中國模型廠商正從跟隨式競爭進入真正的前沿競爭階段，其分水嶺已不再是單純的模型能力，而是持續製造前沿能力的能力。與全棧投入算力、模型與應用的科技巨頭相比，DeepSeek、智譜與月之暗面（Kimi） 面臨更強的資源約束，必須在更有限的條件下持續產出更前沿的智慧。如果引數、算力和資本可以不斷擴充套件，卻無法轉化為收入；如果模型可以走向全球，卻無法形成資料與商業閉環，那麼“擴充套件”最終只是一次昂貴的衝刺，而非可持續的競賽。

中國開源模型已進入新一輪引數規模擴充套件階段。從第二季度起，國內AI模型開始進入萬億引數規模，下半年Kimi K3將門檻抬升至3萬億級。這一趨勢不會即刻停止，字節跳動高層在內部宣稱“不蒸餾”後，有意將競爭進一步拔高至5-10萬億級別。引數競賽正轉化為算力基礎設施競賽，進而演變為資本競賽，DeepSeek與智譜都在建設自己的GW級資料中心。

在一份廣為流傳的投資者訪談紀要中，梁文鋒“激進”地表示，希望“半年之內就把錢花完”，這大致對應首輪約500億元人民幣的外部融資，以及正在推進、目標再融資約500億元人民幣的第二輪融資，公司同時也在籌備IPO。融資競賽在本土開源模型廠商中蔓延：截至去年年底，智譜擁有現金及等價物約23億元人民幣，港股上市融資約40億元人民幣，並擬在科創板募資150億元；同樣港股上市的MiniMax也在推動兩地上市；月之暗面僅在今年就完成了累計約75億美元的融資。科技巨頭同樣大手筆投入，過去一個季度，騰訊與阿里巴巴合計為AI投入約1200億元人民幣的資本開支，阿里巴巴甚至宣佈配售新股，計劃募資800億港元用於AI相關投入，這是其港股上市以來首次配股融資。

與科技巨頭相比，DeepSeek、智譜與月之暗面的壓力更直接：缺乏成熟業務的現金流、雄厚的現金儲備，也難以通過內部資源排程分散AI投入成本。算力投入最終幾乎都要由模型與產品本身的商業價值兌現。問題在於，OpenAI與Anthropic的年化收入（ARR）合計已超1000億美元，而根據官方披露或市場傳言估算，智譜、DeepSeek與Kimi三家中國模型廠商的AI業務ARR合計可能僅略高於20億美元。這既反映前沿模型能力差距，也暴露開源模型的價值捕獲難題，以及中美在AI需求規模和支付能力上的現實差距。

阿里巴巴最新財報提供了觀察本土模型廠商企業市場收入空間的參照：截至上一季度，阿里算力與雲服務分部中AI相關產品ARR約為73億美元。作為承載大量第三方模型與AI應用呼叫的基礎設施，這一數字反映中國模型的商業化規模依然有限。收入增長一旦跟不上資本投入，估值倍數就會成為持續融資能力的約束。目前，智譜市值約合670億美元，MiniMax約150億美元，DeepSeek估值710億美元，月之暗面約500億美元，中國頭部模型公司的隱含估值/ARR已明顯高於OpenAI與Anthropic。

當國內市場尚不足以單獨支撐商業閉環時，海外市場成為收入擴充套件的重要一環。美國市場湧現的AI新興雲和模型路由服務，為中國開源模型嵌入全球模型服務生態提供了便利。開源模型釋出後第一時間部署到自身算力基礎設施，已成為CoreWeave等輝達投資的AI新興雲的重要競爭方式。此前Cursor曾基於Kimi的開源模型微調，如今Harvey等法律AI企業也開始基於Kimi-K3構建企業級AI。月之暗面開始探索開源與商業化的平衡，通過自定義的Kimi K3 License，為開源模型從“被廣泛使用”走向“能夠捕獲價值”設定門檻。

與阿里巴巴、騰訊、字節跳動等全棧科技巨頭不同，DeepSeek、智譜與月之暗面更像“模型原生公司”，必須更直接地讓模型能力轉化為外部收入。三家的真正差異在於各自選擇的前沿智慧擴充套件路徑：Kimi-K3重新押注預訓練規模，智譜把更多計算投入後訓練，DeepSeek則試圖把基礎設施效率本身納入擴充套件。Kimi-K3的問世，也是對“蒸餾+強化學習”追趕路徑的一次修正——此前Kimi曾因模型能力來源問題被Anthropic點名，Kimi-K3團隊在技術報告中覆盤稱，過去測試時擴充套件帶來的短期收益掩蓋了預訓練擴充套件不足的問題，成為與前沿模型差距拉大的重要原因。這一策略短期內取得明顯進展，Kimi-K3已在多個關鍵評測上逼近前沿模型。

智譜提供另一種答案：從GLM-5.2到GLM-5.3，團隊通過擴充套件長時程環境、任務型別和強化學習計算量，在相同基礎模型上繼續提升能力。唐傑強調不必同時轉動所有擴充套件“按鈕”，而是尋找下一階段最值得投入的變數。這不僅帶來GLM-5.3的推理成本優勢，也與智譜既有的商業結構契合——模型規模越大，對本地算力供給、國產硬體適配和部署成本的要求越高，對於國內政企客戶與私有化部署收入仍佔重要份額的智譜而言，在模型能力與部署成本間取得平衡本身就是擴充套件的一部分。

DeepSeek則提供第三種答案：相信引數規模擴充套件仍未觸及上限，但最突出的是讓基礎設施效率協同擴充套件，成為前沿智慧擴充套件的一部分。其模型創新還肩負著配套國產硬體能力的創新，據稱DeepSeek也在尋求自研晶片。隨著前沿智慧瓶頸從引數規模傳導到算力規模，再傳導到硬體產能，基礎設施效率已成為繼續擴充套件繞不開的一環。這條路註定困難，卻也因此重要。

擺在它們面前的市場位置與競爭格局每天都在迅速變化，OpenAI與Anthropic之間的前沿競爭不斷產生新的技術路徑、產品策略和商業模式。對於中國的模型原生公司而言，它們現在主要是盯著OpenAI和Anthropic競爭，還是它們之間的競爭？這仍是一個開放問題。