（文/陳濟(jì)深 編輯/張廣凱）

面對中國大模型的強(qiáng)勢崛起，美國硅谷的反應(yīng)正在越發(fā)割裂。

就在幾天前，以反華為標(biāo)簽的Anthropic CEO再次對中國模型開炮，不僅表示多家中國開源模型企業(yè)“蒸餾”Claude的數(shù)據(jù)涉嫌剽竊，隨后更是貶低中國模型是靠“刷題應(yīng)對基準(zhǔn)測試”才取得的排行榜跑分成績。

但就在3月2日晚，當(dāng)阿里千問開心3.5系列旗下4款小尺寸模型后，馬斯克旋即在社交媒體留下了一句辣評： "Impressive intelligence density."（令人驚嘆的智能密度）

馬斯克旋即在社交媒體留下了一句辣評

表面上看，似乎是科技狂人的一次隨性點(diǎn)贊，但在業(yè)內(nèi)人士眼里，馬斯克回復(fù)“智能密度”這個(gè)用詞，猶如一把尖刀，精準(zhǔn)刺穿了Anthropic等美國AI巨頭苦心經(jīng)營的“高性能、高溢價(jià)”的護(hù)城河。

從堆參數(shù)到堆密度

“智能密度”是馬斯克近一年來反復(fù)鼓吹的核心概念。是衡量大模型效率的關(guān)鍵指標(biāo)。

他不僅多次表示“AI智能密度的潛力被低估了兩個(gè)數(shù)量級”，也公開稱贊自家Grok 5將擁有6萬億參數(shù)且每GB擁有更高的智能密度。

現(xiàn)在他把自己最珍視的概念送給了競爭對手，也就意味著，比起傳統(tǒng)的商業(yè)互吹，馬斯克對于這款中國的模型是真心認(rèn)同。

而在同一天晚上，太平洋對岸最懂“算賬”的AI創(chuàng)業(yè)者，給出了完全相同的答案。

MiniMax創(chuàng)始人閆俊杰在上市后首份財(cái)報(bào)電話會上，也提及了這個(gè)關(guān)鍵詞，他把公司的核心戰(zhàn)略概括為“智能密度的持續(xù)提升，加上Token的吞吐能力”。他說：“最終決定勝負(fù)的并不是單純的燒錢和燒資源，而是智能能力進(jìn)步的速度。”

兩件事撞在同一天，指向同一個(gè)詞。如果把時(shí)間線再拉長，你會發(fā)現(xiàn)這不是巧合，而是一場正在成型的行業(yè)共識。

過去三年AI行業(yè)的主旋律是軍備競賽：拼參數(shù)、拼GPU、拼燒錢。萬億參數(shù)是門檻，十萬張卡是標(biāo)配，誰的數(shù)字大誰就是王。但這條路的收益正在遞減——模型參數(shù)翻十倍，性能可能只好了兩成，成本卻翻了不止十倍。

而在喧囂之下，一條“暗線”早已浮出水面。

2025年11月，清華大學(xué)劉知遠(yuǎn)教授團(tuán)隊(duì)的研究登上《自然·機(jī)器智能》封面，正式提出了大模型的“密度法則”（Densing Law）�；趯�51個(gè)主流大模型的嚴(yán)謹(jǐn)回測，論文揭示了一個(gè)驚人的規(guī)律：從2023年到2025年，大模型的智能密度以每3.5個(gè)月翻倍的速度增長。

這意味著每一百天，人類就可以用一半的參數(shù)量，實(shí)現(xiàn)當(dāng)前最優(yōu)模型的性能。

劉知遠(yuǎn)教授把這件事講得非常透徹：“規(guī)模法則和密度法則就像大模型演進(jìn)的明線和暗線。之前的信息革命也是如此，明線是設(shè)備越來越小，大型機(jī)→小型機(jī)→個(gè)人電腦→手機(jī)；暗線則是芯片行業(yè)的高效進(jìn)化，也就是摩爾定律�！�

IBM首席研究科學(xué)家Kaoutar El Maghraoui的判斷更直白：“2026年將是前沿模型與高效模型之爭的一年。”行業(yè)已經(jīng)厭倦了單純堆砌規(guī)模的收益遞減，正在尋找新的解法。

所以我們現(xiàn)在看到的，并不是幾個(gè)人碰巧說了同一個(gè)詞。從學(xué)術(shù)界到產(chǎn)業(yè)界到競爭對手，一條新的共識正在合流：AI競賽的度量衡變了。從比誰“大”，到比誰“密”。

小模型也能夠?qū)嵱?/strong>

但并非所有人買賬。

就在幾天前，Anthropic CEO阿莫代伊公開唱了反調(diào)，稱中國模型針對基準(zhǔn)測試的優(yōu)化，遠(yuǎn)多于對現(xiàn)實(shí)世界使用的優(yōu)化。

翻譯一下：中國模型是刷題刷出來的，不算數(shù)。

這話有其語境，也暴露了美國頭部大廠的深層焦慮。中國模型每證明一次小模型也能打，Anthropic和OpenAI賴以生存的高溢價(jià)定價(jià)模式就多一分崩塌的危險(xiǎn)——如果9B的模型能干十倍參數(shù)量模型的活兒，巨頭們精心構(gòu)筑的API利潤池就會被瞬間抽干。

然后，馬斯克轉(zhuǎn)頭就給千問點(diǎn)了贊。

這里有一層微妙的博弈：馬斯克跟OpenAI和Anthropic打得不可開交�？渲袊Ｐ�，某種程度上也是在敲打美國同行——你們口中不值一提的對手，正在用你們最害怕的方式挑戰(zhàn)你們的定價(jià)權(quán)。

當(dāng)然，爭論歸爭論，密度法則給出的數(shù)字是冷冰冰的：據(jù)論文統(tǒng)計(jì)，GPT-3.5級模型的API調(diào)用價(jià)格在短短20個(gè)月內(nèi)下降了266.7倍。這不是某個(gè)人的觀點(diǎn)，這是技術(shù)通縮規(guī)律。

爭論可以繼續(xù)。曲線不等人。

千問3.5的小模型，就是這條密度曲線上最新的那一個(gè)數(shù)據(jù)點(diǎn)——也是最讓人不敢忽視的那一個(gè)。

先說一個(gè)最直觀的事實(shí)：一年前需要整個(gè)服務(wù)器集群才能跑的能力，現(xiàn)在裝進(jìn)了手機(jī)。

9B參數(shù)量的千問3.5，在多項(xiàng)基準(zhǔn)上性能媲美甚至超越十倍參數(shù)量的模型：GPQA Diamond得分81.7，指令跟隨91.5，視覺理解在MMMU-Pro上以70.1 vs 57.2大幅領(lǐng)先同級別的GPT-5-Nano。最夸張的是，不到10億參數(shù)的0.8B模型，能一口氣處理26萬token的超長上下文——相當(dāng)于兩三本長篇小說的體量，跑在一部普通手機(jī)上，而不是發(fā)熱的服務(wù)器機(jī)房里。

千問團(tuán)隊(duì)在16天內(nèi)連發(fā)9款模型，全部Apache 2.0完全開源，每一款都在各自參數(shù)級別稱王。這不是一款產(chǎn)品的勝利，而是一整條密度曲線的“活體證據(jù)”。

劉知遠(yuǎn)教授早就預(yù)見了這個(gè)趨勢。他曾斷言：“只要能實(shí)現(xiàn)某種智能，未來一定可以在更小的終端上運(yùn)行�！�

千問3.5正在驗(yàn)證這句話。

當(dāng)9B模型能跑出十倍參數(shù)量的性能，AI的部署門檻就從“有服務(wù)器集群的大公司”降到了“有一張消費(fèi)級顯卡的個(gè)人開發(fā)者”。當(dāng)幾百人的公司能做出與數(shù)千人巨頭掰手腕的模型，創(chuàng)業(yè)公司入場的門檻就從“先融十億美元”變成了“先找三百個(gè)聰明人”。

MiniMax就是后一種故事的注腳。全公司385人，平均年齡29歲，據(jù)閆俊杰在電話會上披露，公司成立至今累計(jì)花費(fèi)僅5億美元——對比OpenAI的數(shù)千員工和數(shù)百億融資，交出的卻是營收增長159%、毛利增長437%的答卷。智能密度不只是模型參數(shù)的物理概念，也是一種極其強(qiáng)悍的組織杠桿。

不要低估個(gè)人設(shè)備的汪洋大海。 信息革命初期曾有人預(yù)言“全球只需要幾臺大型計(jì)算機(jī)”。但到了今天，全球有超過70億部手機(jī)。劉知遠(yuǎn)曾算過一筆賬：早在2023年，全國散落在千萬部設(shè)備上的端側(cè)算力總和，就已經(jīng)是數(shù)據(jù)中心的12倍。

智能的終局，注定是分布式的。

這才是“智能密度”比任何一次跑分都重要的原因。它指向的不是“誰的模型今天更強(qiáng)”，而是“AI最終以什么形態(tài)、多低的成本、來到每一個(gè)普通人身邊”。

回到馬斯克那句“Impressive intelligence density”。與其說他在夸贊一家中國公司的某次發(fā)布，不如說他在確認(rèn)一個(gè)正在發(fā)生的轉(zhuǎn)折：

AI的下半場，不屬于最大的模型，屬于最密集的智慧。