行业动态
阅读: 244 评论: 0 点赞: 0 发布时间：发布日期：2026-08-24 08:22:32
广西一家做小家电制造的老板，最近跟我吐槽了一件尴尬事：他想让 AI 帮他识别车间里的不良品，结果问了一家国外闭源 API 服务商，一年报价近五十万，效果还不稳定——同一个工件换个角度就识别错。跟他同园区的另一家企业用国产开源大模型，把模型下到自己工厂的机房，一年的电费和运维成本不到八万，识别准确率反而更稳。我后来查了一圈，发现这种"反差故事"在南宁、柳州、玉林并不少见。
央视《焦点访谈》八月二十日的报道，把这种反差摆到了全国层面：中国研发的开源大模型下载量，已经占全球总量的四成以上，超越美国成为全球第一。可这件事并不是一条孤立的新闻——同一天前后，腾讯混元、商汤、小红书几乎同时把"五模态"或者"密集多模态"权重做了开源；同步，海外 Google、Anthropic、OpenAI 也罕见同周降价，五到八成的价格跌幅在三家中型厂商身上同时出现。把三件事叠到一张表上看，是半年来 AI 最值得记的一个月。
HuggingFace 是当下大模型最主流的托管平台，上面托管的大模型数量已经超过三百万。截至八月十九日的趋势榜前十名中，Qwen3.8-27B 连续多日居首，开源两天下载量破一百万次；同期点赞榜上，Kimi K3 获赞过万，Qwen3.8-27B 上线周余就拿到一万多的赞。榜首大模型虽然获赞一万四以上，但上线已经约二十个月，按这个增速，榜首年内易主几乎已成定局。
开源的体量比榜单本身更值得记：阿里云千问系列自 2023 年开源以来，已经开源四百六十多个模型，衍生模型超过三十万个，累计下载量突破三十亿次；HuggingFace 上千问衍生模型日均新增一百八十到两百一十个，总量超过十五万个，是第二名的一点八倍。这意味着，国产生态第一次在全球开源平台里出现"主导"的形态——中国在总量里接近四成，平台开源生态的真正引擎，已经从"模仿者"切换为"被模仿者"。
央视报道里有一个值得展开的细节：京东方把国产开源大模型二次训练为自己的"蓝鲸显示大模型"，部署在企业私域的服务器里。从过去的经验看，制造企业谈 AI 最大的顾虑就是数据安全和合规——这恰恰是开源权重最直接解决的：通过下载权重做私有化部署，企业的工艺数据、缺陷样本、上下游信息完全不需要出境。中国信息通信研究院副院长魏亮的判断更直接：中国开源模型已经成为全球人工智能创新生态的核心贡献者。
如果说开源解决了"用什么"的供给问题，多模态就在解决"能干什么"的能力边界。八月中国厂商在多模态上的密集开源，几乎可以当作一份"能力清单"在读。
腾讯混元 Hy4-V 是这一波里最显眼的一份答卷：八月中旬开源，是国内第一个把文本、图像、音频、视频、三维结构五模态做统一理解的多模态大模型，在视觉问答、跨模态检索、视频时序理解、三维场景理解等十二项国际权威基准上同时刷新 SOTA。模型权重完整开放，个人开发者和中小企业可以免费商用，没有额度限制、没有收益分成，并配套完整的微调教程与推理加速工具链，目标是让多模态能力从"够用"过渡到"可商用交付"。
八月二十一日当天，国内另外两家头部厂商也在加码：商汤开源了轻量级、统一多模态大模型 SenseNova U1.5 Lite，重点强化视觉质量、复杂指令遵循、原生四 K 图像处理、原生图像编辑和精细视觉控制，推动视觉生成从"偶尔成功"走向"稳定交付"。同一天，小红书旗下的 dots 模型实验室首次开源 dots3-note preview，模型总参数 280B、激活 16B、支持 512K 超长上下文，文本、视觉、语音三模态理解，对复杂推理和长程 Agent 任务做了专项优化，是小红书自研大模型走向开放的标志性一步。
三件事叠加到一起，意义不在于"哪家更先进"，而在于多模态这件事，已经从单家厂商的尝试变成了产业共识。当一个应用想同时具备"看图、识声、读视频、找三维结构"的能力，过去要么自己拼一堆模型，要么付昂贵的 API 费用；现在可以直接下载一个统一多模态权重，在自己机房做推理。这对广西做农产品溯源、小程序电商、智能制造、跨境电商选品的企业而言，是把成本曲线直接往下拉一截的事。
如果说开源和多模态是供给侧的转折，价格则是需求侧真正的闸门。八月这一波降价不是单家厂商的策略调整，而是三家头部厂商几乎同步把"每智能单位的成本"拉到了一个新低点。
Google 的 Gemini 3.7 Flash 把输出价格从每百万 token 七点五美元拉到三点七五美元，降幅正好一半；输入端也同步从一点五美元降到零点七五美元。Anthropic 的 Claude Opus 5 给到的官方报价是输入五美元、输出二十五美元每百万 token，相比上一代旗舰 Fable 5 的十美元和五十美元，几乎是腰斩——可它在长程 Agent 任务上的能力并没缩水。OpenAI 旗下最新的 GPT-5.6 Luna 走得更激进：零点二美元每百万 token 的输入价，对应定价是上一次主推旗舰的不到两成。
如果把视野放到本地部署这一端，开源的 Meta Muse Glimmer 30B（Apache 2.0 协议）甚至不收 API 钱——只要下载权重，自己用消费级显卡就能跑起来。Google Cloud 在八月的"AI Agent Trends 2026"报告里把这个月定义为"每智能单位成本整体下降近五成"的窗口。模型不再是少数大客户的特权，应用密度本身成为下半场的关键变量。
这一层最直观的现实意义是：过去 AI 产品的价格表是按"调用次数"卖的，现在变成按"全天运行"来设计也划得来。一个有意思的对照，是阿联酋八月中旬宣布的"国家 Agentic AI 项目"：联邦政府计划在两年内把一半的公共服务迁移到本地化运行的 Agent 上运行，本质就是一次性算清长期成本——而只有当下这一波价格走到腰斩位置，这种"全员 Agent 化"的政府级决策才真正可能。
把这三件事放回同一张表上看，是同一根曲线的三段：从四成以上的全球下载，到同一周三个能力的五模态突破，再到五到八成的同步降价，本质是 AI 不再是少数巨头和前沿实验室的特权，而是中小厂商可以二开、应用可以全天跑、ROI 可以当年算的工具。
对广西本地的中小企业，这种变化的实际含义很简单：第一，开源让私有化部署、可控成本、数据不出域同时成立，这是制造业、农产品溯源、医疗数据这一类场景过去最头疼的几个点的同步解决；第二，多模态让"看图、识声、读视频、找三维结构"这些过去要拼多个模型的能力，变成一个权重下完就能跑的事；第三，价格的腰斩让 AI 不再是"问一句答一句"的尝鲜，而是可以把它当作后台值守的同事来用。门槛低了，市场才刚开始真正变大——下一轮拼的，是谁能把自己的真实业务场景，搬进这些看得见、听得到、跑得稳的能力里。