新眸原創(chuàng)·作者 | 棠寧

這兩天，大家聊的最多的不是又出了什么刷新榜單的新模型，也不是又簽了什么千萬級的行業(yè)訂單，而是兩個字：漲價。

就在昨天，阿里云和百度智能云同步發(fā)布了公告，旗下AI算力與存儲產(chǎn)品將在4月18日正式調(diào)價，最高漲幅達(dá)到34%。而在這之前，亞馬遜AWS、微軟Azure、谷歌云已經(jīng)完成了一輪AI相關(guān)服務(wù)的價格上調(diào)，部分特定項目的漲幅甚至達(dá)到100%。全球云廠商集體進(jìn)入算力漲價周期，沒有一家能置身事外。

打個比方，現(xiàn)在做大模型，就像開著車上了沒有出口的高速，油門不敢松，松了就會被后面的車瞬間超過，但油價一直在漲，油箱里的融資款越燒越少，沒人知道自己能不能撐到下一個服務(wù)區(qū)。

這話不是矯情。如果你留意阿里2026財報Q3前瞻和剛剛發(fā)布的騰訊財報，你會發(fā)現(xiàn)兩者最大的共通點，就是加大了對AI基礎(chǔ)設(shè)施與大模型研發(fā)的大額持續(xù)投入，當(dāng)然，這也不可避免地讓昔日互聯(lián)網(wǎng)巨頭在營收增速上放慢了腳步。

幾乎在同一時間，上海的大模型創(chuàng)業(yè)公司MiniMax，發(fā)布了新一代旗艦大模型M2.7。和行業(yè)里常見的“參數(shù)規(guī)模再創(chuàng)新高”、“權(quán)威榜單全面領(lǐng)先”的發(fā)布邏輯不同，這款模型最核心的標(biāo)簽，是“自進(jìn)化”。

據(jù)官方介紹，這是全球第一個實現(xiàn)商用的自進(jìn)化大模型，它可以深度參與自身訓(xùn)練優(yōu)化的全流程，在部分研發(fā)場景可承擔(dān)30%到50%的工作量。

一邊是全行業(yè)都在為算力成本、研發(fā)效率焦慮，在軍備競賽的泥潭中越陷越深；一邊是一家成立僅4年多的創(chuàng)業(yè)公司，讓大模型從被研發(fā)的工具，變成了研發(fā)的參與者，甚至是主體。這一槍，算是打到了行業(yè)的七寸上。

01

3年競賽，大模型的背后難點

大模型行業(yè)走到今天，整整三年時間，幾乎所有玩家都困在同一場軍備競賽里。

2023年ChatGPT引爆生成式AI浪潮的時候，行業(yè)的競爭焦點是參數(shù)規(guī)模。從百億參數(shù)到千億參數(shù)，再到萬億參數(shù)，大模型的參數(shù)膨脹速度，遠(yuǎn)超摩爾定律曾經(jīng)的節(jié)奏，仿佛參數(shù)規(guī)模就是衡量大模型能力的唯一標(biāo)尺，誰家的參數(shù)更大，誰家就站在了行業(yè)的頂端。

很快，參數(shù)競賽就走到了盡頭，大家發(fā)現(xiàn)，參數(shù)規(guī)模的提升，帶來的能力增長越來越有限，反而對算力的需求呈指數(shù)級上漲。于是行業(yè)的競爭焦點，轉(zhuǎn)向了算力資源的爭奪。高端AI芯片的供需缺口持續(xù)擴(kuò)大，國內(nèi)的大模型公司紛紛鎖定長期算力訂單，行業(yè)一度出現(xiàn)“一卡難求”的局面，甚至有創(chuàng)業(yè)公司為了保障算力穩(wěn)定，直接包下了整個智算中心的機(jī)柜。

到了2025年，單純的算力軍備競賽也卷不動了，行業(yè)的戰(zhàn)場延伸到了落地場景。大廠們紛紛把大模型和自己的云服務(wù)、硬件產(chǎn)品、生態(tài)體系綁定，試圖在千行百業(yè)的落地中搶到先發(fā)優(yōu)勢，競爭從技術(shù)研發(fā)，蔓延到了生態(tài)、渠道、客戶資源的全面比拼。

但這場持續(xù)了三年的競賽，代價越來越沉重，已經(jīng)開始影響到整個行業(yè)的發(fā)展。

大廠尚且如此，創(chuàng)業(yè)公司的生存壓力更是肉眼可見。我接觸過的不少大模型創(chuàng)業(yè)者，都有過類似的經(jīng)歷：融到的第一筆錢，一半先打給了云廠商鎖定算力，剩下的錢大部分用來支付算法團(tuán)隊的薪酬，留給產(chǎn)品打磨、場景落地的資金少之又少。行業(yè)就像一個高速運(yùn)轉(zhuǎn)的跑步機(jī)，所有人都必須不停往前跑，一旦停下來就會被趕超，但跑的越快，消耗的成本就越高，陷入了“越卷越貴，越貴越卷”的死循環(huán)。

而這個問題的根源，是大模型研發(fā)效率的底層瓶頸。

傳統(tǒng)的大模型研發(fā)，是一套完全由人驅(qū)動的標(biāo)準(zhǔn)化流程。從最開始的數(shù)據(jù)清洗、標(biāo)注，到模型架構(gòu)的設(shè)計、預(yù)訓(xùn)練的參數(shù)調(diào)整，再到后續(xù)的微調(diào)、對齊、評測、bug修復(fù)，每一個環(huán)節(jié)都需要大量的算法工程師、數(shù)據(jù)標(biāo)注人員、產(chǎn)品經(jīng)理深度參與。

一個千億參數(shù)級別的大模型，從立項到正式發(fā)布，往往需要一個幾百人的團(tuán)隊，花費3到6個月的時間，中間還要消耗數(shù)億的算力成本。即便是迭代速度最快的頭部廠商，一個完整的大版本更新，也需要至少兩個月的研發(fā)周期。

更讓人無奈的是，這種“手工作坊”式的研發(fā)模式，正在遭遇明顯的邊際效益遞減。從GPT-3到GPT-4，再到GPT-5，OpenAI的每一次迭代，都投入了比上一次更多的算力和人力，但普通用戶能感知到的能力提升，卻越來越有限。

國內(nèi)的大模型玩家也是如此，從2023年到2026年，國內(nèi)已經(jīng)發(fā)布了數(shù)百款大模型，參數(shù)規(guī)模越來越大，訓(xùn)練數(shù)據(jù)越來越多，但真正能重構(gòu)行業(yè)流程、帶來顛覆性體驗的能力突破，卻寥寥無幾。很多大模型的迭代，只是在特定榜單上的分?jǐn)?shù)提升，很難轉(zhuǎn)化為用戶可感知的體驗升級。

02

自進(jìn)化給大模型行業(yè)

找了個新出口

從這個角度看，MiniMax的M2.7，給大家指了一條全新的路。

M2.7的核心突破，不是參數(shù)規(guī)模的提升，或是某個特定場景能力的優(yōu)化，而是對大模型研發(fā)范式的重構(gòu)。

在M2.7之前，大模型在自身的研發(fā)流程里，最多只能承擔(dān)輔助工具的角色。算法工程師可以用它寫一些訓(xùn)練相關(guān)的代碼，做一些簡單的數(shù)據(jù)清洗工作，但核心的模型架構(gòu)設(shè)計、訓(xùn)練流程控制、對齊優(yōu)化等關(guān)鍵環(huán)節(jié)，還是必須由人來完成。大模型始終是一個被研發(fā)的對象，而不是研發(fā)的參與者，整個研發(fā)流程的核心驅(qū)動力，始終是人。

而M2.7的“自進(jìn)化”能力，第一次讓大模型深度參與到了自身研發(fā)的全流程中。

根據(jù)MiniMax官方披露的信息，M2.7可以完成數(shù)據(jù)篩選與清洗、訓(xùn)練數(shù)據(jù)的構(gòu)建、模型架構(gòu)的迭代優(yōu)化、訓(xùn)練過程中的參數(shù)調(diào)整、對齊與評測，甚至是自身推理代碼的優(yōu)化等多個環(huán)節(jié)的工作。在部分特定研發(fā)流程中，M2.7可以承擔(dān)30%到50%的工作量，研發(fā)人員只需要完成頂層的目標(biāo)設(shè)定、關(guān)鍵環(huán)節(jié)的審核與把控，以及最終的效果驗收。

這個變化的本質(zhì)，是把大模型的研發(fā)模式，從過去的“人驅(qū)動模型迭代”，轉(zhuǎn)向了“模型驅(qū)動模型迭代”。

最直觀的改變，就是研發(fā)效率的提升和成本的下降。

同樣的一個大模型迭代版本，過去需要一個200人的算法團(tuán)隊花費3個月的時間完成，現(xiàn)在只需要更少的人力、更短的周期就能落地，人力成本和時間成本都有顯著下降。而在算力成本上，因為M2.7可以自主優(yōu)化訓(xùn)練流程，調(diào)整訓(xùn)練參數(shù)，提升算力的使用效率，同樣的訓(xùn)練任務(wù)，消耗的算力資源也會明顯減少。對于本就面臨資金壓力的創(chuàng)業(yè)公司來說，這種效率的提升，直接意味著生存空間的擴(kuò)大。

很多人會有疑問，讓大模型參與自己的研發(fā)，會不會犧牲基礎(chǔ)能力？

從官方發(fā)布的信息來看，并沒有。M2.7的編程能力已經(jīng)追平了OpenAI的GPT-5.3-Codex，在多模態(tài)理解、長上下文處理、邏輯推理等核心能力上，也進(jìn)入了國內(nèi)大模型的第一梯隊。自進(jìn)化能力的實現(xiàn)，沒有以犧牲基礎(chǔ)能力為代價，反而通過模型的自主優(yōu)化，實現(xiàn)了基礎(chǔ)能力的同步提升。

對于一家成立僅4年多的創(chuàng)業(yè)公司來說，這樣的成績并非偶然。MiniMax成立于2022年，是國內(nèi)最早一批入局大模型賽道的創(chuàng)業(yè)公司，此前已經(jīng)發(fā)布了多個版本的通用大模型，在多模態(tài)生成、長對話等領(lǐng)域積累了成熟的技術(shù)能力，也沉淀了大量的模型研發(fā)數(shù)據(jù)與經(jīng)驗，這些都為自進(jìn)化大模型的研發(fā)提供了堅實的基礎(chǔ)。而這次自進(jìn)化大模型的發(fā)布，也讓MiniMax從國內(nèi)大模型的第二梯隊，一躍進(jìn)入了技術(shù)創(chuàng)新的第一陣營。

M2.7的發(fā)布，之所以能在行業(yè)內(nèi)引發(fā)這么大的震動，核心原因在于，它打破了大模型行業(yè)過去三年的競爭邏輯。

過去三年，大模型行業(yè)的競爭，本質(zhì)上是資源的競爭。誰能拿到更多的算力，誰能組建更大的算法團(tuán)隊，誰能投入更多的資金，誰就能在競爭中占據(jù)優(yōu)勢。大廠憑借著自己的資金優(yōu)勢、算力優(yōu)勢、生態(tài)優(yōu)勢，在這場競爭中占據(jù)了絕對的主導(dǎo)地位，創(chuàng)業(yè)公司想要突圍，只能在細(xì)分場景里尋找機(jī)會，很難在通用大模型的核心技術(shù)上，和大廠正面抗衡。

行業(yè)的馬太效應(yīng)越來越明顯，頭部廠商占據(jù)了絕大多數(shù)的算力資源、人才資源和市場份額，中小玩家的生存空間越來越小。

但自進(jìn)化大模型的出現(xiàn)，改變了這個游戲規(guī)則。當(dāng)大模型可以自己研發(fā)自己的時候，資源的重要性會相對下降，技術(shù)創(chuàng)新的權(quán)重會被無限放大。創(chuàng)業(yè)公司不需要再和大廠拼算力、拼資金、拼團(tuán)隊規(guī)模，只需要在核心技術(shù)上實現(xiàn)突破，就能用更少的資源，實現(xiàn)更快的迭代速度，在競爭中拿到自己的一席之地。

和當(dāng)年的DeepSeek類似，相當(dāng)于給陷入內(nèi)卷的行業(yè)，打開了一條全新賽道，讓技術(shù)創(chuàng)新重新成為行業(yè)競爭的核心。