建企业级AI。月之暗面开始探索开源与商业化的平衡，通过自定义的Kimi K3 License，为开源模型从“被广泛使用”走向“能够捕获价值”设置门槛。

与阿里巴巴、腾讯、字节跳动等全栈科技巨头不同，DeepSeek、智谱与月之暗面更像“模型原生公司”，必须更直接地让模型能力转化为外部收入。三家的真正差异在于各自选择的前沿智能扩展路径：Kimi-K3重新押注预训练规模，智谱把更多计算投入后训练，DeepSeek则试图把基础设施效率本身纳入扩展。Kimi-K3的问世，也是对“蒸馏+强化学习”追赶路径的一次修正——此前Kimi曾因模型能力来源问题被Anthropic点名，Kimi-K3团队在技术报告中复盘称，过去测试时扩展带来的短期收益掩盖了预训练扩展不足的问题，成为与前沿模型差距拉大的重要原因。这一策略短期内取得明显进展，Kimi-K3已在多个关键评测上逼近前沿模型。

智谱提供另一种答案：从GLM-5.2到GLM-5.3，团队通过扩展长时程环境、任务类型和强化学习计算量，在相同基础模型上继续提升能力。唐杰强调不必同时转动所有扩展“按钮”，而是寻找下一阶段最值得投入的变量。这不仅带来GLM-5.3的推理成本优势，也与智谱既有的商业结构契合——模型规模越大，对本地算力供给、国产硬件适配和部署成本的要求越高，对于国内政企客户与私有化部署收入仍占重要份额的智谱而言，在模型能力与部署成本间取得平衡本身就是扩展的一部分。

DeepSeek则提供第三种答案：相信参数规模扩展仍未触及上限，但最突出的是让基础设施效率协同扩展，成为前沿智能扩展的一部分。其模型创新还肩负着配套国产硬件能力的创新，据称DeepSeek也在寻求自研芯片。随着前沿智能瓶颈从参数规模传导到算力规模，再传导到硬件产能，基础设施效率已成为继续扩展绕不开的一环。这条路注定困难，却也因此重要。

摆在它们面前的市场位置与竞争格局每天都在迅速变化，OpenAI与Anthropic之间的前沿竞争不断产生新的技术路径、产品策略和商业模式。对于中国的模型原生公司而言，它们现在主要是盯着OpenAI和Anthropic竞争，还是它们之间的竞争？这仍是一个开放问题。