本文來源：時代周報 作者：朱成呈

一年前的春節(jié)前夜，DeepSeek-R1橫空出世，引發(fā)全球人工智能行業(yè)的強烈反應。中國大模型的能力邊界由此被重估，如今同樣的時間窗口再次被點燃。

DeepSeek據(jù)稱將于2月中旬推出新一代旗艦模型V4，強化編程能力與復雜推理。梁文鋒也再次成為科技圈屏息等待的焦點人物。但這一次，春節(jié)流量的聚光燈不再只打在一家企業(yè)身上。

過去一周，中國人工智能行業(yè)進入少見的密集發(fā)布期。從2月11日深夜智譜GLM-5的突發(fā)上線，到2月12日MiniMax M2.5的緊跟入局，再到字節(jié)跳動帶著工業(yè)級視頻模型Seedance 2.0亮相，試圖重新定義視頻生成的物理邊界，各大廠商仿佛達成一種默契：既然無法繞過DeepSeek帶來的壓力，那就選擇在它成名的時刻發(fā)起反擊。連一向節(jié)奏穩(wěn)健的阿里，也將Qwen 3.5的發(fā)布窗口鎖定在春節(jié)前后。

密集發(fā)布的背后，并非簡單的節(jié)奏巧合，而是一次集體性的能力展示——在同一個注意力峰值時段，完成技術(shù)實力與市場姿態(tài)的集中表達。

但更重要的變化，并不在大模型本身，而在場景價值敘事。

與一年前相比，大模型行業(yè)已明顯進入“下半場”。單純的參數(shù)規(guī)模和單點性能不再構(gòu)成唯一競爭維度，多模態(tài)、Agent 架構(gòu)、模型上下文協(xié)議（Model Context Protocol，MCP）、Multi-Agent 協(xié)同機制，以及真實業(yè)務場景中的落地效率，成為新的核心變量。

IDC中國研究經(jīng)理孫振亞向時代周報記者表示，產(chǎn)業(yè)關注點已經(jīng)逐漸從“模型有多強”，轉(zhuǎn)向“能不能產(chǎn)出價值”，核心在于能否在真實業(yè)務中解決問題并交付結(jié)果。

“未來是否出現(xiàn)類似DeepSeek那樣的現(xiàn)象級沖擊，更多取決于發(fā)布節(jié)奏與市場情緒，而非技術(shù)能力本身。從能力儲備與創(chuàng)新動能看，中國大模型陣營依然處于高強度競爭與快速迭代階段，具備再次定義階段性技術(shù)標桿的條件?！鄙忱闹袊匣锶舜揲獙r代周報記者稱。

DeepSeek新模型技術(shù)路徑成形

DeepSeek-V4尚未正式發(fā)布，但過去一個多月的技術(shù)動作，已經(jīng)勾勒出新模型的大致方向。

1月1日，DeepSeek拋出的論文中提出名為mHC的新網(wǎng)絡架構(gòu)，核心在于解決信息的流動。中原證券研報認為，mHC引入了一種類似“加權(quán)平均”的思路，由于凸組合的結(jié)果不會超過輸入的最大值，保證信號不會被無限放大。試驗結(jié)果表明在MoE模型上，mHC使得模型訓練的收斂速度提升約1.8倍。

隨后，1月12日，DeepSeek再次發(fā)布論文，提出名為Engram的條件記憶模塊，依靠稀疏查找來檢索固定知識的靜態(tài)嵌入。浙商證券研報分析認為，這為大語言模型的架構(gòu)優(yōu)化提供了新思路，可以期待集成Engram技術(shù)的DeepSeek-V4 模型帶來更強競爭力：擁有更大的知識庫（低成本內(nèi)存擴展）、更強的邏輯推理（網(wǎng)絡深度解放）以及更低的推理成本（存算分離）。

1月27日，DeepSeek再發(fā)論文將優(yōu)化延伸至輸入側(cè)。該論文提出將視覺作為文本壓縮媒介的新方法，將文本以圖片的方式進行輸入，可以極大減少輸入所需要的token數(shù)量，解決長文本輸入問題。2月11日，多位用戶反饋DeepSeek已在網(wǎng)頁端與移動端更新版本，上下文窗口從128K提升至百萬token級別。技術(shù)演進與產(chǎn)品更新形成呼應，新模型框架逐漸清晰。

從公開信息來看，mHC與Engram兩項架構(gòu)創(chuàng)新均指向同一目標，提高效率并壓縮成本。中原證券預測， 對于新模型來說，成本有望大幅降低，有望較大地緩解目前國內(nèi)缺芯的狀況。

但架構(gòu)優(yōu)化解決的是模型層面的效率問題，行業(yè)競爭的維度，已經(jīng)發(fā)生變化。

“當前主流模型在通用理解與生成能力上已達到可用水平，不同廠商之間的性能差距對業(yè)務結(jié)果的影響逐步降低。”崔楠表示，企業(yè)客戶更關注的是任務成功率、穩(wěn)定性、響應時延、成本可控性以及與現(xiàn)有系統(tǒng)的集成效果。因此，真正決定商業(yè)價值的，是圍繞模型構(gòu)建的包括工作流編排、數(shù)據(jù)接入、權(quán)限控制、監(jiān)控評估與持續(xù)優(yōu)化機制等工程體系。

“模型再聰明，單靠它自己是辦不了事的。模型缺少企業(yè)一線業(yè)務知識與流程上下文，也缺少與現(xiàn)有系統(tǒng)和產(chǎn)品的深度連接，更缺少穩(wěn)定的工具調(diào)用與任務執(zhí)行能力。”孫振亞指出，無論是Agent、MCP還是Skills，本質(zhì)上都是在模型之上做工程化構(gòu)建。把模型的推理能力，跟企業(yè)的業(yè)務知識、工具生態(tài)、執(zhí)行鏈路真正串聯(lián)起來。產(chǎn)業(yè)競爭的重心，也已經(jīng)轉(zhuǎn)移到誰能在模型底座之上，構(gòu)建出真正能在真實場景中閉環(huán)交付價值的系統(tǒng)。

流量高峰背后，執(zhí)行能力才是壁壘

2026年初，OpenClaw與Seedance 2.0幾乎在同一時間引爆科技圈輿論。一個代表Agent的工程化極限，一個試圖讓AI視頻生成走向可交付的工業(yè)形態(tài)。

OpenClaw的故事更具戲劇性。它的前身名為Clawdbot，2025年11月由奧地利工程師彼得·斯坦伯格創(chuàng)建。項目上線10天，GitHub Star數(shù)突破10萬，刷新開源項目增長紀錄。2026年1月，因與Anthropic商標沖突更名為Moltbot，兩天后再次更名為OpenClaw。名字三易其主，熱度卻持續(xù)攀升。

真正讓OpenClaw破圈的，不是改名風波，而是能力邊界的變化。OpenClaw被視為第一款讓普通用戶切身感受到“AI 直接替你干活”的本地Agent。不同于停留在對話界面的聊天機器人，OpenClaw具備對操作系統(tǒng)與應用層的直接控制能力。OpenClaw可以在本地運行，修改代碼、修復Bug、重構(gòu)組件；也可以模擬人類操作瀏覽器，自動填寫表單、抓取網(wǎng)頁數(shù)據(jù)、管理多個平臺賬號；還能調(diào)用即時通訊工具發(fā)送語音消息，處理郵件，甚至完成線上采購。

換言之，OpenClaw不再只是給出建議，而是直接執(zhí)行任務。

國聯(lián)民生證券研報指出，作為一款24小時自動運行的AI助手，OpenClaw終結(jié)了AI作為“被動問答工具”的階段，正式定義了以自主拆解、跨平臺調(diào)度和閉環(huán)執(zhí)行為核心的生產(chǎn)范式。它促使AI從屏幕背后的“智囊”進化為深入業(yè)務一線、具備實操權(quán)的“數(shù)字雇員”，大幅壓縮了從創(chuàng)意到落地的開發(fā)鏈路，將企業(yè)數(shù)字化轉(zhuǎn)型的重心從“流程驅(qū)動”轉(zhuǎn)向“智能驅(qū)動”。

“OpenClaw通過生態(tài)打通和工具整合，并默認給了Agent足夠高的系統(tǒng)權(quán)限和上下文支持，釋放出過去很多Agent產(chǎn)品因生態(tài)封閉、安全顧慮和成本考量而束縛住的能力，使得大家看到 Agent 的無限可能性?！睂O振亞表示，AI廠商的競爭力不是某個形態(tài)的產(chǎn)品，而是能否讓AI真正可用，讓AI真正把事情辦好。

在視頻生成領域，Seedance 2.0也呈現(xiàn)出類似方向。

游戲科學創(chuàng)始人、《黑神話：悟空》制作人馮驥公開評價其為“當前地表最強的視頻生成模型，沒有之一”，并認為這意味著“AIGC 的童年時代結(jié)束”。

過去一年，人工智能視頻生成技術(shù)確實取得明顯進展，但在影視與工業(yè)生產(chǎn)環(huán)節(jié)，仍存在幾項關鍵瓶頸：角色與場景在多鏡頭間缺乏一致性，人物五官與服飾頻繁“變形”；物理邏輯難以自洽，重力與運動關系失真；音畫無法原生同步，口型與情緒匹配需要后期修補；導演對鏡頭語言的控制權(quán)過度依賴模型內(nèi)部黑箱。

Seedance 2.0的升級，正是圍繞這些問題展開。相較于上一版本，其目標不再只是生成畫面，而是回答更具體的制作問題，分鏡如何自動拆解，鏡頭如何自然運動，人物在連續(xù)畫面中如何保持穩(wěn)定，口型與音軌如何原生對齊，以及同一段素材能否一次生成即可直接使用。

國聯(lián)民生證券研報指出，Seedance2.0在官方宣傳里被描述為采用“雙分支擴散變換器架構(gòu)”，并主打四件事：自動分鏡/運鏡、多模態(tài)參考輸入、音畫同步（含口型/情緒匹配）、以及多鏡頭敘事的一致性；同時強調(diào)“60秒內(nèi)生成帶原生音頻的多鏡頭2K視頻”等性能賣點。

Seedance2.0的產(chǎn)品意圖很明確，不是把視頻當作“盲盒”，而是把視頻當作“可交付的鏡頭序列”。

這與OpenClaw的邏輯并無本質(zhì)差異。兩者都試圖跨越一個關鍵門檻：從展示能力，走向承擔任務。

當模型開始對“結(jié)果”負責，競爭的標準也隨之改變。春節(jié)檔或許仍會誕生新的流量高峰，但真正決定行業(yè)走向的，或許不再只是模型本身，而是圍繞模型構(gòu)建的執(zhí)行系統(tǒng)。

“未來具有決定性影響力的競爭焦點將是規(guī)?；蓮椭频膱?zhí)行能力。如果某類智能體能夠在某一場景中實現(xiàn)高成功率、低成本運行，并能夠快速復制到大量客戶或設備中，就可能形成真正的商業(yè)壁壘?！贝揲赋觯Ｐ偷闹匾圆]有下降，但其角色正在轉(zhuǎn)變?yōu)槟芰Φ鬃?。在未來大模型產(chǎn)業(yè)的核心競爭中，能夠?qū)⒛Ｐ湍芰Ψ€(wěn)定、低成本地嵌入真實業(yè)務流程，并形成規(guī)?；瘧玫钠髽I(yè)更有可能在競爭中占據(jù)優(yōu)勢。