DeepSeek爆火，百度真的被打脸了吗？

　　来源：一点财经

　　当DeepSeek在全球爆火，AI行业也到了该重新“算账”的时候。

　　以往，AI给外界的固有印象就是一场烧钱游戏，没有上亿资金的玩家是拿不到入场券的。然而，现在DeepSeek R1模型的训练成本仅为550万美元，比OpenAI的顶尖模型o1低了90%-95%，但性能一点也没输。

　　华尔街投资者这才发现，自己当了冤大头。

　　DeepSeek撕掉了以往笼罩在AI上的神秘面纱，全球投资者开始重新审视AI的商业属性。成本是不是足够低、盈利是不是足够强，开始成为AI应用的一个重要价值标准。

　　如果说，DeepSeek在成本表现上足够出色，那么以下一批AI产品在盈利上足够抢眼。从2024年全球AI产品付费用户规模来看，微软Copilot 5574万、百度文库4000万、Canva 2200万、ChatGPT 1100万、Claude 417万、Notion333万、Perplexity 100万、Cursor 66万、Character 53.6万。

　　事实上，当DeepSeek在全球爆火，中国互联网大厂被狠狠地批评了一番。不少声音质疑，以BAT为代表的大厂还比不上一家初创公司。但是，在全球AI产品付费用户规模当中，百度文库却排在前列。在更加重视AI商业化的当下，这折射出了何种信号？

　　百度等大厂，真的被打脸了吗？

　　为什么AI要开始“谈钱”？

　　DeepSeek带来的影响不只在AI的技术层面，更在经济层面。

　　过去一年，相当一批AI企业背负着越来越大的成本压力，即便是OpenAI这样的头部玩家也不例外。数据显示， OpenAI在2024年亏损约50亿美元‌，并且预计到2026年亏损将进一步攀升至140亿美元，主要受大语言模型训练的高昂成本拖累。

　　无问芯穹发起人汪玉曾做了一次针对算力成本数量级的测算，假设GPT-4Turbo每天要为10亿活跃用户提供服务，每年的算力成本可能超过两千亿，还不包括模型训练的投入。

　　一些科技大厂也在AI上花费了巨额的资本，据统计2024年1—8月微软、Meta、谷歌、亚马逊总计向AI数据中心投入了1250亿美元，这还只是冰山一角。

　　对于国产大模型而言，成本压力同样在上升。中国信通院测算，大模型算力成本一年上涨了10倍。与此同时，竞争压力也在与日俱增。OpenAI通过微软Azure进入中国市场，以“技术优势+成熟生态”挤压国产模型空间，某国产大模型客户流失率在GPT-4开放API后便上升了30%。

　　‌AI大模型的运营成本增大，不仅会阻碍自身发展，也不利于整个AI行业的生态成长。要知道，一些中小AI企业大多通过API接口调用大模型。如果大模型的训练成本过高，自然也会提高这些中小企业的调用费用，进而降低企业入局AI的意愿和阻碍整个生态的发展。

　　去年一些国产大模型试图用降价来吸引更多客户，由此打响了大模型价格战。

　　字节跳动旗下的AI大模型豆包宣布，定价比行业价格水平便宜99.3%。阿里巴巴宣布旗下通义千问主力模型大幅降价，主力模型Qwen-Long的API输入价格直降97%，输出价格降低90%。百度则直接宣布，文心一言的两款入门级产品ERNIE Speed和ERNIE Lite免费，腾讯云宣布主力模型之一混元-lite模型的价格调整为全面免费。

　　头部厂商宣布大模型降价，如同网络运营商将流量费用降低，有利于降低开发企业在算力上的成本负担。不过价格战也是把双刃剑，大模型的创业企业不得不面对更为激烈的竞争环境，留给他们的蛋糕也就越来越小。

　　不过，这种艰难的局面正在得到缓解。DeepSeek的爆火，把大模型和算力的关系推向了全新变革。以往，大模型厂商信奉“大力出奇迹”，即构建更大的模型、部署更多的算力。DeepSeek则颠覆了这种固有认知，即优秀的AI大模型可以靠低成本来实现。由此带来的深远意义的是降低了行业门槛，让本来在赛道外观望的选手也能入局，也让那些大厂能够摆脱低质量的价格战，更轻松地布局商业化。

　　目前，百度、阿里、腾讯等大厂都已经上线DeepSeek的模型。比如，阿里云PAI Model Gallery支持云上一键部署DeepSeek-V3、DeepSeek-R1。百度智能云千帆平台已上架DeepSeek-R1和 DeepSeek-V3模型，推出了超低价格方案，腾讯云宣布在高性能应用服务HAI上支持一键部署DeepSeek-R1模型。

　　过去多年，我们见证了许多技术的商业失败。并非这些技术没有未来，而是商业逻辑的缺失让它们止步不前。现在的AI企业，也到了必须“谈钱”进而推动商业化的时候了。

　　AI赛道上，大厂如何商业化？

　　任何运用于商业世界的技术，都是必须要赚钱的。不能商业化的AI，都是在耍流氓。

　　随着越来越多的大模型开始开源，在AI技术层面上，其实大厂和初创企业的差距在逐步缩小。正如DeepSeek创始人梁文峰所言，无论大厂还是创业公司，都很难在短时间内建立起碾压对手的技术优势。因为有OpenAI指路，又都基于公开论文和代码，大厂和创业公司都能很快把自己的大语言模型做出来，大厂和创业公司都各有机会。

　　这些机会很多正是蕴藏在商业化层面。

　　对于互联网大厂而言，在AI时代几乎所有的产品都值得被重做一遍。在重做过程中，巨大的商业机会在不断涌现。2023年，李彦宏曾表示在百度重构的业务中，百度文库的进展令他最满意。去年9月，百度把百度文库和百度网盘两个业务进行整合。据2025百度AI DAY透露的最新数据，百度文库AI功能的月活用户突破9000万，付费用户数超4000万，在全球范围内仅次于微软Copilot。另外，百度文库的付费率年同比增长60%，这一增长几乎完全由AI功能带动。

　　在大模型重构下，百度文库已经从办公工具成为“一站式AI内容获取和创作平台”，推出了智能PPT、智能写作、AI全网搜等上百项AI能力，涵盖搜索、创作、编辑三大环节。比如，智能写作功能支持用户通过关键词生成逻辑清晰的报告、总结或方案，随时修改大纲、文字、扩写等，能够融入用户工作和学习的创作全流程。因此在中国智能PPT市场用户规模份额上，百度文库占据着明显的领先优势。

　　跟百度文库产生直接竞争的产品之一，便是金山办公的WPS AI。

　　2023年11月，WPS AI问世。金山办公CEO章庆元表示，WPS AI锚定AIGC（内容创作）、Copilot（智慧助理）、Insight（知识洞察）三个战略发展。金山办公2024年三季度财报显示，WPS AI 2.0已经带动其国内个人订阅业务第三季度实现营收7.62亿元，同比增长17.24%。报告期内，WPS AI 2.0新增AI写作助手、AI阅读助手等功能，此前在内容创作、智能助手等应用场景也有所布局。

　　在大厂的AI商业化上，结果跟过程一样重要。被问到大模型的竞争格局时，梁文峰坦言大厂肯定有优势，但如果不能很快应用，大厂也不一定能持续坚持，因为它们更需要看到结果。

　　阿里也在给老业务注入新鲜血液。去年底，阿里把旗下的AI应用“通义”从阿里云分拆，并入阿里智能信息事业群。今年1月，同为阿里智能信息事业群的夸克发布了新的slogan：“2亿人的AI全能助手”，明确了产品的AI定位。阿里显然在AI的C端应用上进行了强布局，目前来看夸克、通义APP、天猫精灵分别代表着生产力工具、Chatbot和AI硬件三个方向的布局。

　　在AI to C的方向上，百度和阿里的思路有共同之处，即调整组织架构进行业务的打通和融合，同时借助AI激活此前相对优质的产品。

　　腾讯在AI商业化上的布局，也称得上“老树发新芽”。在2025的内部员工大会上，马化腾提到腾讯会持续投入资源进行算力的储备，希望各个BG都能拥抱大模型的产品化落地场景。包括微信、QQ、输入法、浏览器等产品，都将推出AI智能体，游戏、微信读书、腾讯视频等产品也将基于混元做更多AI探索。

　　在卷参数、卷长文本和Agent、再到卷低价之后，如今国内大厂在AI上这件事有了一条共同的战线——重构原有业务，推动商业进程。

　　初创公司和科技大厂的博弈

　　当大厂在AI商业化上开始加速，AI创业公司其实面临着商业化压力。

　　有些技术很扎实的头部创业公司，也在遭受着平衡成本和收益上的不确定性。创业公司月之暗面旗下的Kimi智能助手，成为近年来最火热的AI应用之一。其推出的首款推理能力强化模型k0-math跟o1的水平很接近，甚至还能超越，而时间只花了仅仅两个月。

　　APPGrowing的数据显示，自2024年3月开始几乎每月Kimi的广告投放都达到上千万元，10月达到2.2亿元，11月达到2亿元。不过，Kimi的投放效果却并不及预期。据QuestMobile的数据，Kimi等AI原生应用的次日留存率仅为30%左右，低于行业标准的50%-60%。月之暗面需要平衡投流、自然增长与商业化之间的关系，于是去年kimi推出打赏功能，这被视为其加速商业化的一个探索。

　　梁文峰在采访中坦言，现有垂类场景不掌握在初创公司手上，这个阶段对初创公司不太友好。因为在垂类场景上大厂掌握的资源相对更多，而且此前也已经有所布局，具备先发优势。尤其是大厂在垂类场景上的存量业务经过AI改造之后，不少已经表现出比AI原生应用更好的用户活跃度和付费转化。这意味着创业公司要更加迫切地寻找差异化的应用场景，其生存空间可能被进一步压缩。

　　当然了，在商业化上AI初创公司相比大厂也有自己的优势。

　　梁文峰表示，大厂的模型会和他们的平台或生态捆绑，而DeepSeek是完全自由的。说白了，大厂在发展模型过程中或多或少会基于各自的业务出发，但这也会产生一定的局限性。比如，一些云厂商之前的需求都是分散的，直到2022 年自动驾驶开始有租用机器做训练的需求，又有付费能力，一些云厂商才去把基础设施建好。大厂很难单纯去做研究做训练，更多会是业务需求驱动。