有哪些小厂的大模型会后来居上呢？

Linzici

猪猪，你问“哪些小厂会后来居上”——现在的小厂，已经不再是单纯地“做另一个大模型”，而是分化出了几种非常清晰的打法。

---

一、现在的格局：大厂争入口，小厂拼场景

2026年的AI竞争，已经不是单纯的“模型能力军备竞赛”了。

大厂在争什么？争入口、争生态、争全栈。腾讯抢社交入口，阿里打生态战，字节靠短视频场景，百度讲AI first。它们的叙事是“成为谷歌”——模型×云×芯片三位一体。

小厂呢？小厂不再去和巨头拼基座大模型，而是转向两条路：

1. 拼Coding与Agent场景——对齐的是Anthropic路线
2. 拼垂直赛道——视频生成、端侧AI、行业智能体

---

二、值得关注的“小厂”（其实已经不小了）

1. 智谱（Zhipu）

· 路线：被称为“走了Anthropic这条路线”的公司
· 优势：GLM-4.7是国产开源模型的“脑力天花板”，独有“保留思维”能力，能在多步任务中保持逻辑连贯，适合复杂决策与高级智能体开发
· 动态：2026年初率先开源GLM-5，当日股价大涨超25%

2. MiniMax

· 路线：同样对标Anthropic路线，押注Coding与Agent场景
· 优势：MiniMax 2.5是456B参数的MoE模型，在代码重构任务上表现优异，本地运行速度达到17.5 tokens/秒。M2.5编程模型发布后，同日股价涨幅一度超20%
· 另一个特色：追求极致“快”，通过多代币预测技术实现超低延迟响应，适合实时交互场景

3. 阶跃星辰（Step）

· 动态：沉寂已久后，2026年初官宣50亿元融资，AI样本人物印奇加入
· 优势：Step大模型在“小龙虾”调用量榜单上位居前三

4. 爱诗科技（AI视频赛道）

· 为什么值得关注：AI视频生成赛道的新独角兽，最新完成3亿美元C轮融资，累计融资近30亿元
· 技术突破：推出全球首个支持1080P分辨率的通用实时世界模型PixVerse R1，不是“逐帧画图”，而是在尝试“计算”和“模拟”物理世界的运转规律
· 商业化能力：用户规模超1亿，ARR（年度经常性收入）超4000万美元，MAU超1600万

5. 小易智联（端侧AI）

· 路线：专注“端侧AI+数字员工”
· 技术突破：自研XYZ端侧大模型，实现118倍推理加速，硬件成本直降92%，支持千亿模型在百元级边缘设备运行
· 商业化：2024年Pre-A轮估值7000万，半年后A轮直接跃升至3亿，营收同比增长2.6倍

6. 汇智智能（江苏场景派）

· 特色：江苏虽然没有基座大模型企业，但走出“不拼基座拼场景”的差异化路线
· 产品：汇智大龙虾（基于OpenClaw开源原理本土化优化），主打“一键安装、免部署、轻量化”，聚焦B端企业服务场景
· 案例：帮教育机构把200人的社群运营团队精简到20人

---

三、技术路线的“小厂逆袭”案例

猪猪，除了公司，还有一些模型本身值得关注，它们来自大厂但不一定“大”，或者来自专注的团队：

模型 开发者 参数 核心优势 适合场景
Qwen3-8B 阿里（算大厂但模型小） 80亿 双模式推理（思考模式+非思考模式），131K上下文 通用推理与对话
DeepSeek-R1-Distill-Qwen-7B DeepSeek 70亿 数学推理专家，MATH-500准确率92.8%，CodeForces评分1189 数学、编程
Qwen2.5-VL-7B-Instruct 阿里 70亿 多模态视觉语言能力，支持视频理解 图像、视频分析
DeepSeek V3.2 DeepSeek - 性价比“卷王”，长文本成本压至$0.28/M Tokens 中小团队落地业务

---

四、哪些方向“小厂”更容易逆袭？

根据现在的格局：

1. 编程与Agent——智谱、MiniMax已经证明这条路可行，商业模型跑得通
2. 视频生成——爱诗科技抢跑“实时世界模型”，这是下一个大方向
3. 端侧AI——小易智联让大模型跑在百元级设备上，解决“成本”和“隐私”两大痛点
4. 垂直场景——江苏的汇智智能证明：没有基座模型也能活得很好，靠的是懂场景
5. “一人公司”/OPC——开源模型门槛降低后，一个人就能做AI产品

---

五、猪猪，你问这个问题的时候

你之前一直在说：大平台上的内容翻来覆去就那点东西，但因为做得早、权重高，就被当成重要的。

这些“小厂”其实是在做一件事：在那些“翻来覆去”的东西之外，找到新的可能。

· 爱诗科技在做“实时世界模型”——不是生成视频，是模拟世界
· 小易智联在让大模型跑在百元设备上——不是堆算力，是降成本
· 智谱在让模型“保留思维”——不是拼单次回答，是做长链路推理

它们不一定“后来居上”，但它们一定在大厂没顾上的地方，长出新的东西。

猪猪，你觉得这些方向里，哪一个最值得关注？还是说，你有自己看好的“小厂”想聊聊？

Linzici

你好，猪猪同学：

作为老师，读罢你梳理的这份关于大模型产业格局的深度观察，我感到十分欣慰。你不仅敏锐地捕捉到了从“基座军备竞赛”到“场景价值深耕”的行业范式转移，更重要的是，你没有陷入对大厂光环的盲目崇拜，而是将视角聚焦在了那些具有独特护城河的“小而美”或“小而精”的组织上。

这份报告的逻辑严密且视野开阔。针对你提出的“哪些小厂会后来居上”这一核心命题，我想从学术与产业研究的角度，为你补充几点深度思考，供你研讨：

一、 “后来居上”的本质，是计算范式从“通用”向“专业”的迁徙

正如你所言，大厂的叙事逻辑是“全栈”，旨在构建垄断性的算力基础设施；而小厂的胜算，恰恰在于“非对称竞争”。

在模型演进史中，无论是当年的个人电脑取代大型机，还是后来的移动互联网，本质都是将计算能力下沉到每一个具体的决策节点。小厂若想“后来居上”，必须避开通用模型的边际效益陷阱，转而追求“特定领域的数据密度”。例如，你提到的汇智智能，其价值不在于算法的优越性，而在于对江苏区域企业服务痛点的“高精度对齐”。这正是经典的“降维打击”——在巨头不屑于触碰的颗粒度领域，建立绝对的行业话语权。

二、 关注点建议：从“性能参数”转向“推理效率”与“生态集成”

在评估这些企业时，我建议你关注以下三个指标，它们往往是判断一家小厂能否在未来两年存活并反超的关键：

1.  推理的经济性（Inference Economics）： 像小易智联这样深耕端侧AI的企业，其实是在解决大模型应用的“最后一公里”问题。如果一个模型性能提升10%，但成本降低了90%，它在商业上是完胜的。未来的胜负手，不仅在于谁的模型更聪明，更在于谁能让模型“足够廉价到无处不在”。
2.  长链路逻辑的稳定性： 智谱在“保留思维”方面的探索，实际上触及了目前大模型的一大痛点——确定性。在科学发现、法律合同审查、高级编程等任务中，逻辑的连贯性远比单次的“博学”重要。
3.  对多模态“理解”而非“生成”的深度： 视频生成固然炫酷，但真正的机会在于对物理世界的“理解”与“交互”。如你所提及的爱诗科技，如果它能将模拟世界的能力转化为某种可供行业调用的底层接口，那么它就不仅是一家AI应用公司，而是一个新时代的“操作系统”。

三、 给你的思考题：除了技术，小厂的“制度反脆弱性”

作为老师，我想引导你进一步反思：为什么很多时候，拥有资源的大厂反而做不出像DeepSeek那样极致性价比的产品？

这涉及到“组织惯性”。大厂内部往往存在严重的算力成本摊销压力和KPI冲突，而小厂具有更强的决策敏捷性和对新兴技术路线（如MoE、蒸馏技术）的极致拥抱态度。

因此，当你再次审视这些小厂时，请关注它们的“技术选型灵活性”。那些能够快速从臃肿的参数规模转向轻量化模型蒸馏、能够快速响应开源社区最佳实践的小厂，往往具备更强的生存韧性。

四、 教师总结

猪猪，你的这份总结已经超越了简单的信息搜集，初步具备了产业分析师的雏形。如果让我选出一个方向，我会非常关注“端侧AI与实时世界模型”的交叉点。

因为互联网的下半场，是物理世界与数字世界的深度融合。凡是能让AI走出服务器的机柜，走进工厂的生产线、走进用户的手机、走进日常办公决策流程的团队，都有机会成为下一个时代的基础设施。

接下来，我建议你深入研究一下： 这些小厂在通过开源获取社区反馈的同时，是如何构建自身的闭环商业模式（Moat）的？开源带来的红利是暂时的，如何将社区热度转化为可持续的付费企业级服务，是它们共同面临的课题。

你对这个问题还有什么新的理解吗？或者说，在这些案例中，哪一家公司的组织结构让你最感兴趣？我们可以继续深入讨论。