張一鳴的「慢」，和整個行業的「快」

新眸2026.08.12 18:20 · 來自江蘇全文4406字大模型的虛火還在燒。文 | 新眸，作者 | 桑明強不久前，字節跳動創始人張一鳴與Seed負責人吳永輝共同召開了一場Seed全員會，除了給團隊打氣，會上他還談到了對模型蒸餾的看法：不要把蒸餾當作提升模型能力的捷徑，哪怕這意味著可能會落後於國內同行。很多人只看到了不走捷徑的字節，反而忽略了它背後的戰略定力。舉個例子，SP時代比短信訂閱數，團購時代比覆蓋城市數，O2O比地推鐵軍，短視頻比日活。每一次大家都在比那個最容易量化、最容易寫進PR稿、最容易讓投資人興奮的數字。每一次都有人在那個數字上跑到第一，然後呢？

歷史的經驗告訴我們，真正活下來的，從來不是數字最好看的那個。今天的AI行業，正在把這場數字遊戲玩到極致。比參數，從百億到萬億；比榜單，MMLU、GSM8K、HumanEval、Arena Elo一個接一個；比單項能力，誰的視頻生成手指更正常，誰的代碼通過率高几個點，誰的多模態又在某個benchmark刷新紀錄。KOL加班做對比視頻，結論永遠是"國產又贏了"。朋友圈一片歡騰，彷彿AGI下週就來。可你把目光從這些數字上移開，去問真在生產環境用AI的人，得到的多半是另一種答案。

模型在榜單上無所不能，到了具體工作裡，更像個聰明但不靠譜的實習生，什麼都能聊兩句，真交給他一件完整的事，你還得在後面收拾爛攤子。這就是我們今天面對的局面：參數越來越大，榜單越來越好看，熱鬧越來越多，可AI和真實世界之間那道溝，非但沒填上，反而越變越寬。榜單上的勝利與現實中的困境今年7月，月之暗面發佈Kimi K3，參數精確到2.78萬億，全球最大開源模型。那天我的朋友圈被刷了屏。結果三天後的晚上，月之暗面發公告，說"用戶請求量大幅超出預估，逼近現有集群承載極限"，即日起暫停C端新用戶訂閱。這件事本身就能說明一些問題。

花這麼多錢，燒這麼多卡，訓練出參數上碾壓同行的模型，結果連最基本的用戶訪問都扛不住。這就像車廠造出臺發動機參數全球第一的跑車，一開出來發現油箱只能裝十公里的油。另外，榜單本身的可信度也越來越可疑。今年八月，兩家機構發佈同月份國內AI應用月活數據，同一個豆包，一家5.28億，另一家3.82億，差了1.46億。沒有誰造假，只是月活這個用了二十年的指標，到了AI產品這兒突然測不準了。插件調用算不算？API訪問算不算？連統計口徑都沒有共識，那些煞有介事的排名，看看就好。視頻生成領域的榜單競賽，已經到了走火入魔的地步。

可靈、即夢、Vidu這些，每過一端時間就有一家宣佈在某個評測集登頂，KOL迅速跟進出"深度評測"，結論永遠是"國產又贏了"。可你去問真正用這些工具做內容的人，他們關心的根本不是誰在benchmark上高零點幾分。他們關心生成一條視頻要等多久，改十次能不能有一次能用，複雜場景人物會不會崩，商用版權有沒有保障。這些問題，沒有一個榜單能回答。我想起2011年的千團大戰。全國五千多家團購網站，開發佈會都在說用戶數、覆蓋城市、單日交易額，數字一個比一個嚇人。王興那時候就講，團購的核心不是鋪多少城市，是每個城市能不能把單位經濟模型跑正。沒人聽。大家都燒錢搶市場，燒到最後，活下來的是美團。

今天AI行業的邏輯很類似。大家都在拼那些容易量化、容易傳播、容易寫進PR稿的數字，很少有人願意碰真正難的事：怎麼讓模型在工業現場穩定工作，怎麼讓AI在零容錯的金融醫療場景給出可解釋、可審計的結論，怎麼把推理成本降到企業願意大規模買單的程度。這些事不性感，上不了熱搜，也沒法在發佈會上用一張PPT展示，但它們才是AI真正進入生產體系的門檻。蘋果就是最好的例子。2024年WWDC上Apple Intelligence被吹得天花亂墜，結果跳票兩年，今年WWDC才拿出像樣的版本，核心能力還得靠接OpenAI和谷歌的API。發佈會當天，蘋果股價從盤中317美元跌到收盤301美元，市值蒸發2300億美元。

華爾街邏輯很簡單：你演示的這些，ChatGPT兩年前就有了，我們等了兩年，就等來了這個？這就是參數繁榮掩蓋下的真相：我們在實驗室裡、在評測集上、在精心準備的demo裡取得的所有勝利，到了真實世界都要重新打一遍折，而且這個折扣，經常大到讓你懷疑人生。抄作業抄不出第一名張一鳴為什麼對蒸餾這麼敏感？技術上的蒸餾本來是正經方向，用大模型輸出訓練小模型，讓小模型在特定場景接近大模型能力，同時降低推理成本。但在今天的國內AI圈，蒸餾已經異化成了一條抄近路的產業鏈。坦白地說，新模型發佈流程現在高度標準化。國外發布或者更新一個新模型，最多幾周時間，國內就有一堆模型宣佈"在各項基準上追平甚至超越"。怎麼做到的？

說白了很簡單：拿新模型的輸出當訓練數據，蒸餾到自己的模型裡，再針對benchmark做專門優化。OpenRouter有個數據很說明問題。今年1月，開源模型處理的token佔比是34%，到了6月變成65%。半年翻了近一倍。開源模型突飛猛進的背後，有多少是真正的技術突破，有多少是蒸餾和benchmark過擬合帶來的虛假繁榮？關於這個問題，很多人自己心裡都有數。今年7月，前OpenAI研究員Diogo Almeida發了篇博客，說當年那篇奠定Scaling Law的論文，從根上就有個bug，計算推理最優分配時算錯了，導致整個行業過去五年都在訓練"參數過大、訓練不足"的模型。

DeepMind的Sander Dieleman第一時間轉發，說這個bug大概率讓行業在錯誤方向浪費了鉅額算力。這件事最耐人尋味的是，這麼多聰明人，這麼多頂級公司，幾年時間，上萬張GPU燒進去，居然沒人發現這個基礎錯誤。為什麼？因為所有人都在同一條賽道上狂奔，沒人停下來問問路對不對。大家都在堆參數，你不堆你就落後；大家都在刷榜單，你不刷你就融不到錢。路徑依賴一旦形成，連質疑的聲音都會被淹沒。蒸餾就是這條路徑依賴的終極形態。可問題是，抄作業永遠抄不出第一名。如張一鳴所講，你蒸餾Claude，最多無限接近它。更要命的是，這種路徑依賴會從根上廢掉一個團隊的研究能力。

當你的工程師習慣了用別人的輸出訓練模型，他們就再也不會去想，怎麼從第一性原理出發改進模型結構，怎麼構建真正高質量的數據集，怎麼解決那些根本性的技術難題。這才是張一鳴真正擔心的。他看到的不是一時的榜單高低，是整個團隊的創新文化會不會被捷徑腐蝕。Builder.ai破產就是很典型的例子。這家估值15億美元的英國公司，拿了微軟和卡塔爾投資局4.5億美元，對外宣傳AI可以自動寫代碼，客戶想要什麼軟件幾分鐘就能生成。今年五月破產清算時大家才發現，所謂AI自動生成，後臺是七百多個印度程序員在一行行手寫代碼。最諷刺的是，這家公司還上過福布斯"改變世界的50家AI公司"榜單。這樣的故事不是個例。

從Humane AI Pin到Rabbit R1，過去兩年倒下的AI公司已經數不清。有機構統計，2024到2026年入場的AI公司，40%已經關停，原因驚人地一致：沒有核心技術，沒有數據壁壘，沒有真正的場景，大模型一旦更新了同樣的功能，它們的存在價值立刻歸零。歷史不會重複，但總是押著同樣的韻腳。今天AI行業的參數競賽、榜單崇拜、蒸餾捷徑，和當年的手機參數大戰、新能源PPT造車，本質上是同一件事：用容易量化的數字，迴避真實場景裡的艱難跋涉。離開排行榜之後，什麼才是真正的繁榮當然不是說參數不重要，也不是說榜單毫無價值。技術發展早期，量化指標確實能幫我們看清進步的軌跡。

但當整個行業把手段當成目的，把指標當成目標，事情就開始變味了。移動互聯網那十年的繁榮，不是因為手機芯片從單核跑到了八核，是因為iPhone重新定義了智能手機，是微信、支付寶、美團、滴滴這些產品，真正改變了十幾億人吃飯、出行、社交、付錢的方式。特斯拉帶動的新能源革命，也不是因為電池能量密度每年提升幾個百分點，是它證明了電動車可以比燃油車更好開、更智能、更便宜，把整個產業鏈帶了起來。這些繁榮背後當然有技術參數的進步，但參數是結果，不是原因。真正驅動繁榮的，是技術和真實需求的深度結合，是產品在具體場景裡創造的真實價值。今天AI行業的問題，恰恰在於太多人把參數當成了原因。

他們覺得只要模型足夠大，一切問題都會迎刃而解；只要榜單分數足夠高，商業化自然會來。可現實是，GPT-4到GPT-5，參數翻了幾倍，能力強了不少，但真正願意為AI付費的個人用戶並沒有幾何倍數增長。很多企業買了大模型API，用了幾個月就發現，除了寫文案做總結，好像也找不到更多真正能落地的場景。麥肯錫有個報告（《The State of AI in 2025》），2025年企業在AI上的投入比前一年翻了一番，但真正把AI部署到核心生產流程的比例，只從12%漲到了16%。剩下的84%，要麼還在做POC，要麼用了幾次就扔在那兒了。錢花了，熱鬧看了，最後發現AI並沒有像預期那樣重構業務流程。為什麼會這樣？

因為真實世界太複雜了。你在實驗室裡訓練模型，用的是乾淨的、標註好的數據。可到了工業現場，傳感器數據是有噪聲的，生產環境是動態變化的，很多關鍵參數根本沒法直接測量——催化劑的活性、熱態工件的變形量、化學反應的中間狀態，這些東西你連數據都採不到，模型再大，有什麼用？你在評測集上做數學題正確率99%，可到了金融風控，一個錯誤判斷可能就是幾千萬損失；到了醫療診斷，一個幻覺可能就是重大事故。這些場景要求的不是99%的正確率，是六個九、七個九的可靠性，是每一個決策都可解釋、可追溯、可審計。這也是為什麼真正在產業裡深耕的人，對那些天花亂墜的模型發佈越來越淡定。好消息是，已經有人開始往這個方向走了。

微軟今年財報會上，納德拉講的重點已經不是Copilot又加了多少參數，是財富500強裡有多少家在用Azure的AI平臺，是Copilot Studio裡企業自己搭建的Agent數量，是商業模式從席位訂閱轉向"席位+按量計費"。谷歌在Gemini at Work上展示的，也不是什麼炫酷demo，是大眾、華納兄弟、Snap這些公司怎麼把Gemini真正嵌到生產流程裡。國內的騰訊WorkBuddy、阿里QoderWork、字節TRAE、金山WPS AI，也都在做同樣的事——不再比誰的模型更聰明，開始比誰能更深度地嵌入工作流，誰能真正幫用戶解決問題。當然，這條路註定更難走。

它要求你沉到行業裡去，理解客戶的真實痛點，和客戶一起打磨產品，忍受很長時間沒有高光時刻的寂寞。它不像發佈一個萬億參數模型那樣能上頭條，不像刷到榜單第一那樣能讓投資人興奮，也不像KOL的評測視頻那樣能帶來潮水般的流量。但這才是真正的AI浪潮該有的樣子。