小團隊，為什么能超越巨頭，干出更能打的大模型

不是生意，而是生命。

文 | 華商韜略 陳斯文

不同于互聯網、移動互聯網時代，幾張桌椅、幾個腦袋就能創造奇跡，而是需要動輒數千張的GPU集群、億元級的算力投入、海量的語料數據、以及頂尖的算法人才……

這樣的門檻與特性，曾讓很多人感嘆，AI大模型這條賽道，絕不屬于初創小公司，只有巨頭才配坐在牌桌上。

然而，現實卻給出了鼓舞后來者的答案：

智譜GLM系列模型在中文理解與推理領域比肩國際頂尖水平，MiniMax的M2.5模型以極致效率打破算力內卷，DeepSeek R1將千億參數模型訓練成本壓縮到行業的1/10，Kimi則以200萬字長文本處理能力開辟全新賽道……

一批初創小公司都已在大模型領域成功破局，非但不比巨頭們遜色，甚至開始逆襲巨頭，引領風騷。

【01 四副面孔】

初創公司逆襲巨頭的答案，首先藏在這些公司的創始人身上。

智譜的唐杰與張鵬、MiniMax的閆俊杰、DeepSeek的梁文鋒、Kimi的楊植麟，這些創始人，有一個驚人的共同點：

他們已是人生贏家，卻毅然告別了輝煌與舒適區。

2019年創立智譜時，唐杰已深耕自然語言處理與知識圖譜多年，手握20多項專利，主持過多個國家級科研課題，是清華大學計算機系教授，全球人工智能領域的頂尖學者。

他原本可以安于象牙塔，享受科研與學術的安穩和榮光。但當人工智能的風口初現，他坐不住了，認為這是自己躬身實踐的機會，也是中國AI彎道超車的機會。

▲唐杰在辦公室圖源：北京大學王選計算機研究所

于是，他找到了同為清華校友的張鵬——一位在清華大學知識工程實驗室工作近20年的學者，同樣是技術圈內的資深大佬。

在一家小咖啡館長談了一個下午后，唐杰和張鵬做出了一個決定：離開清華園，搬進創業園區的小寫字樓。

2021年創立MiniMax時，同樣畢業于清華的閆俊杰，已是當時的AI大企商湯科技的副總裁，并主導了商湯深度學習工具鏈和通用智能技術體系的搭建。

彼時的商湯科技，即將港股上市，以閆俊杰的職級與貢獻，繼續供職，很可能成為億萬富翁。

但他覺得這不夠勁，因為他已經對AI有了更大的想法——開發通用大模型，讓AI像水電一樣普及，融入并改變人類生活。

Kimi的創始人楊植麟，同樣是“清華系”的成員，他本科時的老師正是唐杰教授。隨后，他又在美國卡內基梅隆大學取得博士學位。在Facebook、google等一批巨頭企業從事技術研究，并擔任了清華大學的助理教授。

不出意外，這位17歲就被保送清華的天才少年，大概率將會在某家硅谷巨頭獲得千萬級甚至更高年薪，或是成為某家國內大廠的首席科學家。

但2022年ChatGPT的發布，讓他聽到了新世界的敲門聲。于是，他以最快速度破局入場，幾乎是掐著秒表搶融資，只用四個月就創立了今天的月之暗面。

創辦DeepSeek的梁文鋒，更是愿景驅動的極致典型。

早在2010年，梁文鋒的團隊就靠著量化投資，將自營資金做到了超過5億元。他創立的幻方量化，旗下基金規模在2021年一度超越千億大關，位列國內量化四大天王。

按照世俗標準，他可以去買海島、買私人飛機，順手做做安逸的天使投資人。但憑借AI起家的梁文鋒，眼光卻看到了更遠的地方：

“AI一定會改變世界，而中國AI不應該永遠處在跟隨的位置。”

曾經，創業是為了謀生，為了賺錢，改變命運，但這些創業者，他們或是學術界、產業界的大牛，手握令人羨慕的教職與履歷；或是早已實現財富自由的隱形富豪，無需為經濟擔憂。

從第一天起，他們就為理想、為信念而勇往直前。

正是創始人的這種“拼命”底色，賦予了幾家初創公司區別于大廠的獨特氣質——為了理想，而激情燃燒、孤注一擲，甚至無所畏懼。

【02 敢賭敢為】

智譜CEO張鵬曾有一句名言：“技術不是魔法，連驚嘆都不該有，一切都是有跡可循的。”

在智譜內部，一直保持著一條清晰的技術路徑——走自己的GLM算法之路。

GLM是一個巧妙的架構設計，既能做填空也能做續寫，可以在相對低算力下，獲得更高效的訓練底座。

但在2021年，最緊迫的問題是：要不要在這條路上，訓練一個千億級參數的大模型？

GPT-3的訓練成本是兩千多萬美元，智譜的成本控制再好，也需要千萬級人民幣以上，并且需要舉全公司之力，花八九個月時間。

如果成功，一好百好，如果失敗，什么也剩不下。

決策會上，大多數時間大家都在沉默。對于不愛說話的工程師而言，不說話，就是難度大，甚至不可能。

但核心團隊最后認為：不做，不追，永遠不知道自己能跑多快，跑多遠。一個初創團隊的前進，不應該背著經濟包袱。

沉默過后的投票決策，工程師們全票通過。

相對于巨頭而言，這的確是一場不對稱的競爭。

大公司往往背負著沉重的“存量包袱”，它們有龐大的搜索、廣告、社交、電商組成的業務生態，這些是過去的成功路徑，也是某種意義上的鐐銬，更重要的是，它們還需要對財務報表和投資者負責。

因此當顛覆與革命來臨時，決策往往會陷入“創新的窘境”，對新技術和投入太狠，可能沖擊基本面；投入太輕，又會被時代甩下。

“光著腳”的小公司則完全不同，它們沒有業務包袱，沒有需要維護的存量利益，只有ALL IN一條路。

今年年初，Kimi引爆了“長文本”戰役。背后是看準就ALL IN的孤注一擲。

因為發現了用戶“閱讀長文檔”的痛點，Kimi不惜血本投入算力，率先支持200萬字上下文的處理能力。為了這個突破，整個公司僅在幾周內，就經歷了數次架構重構。

國內各大巨頭并非沒有技術儲備，也都看到了其中的機會，但長文本處理的算力成本消耗，尚不明確的變現路徑，都讓其舉棋不定。

這種不對稱，并不只在決心與勇氣。也更在于由決心與勇氣激發出的方法和效率，在于對各種資源要素的調用，以及創新創造力的極致發揮。

國內某大廠的一位AI研究員曾在網上吐槽：他想要申請幾張A100顯卡做實驗，審批流程就走了兩周，等卡到位了，技術風向已經變了。

這是大公司常見的“大企業病”。哪怕一個小想法的落地，往往也要經歷文本匯報，層層審批、跨部門協調、各級評審。更關鍵的是，大廠的研發人員還會不同程度地被KPI綁定，從而更傾向于獲得穩定的考核成果。

但在小公司，戰略和戰術常常都是在戰壕里完成。

在DeepSeek，沒有明確的職級劃分，也沒有上下級分工，看不到冗長的決策鏈條；大家都是“寫代碼的人”，也都是“提想法的人”；每個人都可以拉人討論，并隨時調用公司訓練集群的卡，無需審批，不設上限。

研發V2模型時，為了解決一個算子優化難題，幾位工程師直接拉了個群，現場討論，現場拍板，一個通宵就解決了。

這種差異，就是“成熟正規軍”與“初創特種兵”的區別，正規軍打仗要看地圖、聽指令；特種兵打仗，槍響了就沖，哪里有缺口就打哪里。

這些拿槍沖鋒的特種兵里，甚至包括創始人——Minimax創立初期，閆俊杰本人就親自參與了絕大部分核心代碼的審查。

初創的智譜，團隊僅有百人，且保持著極簡的用人策略——絕大多數都是工程師。發布第一款大模型時，新聞稿是研發人員自己寫的，Logo是一位工程師的女朋友幫忙設計的。

但正是這款大模型，1300億的參數，直接對標OpenAI的CPT-3。并且，從2021年12月決策，到2022年8月發布，只用了9個月。

大模型的研發，固然是“燒錢游戲”，但錢燒得是否有效率，決定了最終的結果。在這一點上，創業公司每一分錢都要花在刀刃上的習慣，將資源的利用率逼到了極致。

就在2月底，OpenAI獲得了來自軟銀、英偉達、亞馬遜的新一輪投資，總計高達1100億美元，它的背后，始終有微軟的支持。而國內幾家AI創業企業，始終沒打過太富裕的仗。

月之暗面的天使輪總估值，只有3億美元；Minimax靠上市前的8輪融資，總共拿到了15億美元，但天使輪僅有3100萬；DeepSeek的前期基本靠梁文鋒與幻方量化的自有資金；智譜獲得的第一筆投資，甚至只有區區4000萬元人民幣。

這種資源上的“有限戰”，逼著創業小公司真的要像特種兵一樣，用好手里的每一顆子彈。

算力，曾經是智譜最大的挑戰，訓練千億級模型，需要數千塊GPU芯片連續運轉數月，智譜只能去東湊西借——2020年，它就向一家國內云服務供應商借了一批閑置GPU。

在最困難的時期，唐杰和張鵬每天最重要的事，就是觀察兩個窗口指標：一個訓練進度，一個銀行賬戶。

但這也磨練出了創業團隊的極限生存能力：智譜的工程師們始終圍繞著模型做極致優化，DeepSeek的團隊甚至為了提升顯存利用率，重寫了底層的通信協議。

也正是因為極致的“算”與“省”，練就了國產大模型的優秀——DeepSeek-V3在性能比肩GPT-4o的同時，訓練成本不到后者的二十分之一。

一位目睹了進程的投資人說：“大廠用鈔能力掩蓋工程能力的不足，小公司卻用工程能力補上了鈔能力的短板”。

【03 軟實力】

從決策到組織，從效率到斗志，各種不對稱的因素加在一起，讓小團隊不斷逆襲大巨頭，但其背后的核心邏輯，并非是大公司打不過小公司。

它的關鍵，不在規模大小，實力強弱，而在規模實力等硬指標背后的軟實力。而當大公司的硬實力與小公司的軟實力相結合，帶來的將是大公司的更加所向披靡。

AI競賽，正在上演類似的故事。

新春之際，字節跳動的Seedance2.0驚艷世界，連好萊塢大牌導演都驚嘆不已，表示重塑影視行業的真正拐點正式到來。

▲圖源：CCTV4微信公眾號

這樣的追趕與突破，得益于字節保持至今的紀律性與饑餓感。在這家公司的歷史上，類似的故事一抓一大把。

2016年，還在孵化階段的抖音，由張一鳴親自面試產品經理的崗位。一個畢業僅8個月的男生，只帶了一張寫著結論的A4紙，他唯一的資歷，是每天刷12個小時短視頻，拆解過2000個爆款視頻的邏輯。

張一鳴當場給出了崗位：P7職級，專家檔薪資，無試用期，進入抖音核心組，3個月看數據。

3個月內，這位應屆生主導了抖音首頁滑動邏輯、拍攝按鈕交互，濾鏡優先級三個核心模塊，幫助用戶時長提升21%，留存提升14%。

在字節內部，有著極其嚴格的日常開支要求，連打印紙都必須雙面使用，但在戰略投入上，算法研發、算力采購、AI大模型框架的建設，預算永遠從實際需要出發，從無紙面上限。

它帶來的結果是，超千億元被投入GPU集群與自研訓練框架的建設，幫助GPU利用率從30%上升到90%，成本下降了70%，訓練速度提升3倍。

老牌大廠阿里，也在用行動證明，大象同樣可以跳舞。

今年，通義千問Qwen系列模型在全球開源榜單上屢次登頂，成為能與Llama、GPT系列分庭抗禮的中國力量。這背后，是阿里對“云智一體”戰略的長期堅守與自我革命。

在阿里內部，通義團隊被賦予了特區般的“創業權限”。他們打破了層級森嚴的匯報機制，重構了一套敏捷的研發體系。為了在算力上實現極致性價比，團隊主動發起“技術攻堅戰”，將模型推理成本在一年內降低了超過90%，讓大模型從“奢侈品”變成了“日用品”。

更關鍵的是，阿里不斷對內“開刀”——為了推動AI落地，阿里云甚至不惜重構其產品邏輯，將通義大模型深度嵌入釘釘等超級應用中。

當大多數公司還在探索AI入口時，釘釘團隊在短短幾個月內就上線了“魔法棒”功能，只需輸入一個“/”符號，AI就能自動生成文檔、整理會議紀要。

為了這個“斜杠”功能，釘釘產品團隊與通義實驗室進行了封閉式開發，跳過了繁瑣的跨部門審批，成為了打破大廠部門墻的經典案例。

這些不計代價，直奔彼岸，不講程序，只看效率的規則，正是AI時代最寶貴的品質。

其實，在所有商業時代，這些都是最寶貴的品質，造就了許多商業傳奇——今天的阿里、騰訊、字節跳動，都是從小公司逆襲而來。

在資本與技術更密集的AI時代，這些品質得到了進一步放大，讓AI時代最震撼人心的技術突破，往往不屬于那些躺在功勞簿上的企業，也不屬于那些只盯著KPI報表的職業經理人。它一如既往地屬于那些：

義無反顧沖向風暴中心的人。

歡迎關注【華商韜略】，識風云人物，讀韜略傳奇。

版權所有，禁止私自轉載

部分圖片來源于網絡

如涉及侵權，請聯系刪除