北京大模型万马奔腾，从少数人的“玩具”到大多数人的“生产工具” 正在迈向AI普惠新时代

来源：北京日报客户端

进入2026年以来，全球范围内迎来新一代大模型的密集发布潮。在这场技术进击中，北京在中国AI企业中一马当先、表现亮眼，抖音、智谱AI、月之暗面、生数科技等企业相继推出新一代大模型产品，在通用大语言模型、多模态视频生成、代码编程、具身智能等核心赛道实现全面突破。从“会写代码”到“能完成工程”，从“单兵作战”到“集群协作”，从“内容生成”到“物理世界交互”，北京以建设全球人工智能创新高地为目标，深入实施九大行动，推动大模型从少数科技爱好者的“玩具”，转变为千行百业的“生产工具”，在全球AI版图中书写着中国创新的浓墨重彩。

万马奔腾：北京AI企业密集发布新一代大模型

2026年春节前后，北京AI企业新模型密集发布，看似少见，实则厚积薄发、水到渠成。1月，月之暗面Kimi发布新一代开源模型Kimi K2.5，在多项Agent评测中取得全球开源模型最佳成绩。2月，抖音推出视频生成模型Seedance 2.0，以“导演级多镜头叙事、原生音画同步、跨镜头角色一致性”等核心能力获得影视行业盛赞；智谱AI发布并开源旗舰模型GLM-5，在全球权威榜单Artificial Analysis中位居全球第四、开源模型第一。还有生数、银河通用、智源等等。这一系列密集发布，进一步凸显了北京作为“人工智能第一城”的实力。从模型品类看，北京企业实现了通用大语言、多模态、代码编程、医疗、OCR视觉文字理解、具身智能等多品类全覆盖。从技术性能看，北京企业发布的模型多项指标达到全球顶尖水平。抖音Seed-OSS通用大模型拥有512k上下文，在通用知识、编程、长文本理解等方面实现同量级7项领先；豆包大模型日均使用量突破50万亿Tokens，居全国第一、全球第三。智谱GLM-5性能水平全球第四、开源模型第一。Kimi K2.5在大模型聚合平台OpenRouter一周总榜、编程项目榜、工具调用榜、Python项目榜及OpenClaw调用榜等多个榜单中持续排名第一。

能力跃迁：从“写代码”到“做工程”的质变

过去两年，大模型在代码生成能力方面的进展业界有目共睹。但写代码和完成工程系统之间，始终横亘着一道鸿沟。智谱相关负责人表示“写代码是单次对话的事，而做工程复杂得多——涉及调研、架构设计、分阶段实现、持续测试、遇到问题调整方向、记录决策以便后续衔接。”GLM-5的发布，标志着国产大模型完成了从“初级程序员”到“总架构师”的进化，重新定义了编程领域的生产力，受到开发者们广泛热议。B站知名游戏博主、独立游戏开发者“夜神不说话”利用GLM-5，在12小时内成功开发出一款名为《逃离千禧年》的游戏，完成了传统开发模式下需要2-3个月才能完成的工作量。开发者通过GLM-5调用多Agent同步并发架构，一人分饰多角，GLM-5不仅在短短20分钟内生成了包含1275行代码的复杂背包系统，且逻辑闭环无幻觉，还协助完成了美术素材的Python自动化处理脚本及音乐风格设计文档的生成。

其实早在GLM-5正式发布之前，其测试版本“Pony Alpha”便已在海外开发者社区引起轰动。这个神秘模型在完全无人干预下，竟能自主修复代码、读取日志，耗时数天构建出一个可用的C语言编译器；甚至有人用它从零开发了手机应用，直接打包上架了应用商店。2月11日深夜，谜底揭晓。被硅谷追捧的神秘模型“Pony Alpha”就是中国AI公司智谱发布并开源的旗舰模型GLM-5。

海内外对GLM-5的赞誉这不仅表现在热度上，同时也被迅速转化成了购买欲，智谱官方每天限额的GLM Coding Plan即使涨价30%也是秒空，没能上车的开发者也只能每天蹲点抢，甚至就连Ollama的云服务也在上线GLM-5之后被挤爆。

Agent革命：从“单兵作战”到“集群协作”

处理真实世界的复杂难题不能只靠单打独斗，还需要更多团队协作。Kimi K2.5的更新中，研发团队重构了强化学习基建，通过优化训练算法进行全新探索，推出Agent集群，让Agent从单兵突破进化成集群式作战。在执行复杂任务时，K2.5不再是单一的“全能专家”，而是化身为一支即时组建的专业团队。它能根据任务需求，现场调度多达100个不同专业背景的“分身”，并行处理1500个步骤，所有的角色分配与任务拆解无需预设，全由K2.5即时决策。借助Agent集群，用户可以让一群“分析师”分头完成100家公司的市场调研，动员“语言专家团”翻译300页文档，还能派出不同的“研究员”综述5篇跨专业的论文，让效率提升十倍以上。Kimi K2.5的Agent能力也全面扩展至办公场景。通过对Word、Excel、PPT、PDF等常用办公软件的深度学习，用户只需通过自然语言下达简单指令，即可成为快速精通办公软件的专业用户，并实现不同格式间的自由转换。

多模态突破：重新定义内容生产范式

进入2026年，AI大模型正加速迈过从“炫酷玩具”到“可靠生产力工具”的临界点。Seedance 2.0提升了视频生成的稳定性与可控性，使模型从“创意工具”转向“生产工具”，标志着AI视频生成进入“电影级全流程生成”新阶段。该模型定位为“可导演的电影级全流程生成引擎”，以导演级多镜头叙事、原生音画同步、跨镜头角色一致性等核心能力，明显降低视频创作门槛。在可控性方面，Seedance 2.0实现全方位突破，支持9张图片、3段视频、3段音频的多素材组合输入，实现动作、特效、运镜、人物、场景、音效等创作要素的精准指定，将AI生成从被动推测转变为主动执行。在多镜头叙事中保持角色特征、服装纹理、场景细节的高度统一，可生成30-60秒连贯叙事视频，彻底解决长镜头下的画面崩坏、风格漂移问题，模型视频生成可用率从50%提升至80%-90%。原生音画同步是Seedance 2.0的另一大突破。该模型突破传统“先视频后配音”的后期叠加模式，实现音视频原生联合生成，在画面创作的同时完成匹配音效、配乐生成，实现精准口型同步与情绪匹配，大幅简化音画对齐后期流程，提升虚拟角色叙事表现力与内容沉浸感。智能导演功能则大幅降低专业创作门槛。模型具备自动分镜与运镜能力，可根据文字提示词或故事描述，自动分析叙事逻辑，规划景别变化、机位运动，生成时空连贯的视频序列，将专业导演级的镜头语言能力集成于模型，让普通创作者可制作具备电影感的视频内容，推动创作能力全民化普及。

Seedance 2.0使得内容创作的试错成本与制作成本大幅下降，5秒特效镜头制作的成本相比传统人力制作实现千倍级压缩；90分钟影视级项目制作成本也从万元级降至千元级。这意味着依赖高频内容供给的行业，将从“人力密集型制作逻辑”转向“算力驱动型规模化生产逻辑”，盈利模型和产能上限被系统性抬升。AI漫剧、AI短剧等形态对制作效率与成本敏感度高，将成为Seedance 2.0的优先落地场景。顶尖创作能力被技术平权至个人与中小团队，普通创作者与专业工作室之间的制作能力差距被快速压缩，小团队甚至个人即可完成类电影级动画与视频内容生产。

过去，往往是国内用户费尽心思去体验国外的AI工具，而这次，Seedance 2.0反而成为海外网友“争相体验”的对象。由于该模型在部分国家和地区尚未开放，不少海外网友在社交平台频频“催上线”、询问开放时间；同时，抖音已在旗下AI助手App豆包内开启视频生成模型Seedance 2.0的灰度测试，已有一批海外博主专门制作了详细教程，分享如何通过中国手机号完成注册，并一步步体验Seedance 2.0的完整流程。

具身智能：AI从数字世界走向物理世界

具身智能正在打破“数字世界”与“物理世界”的边界。这其中，银河通用就是佼佼者之一，持续推动前沿具身大模型与机器人技术融入实体场景，构建起覆盖零售、工业、医疗、文旅等多领域的“机器人服务生态体系”。1月8日，银河通用正式发布具身智能重载机器人 Galbot S1，成为全行业首个实现零遥操、全自主、可持续作业的重载机器人，其双臂最大负载能力达50公斤，进入宁德时代等先进制造龙头企业实现规模化产线应用，推动人形机器人正式迈入工业级重载新时代。“银河太空舱”已经实现在全国20多个城市落地应用。1月25日中央广播电视总台宣布，银河通用机器人成为总台2026年春节联欢晚会指定具身大模型机器人。借助春晚，银河通用机器人将全面呈现在复杂场景中的自主决策能力、高效协作水平与温暖服务体验，向世界展示中国在具身智能与机器人技术领域的前沿成就。银河通用机器人将以精湛的技术、温暖的交互与创新场景，为本届春晚注入更具未来感的科技温度。此次春晚与银河通用机器人的合作，将智能科技与国家级盛典深度融合，成为创新企业与时代舞台的共鸣交响。

生数科技联合清华大学开源的统一世界模型Motus，代表了AI从数字世界走向物理世界的关键一步。Motus在一个框架中统一了世界模型、VLA（视觉语言动作模型）、视频生成模型等不同范式的多模态生成能力，并充分挖掘大规模异构数据中的物理交互知识。在架构层面，Motus首次将VLA、世界模型、视频生成模型、逆动力学模型以及视频-动作联合生成模型等五种主流具身基础模型范式统一到同一框架中，构建起贯通“感知、推理、行动”的统一建模路径。在数据层面，Motus统一了跨本体机器人数据、任务无关数据、仿真合成数据、人类操作视频以及互联网视频的动作空间，并通过大规模预训练共享丰富的运动先验，为模型提供了跨任务、跨平台迁移的基础能力。在性能表现上，Motus相较国际领先的VLA模型Pi0.5实现了40%的成功率提升。在覆盖50个通用任务的RoboTwin 2.0仿真环境中，Motus取得了约88%的平均成功率。在难度极高的叠碗任务中，基线模型的最高成功率始终未超过16%，而Motus的成功率达到了91%-95%，实现了数量级上的性能跃升。在真机实验中，Motus能够从大规模预训练中持续受益，展现出更强的跨任务与跨本体泛化能力。在Cloudflare人机验证页面的场景中，Motus可以精准地找到非规则曲面外形鼠标的着力点，结合视觉理解能力，识别鼠标和点击框的距离并平稳连续地移动鼠标，最后精准点击，成功从物理世界破解验证。在叠衣服、叠毛巾等涉及柔性物体的复杂家政场景中，Motus能够在端到端框架下，实时预测织物形变并完成连续、精细的动作控制。

国产算力：自主可控的坚实底座

北京国产模型企业与国产芯片厂商深度协同，共同迭代，初步构建起自主可控的产业生态。一批国产大模型已经完成与国产芯片深度适配，批量“跑”在国产大模型底座之上。如GLM-5已完成与华为昇腾、摩尔线程、寒武纪、昆仑芯、沐曦、燧原、海光等国产算力平台的深度推理适配。通过底层算子优化与硬件加速，GLM-5在国产芯片集群上已经实现高吞吐、低延迟的稳定运行。这为国产大模型的规模化部署提供了坚实的技术底座，也为AI产业的自主可控发展奠定了基础。

开源生态：以1%资源换取极致效率

开源已成为北京AI企业的重要战略，也是北京大模型企业能够迅速追赶国际最先进模型的底气。与国际顶尖实验室动辄数十亿美元的投入相比，北京AI企业展现出惊人的效率。Kimi仅用美国顶尖实验室1%的资源，研发出全球领先的开源模型，甚至在部分性能上超越美国的顶尖闭源模型。Kimi总裁张予彤在2026年世界经济论坛上表示：“从创业第一天起公司就清醒地意识到，我们没有随意堆砌算力的条件，这迫使我们必须通过大量的基础研究创新来换取极致的效率。”Kimi是全球首个在大型语言模型训练中跑通Muon优化器的公司，自研的线性注意力机制（Kimi Linear）在处理速度上已显著超越传统的全注意力系统，实现效率的跨越式提升。这种“以1%资源换取极致效率”的发展路径，正是北京AI企业的共同选择。

金融支持：培育更有耐心的资本市场

人工智能产业发展仍然是一个充满不确定性的新兴赛道，具有高风险、长周期的特点。北京则面向人工智能，建立起更有耐心和更加优良的资本市场环境。国家创业投资引导基金京津冀子基金落地，20年的存续期远超一般股权基金周期，允许更高容错率。北京还成立了总规模达到1000亿元的市政府投资基金，建立健全合理有效的监管机制和差异化容错机制，用政策资金去牵引长期主义，覆盖人工智能、机器人等硬核方向，搭建一个敢投、愿投、能陪跑的生长土壤，在发挥政府投资基金作用的同时，撬动更大规模的社会资金。2026年以来，智谱、海致科技等一批北京人工智能头部企业先后上市。人工智能50强北京占比38%（19家，数量国内最多）。由于GLM-5表现惊艳，智谱不仅是第一个上市的大模型企业，更成为市值最高的大模型企业，2月份上市的海致科技，刷新了今年港股上市首日涨幅记录。

全球影响：中国AI创新的世界回响

连日来，外国媒体已被中国AI大模型霸屏。美国AI训练数据初创公司Parsewave的联合创始人在观看Seedance 2.0生成的视频后发布帖文：“太惊讶了，苹果和橙子掉在地上的效果看起来如此逼真……我对AI视频向来极其挑剔，但这个片段我真挑不出任何毛病。”关注全球AI技术发展的海外科技博主Chubby写道：“Seedance 2.0和GLM-5的接连发布表明，美国没有放慢脚步的余地，中国正紧追不舍，放弃不是选项。这场风暴只会愈演愈烈、加速到来。”中国AI大模型圈粉海外的背后，是中国科技创新活力持续迸发的必然。这不仅关乎中国独有的制度优势、市场土壤、企业活力与战略定力，也是科技自立自强战略下中国创新生态的体现。与一些国家在AI发展上搞技术垄断不同，中国AI技术的进步不仅赋能本国经济，也与世界开放共享，智谱等中国企业积极拥抱开源，大幅降低了全球开发者和企业使用尖端AI技术的门槛，得到了全球从业者的认同与赞誉。

未来展望：迈向AI普惠的新时代

从北京出发，中国AI大模型正在全球舞台上展现强劲实力。从“会写”到“会做事”，从“单点能力”到“系统工程”，从“数字世界”到“物理世界”，北京AI企业正在用一个个突破性产品，重新定义大模型的能力边界。更重要的是，这些曾经只属于少数科技精英的“玩具”，正在变成大多数人触手可及的“生产工具”。无论是独立开发者、内容创作者、企业职员，还是科研人员、教育工作者，都能从这些强大的AI工具中获得实实在在的生产力提升。2026年，注定是中国AI发展史上具有里程碑意义的一年。在这场全球AI竞赛中，北京企业不仅展现出了与世界顶尖水平比肩的技术实力，更以开源开放、普惠共享的姿态，为全球AI发展贡献着中国智慧和中国方案。从少数人的“玩具”到大多数人的“生产工具”，北京大模型群雄并起的背后，是一个AI普惠新时代的到来。

来源：北京日报客户端