来源：界面新闻 2026-08-12 14:12:18

　　不久前，字节跳动创始人张一鸣与Seed负责人吴永辉共同召开了一场Seed全员会，除了给团队打气，会上他还谈到了对模型蒸馏的看法：不要把蒸馏当作提升模型能力的捷径，哪怕这意味着可能会落后于国内同行。

　　很多人只看到了不走捷径的字节，反而忽略了它背后的战略定力。

　　举个例子，SP时代比短信订阅数，团购时代比覆盖城市数，O2O比地推铁军，短视频比日活。每一次大家都在比那个最容易量化、最容易写进PR稿、最容易让投资人兴奋的数字。每一次都有人在那个数字上跑到第一，然后呢？

　　历史的经验告诉我们，真正活下来的，从来不是数字最好看的那个。

　　今天的AI行业，正在把这场数字游戏玩到极致。

　　比参数，从百亿到万亿；比榜单，MMLU、GSM8K、HumanEval、Arena Elo一个接一个；比单项能力，谁的视频生成手指更正常，谁的代码通过率高几个点，谁的多模态又在某个benchmark刷新纪录。KOL加班做对比视频，结论永远是“国产又赢了”。朋友圈一片欢腾，仿佛AGI下周就来。

　　可你把目光从这些数字上移开，去问真在生产环境用AI的人，得到的多半是另一种答案。

　　模型在榜单上无所不能，到了具体工作里，更像个聪明但不靠谱的实习生，什么都能聊两句，真交给他一件完整的事，你还得在后面收拾烂摊子。

　　这就是我们今天面对的局面：参数越来越大，榜单越来越好看，热闹越来越多，可AI和真实世界之间那道沟，非但没填上，反而越变越宽。

　　01 榜单上的胜利与现实中的困境

　　今年7月，月之暗面发布Kimi K3，参数精确到2.78万亿，全球最大开源模型。那天我的朋友圈被刷了屏。结果三天后的晚上，月之暗面发公告，说“用户请求量大幅超出预估，逼近现有集群承载极限”，即日起暂停C端新用户订阅。

　　这件事本身就能说明一些问题。花这么多钱，烧这么多卡，训练出参数上碾压同行的模型，结果连最基本的用户访问都扛不住。这就像车厂造出台发动机参数全球第一的跑车，一开出来发现油箱只能装十公里的油。

　　另外，榜单本身的可信度也越来越可疑。今年八月，两家机构发布同月份国内 AI应用 月活数据，同一个豆包，一家5.28亿，另一家3.82亿，差了1.46亿。没有谁造假，只是月活这个用了二十年的指标，到了AI产品这儿突然测不准了。插件调用算不算？API访问算不算？连统计口径都没有共识，那些煞有介事的排名，看看就好。

　　视频生成领域的榜单竞赛，已经到了走火入魔的地步。可灵、即梦、Vidu这些，每过一端时间就有一家宣布在某个评测集登顶，KOL迅速跟进出“深度评测”，结论永远是“国产又赢了”。

　　可你去问真正用这些工具做内容的人，他们关心的根本不是谁在benchmark上高零点几分。他们关心生成一条视频要等多久，改十次能不能有一次能用，复杂场景人物会不会崩，商用版权有没有保障。

　　这些问题，没有一个榜单能回答。

　　我想起2011年的千团大战。全国五千多家团购网站，开发布会都在说用户数、覆盖城市、单日交易额，数字一个比一个吓人。王兴那时候就讲，团购的核心不是铺多少城市，是每个城市能不能把单位经济模型跑正。没人听。大家都烧钱抢市场，烧到最后，活下来的是美团。

　　今天AI行业的逻辑很类似。

　　大家都在拼那些容易量化、容易传播、容易写进PR稿的数字，很少有人愿意碰真正难的事：怎么让模型在工业现场稳定工作，怎么让AI在零容错的金融医疗场景给出可解释、可审计的结论，怎么把推理成本降到企业愿意大规模买单的程度。

　　这些事不性感，上不了热搜，也没法在发布会上用一张PPT展示，但它们才是AI真正进入生产体系的门槛。

　　苹果就是最好的例子。2024年WWDC上Apple Intelligence被吹得天花乱坠，结果跳票两年，今年WWDC才拿出像样的版本，核心能力还得靠接OpenAI和谷歌的API。发布会当天，苹果股价从盘中317美元跌到收盘301美元，市值蒸发2300亿美元。华尔街逻辑很简单：你演示的这些，ChatGPT两年前就有了，我们等了两年，就等来了这个？

　　这就是参数繁荣掩盖下的真相：我们在实验室里、在评测集上、在精心准备的demo里取得的所有胜利，到了真实世界都要重新打一遍折，而且这个折扣，经常大到让你怀疑人生。

　　02 抄作业抄不出第一名张一鸣为什么对蒸馏这么敏感？

　　技术上的蒸馏本来是正经方向，用大模型输出训练小模型，让小模型在特定场景接近大模型能力，同时降低推理成本。但在今天的国内AI圈，蒸馏已经异化成了一条抄近路的产业链。

　　坦白地说，新模型发布流程现在高度标准化。国外发布或者更新一个新模型，最多几周时间，国内就有一堆模型宣布“在各项基准上追平甚至超越”。怎么做到的？说白了很简单：拿新模型的输出当训练数据，蒸馏到自己的模型里，再针对benchmark做专门优化。

　　OpenRouter有个数据很说明问题。今年1月，开源模型处理的token占比是34%，到了6月变成65%。半年翻了近一倍。开源模型突飞猛进的背后，有多少是真正的技术突破，有多少是蒸馏和benchmark过拟合带来的虚假繁荣？关于这个问题，很多人自己心里都有数。

　　今年7月，前OpenAI研究员Diogo Almeida发了篇博客，说当年那篇奠定Scaling Law的论文，从根上就有个bug，计算推理最优分配时算错了，导致整个行业过去五年都在训练“参数过大、训练不足”的模型。DeepMind的Sander Dieleman第一时间转发，说这个bug大概率让行业在错误方向浪费了巨额算力。

　　这件事最耐人寻味的是，这么多聪明人，这么多顶级公司，几年时间，上万张GPU烧进去，居然没人发现这个基础错误。为什么？

　　因为所有人都在同一条赛道上狂奔，没人停下来问问路对不对。大家都在堆参数，你不堆你就落后；大家都在刷榜单，你不刷你就融不到钱。路径依赖一旦形成，连质疑的声音都会被淹没。

　　蒸馏就是这条路径依赖的终极形态。

　　可问题是，抄作业永远抄不出第一名。如张一鸣所讲，你蒸馏Claude，最多无限接近它。更要命的是，这种路径依赖会从根上废掉一个团队的研究能力。当你的工程师习惯了用别人的输出训练模型，他们就再也不会去想，怎么从第一性原理出发改进模型结构，怎么构建真正高质量的数据集，怎么解决那些根本性的技术难题。

　　这才是张一鸣真正担心的。他看到的不是一时的榜单高低，是整个团队的创新文化会不会被捷径腐蚀。

　　Builder.ai破产就是很典型的例子。这家估值15亿美元的英国公司，拿了微软和卡塔尔投资局4.5亿美元，对外宣传AI可以自动写代码，客户想要什么软件几分钟就能生成。今年五月破产清算时大家才发现，所谓AI自动生成，后台是七百多个印度程序员在一行行手写代码。最讽刺的是，这家公司还上过福布斯“改变世界的50家AI公司”榜单。

　　这样的故事不是个例。从Humane AI Pin到Rabbit R1，过去两年倒下的AI公司已经数不清。有机构统计，2024到2026年入场的AI公司，40%已经关停，原因惊人地一致：没有核心技术，没有数据壁垒，没有真正的场景，大模型一旦更新了同样的功能，它们的存在价值立刻归零。

　　历史不会重复，但总是押着同样的韵脚。今天AI行业的参数竞赛、榜单崇拜、蒸馏捷径，和当年的手机参数大战、 新能源 PPT造车，本质上是同一件事：用容易量化的数字，回避真实场景里的艰难跋涉。

　　03 离开排行榜之后什么才是真正的繁荣

　　当然不是说参数不重要，也不是说榜单毫无价值。技术发展早期，量化指标确实能帮我们看清进步的轨迹。但当整个行业把手段当成目的，把指标当成目标，事情就开始变味了。

　　 移动互联 网那十年的繁荣，不是因为手机 芯片 从单核跑到了八核，是因为iPhone重新定义了智能手机，是微信、支付宝、美团、滴滴这些产品，真正改变了十几亿人吃饭、出行、社交、付钱的方式。特斯拉带动的新能源革命，也不是因为 电池 能量密度每年提升几个百分点，是它证明了电动车可以比燃油车更好开、更智能、更便宜，把整个产业链带了起来。

　　这些繁荣背后当然有技术参数的进步，但参数是结果，不是原因。真正驱动繁荣的，是技术和真实需求的深度结合，是产品在具体场景里创造的真实价值。

　　今天AI行业的问题，恰恰在于太多人把参数当成了原因。

　　他们觉得只要模型足够大，一切问题都会迎刃而解；只要榜单分数足够高，商业化自然会来。可现实是，GPT-4到GPT-5，参数翻了几倍，能力强了不少，但真正愿意为AI付费的个人用户并没有几何倍数增长。很多企业买了大模型API，用了几个月就发现，除了写文案做总结，好像也找不到更多真正能落地的场景。

　　麦肯锡有个报告（《The State of AI in 2025》），2025年企业在AI上的投入比前一年翻了一番，但真正把AI部署到核心生产流程的比例，只从12%涨到了16%。剩下的84%，要么还在做POC，要么用了几次就扔在那儿了。钱花了，热闹看了，最后发现AI并没有像预期那样重构业务流程。

　　为什么会这样？因为真实世界太复杂了。

　　你在实验室里训练模型，用的是干净的、标注好的数据。可到了工业现场，传感器数据是有噪声的，生产环境是动态变化的，很多关键参数根本没法直接测量——催化剂的活性、热态工件的变形量、化学反应的中间状态，这些东西你连数据都采不到，模型再大，有什么用？

　　你在评测集上做数学题正确率99%，可到了金融风控，一个错误判断可能就是几千万损失；到了医疗诊断，一个幻觉可能就是重大事故。这些场景要求的不是99%的正确率，是六个九、七个九的可靠性，是每一个决策都可解释、可追溯、可审计。

　　这也是为什么真正在产业里深耕的人，对那些天花乱坠的模型发布越来越淡定。

　　好消息是，已经有人开始往这个方向走了。

　　微软今年财报会上，纳德拉讲的重点已经不是Copilot又加了多少参数，是财富500强里有多少家在用Azure的AI平台，是Copilot Studio里企业自己搭建的Agent数量，是商业模式从席位订阅转向“席位+按量计费”。谷歌在Gemini at Work上展示的，也不是什么炫酷demo，是大众、华纳兄弟、Snap这些公司怎么把Gemini真正嵌到生产流程里。国内的腾讯WorkBuddy、阿里QoderWork、字节TRAE、金山WPS AI，也都在做同样的事——不再比谁的模型更聪明，开始比谁能更深度地嵌入工作流，谁能真正帮用户解决问题。

　　当然，这条路注定更难走。它要求你沉到行业里去，理解客户的真实痛点，和客户一起打磨产品，忍受很长时间没有高光时刻的寂寞。它不像发布一个万亿参数模型那样能上头条，不像刷到榜单第一那样能让投资人兴奋，也不像KOL的评测视频那样能带来潮水般的流量。

　　但这才是真正的AI浪潮该有的样子。

*本文信息仅供参考，投资者据此操作风险自担。