我们借助各种AI搜索产品收集了几十篇关于“大模型价格战”的深度采访稿件，对AI业内人士的观点进行了梳理：
第一类视角：关于Al生态的上游技术要素。“大模型行业每年降低十倍推理成本是可以期待的”、“大厂烧
钱是为了换数据，打造数据飞轮”等等。
第二类视角：从用户价值的角度进行评价。_“这反映了大模型行业内现有性能评测标准的缺乏，因为没有评
价标准所以拼价格“_;“国内大模型API使用起来层层套娃，先免费上车、但还是会跳转到其他收费项目“;“价格因素只是使用大模型的原因之一，还是更关注模型的质量、推理能力、参数和准确率”;“价格战对企业落地大模型是好事，但是仍然没有解决使用大模型到底带来哪些价值的问题” “即使大模型落地通过预算环节，部署环节的数字化基础薄弱、工程化能力不强怎么解决”。
第三类视角：对本次价格战的竞争性质做了点评。“大模型的性能遇到了瓶颈，只能同质化竞争，需要降
价”、“大厂通过烧钱抢大模型市场份额”、“这次降价是B端的降价方法，云厂商的竞争升级了”等等。
第四类视角：对AI产业生态演变的思考。“巨头在大模型赛道血拼是必然的，技术创业者首先要放弃幻想，
如果压力太大，可以选择暂时先战术性躺平一下”;“那些缺少模型差异化能力又没有商业化模式的大模型初创公司会被直接’卷死”。
大模型上游：推理成本、数据生态推理成本快速下降；不缺大模型和技术，缺场景缺数据。
大模型下游：企业、开发者
Al应用爆发现实挑战众多，降价之外，预计更多AI应用扶持措施和生态系统构建计划在路上
大模型”在位者”竞争
在技术路线、产品服务、应用落地和市场定位等方面，领先的大模型厂商已经选择了各自的差异化路线图。
大模型“挑战者”机会
从大模型上游要素的供不应求到下游打通模型部署、API调用、应用落地的全链路中，还有很多产业环节上的空白；蓝海机遇大于红海竞争
大模型独角兽通过技术架构创新大幅降低成本：
·DeepSeek v2在MoE、RoPE和Attention上有全新的创新；
·智谱Al自主研发GLM预训练架构，采用稀疏激活的MoE架构，并
优化模型适配多种高性能更件平台。
科技巨头与老牌厂商的多重大模型降本策略：
·在模型层面进行技术性降本；
·投入算力管理平台、建设高性能计算集群等基础设施来大幅
捉升算力利用效率。
重金投入的AI基础设施，亟需规模效应：
·阿里和腾讯都专门建设了高性能的计算集群；
·大规模集群的运维成本分摊到每个计算任务上更为经济；
·大规模集群支持灵活的资源分配和调度，高利用率进一步降低
成本
“烧钱换数据”构建“数据飞轮”:
·“从某种程度上，我们现在不是缺大模型、缺技术，而是缺场景、
缺数据，缺在一个场景下磨练大模型算法的能力.
本文来自知之小站
PDF完整报告已分享至知识星球，微信扫码加入立享4万+最新精选报告
（星球内含更多专属精选报告.其它事宜可联系zzxz_88@163.com）
