美企剛貶低完中國AI，馬斯克轉頭給中國模型點贊

（文/陳濟深 編輯/張廣凱）

面對中國大模型的強勢崛起，美國硅谷的反應正在越發割裂。

就在幾天前，以反華為標簽的Anthropic CEO再次對中國模型開炮，不僅表示多家中國開源模型企業“蒸餾”Claude的數據涉嫌剽竊，隨后更是貶低中國模型是靠“刷題應對基準測試”才取得的排行榜跑分成績。

但就在3月2日晚，當阿里千問開心3.5系列旗下4款小尺寸模型后，馬斯克旋即在社交媒體留下了一句辣評： "Impressive intelligence density."（令人驚嘆的智能密度）

馬斯克旋即在社交媒體留下了一句辣評

表面上看，似乎是科技狂人的一次隨性點贊，但在業內人士眼里，馬斯克回復“智能密度”這個用詞，猶如一把尖刀，精準刺穿了Anthropic等美國AI巨頭苦心經營的“高性能、高溢價”的護城河。

從堆參數到堆密度

“智能密度”是馬斯克近一年來反復鼓吹的核心概念。是衡量大模型效率的關鍵指標。

他不僅多次表示“AI智能密度的潛力被低估了兩個數量級”，也公開稱贊自家Grok 5將擁有6萬億參數且每GB擁有更高的智能密度。

現在他把自己最珍視的概念送給了競爭對手，也就意味著，比起傳統的商業互吹，馬斯克對于這款中國的模型是真心認同。

而在同一天晚上，太平洋對岸最懂“算賬”的AI創業者，給出了完全相同的答案。

MiniMax創始人閆俊杰在上市后首份財報電話會上，也提及了這個關鍵詞，他把公司的核心戰略概括為“智能密度的持續提升，加上Token的吞吐能力”。他說：“最終決定勝負的并不是單純的燒錢和燒資源，而是智能能力進步的速度?！?/p>

兩件事撞在同一天，指向同一個詞。如果把時間線再拉長，你會發現這不是巧合，而是一場正在成型的行業共識。

過去三年AI行業的主旋律是軍備競賽：拼參數、拼GPU、拼燒錢。萬億參數是門檻，十萬張卡是標配，誰的數字大誰就是王。但這條路的收益正在遞減——模型參數翻十倍，性能可能只好了兩成，成本卻翻了不止十倍。

而在喧囂之下，一條“暗線”早已浮出水面。

2025年11月，清華大學劉知遠教授團隊的研究登上《自然·機器智能》封面，正式提出了大模型的“密度法則”（Densing Law）?；趯?1個主流大模型的嚴謹回測，論文揭示了一個驚人的規律：從2023年到2025年，大模型的智能密度以每3.5個月翻倍的速度增長。

這意味著每一百天，人類就可以用一半的參數量，實現當前最優模型的性能。

劉知遠教授把這件事講得非常透徹：“規模法則和密度法則就像大模型演進的明線和暗線。之前的信息革命也是如此，明線是設備越來越小，大型機→小型機→個人電腦→手機；暗線則是芯片行業的高效進化，也就是摩爾定律?！?/p>

IBM首席研究科學家Kaoutar El Maghraoui的判斷更直白：“2026年將是前沿模型與高效模型之爭的一年?！毙袠I已經厭倦了單純堆砌規模的收益遞減，正在尋找新的解法。

所以我們現在看到的，并不是幾個人碰巧說了同一個詞。從學術界到產業界到競爭對手，一條新的共識正在合流：AI競賽的度量衡變了。從比誰“大”，到比誰“密”。

小模型也能夠實用

但并非所有人買賬。

就在幾天前，Anthropic CEO阿莫代伊公開唱了反調，稱中國模型針對基準測試的優化，遠多于對現實世界使用的優化。

翻譯一下：中國模型是刷題刷出來的，不算數。

這話有其語境，也暴露了美國頭部大廠的深層焦慮。中國模型每證明一次小模型也能打，Anthropic和OpenAI賴以生存的高溢價定價模式就多一分崩塌的危險——如果9B的模型能干十倍參數量模型的活兒，巨頭們精心構筑的API利潤池就會被瞬間抽干。

然后，馬斯克轉頭就給千問點了贊。

這里有一層微妙的博弈：馬斯克跟OpenAI和Anthropic打得不可開交。夸中國模型，某種程度上也是在敲打美國同行——你們口中不值一提的對手，正在用你們最害怕的方式挑戰你們的定價權。

當然，爭論歸爭論，密度法則給出的數字是冷冰冰的：據論文統計，GPT-3.5級模型的API調用價格在短短20個月內下降了266.7倍。這不是某個人的觀點，這是技術通縮規律。

爭論可以繼續。曲線不等人。

千問3.5的小模型，就是這條密度曲線上最新的那一個數據點——也是最讓人不敢忽視的那一個。

先說一個最直觀的事實：一年前需要整個服務器集群才能跑的能力，現在裝進了手機。

9B參數量的千問3.5，在多項基準上性能媲美甚至超越十倍參數量的模型：GPQA Diamond得分81.7，指令跟隨91.5，視覺理解在MMMU-Pro上以70.1 vs 57.2大幅領先同級別的GPT-5-Nano。最夸張的是，不到10億參數的0.8B模型，能一口氣處理26萬token的超長上下文——相當于兩三本長篇小說的體量，跑在一部普通手機上，而不是發熱的服務器機房里。

千問團隊在16天內連發9款模型，全部Apache 2.0完全開源，每一款都在各自參數級別稱王。這不是一款產品的勝利，而是一整條密度曲線的“活體證據”。

劉知遠教授早就預見了這個趨勢。他曾斷言：“只要能實現某種智能，未來一定可以在更小的終端上運行。”

千問3.5正在驗證這句話。

當9B模型能跑出十倍參數量的性能，AI的部署門檻就從“有服務器集群的大公司”降到了“有一張消費級顯卡的個人開發者”。當幾百人的公司能做出與數千人巨頭掰手腕的模型，創業公司入場的門檻就從“先融十億美元”變成了“先找三百個聰明人”。

MiniMax就是后一種故事的注腳。全公司385人，平均年齡29歲，據閆俊杰在電話會上披露，公司成立至今累計花費僅5億美元——對比OpenAI的數千員工和數百億融資，交出的卻是營收增長159%、毛利增長437%的答卷。智能密度不只是模型參數的物理概念，也是一種極其強悍的組織杠桿。

不要低估個人設備的汪洋大海。 信息革命初期曾有人預言“全球只需要幾臺大型計算機”。但到了今天，全球有超過70億部手機。劉知遠曾算過一筆賬：早在2023年，全國散落在千萬部設備上的端側算力總和，就已經是數據中心的12倍。

智能的終局，注定是分布式的。

這才是“智能密度”比任何一次跑分都重要的原因。它指向的不是“誰的模型今天更強”，而是“AI最終以什么形態、多低的成本、來到每一個普通人身邊”。

回到馬斯克那句“Impressive intelligence density”。與其說他在夸贊一家中國公司的某次發布，不如說他在確認一個正在發生的轉折：

AI的下半場，不屬于最大的模型，屬于最密集的智慧。