透视2025丨中国AI模型厂商已在特定领域形成一定优势

　　编者按：2024渐行渐远，2025源源而来。各行业如何应变局，如何开新局？中新经纬广邀经济学者，梳理过去关键事件，展望新年潜在机遇，以期为您提供有价值的参考。

　　2024年被称为AI(人工智能)元年。在这一年里，关于AI的大事件不绝于耳：诺贝尔物理学奖颁发给AI领域科学家，英伟达市值一度超越苹果、微软，苹果推出Apple Intelligence AI系统等等。

　　而在AI大模型方面，最主要事件则是OpenAI推出多模态大模型ChatGPT-4o，这一版本具有实时处理和生成文本、音频以及图像等多种模态的能力，被誉为技术上一个巨大突破。

　　事实上，中国在AI大模型方面也已有足够竞争力。有数据显示，中国在2024年自然指数科学贡献榜单上名列前茅，而且2014年至2023年，中国生成式AI专利申请量居全球第一。此外，2024年中国生成式AI领域的私人投资较上一年增长更为显著。

　　而智源研究院近日发布最新一期FlagEval大模型评测。结果显示，2024年下半年，国内大模型发展更聚焦综合能力提升与实际应用，其中，多模态模型发展迅速，涌现了不少新的厂商与新模型。

　　国内厂商“全面开花”

　　对于国内大模型的发展趋势，智源研究院智能评测组负责人杨熙表示，中国的AI模型厂商已经在特定领域形成了一定优势。“国产模型在安全评测和用户体验优化方面的表现尤为突出，尤其是在用户意图识别和适应性调整上，国内厂商具备较大的竞争力。”

　　具体来看，语言模型主观评测显示，目前针对一般中文场景的开放式生成任务，各大模型表现已趋于饱和。字节跳动、百度等国产模型表现优异。不过，在逻辑推理、观点表达等维度，国内厂商仍需进一步与国际巨头看齐。此外，多模态模型发展迅速，特别是在视觉语言模型和文生图、文生视频等方向上取得突破——开源模型如阿里巴巴的Qwen系列在某些任务上表现出色。

　　随着AI模型能力的提升，隐私保护和安全问题日益成为业界关注的焦点。杨熙指出，在评测中，智源团队特别设计了“引诱问题”，以测试模型在隐私保护和数据安全方面的表现，结果显示，国产大模型在防护隐私数据方面表现较好。

　　值得注意的是，整体来看，复杂场景的表现依然是国内外所有模型的短板。而动态视频场景中，模型普遍存在物体变形和物理规律认知不足的问题。

　　智源研究院副院长兼总工程师林咏华指出，未来的AI生态发展将更加注重应用落地与动态评测。“技术的演进不只是能力的叠加，更需要通过实际应用场景反馈，促进模型能力的深度提升。”

　　在她看来，商业化路径也是模型发展中的一大难题。如何在确保开源精神的同时实现商业价值，是厂商必须面对的现实考验。从技术开发到应用落地，这一过程需要更多的跨界合作和创新模式。

　　杨熙则谈到，看未来趋势，小模型和大模型的端云结合将成为重要的发展方向。“端侧模型表现出色，而小模型通过精细化训练可以在特定任务中表现更优。端云结合的方式，不仅能降低算力成本，还能为用户提供更加灵活和高效的解决方案。”

　　模型测评的机遇与挑战

　　近年来，大模型技术的广泛应用催生了复杂的测评需求。从文本生成到图像识别，从语音分析到多模态理解，模型测评正从学术研究走向产业化。上述智源研究院最新发布的FlagEval秋冬模型测评，评估了全球100多个开源和闭源模型的能力，并且首次加入了金融量化交易等应用场景的专项评测。这些多元化的测评结果，在一定程度上为AI模型的能力边界提供了标尺。

　　模型测评市场为何能引发关注？林咏华认为，一方面，测评为企业提供了清晰的技术能力对比，有助于优化资源配置。另一方面，测评结果为资本选择投资对象提供了有力依据。在资本密集型的AI行业中，测评已成为“资本看得懂”的标准工具。此外，模型参与者格局日趋复杂，从传统的学术机构到全球科技巨头，从互联网大厂到创业公司，竞争的广度和深度都在加剧。

　　然而，模型测评也面临多重挑战。首先是数据问题。测评结果的准确性和可信度，依赖于高质量、多样化的数据集。然而，数据孤岛和数据泄露问题限制了评测的深度和广度。此外，缺乏统一的评测标准，也让不同机构的评测结果缺乏可比性。林咏华在谈及这一问题时表示，“评测体系的开放性和科学性是关键，要实现统一标准，仍需克服多方利益博弈的障碍。”

　　在林咏华看来，随着技术的不断发展，单一任务测评正向多任务和多模态评测转型。而随着AI在医疗、教育、金融等领域的深度渗透，垂直领域的专项评测需求也在快速增长。