阿里与DeepSeek引领中国AI模型低成本竞赛

中国人工智能赛道的竞争正在经历关键转折。阿里巴巴与DeepSeek在同一时间窗口相继释放新动作，将围绕大模型的角力推向“价格”与“效率”的新战场。据AI News报道，阿里云正式推出Qwen3.8-Max，这是该公司迄今参数规模最大的大模型；而DeepSeek则通过最新V4-Flash的定价策略，向市场宣示低成本推理的可能性。

Qwen3.8-Max：巨量参数与高效激活的平衡

Qwen3.8-Max拥有2.4万亿个参数，采用混合专家（Mixture-of-Experts, MoE）架构。与传统的稠密模型不同，MoE模型在处理每一个请求时，并不会激活全部参数，而是由路由机制动态选择相关的专家模块。阿里方面表示，在一次推理过程中，实际激活的参数约为950亿。这意味着该模型虽然总体规模庞大，但推理时的计算开销被控制在可接受范围内，从而在模型能力与部署成本之间取得了新的平衡。

阿里云一位技术负责人表示：“我们不想只做参数上的领先者，更希望让模型的高性能真正落在可负担的推理成本上。Qwen3.8-Max的设计正是这一思路的体现。”

此类架构近年来已成为超大规模模型的主流选择，包括DeepSeek、Mistral和xAI等团队都在类似方向发力。MoE的意义不仅在于节省算力，更在于为更长的上下文、更复杂的推理任务留出发展余地。

DeepSeek V4-Flash：以价格撬动市场

与阿里展示“巨模型”路线不同，DeepSeek的最新V4-Flash选择了另一条路径——用更低的推理定价吸引开发者和企业用户。据AI News报道，该模型的推理价格低于多个主流竞争系统，打破了“高性能模型必然昂贵”的惯性认知。这并非DeepSeek第一次以激进定价搅动市场，此前该公司就曾通过开源模型和优惠API价格，在国内外开发者社区收获大量关注。

从V3到R1再到V4-Flash，DeepSeek一直在压缩模型的边际使用成本。对于创业团队和中小企业而言，这意味着他们可以在不增加预算的前提下获得接近前沿模型的AI能力。这种“低价高配”的策略，正在倒逼其他厂商重新审视自身的定价体系。

竞赛重心转移：从参数崇拜到成本效率

过去两年，中国AI行业的竞争焦点常常停留在“发布一个更大的模型”——参数规模、榜单分数、多模态能力几乎成为衡量技术实力的唯一标尺。但是随着基础设施投资压力增大、商业化需求变得迫切，单纯比拼参数的做法已经难以持续。阿里和DeepSeek的新动向，释放出明确的信号：模型的竞争力不再只由能力决定，还要考虑每一次调用所需的资金成本。

这种转变背后有多重因素。一方面，训练和推理的电力、芯片成本居高不下，重资产模式让中小玩家难以为继；另一方面，AI应用要真正落地，必须越过“降本”这道坎。无论是用MoE架构控制激活参数，还是通过API定价直接刺激市场，本质上都在探索一条更可持续的发展路径。

有分析人士指出：“中国AI公司已经把价格战打到了模型层。当同等水平的推理服务比对手便宜一半以上，开发者会很快用脚投票。”

编者按：低成本化是全球AI竞争的下一个主战场

“规模宏大”不再是技术叙事的全部。阿里和DeepSeek的行动说明，中国AI行业正进入一个更加务实的阶段：以可承受的成本交付强大的模型。这对下游应用生态来说无疑是好消息，更重要的是，它可能会迫使全球AI巨头在定价与效率上做出更多让步。未来，谁能率先找到“能力-成本”最优解，谁就可能主导下一代AI基础设施的格局。

本文编译自AI News