大模型行业正经历一场深刻的转型，曾经以技术突破为驱动的狂热发展，如今在2025年迎来商业化落地的关键考验。随着智谱等头部企业启动首次公开募股（IPO）进程，市场关注点从模型参数的“军备竞赛”转向实际应用的商业价值。资本市场正以更严苛的标准评估企业的可持续商业模式与长期竞争力，这一趋势在开源与闭源的技术路线之争中尤为凸显。
智谱董事长刘德兵在接受采访时提出一个反直觉的观点：开源与商业化并非对立关系。他指出，短期视角下，闭源模式可能带来直接收益，但长期来看，开源是推动行业生态发展的关键。AI技术的普及需要降低使用门槛，开源通过共享技术成果，吸引更多参与者加入研发与应用创新，最终形成商业价值的转化。智谱的实践验证了这一逻辑——开源策略不仅未削弱商业收入，反而通过降低客户沟通成本、加速技术信任建立，推动了业务快速增长。
针对行业热议的“参数规模竞争”，刘德兵解释，智谱同时布局大参数模型与小参数模型，并非转向性价比竞争，而是基于技术锚点逻辑。大参数模型如同“技术标尺”，通过持续突破性能上限，为小参数模型的优化提供方向。例如，万亿参数模型若达到98分性能，10亿参数模型若能接近90分，则证明其优化路径有效。这种“锚点+优化”的策略，既能控制成本，又能确保技术竞争力。
在应用落地层面，刘德兵承认，尽管语言、图像生成等领域已实现成熟应用，但能源、制造等行业的深度渗透仍需突破两大瓶颈：一是模型企业与行业龙头的深度协作，通过共创场景逐步融入产业流程；二是模型自身能力的持续提升，降低使用门槛，使普通用户无需专业知识即可应用。他透露，行业龙头对AI融合普遍保持理性预期，更倾向通过成熟场景切入，逐步构建AI基础设施。
谈及通用人工智能（AGI）的发展阶段，刘德兵认为行业正处于L3（自我学习）向L4（自我认知）跨越的关键期。当前主流技术如智能体能力、工具调用，仅拓展了模型边界，真正的突破在于模型能否动态调整参数数值。他比喻：“现有模型像记忆固定的人，纠正错误仅针对当前场景；若能修改参数数值，则如同重塑世界观，模型会永久改变判断逻辑。”这一技术难点在于避免“连带错误”——调整单个参数可能引发其他功能崩溃，类似人类认知体系的连锁反应。
对于2026年的行业趋势，刘德兵预测技术与应用将双轮驱动。技术层面，智能体在精准性与效率上的突破值得期待；应用层面，2025年积累的实践经验将转化为更广泛的商业收益，企业将更清晰如何结合场景发挥AI价值。他强调，IPO热潮并非技术成熟的标志，而是行业从技术探索转向规模化商业应用的里程碑，资本市场将更关注企业的盈利能力与长期价值。
针对“AI六小虎”格局的变化，刘德兵认为，行业分化是必然结果。随着技术门槛与投入成本升高，专注基础模型研发的企业将减少，而智谱将继续坚持“让机器像人一样思考”的愿景，通过长期技术投入保持国际竞争力。他透露，公司始终平衡技术探索与商业落地，确保每一项技术突破都能转化为应用优势，避免“为创新而创新”的空转。
