AI六小虎：大模型时代的先驱与探索者
在国内大模型发展历程中，“AI六小虎”曾是一个显著标志。它们是最早完成10亿 +美元融资，拥有自研千亿参数级大模型，并在国际基准测试中与GPT-4、LLaMA等对标较量的创业公司。过去两年多，这些公司围绕模型层、产品层和营销层展开激烈角逐。
第一轮较量：参数争夺与赛道分化
从成立时间看，2023年上半年百川智能、阶跃星辰、零一万物和月之暗面等相继成立，DeepSeek也在这一年诞生，智谱和MiniMax成立时间更早。在模型研发上，各公司各有节奏。百川先后发布多个语言模型；阶跃星辰推出多款千亿、万亿参数模型；零一万物开源发布多款模型；MiniMax的ABAB大模型开放并迭代；智谱不断更新大模型；月之暗面靠长上下文技术崭露头角。
然而，第一轮参数争夺后，因“钱不够、卡不够、数据不够”的困境，大模型参数提升受限。在此背景下，AI六小虎开始分化赛道。百川转向垂直模型，聚焦医疗领域；零一万物放弃超大参数模型训练，转向轻量化模型；智谱、阶跃星辰、MiniMax、月之暗面仍在坚持预训练，但面临不同挑战。
DeepSeek的影响：催化战略决策
DeepSeek凭借“制造业式”成本控制，将推理成本大幅压缩，成为行业焦点。其爆火和开源促使投资人和大模型企业重新审视战略定位。百川智能战略收缩，深耕B端医疗；阶跃星辰技术储备丰富但市场声量待提升；零一万物聚焦轻量级模型，商业化路径明确；Minimax多模态技术有积累，国内外双线布局；智谱持续迭代模型并开源，商业化路径清晰但面临质疑；月之暗面C端产品突出但面临诸多挑战。同时，AI六小虎的分化也为大厂带来赶超机会。
基础模型的抉择：坚持与转向
对于是否投入基础模型研发，大模型公司面临两难。部分人认为，若达不到DeepSeek水平，投入成本过高，现阶段可等其开源新版本。但基座模型对AI生态有重要推动作用，若想突破，需在模型能力和成本控制两方面发力。业内普遍认为，大模型没有绝对技术壁垒，开源成为共识，AI六小虎也需借助开源共建生态。
商业化之路：重要性与挑战
大模型企业纷纷展示商业落地能力，但对于AI六小虎，商业化重要性存在争议。有人认为收缩战线形成单点突破更重要，过早商业化会增加组织复杂度；也有人认为大模型企业需紧跟场景完善商业闭环。普遍来看，ToB领域更被看好，To C领域则面临诸多挑战。
在大模型这场激烈竞争中，AI六小虎作为先驱，虽面临诸多困境，但他们的探索为行业发展提供了宝贵经验。未来，他们能否在“三不够”场景下构建自身生态闭环，值得关注。
