国产大模型集体爆发，为什么我劝你别高兴得太早？

短短一年，国内几十款大模型扎堆发布，个个号称 “对标国际顶尖水平”。可热闹看久了我反倒想问：这么多大模型，到底有几个是真技术，又有几个是蹭热度的泡沫？

中国信通院的统计数据摆在这里，截至 2025 年 7 月，国内已经发布了 1509 个大模型，数量稳居世界第一。算上通过网信办备案的产品，平均下来几乎每周都有新模型官宣。

互联网大厂、创业公司、高校院所，甚至不少地方政府和传统企业都下场凑热闹，从百亿参数到万亿参数，名号一个比一个响，发布会一个比一个隆重，不知道的还以为我们一夜之间就站到了全球 AI 的山顶。

可热闹归热闹，扒开表层看内里，第一个绕不开的问题就是严重的同质化。

现在市面上的通用大模型，翻来覆去核心功能就那几样：写文案、做 PPT、答问题、生成图片视频，你家有的我家都有，我家没有的你家也未必强。

业内早就不是什么秘密，很多号称 “全自主研发” 的大模型，本质就是拿开源底座改一改，调几个参数、换个交互界面，甚至直接调用别家的 API 套层壳，就敢对外宣传 “重大技术突破”。

有开发者逆向统计过 200 家 AI 公司，七成左右的产品核心能力都来自第三方模型，真正能从底层算法到训练全链路自主可控的，掰着手指头都数得过来。

大家底层架构差不多，训练数据重合度高，最后卷来卷去只能卷价格。

百万 tokens 的调用价格从几十块卷到几块钱，优惠时段甚至几毛钱就能拿下，看着是用户得了实惠，实则是整个行业陷入了 “微调内卷”，没人愿意花大钱啃硬骨头，都想着蹭热点赚快钱。

比同质化更扎心的，是卡在脖子上的算力问题。

大模型本质是 “算力喂出来” 的技术，训练一款千亿参数的旗舰模型，需要上万张高端 GPU 连轴转好几个月。

可直到今天，国内绝大多数大模型训练依赖的顶级芯片，依然受制于人。

受出口管制影响，高端 GPU 拿货难、溢价高，算力成本直接吞掉了很多创业公司七成以上的研发投入，赚的钱大半都交给了海外芯片厂商，说白了就是给别人打工。

别看国产芯片这些年进步很快，华为昇腾、寒武纪等产品已经能支撑不少场景，但在工具链完善度、算子生态、大规模训练稳定性上，和国际顶尖水平还有实实在在的差距。

很多厂商嘴上说全面适配国产算力，真要训练旗舰模型的时候，还是得依赖进口芯片。

相当于我们盖了一堆漂亮的房子，可盖房子的核心工具还得看别人脸色，地基不稳，再热闹也只是空中楼阁。

再往下说，落地的虚火比技术的泡沫更值得警惕。

现在天天能看到大模型中标、行业落地的新闻，可真落到实处，很多项目都停留在 “试点”“演示” 阶段。

IDC 的调研数据很说明问题：国内超过半数的企业用大模型，还停留在零散尝试的阶段，真正嵌入核心生产流程、形成稳定商业闭环的不到四成。

说白了，很多企业买大模型服务，就是用来写写文案、做做客服、整理下会议纪要，都是边缘性的辅助工作，既没替代多少核心人力，也没创造多少新增价值。

不少地方的智算中心、大模型项目，更像是跟风的政绩工程，钱砸下去不少，实际产出寥寥。

大模型喊了好几年 “赋能千行百业”，可到今天，真正能靠大模型稳定盈利的公司屈指可数，大多还在靠融资烧钱续命。

最后也是最核心的，我们在底层创新上，依然是跟跑者。

现在所有大模型的核心架构 Transformer，是谷歌 2017 年提出来的，这么多年过去，国内绝大多数模型还是在这个框架里修修补补，做工程优化、场景适配，真正颠覆性的架构创新、底层算法突破少之又少。

训练数据上，中文高质量语料的规模和质量，比起英文还有不小差距，数据版权、数据治理的老问题也一直没彻底理顺。

当然，不是说国产大模型不行。短短两三年时间，我们从追赶到并跑，部分头部模型已经能对标国际一线水平，这个速度值得骄傲。但越是热闹的时候，越得保持清醒：数量多不等于实力强，热度高不等于技术硬。

百模大战打到最后，拼的不是谁发布会开得响，不是谁参数标得高，而是谁能真正解决产业的真问题，谁能在底层技术上攥住自己的饭碗。

泡沫总有破的一天，等潮水退去，才知道谁在裸泳。现在就忙着欢呼雀跃，确实太早了点。