为什么巨头做不好大模型？

谷歌、微软、阿里、腾讯、字节在“通用前沿模型+独立AI超级入口”这条最性感的赛道上，经常显得比OpenAI、Anthropic、DeepSeek、Kimi这些专注型公司慢半拍、笨一点。

原因不是缺钱缺卡，而是几股力量同时拽后腿。

一、成本结构天生不利：大厂按互联网逻辑算，大模型按电厂逻辑烧

传统互联网是“用户越多边际成本越低”，大模型反过来——免费用户越多、Agent调用越多，GPU小时越贵。

中国经济新闻网引中欧资本张俊的观点，把这天概括成“反向规模陷阱”：训练要巨额前置，推理成本随用量线性甚至更快上升，C端免费习惯稀释毛利，B端API又因同质化打价格战。

更麻烦的是模型迭代周期太短。虎嗅引EpochAI/业内测算：GPT-5一类前沿模型有效商业窗口可能只有几个月，新一代一出，旧模型训练投入还没回本就贬值；

Anthropic、OpenAI都面临“训练+推理+运营”合计大于收入的压力，Anthropic累计算力支出曾达收入两倍量级，OpenAI计算毛利率在免费占比高时会被严重拉低。

初创公司可以接受“先不盈利、all in能力”，上市公司巨头很难把单条模型线按这个亏损曲线扛五年。

二、财报KPI杀死了“慢变量”

大模型是典型长周期、高不确定：数据清洗、预训练、对齐、Agent闭环，可能一年没收入。

但大厂AI部门只是多条业务线之一。

材料里一个很直白的样本：大厂0—1阶段给保护期，一旦看到流量潜力，立刻切日活、转化、成本、ROI；

技术没熟就先上商业化，产品没打磨就先补贴拉新。

结果常出现“天才科学家做半年demo，中层要当季ARR，VP要日活环比”，模型路线被迫从“追能力”改成“追调用量”。

对比Anthropic聚焦企业API/代码、NRR和毛利更健康，OpenAI走C端流量但亏损更重，两种路线都能讲通，但大厂内部KPI往往两头都想沾，最后两头不极致。

三、主业博弈：越成功，越怕自我革命

这是“创新者的窘境”在AI版的重演。

• 搜索公司做问答模型，用户直接拿答案，不点广告、不进网页，和搜索竞价收入左右互搏
• 电商公司做通用Agent，若Agent以后自动比价、自动换平台，会动自营和广告底盘
• 社交公司做超级AI助手，若入口独立化，可能稀释主App留存和流量分配权。

所以大厂常把模型当“插件”而不是“新操作系统”：文心嵌搜索、通义嵌电商/云、混元嵌微信/企业服务、豆包借短视频流量但也要反哺主业务。

初创没有旧王座，敢把“替代搜索/替代办公/替代中间件”当主业；

大厂更倾向“赋能存量”，前沿冲击力自然弱。

四、组织与人才：科层、赛马、数据孤岛

AI竞速要小团队、高授权、快速试错；

大厂是事业部+预算制+合规多层。

• 内部赛马：多个BG各做一套模型/助手，算力重复、数据不互通、人员互相挖KPI；
• 数据孤岛：业务数据在风控、营销、IT各自手里，训练要跨部门审批，等数据到位，窗口已过；
• 人才激励错位：前沿研究靠股权+学术自主权大厂靠职级+绩效+项目制，顶级研究员容易被“汇报文化”劝退。材料提到林俊旸、郁博文等科学家流向初创，大厂成黄埔军校，不是个例。
• 商业化过早介入研究团队要向销售交代转化率，纯探索性架构、长期多模态、科学AI很难存活。

很多大厂焦虑来自榜单：为什么我们参数量不小、算力不缺，却打不过DeepSeek/Kimi/Claude？

因为前沿模型竞争已经不是单看参数，而是看四件事——

1. 推理单位成本（缓存、MoE、量化、长上下文KV管理）；
2. 开发者生态（API稳定性、工具调用、SDK、Agent框架）；
3. 垂直工作流（代码、法律、医疗、财务、客服）可交付结果；
4. 与自有数据/应用的闭环。

巨头常犯两个极端：要么发个通用大模型就当完成，要么每个业务线都接模型做“AI+”，但没沉淀共用后端。

谷歌Gemini有TPU+搜索+Workspace优势、多模态和长上下文强；

阿里Qwen靠开源+云+企业场景；

字节豆包靠C端流量和多模态；

它们不是“做不好”，而是各自把模型当生态组件，

不像OpenAI/Anthropic把模型本身当唯一产品。

评价尺子不同，结论就不同。

六、前沿投入的“不可能三角”

对巨头来说，同时做到“最前沿能力+最低推理成本+最独立商业化”很难：

• 追最前沿：要持续数十亿到上百亿训练、买卡、挖人，短期拖累利润；
• 保利润：就把模型做“够用”，接入主业，能力落后榜单
• 做独立超级App：和主业抢流量、抢预算、抢组织资源。

初创可以选其一（如Anthropic选企业+代码、DeepSeek选低成本推理、Kimi选长文本），

巨头要兼顾股东、主业、监管、内部协同，往往选“均衡版”，看起来就不那么锋利。

七、但别一概而论：哪些巨头其实“做得很好”

• 谷歌：Gemini 3原生多模态、百万级上下文、TPU全栈，搜索/邮件/云捆绑，前沿+基础设施都强；
• 微软：不硬刚最强模型，靠OpenAI绑定+Azure企业分发赚云和集成钱
• 阿里：Qwen开源生态、云AI、电商企业化，属于“模型+云+产业”闭环
• 字节：豆包C端流量、多模态、短视频工作流，适合做应用层巨头；
• 腾讯：混元+微信/企业微信/会议/文档，后发但场景落地稳

所以它们不是做不好，而是“不按初创方式做”。真正容易做不好的是：旧主业太赚钱、组织太科层、又把大模型当成“必须颠覆自己”的单独业务来考核的巨头。

八、一句话给投资人/创业者

看巨头大模型，别看“发没发新模型”，看三件事：

自研算力占比与推理毛利、模型收入是否独立可核算、AI是否真正替代原有工作流而不是做个按钮。

大厂若只做“AI赋能存量”，估值弹性小但胜率高；

若硬学OpenAI做独立前沿实验室，短期财报会很难看。

对创业公司而言，巨头慢的地方——长周期探索、单点极致、独立Agent入口——正是缝隙；

对大厂而言，买进来、云化、嵌业务，比硬刚榜单更划算。