編者按：本文來自微信公眾號 “產(chǎn)業(yè)家”（ID：chanyejiawang），作者：產(chǎn)業(yè)媒體，創(chuàng)業(yè)邦經(jīng)授權(quán)轉(zhuǎn)載。

一個沒有生態(tài)的軟件服務(wù)生態(tài)是不完整的，也更是沒辦法完成自身的PMF驗(yàn)證的。這個模式適用于云計算，適用于SaaS，也更適用于如今的AI大模型產(chǎn)品。

“國產(chǎn)AI芯片只要達(dá)到國外芯片60%的性能，如果生態(tài)做好了，客戶也會滿意。即使硬件做的很好，甚至比國外做的更好，但如果生態(tài)沒有做好，依然不被喜歡”。

當(dāng)大模型的狂飆時代已過，分化與困局接踵而至。中國工程院院士鄭緯民這段關(guān)于AI生態(tài)的表述正中產(chǎn)業(yè)的“眉心”。

從百億參數(shù)到萬億規(guī)模，技術(shù)突破讓AI生態(tài)站上新高度，但開源與閉源的對立、通用與垂直的撕裂、技術(shù)與產(chǎn)業(yè)的錯位，正撕開生態(tài)的裂縫。

2025年的中國大模型生態(tài)正面臨十字路口：一邊是巨頭們通過生態(tài)聯(lián)盟搶占制高點(diǎn)，一邊是工具鏈不完善、長尾場景開發(fā)滯后、渠道商能力不足等斷點(diǎn)頻現(xiàn)。當(dāng)技術(shù)迭代的速度遠(yuǎn)超社會適配能力，生態(tài)的構(gòu)建不再是單點(diǎn)技術(shù)的勝利，更是一個推動產(chǎn)業(yè)的必要命題。

生態(tài)往往是TO B服務(wù)的重要一環(huán)，尤其在企業(yè)需求個性化極強(qiáng)的中國土壤上，包括渠道商、代理商、產(chǎn)品伙伴等都是必須的一個鏈條，他們在成為更好的TO B服務(wù)觸角的同時也更在推動著中國整個數(shù)字化進(jìn)程的邁步，在過去的多年里，云計算、SaaS等都構(gòu)建出完備的生態(tài)體系，也因此催生出成熟的市場商業(yè)模型。

如今，這個主角成了AI大模型。那么，在2025年這個被稱為AI落地元年的如今，中國的AI大模型生態(tài)，到底走到哪了？

一位國內(nèi)Agent企業(yè)負(fù)責(zé)人告訴產(chǎn)業(yè)家，“我們現(xiàn)在大部分項(xiàng)目交付還是自己來做，渠道商和服務(wù)商還沒辦法跟上我們Agent的交付體系，中國的AI生態(tài)建設(shè)需要時間?！?/p>

這個時間是多久？又或者說，是哪些生態(tài)環(huán)節(jié)的建立需要時間？

生態(tài)拷問：為什么大模型也需要“拉幫結(jié)派”？

大模型技術(shù)的爆發(fā)，讓AI時代加速到來。不同于以往的AI技術(shù)狂潮，這波潮水中，有新的玩家、新的賽道，生態(tài)的層級也發(fā)生了新的變化。

AI時代的生態(tài)“肖像”，更像一個“新物種”。

一般來說，AI生態(tài)主要分為3個層級。一是基礎(chǔ)層，主要提供AI開發(fā)所需的算力硬件（芯片/服務(wù)器）、云計算平臺。主要的參與者包括以華為昇騰、阿里云、百度昆侖芯為代表的大廠陣營，以寒武紀(jì)、天數(shù)智芯等廠商為代表的國家隊(duì)。

二是平臺層，這是大模型的核心戰(zhàn)場，也是AI創(chuàng)業(yè)的主要標(biāo)地。主要提供模型能力，模型開發(fā)工具，還有數(shù)據(jù)服務(wù)。

這一層級的參與者眾多，細(xì)分來看，光是模型能力就分為通用模型和垂直模型，前者參與方主要是阿里通義、騰訊渾元、百度文心等為代表的大廠，以及以DeepSeek、Minimax、智譜等為代表的專業(yè)廠商；而后者一般都是由行業(yè)的頭部企業(yè)領(lǐng)頭打造，例如醫(yī)療領(lǐng)域的MedGPT、工業(yè)領(lǐng)域的Cosmo-GPT等。一些科研機(jī)構(gòu)以及大廠也會與企業(yè)合作，開發(fā)出垂直模型。

開發(fā)工具提供主體主要是開發(fā)者社區(qū)、初創(chuàng)企業(yè)以及大廠云廠商。例如Hugging Face中國版為代表的開發(fā)者社區(qū)；提供開源框架的百度飛槳、華為MindSpore、騰訊Angel；像瀾舟科技這樣提供工具包的初創(chuàng)企業(yè)。

數(shù)據(jù)服務(wù)的參與者主要是以大廠云廠商以及以Testin云測、滴譜科技、星辰數(shù)據(jù)、Zilliz等為代表的專業(yè)數(shù)據(jù)廠商。

三是應(yīng)用層，這是場景落地競技場，主要基于大模型的行業(yè)解決方案。參與方有金蝶蒼穹GPT、用友YonGP等為代表的傳統(tǒng)軟件商，以循環(huán)智能、追一科技等為代表的AI原生企業(yè)；還有以神州數(shù)碼、東華軟件為代表的系統(tǒng)集成商。

當(dāng)我們拆解完AI生態(tài)的三層架構(gòu)與參與者圖譜后，一個關(guān)鍵問題浮現(xiàn)：這種精密的分工協(xié)作體系究竟創(chuàng)造了什么不可替代的價值？

答案在AI落地的技術(shù)難題下，逐漸浮現(xiàn)。

當(dāng)下，大模型參數(shù)規(guī)模從百億級向萬億級躍遷，大模型全鏈條的研發(fā)涉及數(shù)據(jù)、算法、算力、場景協(xié)同，單靠一家企業(yè)獨(dú)立完成幾乎是不可能的事情。且在多模態(tài)融合、端云協(xié)同趨勢下，需要跨領(lǐng)域技術(shù)整合，企業(yè)難以獨(dú)自應(yīng)對這種復(fù)雜的技術(shù)。

另外，在AI技術(shù)落地產(chǎn)業(yè)的過程中，不同的行業(yè)和應(yīng)用場景對模型的要求各不相同。通用模型雖然具有廣泛的應(yīng)用潛力，但要真正適應(yīng)具體的場景，還需要合作伙伴的深度參與，進(jìn)行針對性的適配和優(yōu)化；且想要AI落地，就必須保證技術(shù)的普惠性，但當(dāng)下大模型的研發(fā)和部署成本極高，這成為許多企業(yè)尤其是中小企業(yè)進(jìn)入這一領(lǐng)域的巨大門檻。開源模型、API接口和開發(fā)者工具鏈?zhǔn)墙鉀Q這一問題的關(guān)鍵。

更為重要的是，在商業(yè)層面，若大量企業(yè)僅通過標(biāo)準(zhǔn)化API接口提供大模型服務(wù)，可能引發(fā)嚴(yán)重的同質(zhì)化競爭問題。這種模式下，模型能力被封裝為"黑箱"接口，企業(yè)難以構(gòu)建獨(dú)特的技術(shù)壁壘，客戶可能因細(xì)微的價格波動或短期性能差異而頻繁更換供應(yīng)商。

可以說，AI生態(tài)是技術(shù)迭代的必然要求，是AI落地產(chǎn)業(yè)的核心驅(qū)動力，更是彌補(bǔ)短板專注長板競爭力的重要手段。

中國的AI生態(tài)：是必需品，但也更是一個“半成品”

在AI浪潮的競逐中，中國互聯(lián)網(wǎng)巨頭以各自基因重塑技術(shù)版圖，搭建出一個個各具特色的AI生態(tài)圈。

在過去的一年時間里，能看到騰訊、阿里、百度、火山引擎等各個互聯(lián)網(wǎng)大廠都在把AI生態(tài)作為云事業(yè)部們的最高優(yōu)先級任務(wù)，其中能看到的幾個共性信號是一方面各家都在復(fù)用之前的云廠商的服務(wù)體系，比如代理商和渠道商政策，另一方面也更在吸納更多的ISV開發(fā)者，通過如百度千帆、阿里百煉、字節(jié)扣子等平臺為開發(fā)者賦能，幫助其充分調(diào)用自身的大模型能力，強(qiáng)化布局。

以阿里為例，據(jù)了解，零售企業(yè)若需部署智能客服系統(tǒng)，可直接調(diào)用百煉平臺預(yù)置的電商大模型，由合作伙伴提供行業(yè)知識庫微調(diào)服務(wù)，并通過阿里云邊緣計算節(jié)點(diǎn)進(jìn)行技術(shù)支持；同樣的情況也更出現(xiàn)在另外幾家大廠的AI項(xiàng)目執(zhí)行過程中。

能看到的是，這種“大廠提供核心基座模型能力+伙伴負(fù)責(zé)數(shù)據(jù)體系和運(yùn)營交付”的協(xié)作模式，使解決方案交付效率提升好幾倍，客戶無需自建復(fù)雜技術(shù)團(tuán)隊(duì)即可實(shí)現(xiàn)智能化升級。

但在這之外，一些問題也更在同步出現(xiàn)。一個真實(shí)的現(xiàn)狀是，如今國內(nèi)AI生態(tài)的整體成熟度，其實(shí)并不高，這種成熟度對應(yīng)的一方面是服務(wù)商對于如何進(jìn)行AI產(chǎn)品落地缺乏經(jīng)驗(yàn)，另一方面是服務(wù)商自身的AI大模型全棧能力（硬件+軟件）并不能完全滿足客戶需求；此外，最為關(guān)鍵的在于，對大部分中國企業(yè)而言，其數(shù)據(jù)體系的建立仍在路上。

以芯片兼容為例，即從目前來看，盡管晟騰、昆侖芯等國產(chǎn)AI芯片雖在性能上逐步追趕，但其軟件生態(tài)與主流開發(fā)框架兼容性不足，開發(fā)者需針對不同芯片重新編寫代碼，遷移成本高昂。

“我們有幾十種芯片，不同框架，不同軟件棧，不同算子庫，怎么兼容是一個非常大的挑戰(zhàn)。”中國信息通信研究院院長余曉暉在媒體采訪中直言。

此外，便是工具鏈的不完善。兩個市面上流傳較廣的案例是，某開發(fā)者曾表示，“調(diào)試一個模型兼容性問題，查了3天Stack Overflow，答案全是英文”。另外一個典型的案例：國內(nèi)某廠商的模型壓縮工具雖能減少60%參數(shù)量，但推理精度損失仍達(dá)5%-10%，且缺乏自動化調(diào)試支持。

AI生態(tài)的不成熟，更表現(xiàn)在AI落地的成果上。

例如一些頭部場景如客服、代碼生成場景已經(jīng)落地，但眾多長尾場景尚未被開發(fā)。此外，對于AI客服等場景，盡管目前產(chǎn)品力沒有問題，但渠道商和代理商很難為企業(yè)提供適配產(chǎn)品的原廠實(shí)施部署服務(wù)，比如知識庫能力，比如微調(diào)推理等能力。

可以說，如今的AI生態(tài)，是一個必需品，但卻也僅僅可以稱之為“半成品”。

AI生態(tài)，下一步重點(diǎn)在哪？

一個疑問是，造成AI生態(tài)不成熟的原因是什么？

事實(shí)上，當(dāng)下的模型迭代速度遠(yuǎn)超部署能力，國內(nèi)大模型平均每3-6個月升級一次，但有些企業(yè)部署周期需6-12個月，導(dǎo)致實(shí)際應(yīng)用版本落后2-3代。這直接導(dǎo)致了技術(shù)驅(qū)動與工程落地的斷層。

此外，頭部企業(yè)壟斷數(shù)據(jù)與算力資源，形成“高頻場景虹吸—長尾場景失血”的惡性循環(huán)。某咨詢報告的一個數(shù)據(jù)顯示，國內(nèi)70%的AI企業(yè)將資源集中于頭部場景，僅15%的企業(yè)布局長尾需求開發(fā)。

而在企業(yè)側(cè)，對AI“萬能論”“無用論”的認(rèn)知，既催生無效投入，又抑制務(wù)實(shí)探索，進(jìn)一步加劇了AI生態(tài)的建設(shè)難度。

值得注意的是，另一個更隱形的危機(jī)也在發(fā)酵，即渠道代理與實(shí)施服務(wù)的斷層。

傳統(tǒng)云廠商依賴代理商銷售算力與API，但AI項(xiàng)目需要代理商提供模型調(diào)優(yōu)、場景適配等深度服務(wù)。然而，多數(shù)代理商仍停留在硬件部署與基礎(chǔ)運(yùn)維階段，缺乏AI工程化能力；此外，當(dāng)下企業(yè)不再滿足于系統(tǒng)部署，要求服務(wù)商提供模型迭代、業(yè)務(wù)流程改造等持續(xù)服務(wù)，但是你能同時提供開發(fā)、部署、運(yùn)維、再訓(xùn)練的全棧服務(wù)商并不多。

這些缺失的生態(tài)環(huán)節(jié)，讓AI落地陷入“高空有云、地面無路”的困局。

一個事實(shí)是，當(dāng)前AI生態(tài)的困境本質(zhì)上是技術(shù)革命與產(chǎn)業(yè)變革不同步的產(chǎn)物。在這個生態(tài)的大盤里，存在許多空白和斷點(diǎn)。這個斷點(diǎn)是生態(tài)參與者之間的斷點(diǎn)、生態(tài)層級之間的斷點(diǎn)、交付流程的斷點(diǎn)、技術(shù)承接能力的斷點(diǎn)。

對于大模型廠商而言，構(gòu)建優(yōu)質(zhì)的AI生態(tài)已從技術(shù)競賽升級為系統(tǒng)性工程，需通過技術(shù)底座共建、垂直場景深耕、開源與商業(yè)化平衡等策略，實(shí)現(xiàn)從“單點(diǎn)突破”到“生態(tài)協(xié)同”的躍遷。

針對算力、數(shù)據(jù)、算法等底層資源的碎片化問題，可以看到一些頭部企業(yè)正通過開放技術(shù)底座和統(tǒng)一接口標(biāo)準(zhǔn)，降低生態(tài)協(xié)作門檻，比如如今的mcp協(xié)議，比如各家都在重點(diǎn)打造的數(shù)據(jù)治理體系，這些都在降低服務(wù)伙伴交付的難度和在企業(yè)內(nèi)落地的難度。

此外，一些基于Agent等產(chǎn)品的交付實(shí)施體系也更在被一些軟件廠商提出并構(gòu)建?！艾F(xiàn)在我們的實(shí)施交付成本很高，因?yàn)槎际亲约涸谧?，但隨時我們合作的幾個生態(tài)伙伴成型，這塊的成本會降低很多?！?/p>

能看到的是，不論是從產(chǎn)品層面的開放，還是渠道政策的推動，抑或是基于開發(fā)者工具的兼容適配，國內(nèi)的包括云廠商在內(nèi)的AI服務(wù)商都在嘗試構(gòu)建一個良性、低門檻、具備商業(yè)空間的生態(tài)體系，以此加速完成自身模型產(chǎn)品和模型算力的落地。

一個沒有生態(tài)的軟件服務(wù)生態(tài)是不完整的，也更是沒辦法完成自身的PMF驗(yàn)證的。這個模式適用于云計算，適用于SaaS，也更適用于如今的AI大模型產(chǎn)品。

“我們期待更多的AI伙伴，不論是產(chǎn)品還是渠道交付的伙伴，在接下來的都能自己長出來?！鄙鲜鲕浖?fù)責(zé)人告訴產(chǎn)業(yè)家。

AI落地元年，大模型生態(tài)正在茁壯成長。

本文為專欄作者授權(quán)創(chuàng)業(yè)邦發(fā)表，版權(quán)歸原作者所有。文章系作者個人觀點(diǎn)，不代表創(chuàng)業(yè)邦立場，轉(zhuǎn)載請聯(lián)系原作者。如有任何疑問，請聯(lián)系editor@cyzone.cn。