陈根：百模大战结束了！中国第一批大模型公司为何集体沉寂？

文/陈根

中国第一批大模型公司为什么集体沉寂，是PPT出现了故障？还是本身就是一场概念骗局？

2023-2024年间，中国AI大模型赛道曾是一场热闹的“百模大战”。一批科技公司凭借精美PPT、高调宣称“遥遥领先”或“超越GPT-4”，迅速聚集资本、媒体和人才注意力，似乎中国AI已实现弯道超车。

然而，2025-2026年现实洗牌残酷：多数早期高调玩家淡出主流，曾经高调的PPT领先发布会，却再也没有了PPT，也没有媒体再相信他们的“故事”。偶有残存的，或战略收缩转向垂直领域，或面临融资难、亏损扩大乃至运营危机。

相反，用户真正能稳定使用、性能可靠且性价比高的中文大模型，多出自之前没有开盛大的PPT发布会的公司，比如DeepSeek、字节跳动、阿里巴巴Qwen系列等后来相对务实优化的力量。这些模型在开源、推理效率和场景落地中展现持久生命力。

我们不禁要问，为什么会这样？

这一“高调陨落、低调崛起”的分化，根植于对科技的态度，是想借机炒作欺骗股民，还是真正敬畏科技。今天我们都知道，大模型核心三要素（算法、算力、数据），这种并不是PPT宣传能够实现的。

许多早期宣称的公司，其实并不是他们不了解人工智能的核心三要素，也不是不了解自己公司根本就不具备PPT宣传的技术，但是他们依然选择光明正大的的忽悠。他们甚至连技术发展的最基本规律都选择忽视，忽视技术的长期积累与涌现能力的不可预测性，构成对科学的轻慢与欺骗性营销。

一、大模型本质：三大要素的长期积累与涌现的不可预测性

从GPT出现的最初，我就明确指出大模型成功依赖算法、算力、数据，这三大核心要素，且均无法一夜完成：

1、算法：从基础架构到Scaling Laws、MoE、RLHF等对齐技术，是渐进迭代的结果。ChatGPT的突破核心在于规模化训练后涌现（emergence）的类人语言逻辑、指令跟随与推理能力——这并非预先精确规划的“产品特性”，而是意外显现的科学现象。OpenAI自身也难以完全预测是否会成功，以及这条技术路线的具体能力边界。

国内许多早期公司却绕过这一严谨过程：匆忙宣布“自主大模型”，实际多依赖开源底座微调或有限增量训练，核心创新薄弱。PPT上的参数规模或封闭基准“领先”，掩盖了真实泛化能力不足的问题。这种“宣布即拥有”的做法，本质上是对科学探索的不尊重——它将不可预测的涌现能力，简化为可营销的确定性成果。

2、算力：前沿训练需巨量高端GPU。我们受出口管制影响，早期玩家硬件更是受限，连筹备的基础都不存在，更是难以支撑高强度持续预训练。而后起之秀则正视这些问题，通过架构优化（如高效MoE、量化）实现了算力效率的工程突破。

3、数据：高质量、合规、多样化语料是根基。早期公司常面临数据清洗难、审查约束等问题，可以说连数据最基础的标注、清洗都还没完成，怎么可能谈训练模型，这就导致开源引入的模型幻觉多、知识更新慢。而ChatGPT的训练数据策略难以快速复制，其成功具有显著偶然性，关键是这些领先的模型都是非开源，这就让PPT领先的公司的故事成为了事故。

忽略这些要素的长期性与不可预测性，导致第一批公司集体陷入“概念先行、技术滞后”的陷阱。一旦真实用户测试和市场竞争加剧，泡沫迅速破灭，导致大量的投资者深受其害。

二、资本驱动的PPT文化：从炒作到“科技骗子”标签

资本热潮放大了短期激励扭曲。早期融资环境宽松，故事比实质更值钱，许多公司将资源倾斜于营销而非R&D。结果是行业性“PPT遥遥领先”现象：演示精良，但上线可用性差，引发用户失望与舆论反弹。

部分公司面对技术短板质疑时，非但不开放迭代，反而采取诉讼等方式试图压制批评的声音，这就进一步坐实了“欺骗”印象。这种行为不仅伤害行业公信力，也凸显了部分从业者对科学态度的缺失——真正的创新者欢迎严谨质疑，因为试错是进步的必经之路。

如果一家科技公司经不起不同的质疑声音，其背后只有一个原因，那就是这个牛吹的太大太脆弱，导致本来是硬核的技术，却害怕质疑。甚至一些公司不惜通过干预当地的司法，通过诉讼来让质疑声消除，这是非常可悲的事情。真正有硬核技术实力的科技公司，从来不怕质疑，因为质疑对于他们而言是免费的技术提升建议。

三、后来者崛起：务实迭代与生态适配的胜利

DeepSeek、豆包、Qwen等成功，让我们看到这些公司都有一个共同的特点，就是允许质疑，不召开PPT领先发布会。在于更好尊重三大要素：专注工程优化、结合真实业务数据、拥抱开源社区反馈，形成快速迭代闭环。它们避免了过度营销，转向价值交付，在中文场景下展现出更强的实用性。

这揭示了市场从“概念驱动”向“工程驱动”的回归，也证明了尊重科学规律的公司更有长期竞争力。

四、资本市场监管的深刻探讨：打击炒作与包容试错的辩证平衡

从大模型最初的PPT领先公司的集体翻车事故中，我们可以看到我们的资本市场对创新性科技公司的监管，面临独特挑战：既要防范系统性风险，又要保护前沿探索的脆弱性。大模型赛道的教训表明，打击与包容必须共存，且需精准施策。

严厉打击概念炒作：对那些主要依赖PPT宣传、虚假或严重夸大性能、通过营销误导投资人和公众的公司，必须重拳出击。这包括加强信息披露要求、完善虚假陈述的民事/行政/刑事追责机制、规范估值与融资宣传等。

概念炒作不仅浪费社会资源、损害投资者利益，还会劣币驱逐良币，让真正投入研发的公司难以获得公平支持。早期部分“遥遥领先”案例，正是监管需重点关注的典型——若不严厉打击，AI等硬科技赛道将持续泡沫化，阻碍产业健康发展。

包容真实创新的试错：前沿科技如大模型，本质上是高风险、高不确定性的探索。算法涌现、训练失败、数据偏差等试错不可避免。对于那些有真实研发投入、可验证的技术路径、透明披露进展的公司，监管应给予更大容忍度：允许阶段性亏损、适度放宽信息披露节奏、提供政策性融资支持或“沙盒”测试环境。

这不是纵容，而是认识到创新的非线性本质——ChatGPT式的突破本身就充满偶然性，如果过度苛责短期绩效，许多潜在“后来者”将被扼杀在摇篮中。

平衡之道在于精准区分：以实质性指标（如公开基准、可复现实验、实际部署案例、研发投入占比、允许公众质疑）而非表面宣传为判断依据；建立第三方技术评估机制；强化退市与追责威慑的同时，完善容错纠错制度（如针对硬科技企业的特殊上市通道或再融资便利）。只有这样，才能既净化市场环境，又激发创新活力。

当前，我们国家正处于“十五五”开局期，AI被列为战略新兴产业。监管若能在打击炒作与包容试错间实现动态平衡，将极大提升资本市场对真实科技创新的支撑效率，避免更多“第一批”悲剧重演，同时为DeepSeek式后来者提供更肥沃土壤。

国产大模型第一批公司的集体沉寂，是一堂关于技术本质、资本逻辑与监管智慧的深刻课程。它警示：科学发展尤其基础规律，必须避免大跃进的思想进入科技产业。而对于大模型而言，算法、算力、数据的积累容不得半点投机，ChatGPT式的涌现更非可批量复制的营销话术。只有真正尊重科学、脚踏实地投入研发的公司，才配得上“创新”之名。

而资本市场监管的成熟，同样考验智慧：在严厉打击概念炒作、维护市场秩序的同时，包容创新试错的空间。唯有如此，中国AI才能走出“PPT时代”，迈向全球领先的实质竞争力。未来属于那些把模型真正做“可用”、把创新真正做“扎实”的参与者，而非善于讲故事者。产业与监管的共同进化，将决定这一轮科技浪潮的最终高度。