" 世界不是由事實構成的，而是由事實之間的關系構成的。"
如果用維特根斯坦的理論來反推 AI 的能力邊界，智能的上限或許從一開始就不取決于模型 " 知道多少 "，而取決于它是否理解 Context ( 語境 ) 、規則，以及這些知識在不同場景中如何被使用。
也正是在這一意義上，今天更有競爭力的模型們，開始逐步逼近維特根斯坦后期所說的 " 語言游戲 "：意義并不來自詞本身，而來自使用。能否參與這種游戲，決定了 AI 只是一個高效的工具，還是正在進入更深層的認知結構。
但這一變化，并沒有被輿論第一時間捕捉。過去兩年，輿論場被 ChatGPT 與 Claude 輪番占據，行業習慣將 AI 視為一個整體的、線性的競賽，更強的模型、更大的參數、更通用的智能被視為唯一的進化方向。
身處一線的從業者，先于市場感知到了 " 溫差 "。前 OpenAI 成員姚順雨，便在此前 AGI 會談上分享到： AI 在 To C 端和 To B 端正遵循不同的發展軌跡。
從 GPT-4 到后續迭代版本，普通 C 端用戶的體感差異微乎其微；但另一邊，Claude，已開始深入編程等核心環節，改變程序員們的工作模式。
在 To B 的世界里，智能直接等同于線性的生產力。企業愿意為最頂級的 " 大腦 " 支付高昂溢價。因此，當 AI 應用從簡單的 Chatbot 轉向嵌入 IDE、CRM 等核心工作流時，那些擁有算力基礎設施、掌握行業 Know-how、并能構建閉環環境的 " 超大規模云廠商 "，正在強勢接管整個 B 端 AI 市場。
而在 To C 的世界，勝負手從 " 算力堆疊 " 轉向了對 " 語境（Context）" 的捕捉。結果是，巨頭們在同一方向狂奔，卻走向了不同賽道。針對被字節與阿里占據的 AI 輿論場，馬化騰在昨日內部年會定調騰訊 AI 戰略—— " 每個企業的基因不同、體質不同，騰訊的風格就是穩扎穩打。"
面對外界的 AI 焦慮，馬化騰開場便給全員吃下 " 定心丸 "。與此同時，元寶派的誕生證明騰訊依舊將希望放在了熟悉的社交關系鏈中。
陷入馬太效應的 " 垂直整合 "
過去兩年，市場曾篤信 " 模型 + 應用 " 一體化的垂直整合才是王道。這在邏輯上似乎無懈可擊：只有同時掌握底層大腦與上層手腳的玩家，才配在這個賽道筑起高墻。
但現實很快給出了反擊。在 To B 的生產力場景下，能夠在這個星球上做大預訓練（Pre-training）的公司鳳毛麟角，而那些手握場景 Know-how 的公司，往往并不具備底層訓練的基因。這種能力的錯位，迫使 B 端市場在早期迅速分層：底層公司刷榜 Scaling Law，應用公司做 " 最后一公里 " 的適配。
到了 2025 年下半年，這場分工演變得更加殘酷。對于 To B 市場而言，更大的預訓練依然是模型公司不可撼動的核心壁壘；而隨著模型能力的溢出，那些只做簡單 " 套殼 " 或 " 薄 " 中間層的應用公司，發現自己的價值被底座模型直接覆蓋了。在新的生存法則里，不做深、不做厚，就意味著出局。
分化的根源，是 " 智能密度 " 開始直接掛鉤企業 ROI，B 端客戶愿意為 " 確定性 " 支付高昂的溢價。姚順雨在 AGI 會談上的例子非常直白：如果最強的模型訂閱費是 200 美元 / 月，而第二強的只需 20 美元，企業會毫不猶豫地選擇前者。
邏輯很簡單，一個工程師每天處理 10 個任務，頂級模型能做對 9 個，次級模型只能做對 6 個。為了省下那 180 美元的模型費，企業需要花費數倍的人力成本去復核那 3 個錯誤的答案。
這種對極致智能的渴求，導致 B 端市場的馬太效應遠比 C 端嚴重。
大摩去年 11 月發布的《中國 CIO 調查報告》佐證了這一趨勢—— DeepSeek、通義千問兩家的 CIO 意向度已達到 75%。基于此，大摩給出了更為激進的終局推演：三年內，通義、DeepSeek、華為和字節跳動將占據 90% 的國內 B 端 AI 服務市場份額。
在巨頭攻城略地的陰影下，為了維持高密度的智能供給，獨立模型廠商正如履薄冰。以 To B 的代表智譜為例，這家公司雖是典型的 " 短小精悍 " ——人數不足千人、產品迭代快，年化收入正快速邁向一億美金。但在支出層面，即便收入快速增長，大規模的技術研發與算力支出，依舊持續侵蝕著智譜的利潤空間。
互聯網的規模經濟效應在 AI 領域似乎并未奏效。即使智譜在收入增長過程中保持了 50% 的高毛利，但 2024 年其支出（成本與運營開支）仍是當期收入的 10 倍上下；到了 2025 年上半年，這種 " 收入越大、虧損率越高 " 的規模不經濟現象反而加劇了。
當然，問題的癥結在于大模型對 " 投入密度 " 的無底洞需求——要給模型投喂更多數據，要么靠自身超快的落地速度去接入更多場景，要么只能比拼對私有數據的付費能力。而智譜為了 To B 落地，不僅要維持通用的高強度研發，還需要匹配龐大的銷售團隊，這使得其在與擁有自有數據金礦的互聯網大廠競爭時，顯得捉襟見肘。
與此同時，創業公司的生存空間也在被重新定義。過去兩年，大量創業公司涌入所謂的 " 中間層 " 賽道，做 RAG（檢索增強生成）、Prompt Engineering（提示詞工程）平臺，或者是簡單的 Workflow 編排工具。
但隨著模型能力——尤其是長上下文（Long Context）和推理能力（Reasoning）的提升，這些 " 薄 " 中間層的價值正在被迅速稀釋。以前需要復雜 Prompt 鏈條解決的問題，現在直接把技術文檔扔進長文本模型就能解決。
" 修補匠 " 正在退出歷史舞臺，取而代之的是 " 厚 " 中間層。姚順雨認為，這種 " 厚 " 除了是對特定領域 Know-how 的深度封裝。也是對 " 環境交互（Environment Interaction）" 的構建。Coding Agent 之所以能率先跑通，是因為代碼擁有一個最完美的反饋環境——編譯器。代碼寫錯了，編譯器報錯，Agent 知道錯了并自我修正。這是一個天然的強化學習（RL）閉環。
但這恰恰觸及了創業公司難以逾越的 " 數據墻 "。以 Coding Agent 為例，即便強如 Claude ，其母公司 Anthropic 想要優化代碼能力，也不得不依賴數據廠商去雇傭工程師進行標注。這種 " 外包式 " 的數據生產，規模受限且帶有明顯的人工痕跡。
相比之下，大廠擁有截然不同的解題環境，因為它們自身就是 Coding Agent 最大的試驗場。
大廠內部幾萬名工程師每一次代碼的提交、回滾、Review，都是在為模型提供最真實、最高頻的反饋。這種 " 在應用中反哺模型 " 的數據閉環，便是姚順雨口中極為重要的、不依賴標注商就能獲取的 " 真實世界數據 "。
比如支付寶的金融風控、飛書的實時通訊優化、或是騰訊《三角洲行動》開發中的資產生成。這些場景需要的不是通用的 GPT-4，而是 " 通用底座 + 行業特化 + 實時反饋 " 的綜合體，這種從 " 薄 " 到 " 厚 " 的演進，在過去一年進一步鞏固了大廠的優勢。
豆包、千問、元寶的殊途不同歸
在 To C 領域，對于絕大多數普通用戶而言，模型寫抽象代數的能力變強了，但這在日常聊天中幾乎無法感知，大多數人使用 AI 的方式更像是搜索引擎的加強版。
阻礙體驗提升的不僅是模型的參數量，還有輸入的 Context 量。
正如姚順雨舉的例子：如果用戶輸入 " 今天吃什么 "，GPT3.5 和 Gemini3 給出的答案其實并無太大差異。但如果它知道具體場景，如今天天氣很冷、或者你剛點贊了一家火鍋店，它就能給出一個相對合理的建議。只有輸入更多的 Context，模型的活動范圍才能給用戶帶來價值。
在國內互聯網特有的 " 圍墻花園 " 體系下，這場關于 Context 的戰爭，注定是一場巨頭內部的 " 內戰 "，豆包、千問、元寶看似在 AGI 道路上并肩同行，實則已經分道揚鑣。
對于像月之暗面或 MiniMax 這樣的創業公司而言，它們擁有不輸于大廠的模型智商，但在獲取用戶 " 支付記錄 "、" 地理位置 " 或 " 社交關系鏈 " 這些關鍵 Context 時，卻面臨著難以逾越的生態高墻。
這意味著垂直整合在 To C 依然成立，但前提是需要像微信或豆包這樣擁有用戶入口的產品，才能順利獲取這些 Context，并將其喂給模型。
《新立場》則在此基礎上看到了阿里、騰訊、字節三家巨頭對 " 差異化 " 的詮釋：單純提升智商（學別人）走得快，但深度結合語境（做自己）上限才高。
從現有結果來看，豆包不僅起量快，在 AI 原生 APP 的心智上基本處于斷層領先。這種領先優勢，直接來自于字節最擅長的內容和算法，以及對用戶碎片時間的收割能力。基于內容消費的 Context，也讓豆包在娛樂與陪伴場景下擁有了極高的粘性。
而阿里幾乎沒有理由把重心押在陪伴和社交上。它最值錢的資產，是交易、支付、履約體系。花大力氣做一個情緒價值滿分、但不能幫你把事情辦完的 AI，這對阿里來說反而是資源錯配。
所以，通義千問的定位非常直接：辦事型 AI。前不久，千問 App 宣布全面接入淘寶、支付寶、飛豬、高德等阿里生態。吳嘉所言的 " 把辦事能力的邊界進行拓展和做深 "，其實就是做深 Context 的口語化表達。
這是一種典型的 " 全家桶 " 策略，通過中心化的 AI 入口，調用整個阿里經濟體的服務能力。從變現角度分析，千問這條路徑，是最有業務確定性和收入預期的一條路。
與阿里大開大合的生態整合不同，騰訊選擇與前兩位保持 " 刻意 " 的距離。
1 月 26 日，騰訊 2026 年員工大會。面對外界關于 " 騰訊 AI 掉隊 " 的焦慮，Pony 給出的回應頗具騰訊式的克制。他直言，"AI 全家桶未必是大家都喜歡的 "；并定調未來騰訊將繼續堅持去中心化的戰略。
這與阿里將高頻服務接入一個 App 的邏輯截然不同。比起再造一個 "AI 版微信 "，騰訊更傾向于讓 AI 能在不改變用戶習慣的前提下滲透進各業務的具體場景中。
" 去中心化 " 的思考，也直接決定了騰訊 AI 新品 " 元寶派 " 的產品形態。在 Pony 年會講話的同時，騰訊悄然啟動了這款新產品的內測，并試圖用一種騰訊最熟悉的方式來定義它——" 結合我們的優勢，社交通信以及關系鏈 "。
事實上，這也是騰訊 AI 戰略的某種 " 修正 " 與 " 回歸 "。混元起步晚于百度、阿里、字節，且騰訊在 2022 年前后同時經歷主營業務波動、中臺收縮與降本增效，大模型長期未能被公司整體戰略強力拉升，甚至到 2024 年，元寶和混元大模型才轉到 CSIG。
想追豆包，最不該走的路就是再做一個更像豆包的元寶。 此前進軍短視頻、電商上的失利已經表明，在純粹的內容分發和算法推薦上，騰訊確實沒有壓倒性的優勢。其真正的護城河始終是社交。
在這種情況下，騰訊最合理的選擇，自然是在自己最擅長的社交上繼續加碼，用 AI 放大現有社交價值。
騰訊試圖將群聊總結作為一個起點，通過 " 派 " 把 AI 變成社交信息流的基礎設施。如果 " 派 " 最終能走向群聊化、協作化的 AI 入口，那才算是走進了騰訊最擅長的戰場。
寫在最后：
" 目前唯一還值得持續投入的就是 AI。"
在這一判斷上，Pony 并未猶豫太久。選擇重新走到臺前，用組織重構、人才密度去壓縮追趕周期。
但當資源、配方逐步到位后，市場對交付的需求也會更急切。或許姚順雨與騰訊之間的 " 蜜月期 "，并不會被拉得太長。混元的下一個版本被內部定義為 Agent 模型，很可能正是 Pony 期待的第一份階段性答卷。
在 AGI 會談上，姚順雨的表達，也透露出一種并不完全站在 " 大廠立場 " 的思考。他反復提到，當前國內對榜單、指標和數據的執念，正在遮蔽一些更本質的問題。DeepSeek 也被他拿來作為引例，并非每一次能力躍遷，都需要通過榜單來完成自證。就像 Claude 在編程榜單上并非絕對第一，但其在真實工程場景中的價值，卻很少被真正質疑。
真正重要的，或許只有兩點：什么是正確的事情，以及自己是否真的能體驗出好壞。誰能率先做到這一點，誰就有可能做出真正的 Social Agent ——不只是寫文檔、查信息，最重要的是能夠介入復雜的人際互動與生活決策。
而這正是 AGI 時代最難被復制的護城河。如果說 To B 的 AI，追求的是把世界變得更高效；那么 To C 的 AI，真正要回答的，或許是如何在一個由關系、語境與默契構成的社會中，學會 " 合適地行動 "。
當 AI 開始分流，它所考驗的，就不只是算力與算法，還有每一家公司的世界觀。
來源：新立場pro
