一、危机四伏：被 DeepSeek 颠覆的生存法则

1.1 开源风暴下的 C 端溃败

在大模型的江湖中，DeepSeek 以一种近乎颠覆的姿态闯入，其带来的开源风暴，让国产大模型六小虎在 C 端市场的生存空间被严重压缩。DeepSeek 的成功，犹如一记重锤，敲醒了还在传统商业模式中摸索的六小虎。

凭借 “7 天用户破亿” 的闪电战，DeepSeek 重新定义了大模型 C 端市场的竞争规则。其 “核心模型开源 + C 端免费 + B 端低价 API” 的组合拳，直击六小虎的要害。以月之暗面的 Kimi 为例，曾经凭借出色的长文本处理能力在 C 端市场崭露头角，吸引了大量用户。然而，DeepSeek 的免费策略就像一把利刃，迅速切断了 Kimi 的用户增长路径。在 DeepSeek 上线后的短时间内，Kimi 的日活用户暴跌超 40%，曾经寄予厚望的订阅制和增值服务也陷入了停滞，C 端收入增长戛然而止 。

智谱 AI 的 GLM 系列模型同样未能幸免。在 DeepSeek 掀起的免费浪潮中，智谱 AI 的用户增速急剧下降。曾经与 DeepSeek 在月活数据上还能勉强抗衡，如今差距却被迅速拉大至 4000 万量级。用户就像逐水而居的鱼群，哪里有更优质、更免费的服务，就流向哪里。DeepSeek 凭借其极致的成本控制，单 Token 推理成本仅为行业均值的 1/30，这种成本优势转化为利润率高达 545% 的商业奇迹，让六小虎在 C 端市场的盈利计划化为泡影 。

在这个流量为王的时代，C 端市场的溃败意味着失去了最广泛的用户基础和品牌影响力。六小虎曾经试图通过差异化的功能和服务来吸引用户，比如 Kimi 的长文本优势、智谱 AI 的知识图谱应用等。但在 DeepSeek 的免费开源模式面前，这些优势变得微不足道。用户在选择产品时，价格往往是最敏感的因素，尤其是在功能相差不大的情况下。DeepSeek 就像一个价格屠夫，用免费的策略横扫 C 端市场，让六小虎陷入了用户流失和收入停滞的双重困境 。

1.2 ToB 红海的残酷绞杀

当 C 端市场的大门被 DeepSeek 无情关闭，六小虎不得不将目光转向 ToB 市场，试图在企业服务的蓝海中寻找新的生机。然而，他们很快发现，这里早已是一片血海，巨头们早已占据了有利地形，等待着这些后来者的，是一场残酷的绞杀。

阿里、字节等大厂，凭借自身强大的生态闭环和政府订单优势，在 ToB 市场上拥有着绝对的话语权。他们就像盘踞在山顶的巨龙，守护着自己的领地，对六小虎的到来充满警惕。百川智能为了能在医疗 ToB 市场分得一杯羹，与医院合作时，不得不接受低于成本价 30% 的合同。这看似是一次合作，实则是一场赔本赚吆喝的买卖。为了获得订单，百川智能牺牲了利润，却只能在微薄的收入中艰难维持研发和运营 。

零一万物的处境更加艰难，在 DeepSeek 的冲击下，它不得不转型成为 DeepSeek 的外包服务商。曾经梦想着打造自己的核心竞争力，如今却陷入了技术依赖的泥沼，技术依赖度超过 70%。这意味着零一万物在很大程度上成为了 DeepSeek 的组装工厂，失去了自主研发和创新的主导权。每一次技术升级和业务拓展，都要看 DeepSeek 的脸色 。

阶跃星辰与吉利合作的 “AI + 车” 项目，虽然在技术上实现了一定的差异化，为汽车智能化带来了新的突破。但背后却是算力成本的大幅攀升，同比暴涨 230%。这就像一个沉重的枷锁，锁住了阶跃星辰的利润空间。每一次技术创新都需要巨大的投入，而收入却无法与之匹配，微薄的利润在高昂的成本面前显得不堪一击 。

根据行业数据显示，六小虎在 ToB 市场的订单收入平均仅能覆盖研发成本的 65%。这意味着他们每做一笔生意，都在亏损的边缘徘徊。在这个市场上，价格战成为了常态，客户在选择供应商时，往往会优先考虑价格因素。六小虎为了获得订单，不得不降低价格，压缩利润空间，陷入了一个恶性循环。而巨头们凭借强大的资金实力和规模效应，可以承受这种低价竞争，六小虎却难以支撑。

二、战略迷局：转型路上的十字路口

2.1 垂直领域的生存博弈

在 DeepSeek 的冲击下，六小虎纷纷将目光投向垂直领域，试图通过深耕特定行业来建立自己的竞争壁垒。然而，这条看似充满希望的道路，却布满了荆棘。

百川智能 All in 医疗赛道，投入大量资源开发病例分析模型，试图在医疗 AI 领域占据一席之地。他们收集了万亿级 token 的严肃医疗数据，涵盖千万级的中 / 英文专业医疗论文、院内真实中 / 英文医疗病例，亿级的医疗问答、医疗问诊、临床数据等 ，并运用行业首创的多阶段领域提升方案进行模型训练。然而，现实却给了他们沉重的打击。其医疗模型在实际应用中，三甲医院签约率仅 12.7%，远低于预期的 50% 。这背后的原因是多方面的，一方面，医疗行业对数据安全和隐私的要求极高，医院在选择合作方时非常谨慎；另一方面，医疗需求具有很强的碎片化特点，不同科室、不同病症的需求差异巨大，这导致百川智能需要不断投入大量研发资源去满足这些碎片化需求，研发投入产出比严重失衡 。

MiniMax 深耕多模态技术，在图像生成、自然语言处理等领域都有布局。其图像生成模型在市场测试中，识别准确率仅为 83%，远低于行业头部的 95% 。这使得他们在与头部企业竞争时，处于明显的劣势。在海外市场拓展方面，MiniMax 也面临着重重困难。不同国家和地区的法律法规、文化习惯差异巨大，这导致他们需要投入大量成本去满足各地的合规要求。例如，在欧洲，严格的 GDPR 数据保护法规对数据的收集、存储和使用提出了极高的要求，MiniMax 为了满足这些要求，不得不增加大量的技术和人力投入，合规成本高企，严重阻碍了他们的海外市场拓展步伐 。

阶跃星辰开源文生视频模型，试图在多模态领域闯出一片天地。他们发布的 Step-Video-T2V 参数量达 300 亿，可生成 204 帧 540P 分辨率视频，在技术上有一定的优势。然而，在市场竞争中，他们却面临着算法同质化严重的问题。市场上类似的文生视频模型层出不穷，阶跃星辰的模型很难在众多竞品中脱颖而出。由于缺乏独特的价值主张，他们很难建立起稳定的客户群体，客户粘性不足，这使得他们在市场上的生存空间受到了极大的压缩 。

垂直化战略看似是六小虎在激烈竞争中的避风港，但实际上却让他们陷入了 “越深耕越小众” 的悖论。在追求专业化的过程中，他们失去了更广泛的市场覆盖和用户基础，而有限的垂直市场又难以支撑他们的持续发展，生存压力与日俱增 。

2.2 资本寒冬下的续命游戏

在这个资本驱动的行业里，融资能力往往决定了一家企业的生死存亡。然而，当前的融资市场对六小虎来说，却充满了寒意。

智谱 AI 是六小虎中为数不多的在融资市场上取得成功的企业。今年 3 月，智谱接连拿下 18 亿元的融资，投资方包括杭州城投产业基金、珠海华发集团、成都高新区等地方国资 。这笔巨额融资不仅为智谱 AI 提供了充足的资金支持，也提升了他们的市场估值，目前其估值已达 300 亿 。有了资金的支持，智谱 AI 得以启动 IPO 上市辅导，向着资本市场的更高峰迈进 。

然而，智谱 AI 的成功只是个例，六小虎中的其他成员却没有这么幸运。零一万物、MiniMax 等企业的融资陷入了停滞，估值较峰值缩水 62% 。曾经被资本追捧的它们，如今却面临着资金链断裂的风险。据行业人士透露，当前 AI 项目的投资决策周期从 3 个月延长至 9 个月，投资机构变得更加谨慎。他们不再盲目追逐热门项目，而是更倾向于 “投赛道不投公司”，即选择那些有潜力的赛道进行投资，而不是单独投资某一家公司 。

这种变化对六小虎来说是致命的打击。由于缺乏资金支持，他们的研发投入强度受到了严重的限制。六小虎平均研发投入强度为 1:4.3（对比 DeepSeek），人均算力资源差距达 5 倍 。算力是大模型研发的核心资源，缺乏算力意味着他们的技术迭代能力被进一步压缩。在这个技术日新月异的行业里，技术迭代速度的放缓就意味着被市场淘汰的风险增加 。

为了维持生存，六小虎不得不采取各种措施来节省成本。一些企业开始削减研发人员，导致研发团队的实力大打折扣；一些企业则降低了市场推广费用，使得品牌知名度和市场影响力不断下降。这些短期的生存策略虽然可以暂时缓解资金压力，但从长远来看，却严重削弱了他们的核心竞争力，让他们在与 DeepSeek 等巨头的竞争中更加无力还手 。

三、破局密码：在废墟中寻找火种

3.1 开源生态的逆袭可能

在 DeepSeek 掀起的开源风暴中，国产大模型六小虎并非只能被动挨打。他们开始重新审视开源生态的价值，试图在这片看似被 DeepSeek 主导的领域中，找到逆袭的可能。

智谱 AI 在这方面迈出了坚实的一步。今年 4 月，智谱宣布开源 32B/9B 系列 GLM 模型，涵盖基座、推理、沉思模型，均遵循 MIT 许可协议 。其中，推理模型 GLM-Z1-32B-0414 性能媲美 DeepSeek-R1 等模型，实测推理速度可达 200Tokens / 秒，而价格仅为 DeepSeek-R1 的 1/30 。这一价格优势，让智谱 AI 在市场上迅速吸引了大量关注。凭借这一优势，智谱 AI 成功吸引了超过 2000 家生态伙伴加入其开源社区，涵盖金融、医疗、教育等多个领域。这些合作伙伴基于智谱 AI 的开源模型，开发出了各种创新应用，进一步丰富了智谱 AI 的生态系统 。

月之暗面也在开源领域进行了积极探索。他们推出的 “知识增强型 Agent” 架构，通过将知识图谱与大模型相结合，显著提升了模型的推理能力。在金融领域的风险评估任务中，该架构使得模型的推理准确率相比传统模型提升了 15% ；在法律领域的合同审查任务中，同样表现出色，能够更准确地识别合同中的风险条款。这一创新架构吸引了众多开发者的关注，相关开源项目在 GitHub 上的星标数在短短一个月内就突破了 5000 。

尽管六小虎的开源社区活跃度在 DeepSeek 的冲击下平均下降了 40%，但他们并没有放弃。在过去的一年中，六小虎在开源技术研发上持续投入，共掌握了 27 项关键专利，涵盖模型架构优化、训练算法改进、推理效率提升等多个方面。这些专利技术成为了他们开源生态的核心竞争力，为其在开源领域的逆袭奠定了坚实的基础 。

3.2 垂直场景的价值重构

在垂直领域的探索中，六小虎虽然遭遇了挫折，但也逐渐摸索出了一些成功的路径，开始重新定义垂直领域的价值创造逻辑。

零一万物与阿里云的合作堪称典范。他们共建的产业大模型基地，聚焦制造、金融等关键行业，通过将大模型技术与行业场景深度融合，实现了显著的效率提升。在制造业中，针对生产流程优化这一关键问题，零一万物的大模型通过对生产数据的实时分析，能够精准识别生产瓶颈，并提供优化建议，使得生产效率提升了 30% ；在金融领域，大模型助力风险评估和投资决策，能够更快速、准确地分析市场数据，为金融机构提供更具前瞻性的决策支持，风险评估的准确率提高了 25% 。

阶跃星辰联合车企开发车路协同大模型，同样取得了显著成效。在智能交通领域，车路协同是实现自动驾驶的关键环节。阶跃星辰的大模型通过对车辆传感器数据和道路基础设施数据的融合处理，实现了更高效的交通流量预测和智能驾驶决策。这不仅提升了行车安全性，还将单车数据处理成本降低了 45% 。这一成果得到了多家车企的认可，目前已与 5 家主流车企达成合作意向，预计在未来一年内实现大规模商用 。

王小川提出的 “医疗大模型分层架构” 理念，为医疗领域的大模型应用提供了新的思路。通过 “基座模型 + 领域适配器 + 场景微调” 的模式，医疗大模型能够更好地适应不同的医疗场景需求。在疾病诊断场景中，这一模式将模型的诊断准确率提升了 20% ，同时将部署成本从千万级降至百万级。这使得医疗大模型在中小医疗机构中的应用成为可能，有望推动医疗行业的智能化变革 。

3.3 全球化突围的新可能

面对国内市场的激烈竞争，六小虎开始将目光投向海外，试图在全球化的舞台上寻找新的增长机会。尽管面临诸多挑战，但他们的一些尝试已经初见成效。

MiniMax 的 AI 虚拟人产品 Talkie 在东南亚市场取得了巨大成功。自 2023 年 6 月上线以来，Talkie 在东南亚的用户数量迅速突破 500 万，成为当地最受欢迎的 AI 应用之一。其独特的情感陪伴和互动功能，深受东南亚用户的喜爱。通过与当地品牌合作，Talkie 开展了一系列本土化的营销活动，进一步提升了品牌知名度和用户粘性。广告收入月环比增长 80%，成为 MiniMax 重要的收入来源之一 。

月之暗面通过 “API + 本地化运营” 模式，在中东、拉美市场也实现了商业突破。他们将自己的大模型能力以 API 的形式输出，与当地的企业合作，共同开发适合当地市场的应用。在中东市场，月之暗面与一家当地的金融科技公司合作，为其提供智能客服解决方案，有效提升了客户服务效率和满意度；在拉美市场，与一家电商平台合作，推出个性化推荐服务，促进了平台的销售额增长。通过这种模式，月之暗面在中东、拉美市场实现了 60% 的毛利 。

尽管在全球化过程中，六小虎面临着数据合规和文化差异等诸多挑战，但他们并没有退缩。某头部投资机构的测算显示，海外市场每 1% 的渗透率提升可带来 2-3 倍的估值溢价。这一诱人的前景，激励着六小虎不断探索全球化突围的新路径，为自己的发展开辟新的空间 。

四、终局启示：在颠覆中寻找确定性

当 DeepSeek 的阴影笼罩整个行业，六小虎的挣扎与突围为中国 AI 产业提供了深刻镜鉴：技术理想主义需让位于商业现实主义，垂直深耕要突破 “伪需求” 陷阱，开源生态应从防御工具升维为进攻武器。正如李开复所言：“大模型终局将是巨头与垂直王者的共生”。那些在寒冬中淬炼出的技术沉淀（如知识增强架构、低成本推理优化）、生态构建能力（开发者社区运营）、场景理解深度（医疗 / 汽车领域 know-how），正在成为穿越周期的核心资产。或许，真正的 AI 革命，恰恰孕育在这些看似困顿的探索之中。