混合式AI跑贏“大模型獨角戲”：Meta、谷歌、微軟、聯想的增長證明了什么

陳慶春/文

上周ChatGPT-5 的發布，讓我們不得不接受一個現實：GenAI 時代的大語言模型能力已經很難實現跨越性進步。

ChatGPT-5 只是在延續既有的路徑：堆算力+堆數據+高質量數據篩選+后訓練+推理時長+工具使用。使用過的用戶都很清楚，它僅僅是將已有的大雜燴GPT-4o、o3、o4-mini、o4-mini-high、GPT-4.5、GPT-4.1，GPT-4.1-mini等推理和非推理的模型聚合到一起，在此之上增加一個“路由器”進行任務分配。

由于經驗不足，這個“路由器”做分配時甚至還出現過能力不如 4o 的時候，從而引發用戶大面積吐槽。OpenAI創始人、CEO 山姆·奧爾特曼迫于壓力答應讓 ChatGPT-4o 回歸。

但這并不意味著，人類在通向 AGI 的道路上戛然止步，相反，Meta、谷歌、微軟、騰訊、聯想集團等諸多中美企業以及行業、個體，正集體受益于 AI 大模型帶來的結構性增長。

從4月1日-6月30日的季度財報顯示，Meta、谷歌、微軟都實現了雙位數的增長，Meta 的凈利潤同比增長甚至達到了36%。在Meta 的業績報告描述中，AI推薦模型推動Instagram廣告轉化率提升5%、Facebook提升3%，內容互動與停留時間顯著增長。AI創新已成為Meta廣告和內容生態的核心增長驅動力。

相似的結果同樣發生在中國巨頭身上。8月13日，騰訊發布Q2業績顯示，總營收1845億人民幣，同比增長15%，其中營銷服務業務收入同比增長20%至人民幣358億元，主要受益于AI驅動的廣告平臺改進及微信交易生態的提升。

8月14日，聯想集團發布同時期業績報告顯示：總營收達1362億元人民幣，同比增長22%；非香港財務報告準則下凈利潤28.16億元人民幣，同比增長22%，香港財務報告準則下凈利潤甚至翻番。聯想集團認為，兩年前布局的“混合式AI”戰略，正邁進“價值兌現期”。

除巨頭受益之外，IDC預計，到2030年，AI將累計產生19.9萬億美元的全球經濟影響，推動 2030 年當年全球GDP增長3.5%；每1美元AI支出將帶動4.6美元的間接和誘發效應（如供應鏈收入、生產效率提升等）。

大模型本身的“爆發式進步”變得越來越難，但 AI 的落地應用正在全球開花。未來 2-3 年，AI 競爭主線將從“單點模型性能”轉向“系統級架構創新”。有意思的是，Meta、谷歌、微軟、騰訊、聯想集團這些中美巨頭，基本都采用了混合式 AI 架構，從算力基礎設施到大模型平臺，均為混合模式，同時通過云、邊緣、本地多層協同，構建智能體網絡、實現跨平臺多場景智能交互操作，完成個體智能和企業智能的超級智能。

行業共識就是，大模型仍會進步，但短期“爆發式”的體感躍遷更可能來自系統與架構創新：把模型放到一個混合式、可治理、可執行的系統架構里，往往更能拉動實際效果和業務指標，完成 AI 最后一公里的落地。

混合式 AI：

巨頭們的底層增長邏輯

OpenAI 正在復刻混合式 AI 的架構，以獲取超級智能與超級增長。

ChatGPT-5 的路由器架構，就類似于混合式AI架構下的大模型平臺。如同：聯想集團去年推出的大模型路由器技術，即根據不同的算力以及行業特征自動匹配相應規模的大模型。

而且，就在ChatGPT-5亮相的前一周，OpenAI 還首次發布了兩個開源小參數大模型 GPT?OSS?20B 和 GPT?OSS?120B。前者可在普通PC（如 16GB RAM、驍龍）本地運行，后者在PC 搭載了RTX PRO GPU芯片之后也可本地使用。這意味著，OpenAI 正在推動 AI 從云端走向本地端和邊緣端，這也是混合式AI架構的一個重要特征。

奧爾特曼在X社交平臺上稱：“GPT-OSS是件大事（a big deal）”，因為它強調了大模型在真實場景下的推理表現。無論是 ChatGPT-5 的路由器，還是兩個GPT?OSS 開源模型的推出，OpenAI 都越來越傾向于加速AI應用的落地和商業化，而不再糾結于AGI 的實現。

OpenAI 還在與蘋果前首席設計官Jony Ive 合作，共同開發全新 AI 硬件設備，以滿足真實場景下端、云、邊的協同計算。同時，OpenAI 自“星際之門”開啟之后，便不斷在尋求搭建多樣化的混合算力數據中心。

OpenAI 的“司馬昭之心已路人皆知”，它不再只局限于研發大模型底座，而是要構建一個多入口的AI生態。從目前的GenAI 技術現狀來看，達成AI生態的最優架構就是混合式AI 架構，即：混合算力（TPU、GPU、NPU、CPU）+ 數據和知識庫+大模型工廠（多模型路由器）+端云邊協同+多智能體平臺。基于混合式AI架構，才能同時輸出個人智能和企業智能的超級智能。

很顯然，在個人智能方面，OpenAI 已不滿足于 Chatbot（大模型對話框）入口，它還想構建一個硬件入口。在企業智能方面，OpenAI發布 ChatGPT-5 時已表露無疑，醫學、編程、創意寫作，都是其重點拓展行業。而且從目前OpenAI 與各國的合作中可以看到，是包括整個混合式 AI 架構的建設，奧爾特曼將其統稱為：AI基礎設施。

或許OpenAI是借鑒了Meta、谷歌、微軟、聯想集團的成功經驗，這些巨頭們幾乎都擁有一套成熟的混合式 AI 架構。

谷歌、微軟都擁有提供混合算力的云計算服務，Meta 和聯想集團雖然沒有公有云，但它們在混合算力上也各具特色。Meta 擁有多個超大規模混合算力中心，聯想則一方面是云計算公司的“遞鏟人”（服務器制造廠家），另一方面也是私有云與公有云的混合云搭建者。在大模型工廠方面，谷歌選擇自研自建，微軟和聯想選擇開放伙伴，但都不局限于一個大模型。

在 AI入口構建上，Meta和谷歌軟硬通吃，谷歌即將發布Pixel系列新品，Meta的智能眼鏡今年上半年在全球智能眼鏡市場的份額升至73%；微軟則在軟件上強勢，聯想在硬件上強勢，根據最新財報，聯想PC以24.6%的市場份額穩居全球第一，其中AIPC已占聯想PC總出貨量30%以上；其他硬件如平板電腦一直居于全球前 5 的位置，手機也在逐漸回歸到前排位置。四者的AI 入口清晰，都能完成端、邊、云的協同計算，靈活且安全可控。

在多智能體平臺的打造上，四者也都擁有成熟的工具和平臺。谷歌發布了Agent Engine和開源Agent Development Kit（ADK）；微軟提供的Azure AI Foundry Agent Service 和聯想的智能體平臺，在業內都已成果卓著，聯想甚至給自己做了一個超級智能體——樂享。根據最新財報披露，樂享月活提升255%，拉動銷售額增長13.6倍。

基于混合式AI架構，Meta、谷歌、微軟、聯想便可以強勢輸出個人智能和企業智能。之前 Meta在企業智能上幾乎沒有涉足，但在今年4月發布Llama 4之后，Meta逐步向多行業提供高度專業化垂直版本的模型。針對醫療、金融、法律、制造、游戲等場景，Meta做了繼續訓練或指令微調，最終打包成 Llama-4-Med、Llama-4-Finance、Llama-4-Legal 等垂直版本。

科技巨頭們逐漸形成了GenAI時代的增長邏輯：通過混合式AI 的系統級架構創新，突破大模型 “單點進步瓶頸”， 跳出 “大模型獨角戲”，構建覆蓋個人與企業需求的 AI 生態，最終達成 “讓 AI 深度融入行業與生活，成為增長核心驅動力” 的企業愿景。

更關鍵的是，這種增長邏輯已經在各自的財報業績中，得到初步驗證。

Meta、谷歌（Alphabet）、微軟、騰訊、聯想集團

在2025年4月1日至6月30日的業績表現

AI價值兌換期：

個人+企業的超級智能輸出

混合式 AI 架構，正在進入“AI價值兌現期”，不斷輸出個人智能和企業智能，推動全社會逼近超級智能的愿景。

聯想集團董事長、CEO 楊元慶在接受媒體采訪時，這樣定義個人智能：“未來，我們相信不僅僅是以設備為中心的智能，應該逐漸轉向以人為中心的智能，AI是跟著人的而不是跟著設備的。”“跟著人的AI，我們或許可以叫它人工智能雙胞胎，這是我們的叫法，它可以去跨設備、跨生態或者是操作系統的，同時可以去有效地協調端、邊、云上面的數據以及計算能力，幫助我們每個人實現更有效的智能。”

顯然，要實現個體智能，僅靠一臺AI硬件設備遠遠不夠。科技巨頭一般都會打造一個“個人超級智能體”，比如聯想天禧、Meta AI、微軟 Copilot 等。然后將這一超級智能體，內嵌于不同硬件設備（手機、平臺、眼鏡等）或軟件（Chatbot、辦公軟件等）中，為用戶打造跨平臺、跨設備、端云一體、開放互聯的無縫融合AI體驗。與此同時，安全體系也得到重構，以可信計算和加密通信的端云一體安全架構，保障數據與模型的全鏈路安全和用戶隱私。

聯想將其總結為“一體多端”，并表示已擁有多項首創原生技術創新，包括多模態自然交互的AUI、終端推理加速引擎X-Engine、數據安全與隱私保護領域的可信計算（THCP）、混合個人知識庫（HPKB）等。

其他科技巨頭各有差異化技術優勢，但技術邏輯基本一致。

對于企業智能，因每個企業所處行業和市場地位不同，在實際應用中就顯得略為復雜。楊元慶概括認為，企業智能應包括混合式AI的基礎設施、計算能力、存儲能力、網絡能力等，再上面是如何來幫助用戶準備數據，如何運用模型工廠，再往上就是有智能體的工廠，在這樣的基礎架構下各個行業、各個企業才能建立AI通用解決方案（如數字辦公、制造業供應鏈管理等），以及針對不同垂直行業的解決方案。

聯想集團董事長、CEO 楊元慶與英偉達 CEO 黃仁勛

一同展示“聯想混合式AI優勢集”

聯想將這種能力統稱為“混合式 AI 優勢集”，可以向需要建立企業智能的企業，一并輸出。而微軟則將其稱之為“Azure AI Foundry”，其他巨頭也有別的叫法，但他們內含的技術架構能力與聯想幾乎一致。

從邏輯上來看，只要擁有混合式 AI 架構，就可以持續輸出個體智能和企業智能。事實也確實如此，科技巨頭們不僅創造了業績新高，他們服務的個體和企業客戶也紛紛受益。

根據聯想集團財報披露的信息，“天禧”個人超級智能體的用戶活躍度顯著提升，WAU（每周活躍用戶比例）平均值達40%。目前，這一智能體具備五大黃金功能，包括AI操控、AI翻譯、AI搜索、AI服務、AI筆記。個體用戶在工作效率、學習效果上將逐漸獲得可量化收益，真正進入“人人可用、人人受益”的階段。

與個體用戶不同，企業用戶在使用AI時必然要追求可量化的結果。

以聯想打造的制造領域智能體為例，依托制造流程全生命周期覆蓋、大語言模型+生成式AI技術場景化適配、全球化部署、模塊化擴展四大核心能力，聯想創造了全球首個覆蓋制造全鏈的“AI指揮官”，并構建了智能計劃排產、AI個性化指導、AI視覺防錯、設備預測性維護、紫領人才培養等核心智慧場景。

其中，智能排產可以實現秒級排產，通過模擬全球原料庫存、設備狀態、物流路徑的動態關系，訂單周期最高可從行業平均38.4天壓縮至7天，交付效率提升82%，庫存占用降低81%，可釋放數十萬甚至數億級現金流。

聯想的智能供應鏈管理經驗，也在賦能其他企業。聯想幫伊利打造了供應鏈控制塔系統，整合了80余項供應指標和140余項廣促品指標，降低原奶調配單噸運輸成本，24小時到廠及時率提升至98%。

不止供應鏈，聯想還正在幫伊利構建混合式 AI 架構。“AI轉型的本質：不是給傳統加速度，而是給未來新架構。”這是聯想集團高級副總裁、中國方案服務業務群總經理戴煒的觀點。現在對于構建企業智能有很多誤區，許多企業將AI視為傳統流程的“加速器”，而非業務模式的重構器。伊利的實踐證明，真正的AI轉型需要的是架構思維而非工具思維。伊利目前在鏈接消費者和人機協同的工作模式上，都有了巨大的突破。

在個性化方面，伊利借助AI應用構建了全生命周期的服務新架構：通過微信小程序，年輕消費者可以參與新產品共創，老年消費者享受免費健康咨詢，媽媽們通過AI工具記錄寶寶成長的珍貴瞬間。

這不是在原有客服體系上增加功能，而是重新定義了乳制品企業的商業邊界。混合式 AI 架構對于企業智能的意義，正在于此。

除了企業，混合式 AI 還可以為城市打造超級智能體。聯想城市超級智能體“1+N智能體”架構，可以推動智慧城市邁向4.0時代。目前，聯想已經與福建武夷山、湖北宜昌、上海虹口及內蒙古呼和浩特市達成戰略合作，聯想城市超級智能體在將文旅體驗、能源管理、智慧交通及產業智能化發展等方面持續釋放價值。

像聯想一樣，構建了混合式 AI 架構的巨頭們都在強勁輸出企業智能。微軟號稱，80%財富500強企業采用Azure AI Foundry解決方案。從微軟云、谷歌云的高速增長，也能看出企業智能對于混合式 AI 架構的強烈需求。

現階段，混合式AI從概念驗證進入價值兌現期，已毋庸置疑。企業只要將AI 應用場景與核心 KPI 綁定（廣告轉化率、GMV、續費率、生產周期等），就能在 6–12 個月內兌現“可量化”的業績提升；反之，停留在“演示”或“邊緣工具”層面的 AI，對報表幾無波瀾。

IDC預測，到2027年70% 的中國頭部制造商將使用AI提高員工生產力。到2028年，40%的中國頭部制造商將采用AI平臺整合供應鏈數據，風險模擬與預測響應效率提升50%。制造業如此，其他行業的整體趨勢也不會有太大偏差。

那些提前布局混合式AI架構的巨頭們，顯然占有十分明顯的優勢，未來將持續長期釋放這一優勢，而不僅僅是曇花一現。因為業內的共識是，GenAI 時代，架構創新將超越大模型本身能力。

GenAI時代：

架構創新超越大模型本身能力

ChatGPT-5 出現的種種問題，證明了一點：大模型的“突破式提升”窗口正在迅速收窄。Scaling Law 的收益遞減、算力-能耗-成本三重瓶頸、以及 Next-Token Prediction 范式的能力天花板，已使 GPT-5 僅獲得 2% 的性能增益卻要付出 10 倍算力。Grok-3 用 10×GPU，效果增幅同樣低于 3%。

Next-Token Prediction 在長邏輯鏈、數值推理、幻覺抑制上邊際收益趨零，行業共識是“預訓練范式見頂”。

既然“通用基準”趨近飽和，那么，新增能力更多來自系統化集成。今天更大的模型確有進步，但很多真實業務的提升，主要來自工具使用、檢索、長上下文記憶、工作流編排等“系統層”要素，而不是僅靠參數規模。谷歌、OpenAI、微軟近期的產品路線都把“智能體/工具用法”前置。

在這種背景下，AI落地應用更依賴于架構創新，混合式AI架構是一種嘗試，當然可能還會有其他架構的創新。但無論哪種架構創新，都應和混合式AI一樣凸顯以下4點優勢：

1. 資源優化與適用性提升

混合式AI架構將云端強算力與本地邊緣設備協同組合，合理分配計算任務。云端處理大規模訓練和復雜推理，利用超大規模計算資源，確保模型能力和更新速度。邊緣端和本地設備承擔低延遲、隱私敏感或實時響應需求的推理任務，減輕云端壓力，提升用戶體驗和數據安全。令AI系統整體更節能、高效，適應多樣化的硬件環境和應用場景，降低部署門檻。

2. 多場景與跨設備智能交互操作

混合式架構促進跨平臺、跨設備的AI智能體網絡建設，推動智能體從單一模型向多智能體系統演進，使AI能夠：在不同設備和應用間無縫協作，實現跨任務、跨場景的智能服務；支持多模態、多任務并行，滿足復雜動態業務需求；大大擴展了AI的應用邊界，提升智能體生態的靈活性和適應性。

3. 安全性與隱私保障

在數據安全和隱私合規性日益嚴格的環境中，混合式AI可以：支持本地數據處理和隱私保護，避免大規模數據傳輸風險；滿足不同行業和地區的合規要求，促進敏感行業（例如醫療、金融）的AI應用；通過多層架構控制風險，提升整體系統的可信度。

4. 降低成本與技術普及

相比于僅依賴超大模型單點突破的策略，混合式AI通過分布式和協同計算降低算力投資和運維成本；支持多樣化硬件和生態，促進更多企業和個人用戶接入和應用AI；使技術更普惠，推動AI從實驗室走向生產實踐。

混合式AI 架構的這四點優勢，在某種程度上彌補了單一大模型存在瓶頸問題。根據公開資料，我整理了一下單一大模型與混合式AI架構在成本、時延、可靠性、個性化方面的不同，如下表，僅供參考。

單一大模型與混合式AI 架構的簡單比較

架構創新（尤其是混合式AI）正成為落地應用勝負手，它把“更大的模型”問題轉化為“更聰明的系統”問題。商業壁壘不再是“誰能訓更大的模型”，而是“誰能在給定功耗/成本下交付最可靠的AI 系統”。

當“更大”不再等于“更強”，混合式 AI 把算力瓶頸轉化為系統紅利，成為 GenAI 落地真正的第二增長曲線。（全文結束）