IDC發佈全球基礎模型評估報告，阿里雲是唯一入選“領導者”象限的中國廠商
重點摘要
國際數據資訊公司IDC近日發布《IDC MarketScape：全球基礎模型軟體廠商評估》（Worldwide Foundation Model Software 2026 Vendor Assessment）報告，針對全球主要人工智慧基礎模型軟體供應商進行綜合競爭力評比。
國際數據資訊公司IDC近日發布《IDC MarketScape：全球基礎模型軟體廠商評估》（Worldwide Foundation Model Software 2026 Vendor Assessment）報告，針對全球主要人工智慧基礎模型軟體供應商進行綜合競爭力評比。本次共有11家廠商入榜，阿里雲憑藉千問（Qwen）模型家族與千問AI平台脫穎而出，成為唯一進入「領導者」（Leaders）象限的中國廠商，與Google、Anthropic、OpenAI、Amazon等國際大廠並列第一梯隊，顯示中國AI技術實力已獲得國際權威機構高度肯定。 IDC MarketScape評估模型向來是科技產業供應商競爭力分析的重要參考依據，其研究方法結合質化與量化標準，透過嚴謹的評分機制，以圖形化方式呈現各供應商在特定市場中的定位。該評估分別從「能力」（Capabilities）與「策略」（Strategy）兩大面向進行衡量，前者檢視供應商短期內的產品、市場推廣與業務執行表現，後者則評估供應商策略與客戶未來三至五年需求的契合程度，供應商的市場份額則以圖示大小呈現。 IDC在報告中指出，2026年全球人工智慧市場已正式進入一個多模型、多智能體、多模態且具備自主執行能力的全新時代。與過去僅評估單一維度的模型跑分不同，此次IDC考察的是「模型能力＋服務能力」的綜合競爭力，亦即廠商能否在提供強大基礎模型的同時，也具備完整的服務體系與落地能力，滿足企業客戶從開發到部署的全程需求。 在模型層面，IDC特別指出，Qwen大模型家族採用統一的混合專家（MoE）架構與預訓練範式，提供從輕量級到Max規模的全系列尺寸選擇，涵蓋推理、編碼與多語言能力。目前阿里雲已在文本生成、推理、多模態理解、多模態生成及專業任務等領域推出數十款自研模型，展現出完整的模型產品矩陣，能因應不同場景與需求提供適切的解決方案。 在模型服務層面，IDC介紹阿里雲提供了豐富的大語言模型、多模態模型與場景優化模型，並配套完整的工具鏈，包括數據處理、微調、評估、檢索增強生成（RAG）、應用構建與部署等環節。這意味著企業客戶不僅能取得先進的模型技術，還能透過阿里雲的平台工具，有效率地將模型落地至實際業務場景中，縮短從概念驗證到正式上線的時程。 模型層與服務層的緊密貫通，構成了阿里雲全棧AI雲服務的堅實底座。IDC認為，依託阿里雲在全球的節點部署，以及「開源＋商業」雙軌並行的策略，阿里巴巴已在互聯網行業的主要企業客戶，以及金融、製造、政府與跨境出海等場景中實現大規模部署。作為模型開源領域的早期採用者，阿里雲開源系列的衍生模型數量已超過93,000個，被全球開發者與企業廣泛採用，彰顯其在開源生態中的深遠影響力。 規模化的客戶落地最終反映在市場份額表現上。根據IDC發布的《中國AI軟件市場半年度追蹤，2025H2》報告，阿里雲以42.2%的市場份額位居中國大模型訓推公有雲市場第一，且年增率高達116%，為市場最高增速。同時，IDC《中國智算雲基礎設施服務市場洞察，2025H2》亦顯示，阿里雲以30.3%的份額位列中國生成式AI基礎設施即服務（GenAI IaaS）市場第一名，穩居市場領導地位。 值得注意的是，這並非阿里雲首次獲得國際權威機構的認可。在此之前，阿里雲已入選Gartner雲AI基礎設施魔力象限「領導者」、Forrester AI基礎設施解決方案全球「領導者」等評比，如今再加上IDC此次的肯定，意味著阿里雲已在從底層算力基礎設施到上層基礎模型的完整技術鏈路上，獲得國際權威機構的一致認可，其全棧式AI佈局策略獲得市場驗證。 業界分析認為，阿里雲此次入選IDC「領導者」象限，不僅是對其技術實力的肯定，更反映中國AI產業在全球化競爭中已具備與國際頂尖廠商並駕齊驅的能力。隨著企業對AI應用的需求日益多元且複雜，具備完整模型生態與服務體系的廠商將更具競爭優勢，而阿里雲在模型研發、開源生態與行業落地方面的持續投入，可望進一步鞏固其市場領先地位。 展望未來，阿里雲表示將持續加大模型研發與開源生態的投入，不斷提升模型服務能力，以全棧AI能力協助全球企業加速智能化轉型。在全球AI產業快速演進的浪潮下，阿里雲能否延續此一動能，在國際市場中擴大領先優勢，將是後續值得關注的焦點。
Related
相關文章
超7萬億，DeepSeek V4 Flash單週調用量登頂全球第一
賬號設置我的關注我的收藏申請的項目退出登錄登錄搜索36氪Auto數字時氪未來消費智能湧現未來城市啟動Power on36氪出海36氪研究院潮生TIDE36氪企服點評36氪財經職場bonus36碳後浪研究所暗湧Waves硬氪氪睿研究院媒體品牌企業號企服點評36Kr研究院36Kr創新諮詢企業服務核心服務城市之窗政府服務創投發佈LP源計劃VClubVClub投資機構庫投資機構職位推介投資人認證投資人服務項目推薦36氪Pro創投氪堂企業入駐創業者服務創投平臺AI測評網 首頁快訊資訊推薦財經AI項目推薦廣東最新創投汽車科技專精特新直播視頻專題活動搜索項目推薦我要入駐城市合作超7萬億，DeepSeek V4 Flash單週調用量登頂全球第一36氪的朋友們·2026年08月05日 15:41僅8月1日一天，DeepSeek V4 Flash單日處理達8萬億Token。 多模型聚合平臺OpenRouter發佈的全球AI大模型調用量周榜單（7月27日至8月2日）顯示，DeepSeek V4 Flash以7.22萬億Token的調用量位居第一。 另據開源項目團隊OpenCode發文，其平臺上DeepSeek V4 Flash的調用量大幅飆升，僅8月1日一天，模型單日處理達8萬億Token。其中，5萬億為免費試用額度消耗，3萬億為開發者通過OpenCode平臺付費使用。 OpenRouter數據顯示，上週全球AI大模型總調用量為56.8萬億Token，環比下滑2.07%。上榜的AI大模型中，中國AI大模型周調用量達28.13萬億Token，環比下滑14.76%。同期美國AI大模型周調用量為4.38萬億Token，環比增長87.18%。中國大模型周調用量已連續十四周超過美國，穩居全球首位。 8月5日，界面新聞查詢OpenRouter本週榜單看到，截至發稿，DeepSeek V4 Flash 042
對話盛穎：xAI，Infra的浪漫，SGLang，開源，平權與“甄嬛傳”
賬號設置我的關注我的收藏申請的項目退出登錄登錄搜索36氪Auto數字時氪未來消費智能湧現未來城市啟動Power on36氪出海36氪研究院潮生TIDE36氪企服點評36氪財經職場bonus36碳後浪研究所暗湧Waves硬氪氪睿研究院媒體品牌企業號企服點評36Kr研究院36Kr創新諮詢企業服務核心服務城市之窗政府服務創投發佈LP源計劃VClubVClub投資機構庫投資機構職位推介投資人認證投資人服務項目推薦36氪Pro創投氪堂企業入駐創業者服務創投平臺AI測評網 首頁快訊資訊推薦財經AI項目推薦廣東最新創投汽車科技專精特新直播視頻專題活動搜索項目推薦我要入駐城市合作對話盛穎：xAI，Infra的浪漫，SGLang，開源，平權與“甄嬛傳”硅谷101·2026年08月05日 15:39“構建下一代AI” 她是xAI前推理團隊負責人。 她研究併發起的開源推理引擎SGLang，已經成為眾多大模型部署和推理的重要底層工具，也是目前AI infra領域最具影響力的開源推理框架之一。 她本科畢業於上海交通大學ACM班，之後先後在哥倫比亞大學、斯坦福大學取得計算機科學碩士和博士學位。她的研究經歷橫跨算法、形式化驗證和大模型系統。 她就是我們此次的採訪嘉賓——盛穎。 大模型浪潮興起之後，盛穎作為LMSYS開源社區的核心成員，參與推動了一系列具有行業影響力的項目。 之後，盛穎加入xAI，共同領導Grok的推理團隊，將開源研究帶入全球最前沿的大模型工程實踐。如今，她從SGLang開源生態中孵化出創業公司RadixArk，希望把只有少數科技巨頭才能擁有的前沿AI基礎設施，變成整個行業都可以使用的開放技術底座。 RadixArk創立之初便完成1億美元種子輪融資，投資方几乎集齊了硅谷所有的算力巨頭和技術領袖人物。 這次對談，我們從盛穎眼中的數學之美、論文和低谷，聊到SGLang、xAI與RadixArk
清華唐傑團隊揭示大模型記憶全景
賬號設置我的關注我的收藏申請的項目退出登錄登錄搜索36氪Auto數字時氪未來消費智能湧現未來城市啟動Power on36氪出海36氪研究院潮生TIDE36氪企服點評36氪財經職場bonus36碳後浪研究所暗湧Waves硬氪氪睿研究院媒體品牌企業號企服點評36Kr研究院36Kr創新諮詢企業服務核心服務城市之窗政府服務創投發佈LP源計劃VClubVClub投資機構庫投資機構職位推介投資人認證投資人服務項目推薦36氪Pro創投氪堂企業入駐創業者服務創投平臺AI測評網 首頁快訊資訊推薦財經AI項目推薦廣東最新創投汽車科技專精特新直播視頻專題活動搜索項目推薦我要入駐城市合作清華唐傑團隊揭示大模型記憶全景量子位·2026年08月05日 15:35LLM記憶架構全景圖，萬字長文解構大模型記憶機制 近年來，大語言模型（LLMs）的突破很大程度上歸功於Scaling Laws（參數、數據、算力）。 然而，在模型演進的過程中，一個同等重要的維度正變得愈發關鍵——記憶（Memory）。 從Transformer中伴隨計算產生的KV Cache，到線性RNN/SSM的隱式狀態壓縮，再到近期大火的Titans、TTT（Test-Time Training）以及Engram等顯式、可持久化記憶模塊，大模型的底層記憶機制正在經歷一場深刻的範式轉換。 基於此方向，清華大學唐傑教授團隊、新加坡國立大學（NUS）以及Bosch AI聯合發佈了一篇針對大模型記憶架構前沿的詳盡綜述。文章不僅首次提出了三維記憶分類學（Representation, Update Dynamics, Persistence），還將零散的前沿工作統一到了一個連貫的理論框架下，為下一代更高效、可長效學習的LLM設計指明瞭方向。 這裡需要特別澄清的是，本文探討的“記憶”特指模型架構層面的內部記憶（Architectural-level M
世界銀行：新興經濟體應儘快擁抱 AI，但沒必要與富裕國家比拼數據中心、大模型
世界銀行認為，新興經濟體沒有必要與富裕國家比拼大型數據中心和大語言模型。相比之下，推廣經過本地化調整的小型低成本 AI 工具，更有可能改善醫療服務和教育質量。
114B參數、6B激活，Sand.ai剛剛開源全球首個千億MoE視頻生成模型
< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> 114B參數、6B激活，Sand.