干了13年AI，说句得罪人的话：bat大模型干不过新公司

今天刚跟几个做垂直领域的小团队聊完天，心里挺不是滋味的。我在大模型这行摸爬滚打十三年了，从最早搞NLP到现在看各种基座模型，说实话，现在的局势跟五年前完全不一样了。以前大家都觉得BAT（百度、阿里、腾讯）是铁板一块，谁敢跟他们硬刚？现在你看，风向变了。

很多人还在迷信大厂的光环，觉得只有大厂才有算力，才有数据。这观念得改改了。我最近深入接触了几个创业团队，他们用的模型虽然参数量没大厂那么夸张，但在特定场景下的表现，简直让人拍大腿。为啥？因为大厂太“重”了。

你看现在BAT出的大模型，功能那是真多，什么写代码、画图、分析数据、做客服，样样都行。但问题是，样样通往往样样松。对于咱们这些真正落地业务的人来说，太麻烦了。我要的是一个能精准解决我行业痛点的工具，不是一个什么都懂一点但都不精的“万金油”。新公司就不一样，他们像手术刀，只切一个点，切得深，切得准。

就拿我们最近测试的一个医疗辅助诊断模型来说，那是个成立不到两年的小团队做的。他们没搞什么通用基座，就是拿着几百万份脱敏的病历数据，死磕那个细分领域。结果呢？在特定病种的识别准确率上，竟然吊打了好几个大厂的综合模型。你说气人不？大厂有那么多数据，为啥搞不定？因为数据质量不行啊，噪音太多，而且大厂的模型为了照顾通用性，不得不牺牲掉很多细节特征。

这就是为什么现在业内都在讨论“bat大模型干不过新公司”这个话题。不是技术不行，是思路不对。大厂像是在造一艘航空母舰，虽然庞大，但掉头慢，而且为了容纳所有兵种，牺牲了单兵作战的灵活性。新公司造的是快艇，速度快，反应灵敏，在狭窄的水域里（垂直行业）简直如鱼得水。

我有个朋友，之前一直迷信大厂API，结果发现成本太高，而且响应速度受限于大厂的排队机制。后来他转投了一家做法律检索的新公司，不仅成本低了一半，而且检索结果的专业度让他的客户都惊了。他说，这才是真正能落地的技术，而不是那种只能在发布会上吹牛的PPT技术。

当然，我也不是全盘否定大厂。在底层算力基础设施、通用语言理解能力上，BAT确实有底蕴。但到了应用层，尤其是那些需要高度定制化、高隐私要求、低延迟的场景，新公司的优势太明显了。他们船小好调头，今天客户提个需求，明天就能改代码上线。大厂呢？走流程都得走半个月。

所以，别再盲目崇拜大厂了。作为从业者，我得说句实话：未来的赢家，大概率不是那些拥有最多参数的模型，而是那些最懂用户痛点、响应最快的模型。这也解释了为什么最近融资市场上，垂直领域的小模型公司更受资本青睐。大家都不傻，都知道钱该往哪投。

咱们做技术的，最终目的是解决问题，不是搞参数竞赛。如果一个新公司的模型能用更少的资源，解决更具体的问题，那它就是好模型。别被那些华丽的发布会迷了眼，看看实际落地的效果，看看用户的真实反馈，那才是硬道理。

这篇文章没啥高大上的理论，就是我这十三年的一点真心话。希望给还在纠结选大厂还是选新团队的朋友们，一点参考。毕竟，市场不等人，技术更是日新月异。

本文关键词：bat大模型干不过新公司