2025，國產推理大模型的“五軍之戰(zhàn)”？

如果AI停留在模型層，那它只是一個工具，只有在AI真正落地，在不同場景的行業(yè)生根發(fā)芽，具備特定行業(yè)特定問題的解決方案，且國產自主可控，整個中國的AI行業(yè)才有繼續(xù)向前的動力。

自年初DeepSeek橫空出世，無論是國外的OpenAI，國內的新銳“六小虎”到老牌大廠，都在加速布局推理大模型的研發(fā)與應用。

無論是今年“新上牌桌”的DeepSeek，后來居上的字節(jié)豆包，還是國產路線自主可控的科大訊飛，專利數量一騎絕塵的阿里通義，加上擁有國內最大潛在用戶群體，摸著DeepSeek過河的騰訊混元，一個季度過去，各家紛紛迭代了最新的推理大模型。起碼在國產推理大模型領域，已經形成了“五軍之戰(zhàn)”的競爭態(tài)勢。

相較傳統的基礎大模型，推理大模型通過海量多模態(tài)數據的強化訓練，不僅顯著提升了跨領域知識遷移能力，更在復雜場景下的邏輯推理和問題解決層面取得突破。

其技術升級方向，已從單純的語言處理轉向STEM領域的深度滲透——在科研數據處理、工程設計優(yōu)化、數學建模等專業(yè)場景中，推理模型正在不斷替代傳統分析工具，甚至在醫(yī)療診斷、金融風控等垂直領域中，不斷展現令人驚艷的潛力。

依托各自的優(yōu)勢領域，各家也正在重構屬于自己的AI技術生態(tài)：以DeepSeek為代表的創(chuàng)業(yè)公司聚焦STEM領域的垂直突破，通過打造科研輔助平臺積累技術勢能；老牌巨頭如阿里云、騰訊云則依托云計算基礎設施，推動推理模型向產業(yè)端的規(guī)模化落地，科大訊飛則在不斷提升模型性能，比肩國際一線水平的同時，尋求底層算力的國產化替代，以求在不斷激烈的國內外競爭中，保持產品和技術的自主可控。

對各路大模型廠商而言，推理大模型，無疑是一把通往AI時代的鑰匙和機遇。無論是專業(yè)工具型應用，還是面向C端消費者的App，科技廠商之間的生態(tài)位爭奪日趨白熱化——他們心中都很明白，誰能跑出AI時代第一個超級應用，誰就能成為AI時代的“超級大廠”。

01 國產推理大模型的“涌現時刻”

在DeepSeek橫空出世之前，OpenAI等一眾歐美廠商，試圖用高成本、高算力、高參數的“三高策略”，成為AI時代的壟斷者，進而收割全世界。大大小小的國產廠商，不管技術實力高低，背靠資源多少，只要入局AI大模型，無一例外都要走上這條“力大磚飛”的技術路徑。

春節(jié)前后推出的DeepSeek，則用更低的效能標準，比肩頭部的模型性能告訴行業(yè)，訓練一個推理大模型“并沒有那么貴”。

從整體參數上看，DeepSeek的參數規(guī)模，相較主流大模型降低90%，訓練成本降低80%，但整體性能，并不比國外一線大模型差；加之開源API免費調用，為推理大模型的發(fā)展，提供了一條截然不同的新路徑——僅需激活37億參數，即可部署滿血版R1推理模型，推理效率較傳統架構提升3倍以上。

有驗證過的技術路徑在前，國內一線大模型廠商隨之迎頭追趕，大有后來居上的趨勢：

阿里旗下的Qwen團隊，于3月推出了開源大語言模型（LLM）QwQ-32B，對標OpenAI的o1-preview。QwQ-32B采用了多階段強化學習訓練方法，在數學問題、編碼能力和通用問題解決能力上得到增強。

相比DeepSeek-R1，QwQ-32B的顯存需求更小——通常在GPU上需要24GB vRAM，滿血版DeepSeek-R1則需要超過1500GB vRAM。

騰訊押注推理大模型的時間相對較晚，但自混元接入DeepSeek之后，追趕速度相較以往快了不少——35天“更新”30次后，混元大模型團隊于3月21日推出了自研深度思考模型混元T1正式版。它摒棄了以往的純Transformer架構，轉而將混合Mamba架構應用于推理大模型。

相對于DeepSeek，T1正式版的吐字速度達到了60~80token/s，實際生成速度快于DeepSeek-R1。在體現推理模型基礎能力的常見基準測試上，如大語言模型評估增強數據集MMLU-PRO中，混元T1取得87.2分，超越了DeepSeek-R1，落后于o1。

字節(jié)方面，于4月發(fā)布的最新推理模型Seed-Thinking-v1.5，同樣采用DeepSeek-R1的MoE架構，但參數量降低至200B總參數和20B激活參數。相比前者671B總參數和37B激活參數，輕量化的趨勢更為明顯。

在多項性能自動評估中，Seed-Thinking-v1.5在AIME 2024基準測試中取得86.7，與OpenAI的o3-mini-high模型的性能相當。執(zhí)行GPQA任務時，Seed-Thinking-v1.5達到77.3%的準確率，接近o3-mini-high的性能。在Codeforces等代碼生成場景中，Seed-Thinking-v1.5的性能與Gemini 2.5 Pro 的性能相當，但仍落后于o3-mini-high。

科大訊飛方面，則是在4月21日官宣了旗下深度推理大模型——星火X1的升級。相較其他國內廠商，升級版星火X1首創(chuàng)了“直覺快思考”與“深度慢思考”雙模式融合架構。

具體而言，快思考模式支持實時翻譯、百科問答等低延遲任務；慢思考模式則通過多步驟邏輯鏈拆解復雜問題（如數學證明、法律條文解析），模擬人類專家的推理過程。

針對更復雜場景的數據稀缺問題，升級版X1則提出了基于問題難度的分階段訓練框架。通過動態(tài)調整強化學習更新速度，顯著提升長思維鏈（如50步推理）的穩(wěn)定性和準確性，在數學競賽題（如AIME、MATH 500）上的準確率較前代提升12%。

從參數規(guī)模而言，星火X1的模型參數規(guī)模較業(yè)界同類模型有所縮減，但在整體性能上，已經能夠與OpenAI的o1模型及DeepSeek的R1模型相抗衡。

02 全國產算力，為什么是趨勢

整體來看，DeepSeek的輕量化技術路徑，很大程度上改寫了推理大模型的進化規(guī)則。各家廠商技術路徑雖有些許差異，參數規(guī)模的“輕量化”和企業(yè)級應用的提速確是實實在在。

但對各家廠商而言，推理大模型的推出只是產業(yè)端應用的第一步。隨著推理大模型領域愈發(fā)激烈的全球化競爭，各家廠商勢必要依據自身的行業(yè)生態(tài)，進行相關的產業(yè)化布局。

譬如，騰訊依托自身的C端用戶優(yōu)勢，率先在C端發(fā)力。AppGrowing數據顯示，截至2月27日，騰訊元寶在27天里投放共花了2.81億元。對應的C端用戶數量則不斷上升——到3月3日為止，元寶在蘋果應用商店的下載量甚至超過DeepSeek，到達榜首。

在“見真章”的B端，騰訊經過C端用戶的迭代反饋，推出了混合專家模型MoE架構，并通過騰訊混元+開源模型的多模型解決方案，開始在政務、零售、金融、工業(yè)等30多個行業(yè)落地。這對于底層架構和算力支持，無疑提出了更高的要求。

更兼愈發(fā)激烈的中美科技博弈，使得基于先進算力的推理大模型，面臨迫在眉睫的制裁風險。4月16日，美國政府突然宣布，對英偉達H20芯片實施“無限期出口許可限制”。

這意味著，從算力層面開始的國產替代，將不再是一種戰(zhàn)略選擇，而成為一種生存剛需。

在此背景下，科大訊飛的模型訓練和模型推理，選擇使用全國產算力平臺，無疑具有行業(yè)示范效應。

早在兩年前，科大訊飛即與華為合作，建設了首個萬卡國產算力平臺“飛星一號”，最高能支持萬億參數大模型訓練。科大訊飛董事長劉慶峰在今年年初透露，“飛星二號”將在2025年交付使用首批算力。

今年3月，訊飛與華為昇騰團隊，實現在國產算力集群上，MoE模型的大規(guī)模跨節(jié)點專家并行集群推理，這也是業(yè)界首個基于國產算力的全新解決方案。一個月后，MoE模型的集群推理性能實現翻番。同時，華為昇騰910B的推理效率，相對A100，也從原先的從55%提升到85%。

就產品意義而言，基于全國產算力升級后的星火X1，在知識問答、數學能力等通用任務上效果顯著提升，不僅是70B參數大模型中最好的深度推理模型，而且在參數量小于業(yè)界同類模型的情況下，獲得了比肩國際頂尖模型水平的效果。

全國產的行業(yè)意義遠不止于此。訊飛星火X1根植于完全自主可控的大模型底座，在模型迭代時，可以實現更加靈活的參數規(guī)模調整，和更深的訓練優(yōu)化。行業(yè)大模型的效果相比通用款，提升約在10%左右；疊加具體場景調優(yōu)，效果可進一步提升10%到20%。

成本方面，星火X1通過“快思考、慢思考統一模型”，也顯著降低了硬件資源需求。以國產昇騰910B為參考系，星火X1做行業(yè)落地定制（SFT和強化學習）需要16張卡，滿血版 DeepSeek需要256張卡，硬件投入約為后者的 1/16。

推理方面，星火X1模型僅需4張華為910B算力卡即可完成私有化部署，對比DeepSeek滿血版R1模型，在性能類似的情況下硬件投入只需要 1/8。

更少的算力需求，不輸友商的模型效果，這無疑從戰(zhàn)略層面，論證了基于國產算力訓練的全棧自主可控的大模型，具備登頂業(yè)界最高水平的可行性和創(chuàng)新的可持續(xù)性。

03 走入中國AI的下一個十年

一如科大訊飛董事長劉慶峰所言，“今天是一個通用模型和專用模型相結合——‘通專結合’，端測模型和云端模型相結合，軟件和硬件相結合的、全新的大模型落地時代?！?/p>

如果AI停留在模型層，那它只是一個工具，只有在AI真正落地，在不同場景的行業(yè)生根發(fā)芽，具備特定行業(yè)特定問題的解決方案，且國產自主可控，整個中國的AI行業(yè)才有繼續(xù)向前的動力。

若將視角投向產業(yè)應用端，我們大可發(fā)現，推理大模型的國內外競爭，本質上仍然是中國AI產業(yè)從技術跟跑到生態(tài)領跑的戰(zhàn)略轉型。

站在2025年回望，這場始于模型性能追逐的“五軍之戰(zhàn)”，到產業(yè)端落地的不斷深入，終將成為產業(yè)生態(tài)的全面融合。誰先將推理能力轉化為行業(yè)生產力，誰就能在AI產業(yè)競賽中穿越周期，引領變革。