2026 年算力地租重压下大模型四小龙分化,不同路线各有什么优劣?
“四小龙”并非严格统一的名单,市场常把智谱、月之暗面、MiniMax、百川等放在一起比较;具体公司和阶段会变。更值得比较的是它们怎样把算力投入变成可持续收入,而不是单看模型榜单。
算力像“地租”:训练是一次性的大额投入,推理则随调用量持续烧钱。若模型能力只靠更大参数和更多卡堆出来,而客户付费、复用率和单位推理成本没有同步改善,增长越快现金压力反而越大。因此路线差异主要落在三件事:能力做宽还是做深、面向开发者还是终端用户、以及能否用产品和工程效率摊薄每次调用的成本。
智谱一类的全栈与开放路线,优势是基础模型、工具链、企业交付可以互相带动,开放权重或开发者生态也有机会扩大采用面;企业私有化部署还能对应较明确的预算。代价是训练和产品线都重,开放模型带来的使用量未必转成收入,且要同时面对云厂商和开源社区的价格竞争。关键看企业项目能否重复交付、模型推理能否降本,而非项目数量本身。
月之暗面一类的长上下文与助手产品路线,长文档检索、归纳和复杂问答容易形成可感知的用户价值,直接产品也能更快获得使用反馈。难点在于长上下文通常意味着更高的显存、缓存和推理成本;免费流量如果转不成订阅或企业席位,就会把产品热度变成算力账单。检索、分段处理、缓存和按任务选模型,往往比单纯扩大上下文窗口更关系毛利。
MiniMax一类的多模态、消费应用及海外产品路线,语音、视频、角色互动等能提供纯文本模型不容易替代的体验,也有机会通过订阅、增值服务或企业 API 多元变现。相应地,音视频生成和实时交互的单位成本通常更难压,产品还要持续投入获客、内容安全和全球化运营。只有留存和付费覆盖生成成本,规模才是优势;否则活跃用户越多,亏损可能越大。
百川一类的垂直行业路线,医疗等专业场景强调准确性、流程接入和责任边界,客户价值不只来自“模型更聪明”,也来自知识库、审核和业务系统落地;明确的工作流有利于形成合同收入。短板是市场较窄、销售与合规周期长,专业效果需要验证,定制项目也可能难复制。它更适合把模型能力做成稳定的行业产品,而不是依赖通用聊天流量。
这几种路线并非互斥,公司也会交叉布局。判断谁更能扛住“地租”,可以看三个指标:推理成本下降是否快于调用增长;收入中可重复的软件订阅/API与长期合同占比如何;新增算力是否带来留存、付费或交付效率的实际改善。资本、国产芯片适配、模型蒸馏和调度优化能缓解成本,但都不能替代付费需求。最终胜负未必属于参数最大的一家,更可能属于在目标场景里以足够好的效果、较低的每次服务成本持续收费的一家。