本文來自微信公眾號：星海情報局，作者：星海老局，原文標題：《從DeepSeek到Seedance 2.0，國產(chǎn)大模型殺瘋了》，頭圖來自：視覺中國

AI的進化從不遵循緩慢爬坡的軌跡，而是以突然躍遷的方式實現(xiàn)突破。

春節(jié)前的三天時間里，中國大模型行業(yè)就迎來了這樣一次關鍵躍遷。從視頻生成到代碼工程，從多模態(tài)創(chuàng)作到長文本推理，多個熱門賽道幾乎同時取得進展，相關成果的發(fā)布既無預熱也無長時間鋪墊，迅速引發(fā)行業(yè)關注。

Seedance 2.0橫空出世，DeepSeek與MiniMax在編程及Agent能力上完成迭代升級，智譜GLM-5以工程級能力開源亮相……這一系列密集發(fā)布不僅在行業(yè)內(nèi)激起討論，也讓全球市場重新審視國產(chǎn)大模型的進化速度。

這場壓縮在72小時內(nèi)的集中爆發(fā)并非巧合，2026年或許正是國產(chǎn)AI從追趕走向突圍的分水嶺。

三天六廠，中國大模型集體展現(xiàn)新進展

2月9日，即夢發(fā)布Seedance 2.0。

起初，這看似只是一次常規(guī)的視頻模型升級，但很快討論風向發(fā)生轉變。

用過AI視頻工具的人，想必都對其不可控性帶來的挫敗感深有體會。

過去生成的AI視頻，常出現(xiàn)人物形象前后不一、動作突然變形、分鏡割裂等問題，仿佛是幾段素材拼接而成。創(chuàng)作者為達到理想效果，往往需要反復修補細節(jié)，在不斷試錯中碰運氣。

Seedance 2.0試圖解決的正是這種不可控性。

此次字節(jié)采用統(tǒng)一的多模態(tài)生成架構，強化了復雜運動場景下的物理一致性。與1.5版本相比，Seedance 2.0在復雜交互和運動場景中的生成質(zhì)量可用率有了進一步明顯提升。

Seedance 2.0 文字生成視頻能力評測 來源：IT之家

Seedance 2.0 圖片生成視頻能力評測 來源：IT之家

Seedance 2.0 圖片生成視頻能力評測來源：IT之家

例如，若想生成自己與奧特曼打斗的視頻，只需上傳個人視頻與聲音生成AI分身，再配合參考圖和文字描述，模型就能自動完成分鏡與剪輯，輸出兼具4K畫質(zhì)和電影感分鏡的成片。

這意味著AI視頻生成工具首次具備工業(yè)級影視制作能力，不少人由此真切感受到“人人都是創(chuàng)作者”的時代即將來臨。

相關討論迅速傳到大洋彼岸。馬斯克在X上轉發(fā)Seedance相關內(nèi)容，感嘆“進展太快了”；好萊塢導演Charles Curran也公開探討其對影視制作流程的影響。從影視行業(yè)到科技行業(yè)，Seedance的名字被頻繁提及。

但這只是開始，在隨后的72小時里，國產(chǎn)模型圈進入密集更新狀態(tài)。

2月10日，阿里發(fā)布Qwen-Image-2.0，重點解決圖片編輯中的文字排版難題。用戶可讓模型將整篇《蘭亭集序》準確排入畫面，生成古風書法海報，無需擔心錯字或亂碼問題。

同一天，騰訊混元發(fā)布HY-1.8B-2Bit模型。這是一款面向終端設備的輕量級大模型，在大幅壓縮體積的同時保留核心能力，能更高效地在手機等消費級設備上運行，意味著大模型開始真正走向端側，不再完全依賴云端算力。

2月11日，MiniMax與DeepSeek幾乎同時更新。前者切換至M2.5版本，優(yōu)化工具調(diào)用與任務執(zhí)行能力；后者將上下文長度擴展至百萬Token級別。

2月12日，智譜宣布開源GLM-5。這個此前在OpenRouter匿名上線、已被開發(fā)者用于真實項目的模型，終于公開身份。

根據(jù)Artificial Analysis榜單，GLM-5位居全球第四、開源第一，且已完成與多家國產(chǎn)芯片平臺的深度適配。

串聯(lián)這幾天的事件，一個趨勢愈發(fā)清晰：這72小時改變了國產(chǎn)大模型的競爭方向。

告別參數(shù)競賽，國產(chǎn)AI轉向務實路徑

回溯2023、2024年，國產(chǎn)大模型的主旋律可概括為“對標GPT-4”。

那段時間，幾乎每款新模型發(fā)布，宣傳中都會出現(xiàn)“接近GPT-4”或“局部超越GPT-4”的表述。

2024年初，智譜發(fā)布GLM-4時強調(diào)模型性能直追GPT-4；百川智能推出Baichuan 3時，也在報道中提及模型在部分中文評測中實現(xiàn)對GPT-4的反超。

當時的大模型行業(yè)里，榜單、分數(shù)和參數(shù)是唯一的硬通貨。

技術進步有目共睹，但隨著模型能力提升，一個現(xiàn)實問題逐漸凸顯：資金從何而來？

模型更強不代表商業(yè)化之路更順暢，訓練和推理所需的算力成本持續(xù)上升，而應用端的付費意愿并未隨參數(shù)規(guī)模擴大同步增長。

市場逐漸冷靜，開始思考如何將大模型能力轉化為真正的生產(chǎn)力。

這種壓力并非國內(nèi)獨有，在大洋彼岸，OpenAI也面臨盈利挑戰(zhàn)。

OpenAI，可能創(chuàng)造了歷史上最快的燒錢速度 來源：新智元

據(jù)路透社報道，盡管ChatGPT用戶規(guī)模龐大，但長期付費比例有限，OpenAI不得不探索廣告和多元化收入結構，以覆蓋不斷攀升的研發(fā)和算力投入。

硅谷投資人Mary Meeker指出，大模型公司的核心挑戰(zhàn)已從單純的技術突破轉向盈利結構的可持續(xù)性。在高成本與價格競爭的雙重壓力下，利潤空間不斷被壓縮。

大模型技術領先不等于商業(yè)成功。

了解這一背景后，再看前幾天72小時的密集發(fā)布，就能更清晰地發(fā)現(xiàn)變化所在。

此次廠商們不再執(zhí)著于“全面超越”的宏大敘事，而是聚焦于用大模型解決具體問題。

Seedance深耕內(nèi)容創(chuàng)作領域，打磨影視制作能力；通義千問Qwen-Image攻堅排版與設計場景；MiniMax、DeepSeek和智譜則將重心放在效率提升和工程執(zhí)行上。

國聯(lián)民生證券指出，隨著Agent（智能體）時代到來，行業(yè)價值重心正從流量規(guī)模轉向執(zhí)行能力與結果付費機制。

只有當大模型能理解并完成完整項目（而非僅生成零散代碼）、生成的視頻可直接進入生產(chǎn)流程（無需大量后期修補）、能調(diào)用工具、輸出標準文檔并參與實際協(xié)作時，才算完成完整的商業(yè)閉環(huán)。

因此，在這輪密集更新中，參數(shù)規(guī)模退居幕后，落地能力成為新的競爭重心。

國產(chǎn)大模型正沿著這條更務實的路徑，從技術追趕邁向價值兌現(xiàn)。

中國AI：構建自主系統(tǒng)能力

大模型的密集爆發(fā)并非偶然，背后是國家級系統(tǒng)能力的支撐。

據(jù)新華社報道，截至2026年初，中國人工智能企業(yè)已超6000家，核心產(chǎn)業(yè)規(guī)模突破1.2萬億元，同比增長近30%；國產(chǎn)開源大模型全球累計下載量超100億次。

這組數(shù)據(jù)表明，大模型已不再是幾家公司間的參數(shù)競賽，而是嵌入完整產(chǎn)業(yè)鏈之中。上游是國產(chǎn)芯片和算力平臺，中游是模型與開發(fā)框架，下游則連接電網(wǎng)、制造、金融、政務等真實場景。

國家系統(tǒng)能力的第一層支撐是算力環(huán)境的成熟。

近年來，國產(chǎn)大模型越來越強調(diào)與本土算力平臺的深度適配。

智譜發(fā)布GLM-5時明確表示，模型已適配華為昇騰、寒武紀、摩爾線程等國產(chǎn)算力平臺；DeepSeek也公開提到，通過與國產(chǎn)硬件協(xié)同優(yōu)化推理效率，降低算力成本。

當國產(chǎn)軟硬件開始協(xié)同迭代，成本曲線和效率曲線都會發(fā)生變化，模型能力的釋放也因此更穩(wěn)定、更可控。

第二層支撐是應用規(guī)模的真實落地。

在中國，大模型的應用場景天然密集，它并非停留在技術層面，而是會迅速進入基礎設施的應用層面。

例如“光明電力大模型”已覆蓋國家電網(wǎng)總部及27家省級公司，在無人機巡檢場景中，年巡檢桿塔達500萬基，人工登塔次數(shù)減少約40%。

企業(yè)端的變化同樣顯著，《億邦動力》報道，一家半導體設備企業(yè)將海外CRM系統(tǒng)替換為國產(chǎn)AI CRM后，通過智能體實現(xiàn)客戶流失預警與資源自動調(diào)度，運維成本下降超50%。

第三層支撐是生態(tài)協(xié)同方式的差異。

與美國更強調(diào)單一閉環(huán)生態(tài)不同，中國路徑偏向開源與本土化適配，這種策略讓模型、芯片、平臺與行業(yè)應用之間形成更緊密的連接。

據(jù)MIT與Hugging Face聯(lián)合報告，中國開源大模型的全球下載占比超17%，高于美國的15.8%。與此同時，“超算互聯(lián)網(wǎng)”等基礎設施正在打通算力與模型資源的調(diào)度通道。

國產(chǎn)大模型升級不再只是代碼版本更新，而是算力、平臺、行業(yè)應用的同步推進。

第四層支撐是戰(zhàn)略方向的確定性。

我國“十五五”規(guī)劃建議明確提出，要加強人工智能與產(chǎn)業(yè)、民生、監(jiān)管的深度融合，將AI作為數(shù)字經(jīng)濟的重要基礎設施來建設。這種頂層設計為產(chǎn)業(yè)提供了明確的長期發(fā)展坐標。

當算力環(huán)境逐步穩(wěn)定、應用場景高度密集、產(chǎn)業(yè)鏈協(xié)同推進、政策方向清晰這些條件同時具備時，模型的集中爆發(fā)就不再是偶發(fā)事件，而是必然結果。

在這場從技術到產(chǎn)品、從比肩到突破的突圍戰(zhàn)中，中國AI正擺脫“追趕者”心態(tài)，逐漸擁有“領先者”的底氣。

結語

彼得·德魯克在《創(chuàng)新與企業(yè)家精神》中指出，創(chuàng)新的意義不在于技術本身有多先進，而在于能否為資源創(chuàng)造新的價值。

這句話放在今天的AI競賽中再合適不過。

當大模型告別參數(shù)比拼，像電力一樣成為人人觸手可及的基礎設施，能夠解決實際問題時，它才真正擁有改變世界的力量。

或許，這才是這一輪集體突圍帶給我們的真正啟示。

參考資料

1.Seedance官網(wǎng)

2. 2024-2025年中國AI大模型市場現(xiàn)狀及發(fā)展趨勢研究報告，艾媒咨詢

3. 2025年中國大模型行業(yè)發(fā)展研究報告，36氪研究院

4. 中國大模型落地應用研究報告2025，InfoQ 研究中心&中歐 AI 與管理創(chuàng)新研究中心

5.密集“上新” 國產(chǎn)大模型商業(yè)化競速升級，經(jīng)濟參考報

6. 中國大模型正躋身全球第一梯隊，新華網(wǎng)